Come Umana-Analytics misura nella PA ciò che le survey non vedono 

Le organizzazioni raccolgono molti dati. Ma raramente questi dati aiutano davvero a capire cosa sta succedendo. Quando si parla di benessere, inclusione o fiducia interna, il rischio è affidarsi a rilevazioni episodiche e dichiarative, che restituiscono una fotografia parziale e poco azionabile. 

Si misura, ma non si arriva a comprendere fino in fondo. E senza comprensione, le decisioni restano deboli. 

Il progetto + Fiducia, + Benessere, + Inclusione di Umana-Analytics nasce per colmare questo gap: trasformare la misurazione in uno strumento concreto di lettura e guida delle organizzazioni. 

Superare la logica della survey 

In corso presso il Comune di Pescara, il progetto parte da un presupposto chiaro: il benessere organizzativo non può essere gestito come un adempimento o una rilevazione occasionale. 

Per generare valore, la misurazione deve diventare un processo continuo, capace di intercettare segnali deboli, far emergere criticità prima che si consolidino e supportare decisioni basate su evidenze. 

Per questo si configura come un percorso triennale (2025–2027), integrato nella governance dell’ente. Non un’iniziativa parallela, ma parte della struttura decisionale ordinaria. 

Cosa non vede una survey 

Al centro dell’iniziativa c’è Feedia, la soluzione di people analytics sviluppata da Umana-Analytics, che consente di leggere in modo integrato alcune dimensioni chiave: benessere e stress lavoro-correlato, allineamento tra valori dichiarati e vissuto organizzativo, inclusione osservata anche attraverso le reti di fiducia interne. 

Il punto distintivo è il cambio di approccio: non limitarsi alle percezioni dichiarate, ma costruire indicatori robusti e multidimensionali capaci di evidenziare pattern organizzativi spesso invisibili agli strumenti tradizionali. 

Non è raro trovare organizzazioni con engagement apparentemente stabile ma segnali latenti di disallineamento o esclusione, destinati a trasformarsi in criticità. 
Feedia è progettato per intercettarli prima. 

Dalla fotografia al film: dati che anticipano 

Nella maggior parte delle organizzazioni, i dati sul clima restano descrittivi: aiutano a capire com’è la situazione, ma non indicano cosa fare né dove sta andando. 

Feedia nasce con un obiettivo diverso: trasformare i dati in leva decisionale. Il sistema identifica pattern nascosti, simula scenari evolutivi e fornisce indicazioni operative su dove intervenire, restituendo al management non una fotografia statica, ma un film in corso: traiettorie, non istantanee. 

I dati longitudinali raccolti in altre organizzazioni mostrano, ad esempio, che i dipendenti dimessisi volontariamente avevano già 6-12 mesi prima profili di allineamento valoriale diversi da chi è rimasto. 

Il malessere era visibile nei dati, ma nessuno lo stava misurando. 

Il valore per la PA (e per chi la guida) 

Nel contesto pubblico, migliorare la misurazione del benessere non è solo una questione di clima interno. È una leva diretta sulla capacità amministrativa. 

Il costo del disagio organizzativo nella PA non è solo umano: si traduce in assenteismo, riduzione della performance, qualità dei servizi che si deteriora nel tempo. Sono fenomeni misurabili e, proprio per questo, prevenibili. 

Feedia si propone come strumento scientifico a supporto delle decisioni HR, con un obiettivo preciso: aiutare le organizzazioni a diventare anticipatorie, capaci di leggere il disagio prima che diventi emergenza. In questa prospettiva, il benessere smette di essere un tema “soft” e diventa un indicatore strategico di funzionamento, e un terreno su cui costruire un modello replicabile oltre il singolo ente. 

L’11 giugno 2026, il progetto ha ottenuto il Premio “PA e Futuro” al FORUM PA 2026, selezionato tra 30 progetti su 110 candidature, tra pubbliche amministrazioni, associazioni e startup. 

Un risultato che segnala la rilevanza di approcci capaci di unire rigore metodologico, tecnologia e impatto operativo. 
Non un punto di arrivo, ma una conferma: la direzione è quella giusta.