dal 2015

Una competenza richiesta da molti settori

La statistica non è un settore: è un modo di rispondere alle domande. Da undici anni la applichiamo con lo stesso rigore in campi che non si parlano fra loro, una corsia d'ospedale, un questionario, il bilancio di una piccola impresa.

Questa è la linea del tempo delle nostre idee: quelle che abbiamo sviluppato, quelle a cui stiamo lavorando, quelle che restano aperte.

Sotto la linea restano i rami, perché quello che sappiamo fare non si cancella mai.

2015

Lo scambio

Il primo lavoro è l'analisi. La domanda è già stata scelta, lo studio disegnato, i dati raccolti.

I primi studi arrivano da medici ricercatori. Senza compenso, in cambio dell'accesso a un mestiere che si impara solo praticandolo. Era uno scambio: la nostra competenza in cambio della loro.

All'inizio arrivavamo quando le decisioni erano già prese.

2016

Spiegare il metodo

Il lavoro si fa più esigente: disegni complessi, scale da costruire e validare, revisioni che chiedono conto di ogni scelta.

La parte decisiva non è la tecnica, è renderla comprensibile. Rinunciando ai formalismi, il confronto con chi la statistica la intuisce non produce soltanto un risultato: produce il riconoscimento della competenza.

Un metodo che non sai far capire non viene usato.

2019

RHO

Il coinvolgimento si sposta a monte: non più soltanto l'analisi, ma la domanda da mettere a fuoco e il disegno da definire. Nello stesso periodo inizia l'attività di formazione.

Da qui il nome, la ricerca, lo snodo, gli esiti. Research, perché la ricerca è un metodo prima che un settore. Hub, perché quel metodo sa dialogare con competenze diverse. Outcomes, perché è da quel dialogo che nascono i risultati.

Un metodo, non un ambito. Se regge in clinica, regge dove le domande hanno la stessa forma.

Il nome diceva già il mestiere.

2020

Un rischio è un rischio

Il primo passo fuori dalla ricerca clinica. Integrando competenze di contabilità abbiamo definito modelli per le imprese: la probabilità di default, le ipotesi di turnover del personale su cui si calcola il TFR, la qualità degli utili dichiarati a bilancio.

Un'insolvenza, per chi la studia, ha la stessa forma di una recidiva: un evento che può accadere o non accadere, il tempo entro cui accade, i fattori che lo rendono più probabile. Gli strumenti per stimarla sono quelli che usavamo in clinica.

Il sanitario è il nostro ramo più folto. Resta un ramo.

2021

Crescere per competenze

La forma scelta per crescere è il network: professionisti indipendenti che si compongono intorno al progetto, ciascuno con la propria specializzazione.

Ogni competenza che entra allarga il perimetro di quello che si può prendere in carico, e il confronto con chi lavora in modo diverso è la parte che fa crescere di più.

Si cresce per competenze, non per organico.

2022

Cambio di scala

Con la sanità il lavoro cambia dimensione: non più i dati raccolti per uno studio, ma quelli che un'organizzazione produce ogni giorno per funzionare.

Tenerli insieme, verificarli e ridurli a pochi indicatori utili diventa un mestiere in sé. Cambia anche l'interlocutore: non più soltanto chi fa ricerca, ma chi programma.

Da quel momento i nostri risultati non chiudono uno studio: entrano in una scelta.

Dal dato di uno studio al dato di un'organizzazione.

Oggi

Una rete collaudata

Oggi il gruppo RHO è cresciuto. I professionisti della rete hanno competenze verticali, arricchite dal continuo confronto con esperti di altri settori.

Negli anni sono cambiati i committenti, i campi e la dimensione dei lavori. Non è cambiato il modo in cui li affrontiamo: lo stesso metodo e la stessa passione dell'inizio, ripetuti progetto dopo progetto fino a diventare un'abitudine.

«Noi siamo ciò che facciamo ripetutamente, l'eccellenza non è un atto ma un'abitudine.»Will Durant

Domani

AI: mettere alla prova i modelli

L'introduzione di strumenti basati sull'intelligenza artificiale è quasi sempre accompagnata da un numero, l'accuratezza, stimata da chi ha costruito il modello su dati diversi da quelli dove lo strumento verrà usato.

Verificarla è un problema di metodo prima che di tecnologia: un disegno di validazione sui dati reali dell'ente o dell'azienda, misure che dicano non solo quanto il modello sbaglia ma dove, un confronto con la pratica in uso, un controllo nel tempo. L'AI Act chiede esattamente questo ai sistemi ad alto rischio, e gran parte della sanità ci rientra.

È il campo in cui vogliamo portare il metodo che usiamo da sempre per validare uno strumento di misura.