open data e acquisti della pubblica amministrazione: analisi delle università italiane -...
TRANSCRIPT
Open data e acquisti della pubblica amministrazione: analisi
delle università italiane Francesco Cavazzana
Tutti i dati sugli acquisti pubblici devono essere pubblici – Legge 190/2012
Ê Entro il 31 gennaio di ogni anno, tali informazioni, relativamente all'anno precedente, sono pubblicate in Ê tabelle riassuntive rese liberamente scaricabili Ê in un formato digitale standard aperto Ê che consenta di analizzare e rielaborare, anche a fini
statistici, i dati informatici.
Ê L’Autorità competente (AVCP – ANAC) ha stabilito il formato: Ê http://dati.avcp.it/schema/datasetAppaltiL190.xsd Ê http://dati.avcp.it/schema/datasetIndiceAppaltiL190.xsd Ê http://dati.avcp.it/schema/TypesL190.xsd
Principali dati disponibili
Ê Ogni acquisto dal 1/12/12 indipendentemente dall’importo
Ê Descrizione acquisto
Ê Data inizio e fine fornitura
Ê Importo aggiudicato e importo liquidato
Ê Tipo di procedura utilizzata
Ê Aggiudicatario
Ê Elenco dei partecipanti alla gara
Possibili utilizzi di questi dati
Ê Trasparenza
Ê Anticorruzione
ma anche
Ê Analisi di benchmark per le amministrazioni pubbliche
Ê Analisi di mercato
Ê Monitoraggio della concorrenza
Ê Individuazione di potenziali clienti (pubblici)
Obiettivi attesi dell’analisi
Ê Analisi sul singolo ente e per settore Ê Distribuzione degli acquisti per classe di importo
Ê Analisi di concentrazione e rotazione dei fornitori Ê Tipologie di procedura di acquisto utilizzate
Ê Confronto con un altro settore: capoluoghi di provincia
Ê Possibili determinanti dei comportamenti: Ê Dimensioni
Ê Posizione geografica Ê Individuazione di tipologie tramite clustering
Ê Paragone tra due periodi: 2013 e 2014
Input -‐> Output
30.000 file XML à 2.000 righe per 60 colonne di analisi + 4.000 grafici
Dati analizzati
Ê 2 anni: 2013 e 2014
Ê 52 università (38 per il 2013, 51 per il 2014)
Ê 10 comuni (7 per il 2013, 10 per il 2014)
Ê 30.087 file XML
Ê 528.308 acquisti
Ê 3.385.155.669,13 € di importo totale
Ê 76.691 aziende partecipanti
Metodologia di analisi
Ê Lettura dei file XML e scrittura dei dati in un database PostgreSQL tramite procedura appositamente scritta in python
Ê Analisi descrittiva tramite query SQL, librerie di calcolo scientifico scipy e numpy
Ê Analisi di regressione e clustering con linguaggio statistico R
Ê Produzione di un file excel riepilogativo con tutte le analisi ed i grafici per settore e per singolo ente
Analisi descrittiva degli acquisti nelle università
TOTALE Università 2013 TOTALE Università 2014
Numero università analizzate 38,00 51,00
Numero docenti 35.023,00 43.030,00
Numero acquisti totale 222.666,00 283.479,00
Importo acquisti totale 792.922.368,98 1.135.543.218,93
Numero acquisti/docente 5,10 6,50
Importo acquisti/docente 18.178,79 26.033,82
min 0,00 -585,10
max 20.061.000,00 46.825.234,00
media 3.561,04 4.005,74
mediana 445,16 475,60
deviazione standard 86.774,80 142.860,54
coefficiente di variazione 24,37 35,66 !
Distribuzione numero acquisti / importo acquisti – Università 2014
2014 Università importo % numero % acquisti 1-2.000 121.501.677,23 € 11% 234.942,00 83% acquisti 2.000-40.000 305.445.769,22 € 27% 44.605,00 16% acquisti 40.000-207.000 171.938.235,54 € 15% 2.003,00 1% acquisti > 207.000 536.659.556,65 € 47% 440,00 0% totale 1.135.545.238,63 € 281.990,00 €
Distribuzione numero acquisti / importo acquisti – Comuni 2014
2014 Comune importo % numero % acquisti 1-2.000 3.420.385,79 € 0% 4.706,00 45% acquisti 2.000-40.000 46.106.848,50 € 7% 4.521,00 44% acquisti 40.000-207.000 71.311.159,96 € 10% 772,00 7% acquisti > 207.000 581.296.180,83 € 83% 377,00 4% totale 702.134.575,08 € 10.376,00
Determinanti 1: dimensioni
Ê Dimensioni: numero docenti come variabile continua o classi di importo
Ê Grandezze analizzate: importo medio, importo mediano, % numero acquisti < 2000 €, % importo cumulato acquisti < 2000 €, importo medio per docente, numero acquisti per docente…
NON EMERGONO RELAZIONI LINEARI SIGNIFICATIVE
Determinanti 2: Nord -‐ Centro -‐ Sud
Ê Le università del Sud si differenziano dalle altre
Ê L’importo medio degli acquisti è più elevato
Ê L’importo speso per docente è più basso
Clustering per comportamento di acquisto
Clustering per comportamento di acquisto
Ê INPUT Ê Richiesti 3 cluster di università Ê Variabili fornite per identificare i gruppi: importo della spesa per 4
classi di acquisto (< 2.000, 2.000-‐40.000, 40.000-‐207.000, > 207.000)
Ê ALGORITMO DI CLUSTERING: K-‐means
Ê OUTPUT Ê Gruppo 1:
università piccole Ê Gruppo 2:
grandi e piccole, con investimenti
Ê Gruppo 3: università grandi
Concentrazione e rotazione dei fornitori
Ê 50% dei fornitori: 1 acquisto < 1.800 €
Ê 75% dei fornitori: < 3 acquisti < 7.500 €
Ê La rotazione dei fornitori diminuisce al crescere della dimensione degli atenei
Analisi delle procedure utilizzate
Ê Dato poco affidabile
Ê Significativo utilizzo di MEPA anche per importi < 40.000
Ê Diversa propensione a confronto competitivo per classe dimensionale e regione geografica