La sfida che il mondo di oggi impone alle PA è quella di trovare il modo di raccogliere e sintetizzare velocemente le numerose tracce digitali lasciate da persone, oggetti ed organizzazioni, al fine di comprendere le dinamiche evolutive dei territori governati, per poi dispiegare le azioni politiche che possono essere una leva di cambiamento per la competitività, ma anche per il benessere dei territori. Insomma in un mondo complesso anche i compiti delle istituzioni pubbliche diventano più complessi. La tecnologia offre ormai strumenti utili per tutto ciò. Il CSI ha reso disponibili negli ultimi anni agli enti pubblici consorziati molte di queste tecnologie, insieme a competenze in grado di supportarli in questo cambiamento. Occorre, nonostante i tempi difficili, utilizzare al meglio questi asset e proseguire la strada avviata, accettando la sfida imposta da una società in profonda trasformazione.

1. Giuliana Bonello
CSI-Piemonte
Giuliana Bonello
Big Data 4 Smart territories

2. Big Data 4 Smart Territories
Giuliana Bonello
CSI-Piemonte
Responsabile Demand Management

3. La crescita del Digital Universe
(IDC Study)

4. Tante, diverse, nuove fonti informative
Le nuove fonti

5. Due forze opposte

6. La complessità:
una nuova sfida per la conoscenza
“Credo che il XXI secolo sarà il secolo della complessità”
Stephen Hawking

7. Complessità vs complicazione
La complessità è diversa dalla complicazione.
Un oggetto è complesso se è articolato in molteplici
componenti, ma l’oggetto diventa “semplice” se ne
comprendiamo o ne modelliamo le parti o il principio che le
aggrega.
Un oggetto invece è complicato se la sua funzionalità è
cervellotica e confusa, cioè se è mal disegnato.
Da Donald Norman in “Living with complexity”

8. Linee di sviluppo degli studi sulla complessità

9. Il messaggio ai CIO è che l’IT deve rendere
l’informazione più consumabile dal business
e i dati vanno ormai estratti in rete oltre che dall’IT aziendale,
per ottenerne informazione o intelligence
Ricerca Gartner “The 2012 Gartner CEO and senior business executive survey”
La consumabilità

10. 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 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

11. Big data per la PA
Conoscenza
dinamica di
una realtà
mutevole
Supporto
2.0 al policy
making
Azioni
politiche più
consapevoli
e rapide

12. Una PA trasparente…

13. Da Amministrazione vecchio stile….
chiusa e isolata

14. Ad amministrazione 2.0

15. The future of Government:
report del World Economic Forum
2011 2012

16. Future of government
Governments of the future will need to adapt and
continuously evolve to create value.
They need to stay relevant by being responsive to rapidly
changing conditions and citizens’ expectations, and
build capacity to operate effectively in complex,
interdependent networks of organizations and systems
across the public, private and non-profit sectors to co-
produce public value.

17. Flatter, agile, streamlined and
tech-enabled (FAST) government
Flatter
Agile
Streamlined
Tech-
enabled

18. The FAST matrix of
government transformation

19. Policy making 2.0

20. Quali differenze?

21. Caratteristiche tradizionali e nuove
del policy-making
features
of policy-
making
evidence-based
(traditionally, through
experts’ input)
timely
(traditionally,
through hyerarchical
decision)
participated
(traditionally, through
lengthy consultation)
long-term
thinking and
anticipation of
future events.

22. PM2.0 e nuove tecnologie
Policy-making 2.0 refers to a blend of emerging and fast
developing technologies that enable better, more timely
and more participated decision-making.
These applications include:
Open and big data,
Visual analytics,
Modelling and simulation,
Collaborative governance and crowdsourcing,
Serious gaming,
Opinion mining.

23. Partecipazione nel ciclo di vita delle politiche (Osimo, ForumPA 2012)
Ciclo del PM2.0 e tecnologie

24. The CROSSOVER Research Roadmap

25. Prime esperienze in Piemonte

26. http://www.torinosmartcity.it: Conoscere + Partecipare + Gestire

27. L’ascolto della rete
L’ascolto in rete per Torino Smart City

28. Gli indici di ascolto nell’ultimo mese e nell’ultima settimana
L’ascolto in rete per Torino Smart City

29. 3 mesi di ascolto in rete e 7 temi di discussione
L’ascolto in rete per Torino Smart City

30. Dalla complessità
alla consumabilità

31. Ascolto delle discussioni
sulla Spending Review su Twitter
Luglio 2012

32. Temididiscussione
Gruppidiautori
Ascolto delle discussioni
sulla Spending Review su Twitter

33. Monitoraggio dell’offerta di lavoro presente sul web e sua correlazione con i dati amministrativi e statistici
(Comunicazioni Obbligatorie):
● studiare la struttura dell’offerta di lavoro nei termini delle sue componenti;
● indagare sugli argomenti di discussione avviati aventi come oggetto l’offerta di lavoro
Contributo dei social web
nell’analisi del
mondo del lavoro

34. Monster aiuta a mantenere aggiornato il dizionario degli skill e delle
professioni richieste.
Le professioni maggiormente
richieste sul web:
quelle a carattere informatico:
analisti programmatori,
sistemisti, ma anche contabili
e tecnici commerciali
Le attitudini più ricercate sono il
problem-solving, poi precisione,
orientamento al cliente, al lavoro
per obiettivi e al team-working
Cosa emerge da Monster?

35. LinkedIn identificato come canale di discussione sul
lavoro
Analisi text-mining
discussioni e cluster
riconosciuti
Cosa emerge da LinkedIn?

36. http://www.torinosmartcity.it: Conoscere + Partecipare + Gestire
Borsa Lagrange in corso di Matteo Delfino

37. Fonti dati e statistiche di base
Log della web farm relativi a `Sistema
Piemonte' (2012) :
circa 60Gb su un totale di circa 200Gb

38. Analisi della rete «request-refer»
Grafo orientato e pesato
A = pagina di provenienza (campo referer)
B = pagina di arrivo (campo request)
w = numero di richieste

39. Prime rappresentazioni
Indice dei servizi
Componente connessa all’indice

40. Infrastrutture e Tecnologie per i Big Data
in CSI PIemonte

41. Grazie per l’attenzione!
Giuliana.bonello@csi.it
Twitter: GiulyBonll
ScoopIt: http://www.scoop.it/t/infografiche-pa
LinkedIn: Giuliana Bonello