Aspetti territoriali dell'uso di dati informativi nelle PA: esperienze e opportunità - presentazione di CSI Piemonte (G. Bonello e M. Cavagnoli) al Comune di Fossano (11 dicembre 2014)

1. Aspetti territoriali dell'uso di dati informativi
nelle PA: esperienze e opportunità
CSI-Piemonte
Fossano, 11 Dicembre 2014

2. Agenda
G. Bonello
1. La strada dai Dati Pubblici ai
Big Data
2. Lo storytelling: un modo per
valorizzare i Dati e le
Conoscenze Pubbliche
3. Piemonte Visual Contest
M. Cavagnoli
4. Conoscere per decidere,
conoscere per partecipare, a
che punto siamo?

3. La strada
dai Dati Pubblici ai Big Data
Parte 1 - G. Bonello

4. L’evoluzione della generazione di informazioni
basi dati
basi dati storiche
dati dai cittadini
dati dagli
oggetti
dati dalla rete
archivi cartacei

5. Un patrimonio in continua crescita
Volumi

6. La crescita del Digital Universe

7. Le 4 dimensioni dei dati condivisi
(Gartner – EIM nel 21° secolo)
Big
data
More
data
Linked
data
More
Context
Social
data
More
relationshiips
Open
data
More
sources
Shared data
More stakeholders
La sfida più generale è la consumabilità di dati condivisi (shared data), articolata su 4 dimensioni:
Più dati: in quantità elevatissime
Più fonti: crescente varietà di fonti che richiede trasparenza
Più contesto: in relazione al quale solo i dati non strutturati sono interpretabili
Più relazioni: ad esempio le affinità colte attraverso i social data

8. Dalle Basi Dati Pubbliche ai Big Data

9. Quali tipi di dati?
Varietà

10. Tante, diverse, nuove fonti informative

11. Evoluzione nel tempo delle tipologie di dati

12. I dati pubblici: una risorsa importante

13. Obblighi
Opportunità
Dati Pubblici: due forze opposte

14. Riferimenti legislativi per i dati pubblici
Obblighi

15. Leggi sui Dati Pubblici
http://www.slideshare.net/ernestobelisario/open-data-i-nuovi-obblighi-normativi

16. Leggi sui Dati Pubblici

17. Trasparenza
http://www.magellanopa.it/bussola/

18. VALORIZZARE I DATI PUBBLICI
Opportunità

19. Intorno ad ogni azienda converge un immenso volume di dati
provenienti da:
CANALI INTERNI attraverso l’insieme dei processi operazionali
digitalizzati
CANALI ESTERNI attraverso l’interazione dell’azienda con il mondo
esterno
L’evoluzione tecnologica ci permette, attraverso adeguate
infrastrutture (hardware e software), di disporre di volumi enormi
di dati rispetto al passato, siano essi memorizzati all’interno dei
sistemi aziendali, siano essi accedibili all’esterno nel mondo web.
E’ pertanto importante definire un processo metodologico ed
operativo di estrazione di informazione e conoscenza dall’insieme
dei dati raccolti che rappresentano il PATRIMONIO INFORMATIVO
STRATEGICO dell’azienda.
Una società «data – driven»

20. PA e Sanità ai primi posti

21. Quanti dati si possono stivare nel Data Center del CSI?

23. Data Storage di informazioni “tradizionali”
Dati tradizionali
Dati
Transazionali e
testuali
Metadati e
Dati decisionali
Dati GIS
vettoriali
Dati GIS
raster
Dati
infrastrutturali
(log, mail,..)
Storage attuale 50Tb
Velocità media
Storage attuale 100Tb
Velocità medio-bassa
Storage attuale 0,1Tb
Velocità bassa
Storage attuale 4-5Tb
Velocità medio alta
Nuovi segmenti
Di dati
Storage complessivo in CSI
850 Tb
Storage attuale 300Tb
Velocità alta

24. Alcuni esempi di
Nuovi segmenti
Di dati
BDP: Biblioteca
Digitale
Piemontese
IMR:
Immagini in rete
Piattaforma
di streaming
Reti di sensori
Storage attuale 20Tb
Crescita annuale 20Tb
Velocità: media
Storage attuale 100Tb
Crescita annuale 25Tb
Velocità: bassa
Storage attuale 1Tb
Crescita annuale 0,2Tb
Velocità: media
Storage attuale 0,3Tb
Crescita annuale0,2Tb
Velocità: alta

25. Un esempio: piattaforma di streaming
0,00
50,00
100,00
150,00
200,00
250,00
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Gbyte
Anno
Contributodi ogni Punto di Pubblicazioneper anno
streamto2006
streamresidenzereali
streamregpie
streamprovto
streamgiuntareg
streameventi
streamcsi
streamconsreg
streamcomuneto

26. Velocità
Tipo dati vs velocità di aggiornamento
Biblioteca Digitale (Immagini, ecc.)
Leggi e atti amministrativi
Dati dai social network
Streaming sedute consiglio
Sensori
Dati geografici vettoriali
Dati geografici raster (da satellite,
radar, ecc.)
Telecamere strade
Basi dati alfanumeriche della PA

27. Ma crescono di più i dati della capacità
di usarli in modo intelligente…..

28. Tante “miniere”, pochi “minatori”

29. Da Data Governance ad Big Data Data Governance
GOVERNO CONTENUTI
DIGITALI
Basi Dati
Decisionali
Condivisione Dati PA
Basi Dati Operazionali
Riuso Dati
Pubblici
Interscambio
Metadati
Possibilità di usare in
modo “intelligente” il
bacino informativo
Incrocio di
informazioni
primarie per ottenere
informazioni a valore
aggiunto
Condivisione delle
informazioni tra le
pubbliche
amministrazioni e
verso i privati
Informazioni primarie
(numeri, testi, immagini, video, carte geografiche,…)
Semantica di descrizione delle informazioni
Social
Data
Linked Open
Data
IoT
Data

30. Con l’avvento di nuove fonti informative esterne alla pubblica
amministrazione, lo schema di riferimento (framework) per la Data
Governance è stato modificato
Lo schema deve ora tenere conto di diverse fonti dati oltre a quelle
interne alla PA: Social data, Open data, Linked Open Data, Big
Data.
Diventa quindi un «SOLB» framework finalizzato alla Big data
governance
Il framework evidenzia:
Lo strato di acquisizione dalle fonti dati molteplici
Lo strato di trattamento (raccolta ed bonifica dei dati) ed elaborazione (motori
semantici, strumenti di location intelligence, analisi visuale, strumenti
statistici previsionali)
Lo strato di accesso ai dati, che prevede sia formati «machine readable» (a
servizi, RDF ecc.) , sia in modalità più «human readable» (visualizzazione
dei dati)
Dalla Data Governance
alla Big data Governance

31. Access and sharing
SOLB Framework
Data sources Integration and
elaboration
Patrimonio
informativo
strutturato
(operazionali e
geografici)
Dati social
Sensori,
Internet of
things
Patrimonio
informativo
digitale non
strutturato
Data collection layer
Data quality layer
Visual analytics
& Forecasting
Location
intelligence
Motori
semantici
Dataintegrationlayer
Frontofficeeportali
Knowledge
sharing
Open Data
Trasparenza

32. Access and sharing
SOLB Framework: piattaforme
Data sources Integration and
elaboration
Patrimonio
informativo
strutturato
(operazionali e
geografici)
Dati social
Sensori,
Internet of
things
Patrimonio
informativo
digitale non
strutturato
Data collection layer
Data quality layer
Visual analytics
& Forecasting
Location
intelligence
Motori
semantici
Dataintegrationlayer
Frontofficeeportali
Knowledge
sharing
Open Data
Trasparenza

33. Nuove fonti dati, nuovi beneficiari

34. Data Science: studio EMC (2011)
Tratto da “Career of the Future: Data Scientist INFOGRAPHIC]”

35. Roadmapcompetenze

36. Analisi dei dati e intuizione….
Big Data and the Role of Intuition
(by Tom Davenport | 8:00 AM December 24, 2013)
“…..developing the right mix of intuition and data-driven analysis
is the ultimate key to success with this movement. Neither an
all-intuition nor an all-analytics approach will get you to the
promised land.”
http://blogs.hbr.org/2013/12/big-data-and-the-role-of-intuition/