di Elena Codeluppi.
Viviamo in un’epoca in cui i dati sono ovunque. Ma più che una sequenza di numeri, i dati rappresentano storie, persone, relazioni. Se letti e usati con cura, possono diventare strumenti potenti per rendere visibili le disuguaglianze, progettare interventi mirati e misurare i progressi verso una società più giusta.
Perché i dati contano davvero
Secondo Giorgia Lupi, pioniera del data design, i dati sono rappresentazioni astratte di realtà vissute. Cole Nussbaumer Knaflic, autrice del libro Storytelling with Data, ci ricorda però che i numeri da soli non bastano: serve saperli raccontare. E proprio qui entra in gioco la possibilità di usare la raccolta e la visualizzazione dei dati come strumenti di equità.
Durante la pandemia, le dashboard sanitarie hanno offerto informazioni cruciali. Allo stesso modo, nel mondo del lavoro o nella salute pubblica, dati ben analizzati possono mettere in luce gap profondi, come il peso del lavoro di cura sulle donne o le diseguaglianze nell’accesso ai servizi.
Contare, sì, ma con consapevolezza
Nel suo toccante TED Talk “Inizia a contare: il potere e i limiti dei dati nello svelare il mondo”, Donata Columbro ci invita a riflettere su una verità scomoda: i dati non sono neutri. Nascono da scelte – su cosa misurare, come farlo, cosa lasciare fuori. Ed è proprio ciò che non viene raccolto a generare invisibilità e disuguaglianze. Columbro ci guida nel riconoscere che ogni numero ha un’origine, e che anche i dataset più sofisticati riflettono priorità culturali e politiche.
Questo ci porta a una domanda chiave: chi ha il potere di decidere cosa conta e cosa no?
Il gender data gap: quando i dati escludono
Un esempio emblematico è l’assenza di dati disaggregati per genere, come ben documentato da Caroline Criado Perez nel suo libro Donne invisibili. Quando si progetta una città, un sistema sanitario o una policy pubblica basandosi su dati che rappresentano solo l’uomo “medio”, si escludono milioni di esperienze femminili – e non solo. Il risultato? Soluzioni inefficaci, se non dannose, per interi segmenti della popolazione.
Uno dei casi più clamorosi raccontati da Criado Perez riguarda i crash test delle automobili. Per decenni, i manichini utilizzati nei test di sicurezza sono stati modellati esclusivamente sul corpo maschile medio. Questo ha significato che le cinture di sicurezza, gli airbag e le distanze dei sedili sono stati ottimizzati per uomini. Il risultato? Le donne hanno il 47% in più di probabilità di subire lesioni gravi in un incidente, e il 17% in più di rischio di morire.
Un altro esempio riguarda la sperimentazione dei farmaci: spesso gli studi clinici vengono condotti su campioni maschili, ignorando le differenze biologiche e ormonali tra uomini e donne. Questo ha portato, in alcuni casi, a dosaggi sbagliati o effetti collaterali più gravi per le donne, la cui risposta ai farmaci può variare significativamente. Un caso noto è quello del sonnellino pomeridiano post-assunzione di Zolpidem, un farmaco per dormire: le autorità sanitarie USA hanno dovuto dimezzare la dose raccomandata per le donne dopo aver scoperto – solo a posteriori – che metabolizzavano il farmaco più lentamente, con rischio di incidenti stradali il mattino dopo.
Questi esempi mostrano che il gender data gap non è solo una questione statistica, ma un problema di sicurezza, salute, equità.
Costruire dati inclusivi: etica e rappresentanza
Per raccogliere dati in modo equo e rappresentativo, è essenziale coinvolgere direttamente i gruppi interessati. Focus group, sondaggi accessibili e linguaggio inclusivo sono strumenti fondamentali per evitare semplificazioni e stereotipi. Ad esempio, chiedere “Come ti identifichi?” anziché “Sei maschio o femmina?” è un piccolo gesto che apre spazio a identità complesse e spesso marginalizzate.
Una visualizzazione ben progettata può rendere comprensibili fenomeni complessi come le disuguaglianze salariali o l’impatto del cambiamento climatico. Ma affinché i dati comunichino davvero, è fondamentale scegliere grafici leggibili, colori accessibili anche a chi ha disabilità visive, e testi esplicativi che accompagnino i numeri.
E soprattutto, è importante non nascondere la complessità dietro medie e percentuali. Se i dati devono raccontare la realtà, devono farlo con tutte le sue sfaccettature.
Infine, trasformare i dati in storie è l’arte del data storytelling: un approccio che coniuga analisi, narrazione e visualizzazione per generare comprensione e cambiamento. Raccontare il divario di genere non significa solo mostrare numeri, ma costruire una narrazione che metta in luce cause, conseguenze e possibili soluzioni.
I dati sono strumenti potenti, ma da soli non bastano. Come ci insegna Donata Columbro, serve uno sguardo critico e consapevole, capace di interrogarsi non solo su quali dati raccogliamo, ma anche su perché e per chi lo facciamo.