Presentazione CSI Piemonte - Fossano 11 dicembre 2014 - parte 1

Aspetti territoriali dell'uso di dati informativi nelle PA: esperienze e opportunità

CSI-Piemonte

Fossano, 11 Dicembre 2014

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?

La strada dai Dati Pubblici ai Big Data

Parte 1 - G. Bonello

L’evoluzione della generazione di informazioni

basi dati

basi dati storiche

dati dai cittadini

dati dagli oggetti

dati dalla rete

archivi cartacei

Un patrimonio in continua crescita

Volumi

La crescita del Digital Universe

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

Dalle Basi Dati Pubbliche ai Big Data

Quali tipi di dati?

Varietà

Tante, diverse, nuove fonti informative

Evoluzione nel tempo delle tipologie di dati

I dati pubblici: una risorsa importante

Obblighi Opportunità

Dati Pubblici: due forze opposte

Riferimenti legislativi per i dati pubblici

Obblighi

Leggi sui Dati Pubblici

http://www.slideshare.net/ernestobelisario/open-data-i-nuovi-obblighi-normativi

Leggi sui Dati Pubblici

Trasparenza

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

VALORIZZARE I DATI PUBBLICI

Opportunità

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»

PA e Sanità ai primi posti

Quanti dati si possono stivare nel Data Center del CSI?

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

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

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

Gby

te

Anno

Contributo di ogni Punto di Pubblicazione per anno

\streamto2006

\streamresidenzereali

\streamregpie

\streamprovto

\streamgiuntareg

\streameventi

\streamcsi

\streamconsreg

\streamcomuneto

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

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

Tante “miniere”, pochi “minatori”

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

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

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

Data

inte

grat

ion

laye

r

Fron

t offi

ce e

por

tali

Knowledge sharing

Open Data

Trasparenza

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

Data

inte

grat

ion

laye

r

Fron

t offi

ce e

por

tali Knowledge

sharing

Open Data

Trasparenza

Nuove fonti dati, nuovi beneficiari

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

Roadmap competenze

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/