Un progetto su due finanziato con i fondi delle politiche di coesione è arrivato a conclusione, e quelli più recenti sono ancora in corsa. Ma dietro la media c’è una spaccatura: al Centro-Nord si chiude quasi il 59% dei progetti, al Sud il 42%, eppure è il Mezzogiorno a gestire più fondi. E non è l’incidente di un anno storto: il divario resiste dentro ogni ciclo di programmazione.

Le politiche di coesione

Sono lo strumento con cui l’Unione Europea e lo Stato italiano finanziano interventi per ridurre i divari tra territori: infrastrutture, ricerca, ambiente, scuole, servizi.

L’origine di questi finanziamenti risiede nei fondi europei, affiancati da un consistente cofinanziamento nazionale (il solo Fondo Sviluppo e Coesione vale circa 99 miliardi di euro). In entrambi i casi la fonte ultima è la stessa: le tasse di tutti. Nei progetti monitorati da OpenCoesione (il portale pubblico che ne raccoglie i dati) si raggiungono oltre 315 miliardi di euro di finanziamento pubblico (fotografati al 31 dicembre 2025).

Questi progetti si distribuiscono in tutta Italia e si articolano su cicli di programmazione di sette anni (dal 2000-2006 al 2021-2027), destinando una quota maggiore di risorse al Mezzogiorno in coerenza con la propria missione redistributiva. L’obiettivo dichiarato è l’equità territoriale: far sì che la qualità dei servizi a disposizione di un cittadino non dipenda dalla provincia in cui risiede.

Il nostro lavoro nasce per rispondere a tre quesiti fondamentali: capire quali progetti non vanno a buon fine, individuare i fattori che ne condizionano l’esito e verificare se sia possibile prevedere le opere potenzialmente più a rischio fin dal primo giorno di cantiere.

Per farlo, abbiamo ristretto il campo ai progetti con un importo pari ad almeno 100.000 euro: una scelta che ci permette di analizzare ben 249 miliardi di euro, pari al 93% delle risorse totali.

Il grafico Sankey ricostruisce il percorso di questi 249 miliardi: dalla fonte (europea o nazionale), attraverso il territorio di destinazione, fino al tema dell’intervento. Emerge subito un primo marcato squilibrio finanziario, coerente con lo scopo delle politiche di coesione: il 73% delle risorse è destinato al Mezzogiorno, mentre solo il 27% va al Centro-Nord.

A fronte di un volume di risorse nettamente sbilanciato verso il Sud, il numero di progetti risulta invece distribuito in modo quasi paritario tra le due macro-aree (56,0% al Mezzogiorno contro 44,0% al Centro-Nord). Questa sostanziale equivalenza di numerosità campionaria è un elemento metodologico cruciale, poiché esclude che il divario sia un effetto di numerosità.

Per esplorare ed elaborare questa massa di dati abbiamo applicato una serie di metodologie statistiche e di Machine Learning, i cui dettagli ed esiti tecnici sono approfonditi nelle sezioni dedicate del menu «Le analisi»: esplorazione dei dati, clustering, regressione e Random Forest.

Il problema: i progetti si fermano dove servono di più

Cosa succede ai progetti analizzati? Per cercare di capirlo abbiamo definito una variabile che ci aiutasse a identificare quelli potenzialmente più problematici.

Le cifre con cui abbiamo a che fare sono enormi: nei progetti a rischio sono impegnati 122,5 miliardi di euro di finanziamento pubblico (più di un terzo dell’intero portafoglio), di cui risultano pagati finora solo 45,5. Ci sono 26,3 miliardi fermi in 16.261 progetti mai avviati, con zero pagamenti. E la geografia del denaro fermo ricalca quella del bisogno: 99,4 miliardi a rischio nel Mezzogiorno, 18,5 nel Centro-Nord.

Si tratta della conseguenza di un numero maggiore di fondi stanziati per il Sud? Solo parzialmente. In realtà, anche in termini relativi (percentuale di progetti “a rischio” rispetto al numero totale di progetti della regione), il divario rimane significativo: si passa dal 9,2% della Liguria al 53,8% della Sicilia.

Inoltre, questo divario persiste in ognuno dei cicli di programmazione analizzati.

Un paese disunito è un paese fragile e meno competitivo, più esposto alle dinamiche di potere sovranazionali. In gioco ci sono due cose molto importanti: i nostri soldi, e come li stiamo impiegando, e un godimento dei diritti che sia equo e giusto per tutti sull’intero territorio nazionale.

Le cause

L’identikit del rischio

Cosa caratterizza un progetto a rischio, al di là della regione in cui si trova? Proviamo quindi a costruire un identikit dei progetti a rischio concentrandoci su 2 caratteristiche: dimensione e tema.

Dimensione. Il rischio cresce con la quantità di fondi stanziati per ciascun progetto, fino a raggiungere un picco nei progetti medio-grandi, quelli fra 5 e 10 milioni, a rischio nel 43,9% dei casi. I progetti ancora più grandi, mostrano un’inversione del trend, risultando a rischio nel 38,5% dei casi. Possiamo ipotizzare che alle opere più grandi venga riservata un’attenzione particolare.

Tema. Alcuni temi risultano più a rischio di altri: la competitività delle imprese (39,6%), i trasporti (37,4%) e l’ambiente (35,2%).

Verrebbe da pensare che i progetti con più soggetti coinvolti (più enti, più tavoli, più firme) siano i più fragili. I dati dicono di no: la correlazione tra numero di enti e rischio è praticamente nulla, e i progetti con più di 5 enti sono anzi i meno a rischio. Maggiori dettagli sono disponibili nella sezione Analisi Esplorativa.

Il clustering

Prima di provare a prevedere quali progetti si sarebbero classificati “a rischio”, ci siamo chiesti se esistessero già dei profili definiti dai dati. Per comprendere meglio le caratteristiche dei progetti abbiamo applicato un’analisi di clustering, una tecnica di apprendimento non supervisionato che permette di raggruppare automaticamente osservazioni simili senza utilizzare una variabile target.

L’analisi è stata condotta utilizzando esclusivamente informazioni disponibili all’avvio dei progetti, come il finanziamento pubblico, la quota di fondi europei, il finanziamento privato e il numero di enti coinvolti. Dopo una fase di preparazione dei dati, è stato applicato l’algoritmo K-Means; la scelta del numero ottimale di gruppi è stata supportata dal Metodo del Gomito (Elbow Method) e dal Silhouette Score, che hanno individuato in tre cluster il miglior compromesso tra qualità della segmentazione e interpretabilità.

Sono così emersi tre profili ben distinti:

• Cluster 0: progetti sociali e formativi finanziati prevalentemente dall’Unione Europea;
• Cluster 1: grandi investimenti sostenuti soprattutto da risorse nazionali;
• Cluster 2: progetti di ricerca e innovazione caratterizzati dalla presenza di capitale privato.

Successivamente, i cluster sono stati confrontati con variabili non utilizzate durante l’addestramento, come il livello di rischio, il ciclo di programmazione, la macroarea geografica e il tema di intervento. È emerso che i tre gruppi differiscono soprattutto per struttura del finanziamento, ambito di intervento e incidenza dei progetti a rischio, mentre la distribuzione territoriale risulta sostanzialmente omogenea.

Questa analisi esplorativa ha fornito una rappresentazione sintetica della struttura del dataset e una chiave di lettura utile per interpretare i risultati dei successivi modelli predittivi.

La regressione logistica

Per approfondire il ruolo specifico delle diverse variabili in questa dinamica, ci vengono incontro i risultati del modello multivariato (pagina regressione), che confronta i progetti a parità di tipo di intervento (lavori pubblici, incentivi a imprese, contributi ad altri soggetti, acquisto di beni…), tema, dimensione e fonte di finanziamento, rispetto alla variabile target “a rischio” che abbiamo definito prima.

Stando al modello per un progetto del Mezzogiorno il rapporto tra la probabilità di incepparsi e quella di non incepparsi è quasi il triplo che al Centro-Nord.

Per quanto riguarda il tipo di intervento, il fattore di rischio aumenta in progetti che prevedono l’erogazione di contributi ad altri soggetti o la realizzazione di lavori pubblici, rispetto a progetti finalizzati all’acquisto di beni.

Inoltre i progetti finanziati con fondi europei, a prescindere dalla quantità del finanziamento, sono meno a rischio, a parità di tutto il resto. Questo potrebbe essere dovuto al fatto che arrivano con scadenze vincolanti e regole di rendicontazione più restrittive.

Il parere dell’esperto

Dai dati di OpenCoesione è possibile estrarre le variabili che caratterizzano i progetti “a rischio”, ma non i meccanismi che regolano le fasi di progettazione e sviluppo. Giuseppe Magnifico, dirigente dell’Ufficio Grant e Infrastrutture di Ricerca del CNR, conosce da vicino i meccanismi del finanziamento pubblico: nella sua esperienza, organici ridotti, competenze progettuali scarse e uffici tecnici che devono gestire pratiche complesse sono il limite principale alla realizzazione puntuale dei progetti.

Sembra dunque evidente che il problema delle politiche di coesione non riguarda solo il tipo di progetto o la quantità di fondi erogati, ma anche l’intero corpo amministrativo che si ritrova a gestirli.

Il modello predittivo

A questo punto la domanda diventa un’altra: se sappiamo che cosa rende fragile un progetto, riusciamo a riconoscerlo in anticipo? Abbiamo addestrato e testato un secondo modello, un Random Forest, che invece di misurare il peso isolato di ogni fattore cerca da solo le combinazioni che portano al blocco. In combinazione ad un metodo di spiegabilità come Shap, permette di individuare le caratteristiche del progetto da tenere d’occhio per anticipare il rischio.

Il risultato conferma quanto visto nella regressione: vengono riconosciuti come maggiormente “a rischio” progetti del Mezzogiorno e che prevedono l’erogazione di contributi, a differenza, ad esempio dei progetti la cui natura consiste nell’acquisto di bene.

Dal punto di vista del potere predittivo, Random Forest performa decisamente meglio rispetto alla regressione logistica. Per i dettagli dell’analisi predittiva si rimanda alla sezione Random Forest.

Infine, combinando l’informazione con tecniche di Text Analysis, il modello predittivo migliora leggermente.

Conclusioni

Cosa possiamo concludere quindi sui progetti finanziati dalle politiche di coesione?

Dopo aver definito una variabile “a rischio” per caratterizzare i progetti in ritardo o non ancora avviati, dalle analisi è emerso che questi tendono a concentrarsi in una fascia di finanziamento medio-alta, in specifici ambiti di intervento e, soprattutto, nelle regioni del Mezzogiorno.

Questi risultati, però, non sono sufficienti da soli a spiegare il fenomeno. Come evidenziato dall’intervista col Dott. Magnifico, c’è una criticità di natura strutturale, legata non solo ai finanziamenti ma anche alla capacità amministrativa. Molti progetti sembrano risentire della mancanza di un adeguato supporto lungo tutto il loro ciclo di vita: dalla progettazione iniziale alla gestione operativa, fino alla rendicontazione e alla chiusura.

L’analisi dei dati, unita ad un modello predittivo, può rappresentare uno strumento concreto di supporto alle decisioni pubbliche: identificando in anticipo i principali fattori di rischio, è possibile intervenire tempestivamente e orientare in modo più efficace le risorse disponibili.

Nel complesso, i risultati suggeriscono che le politiche di coesione non riescono ancora a spendere un modo uniforme sul territorio e, di conseguenza, a ridurre in modo significativo il divario territoriale tra le diverse aree del Paese.

Accanto a queste criticità, ci sono tuttavia anche segnali positivi.

Naturalmente, il nostro lavoro presenta alcuni limiti. In futuro potrebbe essere arricchito integrando ulteriori fonti informative, ad esempio dati relativi alla dotazione di personale e alla capacità delle pubbliche amministrazioni, così da approfondire il ruolo che questi fattori svolgono nell’esito dei progetti.

In conclusione, le risorse economiche per ridurre i divari territoriali esistono. La vera sfida è trasformarle in interventi efficaci, attraverso una governance più solida, una maggiore capacità amministrativa e una visione di lungo periodo che garantisca a tutti i cittadini pari opportunità di accesso ai servizi e ai diritti, indipendentemente dal territorio in cui vivono.

Dati: OpenCoesione, progetti ≥100.000 € pubblicati, snapshot al 31 dicembre 2025 (download del 6 maggio 2026). La data di riferimento di tutte le metriche («a rischio» inclusa) è la data dello snapshot.
Immagine di copertina: foto di Fahrul Azmi su Unsplash. Svincolo aereo: foto di Rodrigo Kugnharski, Parco del Portello, Milano, su Unsplash. Nave portacontainer (pagina Regressione): foto di Venti Views su Unsplash. Bosco dall'alto (pagina Random Forest): foto di Olena Bohovyk su Unsplash. Spiaggia dall'alto (pagina Clustering): foto di Alessandro Brunello su Unsplash. Archivio (pagina Text Analysis): foto di Studio Crevettes su Unsplash.
Immagine di anteprima (thumbnail): ID 22014316 © Zimmytws | Dreamstime.com.