Partendo dai contenuti e dagli esempi proposti da Viktor Mayer-Schönberger e Kenneth Cukier nel loro libro "Big Data - Una rivoluzione che trasformerà il nostro modo di vivere" (edito da Garzanti) la presentazione introduce al tema del BigData per poi concentrarsi su come la pubblica amministrazione possa far proprio questo nuovo modo di progettare ed implementare le politiche pubbliche e i servizi ai cittadini.

1. Big data e pubblica
amministrazione

2. Big Data
Per la pubblica amministraizone
Gianfranco Andriola
23 gennaio 2017

3. Big Data
Tra approccio
e metodo
Il Commodoro
Maury
Diluvio di Dati
Capacità di calcolo
Big Data e Pubblica
amministrazione
Applicazioni

4. Big data è il termine per descrivere una raccolta di dataset così grande e
complessa da richiede strumenti differenti da quelli tradizionali, in tutte le
fasi del processo: dall'acquisizione, alla curation, passando per condivisione,
analisi e visualizzazione.
Il progressivo aumento della dimensione dei dataset è legato alla necessità
di analisi su un unico insieme di dati, con l'obiettivo di estrarre
informazioni aggiuntive rispetto a quelle che si
potrebbero ottenere analizzando piccole serie, con la
stessa quantità totale di dati.
Le caratteristiche principali dei big data:
§volume: capacità di acquisire, memorizzare ed accedere a grandi
volumi di dati;
§velocità: capacità di effettuare analisi dei dati in tempo reale o quasi;
§varietà: riferita alle varie tipologie di dati, provenienti da fonti diverse.
http://it.wikipedia.org/wiki/Big_data

7. RISOLVERE
I PROBLEMI
CON I NUMERI

8. Approccio

9. Matthew
Fontaine
Maury
"Pathfinder of
the Seas”
(1806 – 1873)
http://en.wikipedia.org/wiki/Matthew_Fontaine_Maury

10. Maury: marinaio con il
talento per i numeri

11. I diari di
bordo delle
navi, una
ricchezza
sottostimata:
United States
Naval
Observatory

12. Navigazione basata su
singole esperienze

13. Monitorare e
raccogliere i dati

15. Trovare correlazioni e
collocarle sulla mappa

17. Trattare le informazioni
come numeri

18. Prevedere i
problemi

19. Raccolta
dati

20. Interventi
puntuali

21. Acquisire tutte informazioni disponibili,
anche se non ordinate…

22. …per poi riordinarle in uno schema
leggibile…

23. …in fine processarle per trarne valore.
x = (b – 2)/a

24. DILUVIO
DI
DATI

25. Oggi abbiamo molti più dati di
quanti riusciamo a gestirne

26. GPS

27. Internet

28. Smart Phone

29. Social Media

30. http://it.wikipedia.org/wiki/Arduino_%28hardware%29
Arduino

31. Rilevatori biometrici

32. Brainwave
Starter
Kit
$99.99
http://store.neurosky.com/products/brainwave-starter-kit

34. Data point

35. CAPACITA’
DI
CALCOLO

36. Legge di Moore: le prestazioni dei
processori, e il numero di transistor ad
esso relativo, raddoppiano ogni 18 mesi

37. http://it.wikipedia.org/wiki/Legge_di_Moore

38. Diminuisce il costo dello storage, “memorizzazione
non volatile di grandi quantità di informazioni in
formato elettronico”.

40. Framework software, supportano la
computazione distribuita su grandi quantità di
dati in cluster di computer

42. BIG DATA
CHE USIAMO
OGNI GIORNO

43. Intelligenza Artificiale

47. Ma come fanno queste macchine a imparare?
In sintesi estrema, attraverso la tecnica del machine learning
questi software sono messi nelle condizioni di imparare senza
essere stati programmati per farlo, grazie a una quantità enorme
di dati che viene fornita loro come materiale di studio.
Come gli umani imparano dall’esperienza, questi algoritmi
imparano dai dati.
Un bambino impara a riconoscere un gatto dopo averne visti
cinque/sei esemplari, una macchina ha bisogno di migliaia e
migliaia di esempi, ma è incredibile quante cose possano fare
quando sono in grado di sfruttare il loro apprendimento. Una
volta che hanno imparato, le macchine possono fare
previsioni”.
http://www.lastampa.it/2016/12/06/tecnologia/idee/come-lintelligenza-artificiale-rivoluzioner-il-mondo-del-lavoro-NHiiIakn8nxR9kL43Ao2DP/pagina.html

51. METODO:
N = tutti

54. Tempo

55. Tempo

56. Tempo

57. Tempo

58. Adesso
Tempo

63. Applicazioni

64. Interpretare le esigenze

65. Informazioni
secondarie

66. Tecnologie predittive

67. http://www.indiewire.com/article/why-big-data-is-defining-the-film-industry-5-things-we-learned-from-tribecas-panel
Prevedere
gli incassi

70. BIG DATA
E
PUBBLICA
AMMINISTRAZIONE

71. § Produttore di dati (aperti)
§ Fruitore di big data
§ Gestore del patrimonio
informativo

72. Produttore

73. Open Data

76. PRIVACY

79. https://opendatalombardia.github.io/

80. Fruitore

81. New York City

82. Michael
Bloomberg

83. Riconversioni
illegali degli edifici

84. Identificare gli
appartamenti
http://www.slate.com/articles/technology/future_tense/2013/03/big_data_excerpt_how_mike_flowers_revolutionized_new_york_s_buil
ding_inspections.html

85. Controlli puntuali

89. https://movement.uber.com

90. Gestore

91. Gestione
infrastruttura
elettrica

92. Infrastrutture
pubbliche

93. Ottimizzare la spesa energetica

94. Monitorare i consumi

101. RIFERIMENTI

102. Big Data
Una rivoluzione che
trasformerà il nostro modo
di vivere – e già minaccia
la nostra libertà
di
Viktor Mayer-Schönberger
Kenneth Cukier
Traduzionedall'inglese diRoberto Merlini
Ed. Garzanti
ISBN 978881168247-9
http://www.garzantilibri.it/default.php?page=visu_libro&
CPID=3059

103. Il seminario «I dati governativi aperti come opportunità di accountability» rientra
tra le attività del progetto "OpenRAS: dati aperti per la trasparenza e
l’accountability” - Programma Operativo Regionale FSE 2014-2020 (Decisione C
2014 N° 10096 del 17/12/2014), Asse 4 – Capacità istituzionale e amministrativa,
azione 11.1.1 “Interventi mirati allo sviluppo delle competenze per assicurare
qualità, accessibilità, fruibilità, rilascio, riutilizzabilità dei dati pubblici”.

104. Gianfranco Andriola
gianfranco(punto)andriola(chiocciolina)gmail(unaltropunto)com
www.linkedin.com/in/gianfrancoandriola
http://www.slideshare.net/GianfrancoAndriola