QN | Odino Focus Groups Report | 2015

FONDO EUROPEO DI SVILUPPO REGIONALE P.O.R. 2007 – 2013 PROGRAMMA OPERATIVO REGIONALE “COMPETITIVITÀ REGIONALE E OCCUPAZIONE” F.E.S.R. 2007/2013 ASSE 1 INNOVAZIONE E TRANSIZIONE PRODUTTIVA ATTIVITÀ I.1.3 – INNOVAZIONE E PMI STUDI DI FATTIBILITA’ PRELIMINARE AD ATTIVITA’ DI RICERCA INDUSTRIALE O SVILUPPO SPERIMENTALE

AUTORI Antonella Frisiello, ISMB Quynh Nhu Nguyen, ISMB Federico Morando, Nexa RILASCIO marzo 2015

ODINO Open Data In movimentO DELIVERABLE 2.1 RAPPORTO SUI RISULTATI DEI QUESTIONARI E DEI FOCUS GROUP

INDICE CONTENUTI Il Progetto Descrizione studio fattibilità Key Question + Attori Processo

Focus group 04 06

Scenario 1 Mobilità Partecipanti Issues Board Platform Canvas Journey Map Temi emergenti Congruenze, Idee e benefici

09 10

Scenario 2 Turismo e cultura 18 19 20 21 26 27

Conclusioni Conclusioni generali Il ‘Ciclo Ideale’ della manutenzione Azioni, criteri, vantaggi Domande aperte

Partecipanti Metodologia

49 51 54 55

Partecipanti Issues Board Platform Canvas Journey Map Temi emergenti Congruenze, Idee e benefici

28 29 30 31 35 37

Scenario 3 Escursionismo e turismo montano Partecipanti Issues Board+ Platform Canvas Journey Map Temi emergenti Congruenze, Idee e benefici

40 41 42 46 47

IL PROGETTO ODINO

3

ODINO STUDIO DI FATTIBILITA’ ODINO: Open Data IN movimentO è uno studio di fattibilità finanziato dal Polo ICT della Regione Piemonte volto a individuare e valutare soluzioni in grado di ottimizzare il processo di raccolta e manutenzione degli Open Data a favore delle pubbliche amministrazioni.

Contesto Secondo l’osservatorio del portale nazionale http://www.dati.gov.it/ le pubbliche amministrazioni italiane hanno sinora messo a disposizione, in modo aperto, circa 4000 dataset (dato aggiornato a novembre 2012).

Tra questi, attualmente vi sono oltre 3000 dataset disponibili online, di cui oltre il 70% sono classificati, secondo la scala proposta da Tim Berners Lee, al livello di tre stelle su cinque, ovvero i dati sono pubblicati online e in formati aperti, ma non esistono link strutturati fra di essi che ne evidenzino le relazioni e ne favoriscano un uso congiunto che crei valore.

Inoltre la maggioranza di questi dataset presenta una serie di problematiche che ne rende difficile sia la fruizione diretta da parte dell’utenza finale, come privati cittadini, enti e soggetti del territorio interessati al riutilizzo commerciale o meno, sia

per la semplice rielaborazione dei dati stessi, al fine di fornire un servizio di semplice visualizzazione, sia ancora per l’uso congiunto con altri dati con finalità differenti.

I principali ostacoli all’uso degli Open Government Data riguardano in particolare: • I formati, che sebbene siano aperti, e documentati, nessuno è standardizzato.

• La qualità del dato, spesso forniti in formato “grezzo” o non aggiornati, duplicati, mancanti.

• La difficile opportunità del crowdsourcing, che richiederebbe alle PA di dotarsi di strumenti per la raccolta delle contribuzioni e processi per la ri-certificazione.

• La categorizzazione dei dati e l’organizzazione di cataloghi, attualmente molto eterogenee e distribuite, con conseguenti difficoltà di fruizione dei dataset.

4

ODINO STUDIO DI FATTIBILITA’ “From challenging current problem spaces to driving the creative quest for new solutions and shaping the physical and virtual artefacts of policy implementation, design holds a significant yet largely unexplored potential”.

C. Bason, Design for Policy, 2014

WP2: tecniche di coinvolgimento utenti In un numero sempre crescente di paesi e amministrazioni, le tecniche proprie del design dell’innovazione vengono applicate al policy-making e al design di servizi e processi che interessano il pubblico.

“From challenging current problem spaces to driving the creative quest for new solutions and shaping the physical and virtual artefacts of policy implementation, design holds a significant yet largely unexplored potential”.

C. Bason, Design for Policy, 2014

degli open data, con l’obiettivo di raccogliere pratiche correnti, necessità e bisogni, motivazioni e resistenze, da tradurre in termini di requisiti e input per lo studio di fattibilità ODINO. L’incontro tra prospettive e ruoli diversi (PA e aziende) è stato facilitato con tecniche di gruppo e partecipative, offrendo l’opportunità ai partecipanti di interagire direttamente e giungere a visioni condivise.

Inoltre, attraverso tecniche di visualizzazione, si è cercato di stimolare riflessioni volte alla semplificazione di processi complessi.

In accordo con questo approccio emergente (Innovation-by-design ) è stata realizzata un’indagine qualitativa che ha coinvolto i potenziali attori del processo di manutenzione 5

ODINO KEY QUESTION

Quali sono le modalità più efficaci e sostenibili per supportare le PA nella

gestione

manutenzione

erogazione

di Open data di qualità?

•

È possibile raccogliere i dati garantendo la coerenza fra dataset?

•

Quali sono le modalità più efficaci per segnalare e gestire eventuali incoerenze?

•

Sfruttando le capacità delle attuali tecnologie mobili, è possibile gestire il processo in modo dinamico?

6

ODINO ATTORI DEL PROCESSO

DATA HOLDER

RIUTILIZZATORE

MANUTENTORE

Enti pubblici che raccolgono, detengono e gestiscono gli open data.

Enti pubblici o privati che consultano e/o utilizzano gli open data come base per la progettazione di nuovi servizi o contenuti.

Enti pubblici o privati che nel riutilizzare gli open data effettuano operazioni di normalizzazione, pulizia e descrizione arricchendo il dataset di partenza.

Es. Regioni, Comuni, scuole pubbliche

Es. pubbliche amministrazioni, aziende, sviluppatori indipendenti, cittadini

Es. pubbliche amministrazioni, aziende, sviluppatori indipendenti, cittadini

7

FOCUS GROUP SCENARI • Mobilità urbana • Cultura e Turismo • Escursionismo e turismo montano

Nel mese di gennaio 2015 sono stati condotti tre focus group, creati a partire da tre scenari applicativi di interesse: • Mobilità urbana (basato su dati di traffico, ubicazione parcheggi, segnalazioni disservizi) • Cultura e Turismo (con dati su eventi, notizie, ubicazione e orari di musei, attrazioni turistiche, …)

• Escursionismo e turismo montano (patrimonio culturale, monumentale architettonico, archeologico, paesaggistico).

Lo studio, a partire dall’analisi dell’esistente in termini di processi e strumenti, ha permesso: • Di accogliere diversi approcci e best practice nella gestione e manutenzione degli open data • A PA, Imprese e Privati di confrontare i propri processi interni con gli altri interlocutori • Di ricostruire il ciclo di vita e i percorsi che i dati compiono • Di delineare requisiti e caratteristiche dei dati in ottica del riuso Attraverso un approccio partecipativo si è puntato inoltre a individuare aspetti su cui elaborare una value proposition che incrementi la percezione del “semplice” valore informativo degli open data.

8

FOCUS GROUP PARTECIPANTI

SEAT Media Agency

BUS Company Mobilità

SSB ICT (Partner Odino)

COSVIFOR ICT (Partner Odino)

SITI Logistica e Trasporti/ Patrimonio Ambientale e Riqualificazione Urbana Researcher

VIZ & CHIPS Data Journalism

Piccola Media Impresa

SSB ICT (Partner Odino)

ETINET ITC

5T Mobilità

MODERATORI ISMB ICT Centro di Ricerca NEXA ICT Internet & Society

CSI PIEMONTE

Digital Champion Alessandria

PARTECIPANTI

REGIONE PIEMONTE Sistemi Informativi e Tecnologie della Comunicazione

TORINO WIRELESS ICT Distretto Tecnologico Piemontese Business Area COMUNE TORINO Servizi Digitali

Non Profit Centri di Ricerca Fondazioni Consorzi

Pubblica Amministrazione TOPIX ITC Consorzio Open Data Specialist

ISMB ICT • Mobile Solutions • Innovation Development • Front-End

COMUNE TORINO Settore Pianificazione e Trasporti

TURISMO TORINO E PROVINCIA • Booking and Accommodation • Uffici IAT

29 persone affiliate a 23 enti, di cui: 11 aziende 8 settori di enti pubblici 4 enti no profit (consorzi/fondazioni/enti di ricerca) 1 Digital Champion 9

FOCUS GROUP METODOLOGIA Il focus group è una tecnica qualitativa che si applica su piccoli gruppi (6-12 persone), che vengono sollecitati alla discussione di un argomento specifico.

PIANIFICAZIONE

SESSIONE AULA

ELABORAZIONE

Principi etici

Interazione tra partecipanti

•

Elemento fondamentale, per: • Raccogliere la conoscenza dei partecipanti, invitati in qualità di esperti del tema • far emergere atteggiamenti, rappresentazioni, valori sul tema in discussione.

• Esplicitare punti di contatto e differenze nelle posizioni • Favorire un processo di costruzione del consenso e soluzioni condivise

•

Volontarietà e gratuità della partecipazione Confidenzialità delle informazioni

PIANIFICAZIONE

KEY QUESTION + OBIETTIVI

INDIVIDUAZIONE INTERLOCUTORI

DEFINIZIONE GRUPPI

STRUTTURAZIONE STIMOLI

Definizione della domanda (key question) e degli obiettivi conoscitivi.

Individuazione degli interlocutori e invito.

Definizione dei gruppi (per scenario).

Strutturazione degli stimoli alla discussione.

10

FOCUS GROUP ODINO

PIANIFICAZIONE

SESSIONE AULA

SESSIONE IN AULA

ELABORAZIONE

ELABORAZIONE DATI

INTRODUZIONE OPEN DATA

PRESENTAZIONE PARTECIPANTI

CONFRONTO SUL TEMA

ANALISI PARZIALE

CONCLUSIONI GENERALI

Presentazione contesto, key question e casi studio.

Ai partecipanti si è chiesto di presentarsi e di illustrare liberamente la propria esperienza rispetto al ciclo degli Open Data.

Comprensione più approfondita delle dinamiche reciproche di pubblicazione, acquisizione, aggiornamento e restituzione.

•

• • • •

Issues Board

Platform Canvas + Modelli gestione

Journey Map

Strumenti:

• •

Analisi della conversazione Identificazione elementi di processo Interpretazione dati

Tematiche emergenti Gamma delle opinioni Congruenze tra gruppi Elementi di innovazione del processo

‘Ciclo Ideale’ della manutenzione

N.B. L’obiettivo non è raccogliere dati di valore statistico, ma analizzare una tematica da svariate prospettive, raccoglierne gli elementi, la complessità e darne un modello rappresentativo.

11

SESSIONE IN AULA INTRODUZIONE

SESSIONE AULA

ELABORAZIONE

Contesto: Open Innovation

Definizione Open Data

Dati in Piemonte

L’open innovation consiste nel metodo per mettere insieme le idee delle persone e si sviluppa su una serie di principi quali la collaborazione, la condivisione, la decentralizzazione, la trasparenza dei processi e la pluralità dei partecipanti.

Il termine è stato usato per la prima volta da Henry Chesbrough per descrivere un nuovo modello di sviluppo della produzione basato sulla libera circolazione delle informazioni e delle idee attraverso differenti dipartimenti e organizzazioni.

«Dati che possono essere liberamente utilizzati, riutilizzati e redistribuiti, con la sola limitazione – al massimo – della richiesta di attribuzione dell’autore e della redistribuzione allo stesso modo (ossia senza che vengano effettuate modifiche)» Un insieme di dati pubblicati prende il nome di dataset.

Fonti: (nazionale)http://www.datiopen.it/ (nazionale)http://www.dati.gov.it/ (regionale)http://www.dati.piemonte.it/ (regionale)http://www.riuso-pa.piemonte. it/cms/ (comunale)http://www.comune.torino.it/ aperto/

OPEN DATA

BIG DATA

OPEN GOVT

12

SESSIONE IN AUL PARTECIPANTI E TEMI

SESSIONE AULA

ELABORAZIONE

Presentazione partecipanti e temi emergenti Presentazione dei partecipanti: giro di tavolo con nome, breve descrizione dell’ente di appartenenza e primo riferimento al tema.

• • •

Da quanto tempo il vostro ente è impegnato nella campagna di raccolta e pubblicazione open data?

Quali dati raccoglie e pubblica?

Siete fruitori di open data?

I temi sono stati mappati su poster per tenerne traccia e individuare questioni d’interesse ricorrenti anche tra stakeholder diversi.

13

SESSIONE IN AULA CONFRONTO

SESSIONE AULA

ELABORAZIONE

Platform Design Canvas Nei focus group è stato utilizzato il Platform Design Canvas per stimolare la discussione.

Ha come obiettivo facilitare la progettazione del business, dei prodotti ma anche delle organizzazioni guardando a loro come piattaforme di creazione di valore.

QUALI RISORSE/ ASSET POSSONO ESSERE FACILMENTE IMPIEGATE?

QUALE RUOLO POSSONO GIOCARE I FRUITORI NELLA MANUTENZIONE DEI DATI?

Guardare al business e ai prodotti da punto di vista della piattaforma si basa su una sostanziale transizione, un passaggio dalla visione lineare fatta di flussi che si muovono dal produttore al consumatore al networked business, dove il valore è co-creato da numerosi attori.

Lo strumento disponibile con licenza Creative Commons è stato customizzato per gli obiettivi dell’indagine ODINO.

QUAL È IL MAGGIOR BENEFICIO CHE PUÒ GENERARSI DALLA MANUTENZIONE SISTEMATIZZATA DEL DATO OPEN? PA RIUTILIZZATORI/ MANUTENTORI

14

SESSIONE IN AULA CONFRONTO

Modelli di cooperazione

SESSIONE AULA

Modelli di cooperazione tra PA e comunità nella “manutenzione” del patrimonio informativo pubblico.

MANUTENZIONE COLLABORATIVA

MANUTENZIONE MISTA

PA e RIUTILIZZATORI collaborano nell’aggiornamento dei dataset

La PA gestisce il dato e accetta richieste/ proposte di aggiornamento dei dataset

MODELLI IN ESSERE MODELLI IN DIVENIRE

GitHub

Socrata Open DAI

ELABORAZIONE

PA RIUTILIZZATORI/ MANUTENTORI

MANUTENZIONE AUTONOMA

I RIUTILIZZATORI agiscono sui dataset rilasciandoli in un ambiente terzo DataHub Discourse Engage Comment neelie

15

ELABORAZIONE DATI PARZIALE E TOTALE

SESSIONE AULA

GENERAZIONE DATI

Journey Map per ogni scenario

Il customer journey divide questo percorso in step e si traduce in una mappa visiva che rappresenta su piani diversi l’azione compiuta in ogni step, i canali attraverso cui il servizio si manifesta e i touchpoint e le persone con cui l’utente interagisce.

DATASET

VALIDAZIONE

PUBBLICAZIONE

FRUIZIONE

CC

PA

ATTORI

Il customer journey descrive cronologicamente il percorso che l’utente compie durante la fruizione di un servizio, partendo dal momento in cui ne viene a conoscenza fino al momento in cui ne termina l’utilizzo.

PREDISPOSIZIONE

ELABORAZIONE

C

IMPRESE PRIVATE

C CITTADINO

FORNITORI

MANUTENTORI CC

CC

CUSTOMER CC

Per ognuno dei tre scenari è stato ricostruito il Journey Map in base alle elaborazioni delle informazioni raccolte in aula.

‘Ciclo Ideale’ della Manutenzione dell’ Open Data Dall’analisi dei tre Journey Map si è astratto il ‘Ciclo Ideale’ dell’Open Data che confrontato con la situazione reale permette di evidenziare i blocchi mancanti, criticità e opportunità nel processo di gestione del dato.

16

SCENARIO 1 MOBILITA’

17

SCENARIO MOBILITA’ Partecipanti

ISMB ICT Centro di Ricerca

Moderatori

Pubblica Amministrazione

PA

Non Profit Centri di Ricerca Fondazioni Consorzi

SESSIONE AULA

ELABORAZIONE

NEXA ICT Internet & Society

COMUNE TORINO Settore Pianificazione e Trasporti

TOPIX ITC Consorzio Open Data Specialist

ISMB ICT Centro di Ricerca Mobile Solutions

TORINO WIRELESS ICT Distretto Tecnologico Piemontese Business Area

SITI Logistica e Trasporti/ Patrimonio Ambientale e Riqualificazione Urbana Researcher

SSB ICT (Partner Odino)

5T Mobilità

BUS Company Mobilità

ETINET ITC

PMI Piccola Media Impresa

18

SCENARIO MOBILITA’ Issues Board

SESSIONE AULA

ELABORAZIONE

Tematiche emergenti Mappa mentale delle tematiche emerse durante la discussione: • • • • • • • • •

Dato chiuso Cultura Open Problemi politici, no tecnologici Costi di gestione, manutenzione Procedure, processi interni Integrabilità Certificazione Qualità del dato Correzione

19

SCENARIO MOBILITA’ Platform Design Canvas RISORSE/ asset disponibili

PA RIUTILIZZATORI/ MANUTENTORI

SESSIONE AULA

ELABORAZIONE

MANUTENTORI ingaggiabili

BENEFICI della manutenzione sistematizzata del dato open?

20

SCENARIO MOBILITA’ Journey Map

SESSIONE AULA

ELABORAZIONE

21

SCENARIO MOBILITA’ Journey Map

SESSIONE AULA

ELABORAZIONE

PRODUZIONE DATASET / ACQUISIZIONE DATASET

PUBBLICAZIONE / CONSULTAZIONE

PA Vengono raccolte due tipologie di dati: statici, storicizzati e quelli dinamici, in real time.

Nella produzione del dataset ci sono problemi legati al formato, in alcuni casi il supporto è ancora cartaceo.  Risulta difficile la ricerca di un dataset per la stessa PA.

PA Avviene sulla base di criteri interni, non è sistematizzato PMI E’ difficile la verifica dell’aggiornamento più recente e l’integrazione dei propri dati con i dati della PA

PMI Download o richiesta: il dataset viene scaricato dai portali oppure viene inoltrata una richiesta(via PEC).

Il rilascio di un dataset su richiesta prevede tempi decisionali lunghi (tel., email), se ci sono interessi economici di solito si opta per la chiusura.  Difficoltà nel reperire dataset utili, assenza di un canale che accolga le richieste.

22

SCENARIO MOBILITA’ Journey Map

SESSIONE AULA

ELABORAZIONE

PULIZIA E VALIDAZIONE (AGGIORNAMENTO)

i tuoi mezzi lo correggi e poi dopo lo restituisci alla community.”

PA Non c’è un processo sistematizzato; ci sono state esperienze positive di crowdsourcing basato su segnalazioni dai cittadini, ma con una gestione manuale.

La gestione del dato al momento è effettuata manualmente, a volte deriva da collaborazioni tra servizi, non è riconosciuto ma non sfruttato il potenziale esterno (cittadini e imprese, personale del comune sul territorio) che potrebbero supportare la manutenzione ad esempio tramite app.

PMI E’ un’attività in house che prevede la normalizzazione dei dati raccolti. Le aziende usano il dato come materia prima, componente di un servizio, che poi gestiscono interamente al loro interno, anche quando è un servizio venduto alla PA. Se ricevono feedback li integrano nei propri sistemi e non vengono restituiti alla PA (che comunque non li richiede).  Senza restituzione del dato corretto ci sono duplicazioni del processo di manutenzione condotte da aziende diverse che generano versioni diverse di aggiornamento: potenziale disperso.  “C’è un livello intermedio, in cui interagisci con la community e poi con

CERTIFICAZIONE PA ”Ci sono routine che permettono di validare la bontà del dato, ma non è sistematico, alcuni imprevisti sfuggono, il controllo umano resta ancora necessario”.

PMI Ci sono fonti non certificate, ad esempio OpenstreetMap, che hanno dati di qualità ma usare una rete non certificata non permette di rivalersi su chi ha fornito il dato.

23

SCENARIO MOBILITA’ Journey Map

SESSIONE AULA

ELABORAZIONE

FRUIZIONE PA Il dato è necessario ai propri processi o servizi interni.

A volte non è accessibile neppure all’interno della PA.  Il dato Open è una sorta di dato di seconda mano, pubblicato dopo l’uso interno alla PA. PMI Il dato Open è interessante come base per lo sviluppo di servizi al cittadino e per la PA stessa.

CITTADINI Al momento il dato non è percepito come un servizio, il valore aggiunto viene dalla trasformazione in servizio.

24

SCENARIO MOBILITA’ TEMI EMERGENTI “I tempi di aggiornamento della PA non sono compatibili con i tempi del mercato, le startup non possono aspettare mesi.”

SESSIONE AULA

ELABORAZIONE

VALORE DEL DATO

RIUSO DEL DATO

La PA dispone di un flusso continuo di informazioni ma il valore di questo patrimonio di dati non è quantificato.

Gli open data sono un valore informativo fondamentale per la PA stessa, in primis, tuttavia, spesso il dato è chiuso già all’interno dell’amministrazione.

Per le PMI il dataset è una materia prima grezza da trasformare.  la PA è garante del dato per la PMI (anche se il dato certificato non è sempre affifabile)

Vengono ricevute molte richieste dall’esterno ma vengono filtrate e seguite caso per caso, soprattutto per definire il livello di discolore di quel dato.

Non ci sono criteri formalizzati, né modelli formalizzati di scambio tra le PA e le PMI  tempi di risposta lunghi  budget ridotto  la tattica della gestione del dato dovrebbe derivare da una strategia di più alto livello

PRODUZIONE DEL DATO

MANUTENZIONE

La produzione del dato è spesso ancora tradizionale, spesso viaggia su carta, c’è o non è a disposizione di altri utilizzi.

Non vi è un sistema di versioninng.

Il dato open viene pubblicato in genere dopo averlo utilizzato nell’ambito del servizio nel quale nasce, come dato di «2^mano», disponibile al riuso.

 sarebbe interessante aprirsi al crowdsourcing perché darebbe maggiore affidabilità ai dati (se la community è numerosa) Es. scuole e studenti Tipi di dati diversi richiedono processi diversi : rispetto ai dati real time, sui dati statici è più semplice accettare segnalazioni.

25

SCENARIO MOBILITA’ TEMI EMERGENTI  Le PMI non producono feedback sui dataset acquisiti e spendono molto nella manutenzione: Riguardo la manutenzione e la correzione, le PMI sono abituate a farsi carico internamente dei processi di correzione e manutenzione. Anche con esperienze positive non sfociano in una sistematizzazione del servizio, né a livello operativo, né a livello strategico, non ci sono procedure da seguire per intraprendere una collaborazione con gruppi di utenti manutentori.

“I tempi di aggiornamento della PA non sono compatibili con i tempi del mercato, le startup non possono aspettare mesi.”

PUNTI DEBOLI All’interno della PA non c’è una cultura open nè procedure sistematizzate per andare incontro alle richieste delle PMI che invece sono interessate e sensibili alle possibilità offerte dall’apertura dei dati.

Per la carenza di risorse la PA può decidere di chiudere il dato o non gestirlo più (il dato più utile resta blindato perché si cerca di sfruttar lo economicamente).

SESSIONE AULA

ELABORAZIONE

Manca un percorso strutturato di definizione di domanda – offerta: Le PA pubblicano per obbligo di legge, Al momento non organizzano l’attività per rispondere alla domanda interna né esterna.

Non considerando il destinatario nel processo di manutenzione, i dati pubblicati risultano di scarsa qualità.

L’esempio: può verificarsi il caso in cui due versioni di uno stesso servizio, uno sviluppato dalla PA e un altro sviluppato dalla PMI che utilizzano gli stessi dataset siano offerti al pubblico.

26

SCENARIO MOBILITA’ CONGRUENZE, IDEE E BENEFICI “I dati sono un patrimonio da valorizzare, non si conosce il valore economico del dato.”PA “Non si investe sul dato ma nemmeno sul rischio.”CR

SESSIONE AULA

ELABORAZIONE



Accordi PA e PMI

Certificazione e validazione

Carta dei Servizi

Ritorno di immagine

Individuazione di accordi di collaborazione e manutenzione tra PA e PMI.

La certificazione e la validazione sono 2 concetti diversi, che possono essere tradotti in offerta di servizio: • Certificazione: rilasciata da una fonte autorevole, non è garanzia di aggiornamento e qualità del dato.

• Validazione: può risultare da un processo collaborativo, e produrre dati più affidabili, eventualmente includendo anche il feedback e il contributo delle com-

Carta dei Servizi: a seconda della tipologia del dato e delle finalità si potrebbero valutare livelli diversi di apertura del dato e validazione, traducibili in una carta dei servizi.

L’offerta di livelli di servizio basati su open data di qualità offrirebbe anche un ritorno di immagine e trasparenza per le PA.

Distribuzione del lavoro = più qualità del dato La distribuzione dello ‘sforzo’ dell’aggiornamento del dato potrebbe: • Aiutare le PA nel processo di aggiornamento del dato (vista anche la carenza di risorse) • Rendere disponibili dati più aggiornati

27

SCENARIO 2 CULTURA E TURISMO

28

CULTURA E TURISMO PARTECIPANTI Moderatori

ISMB ICT Centro di Ricerca

Cittadini

DIGITAL CHAMPION Alessandria

Pubblica Amministrazione

PA

Non Profit Centri di Ricerca Fondazioni Consorzi

REGIONE PIEMONTE Sistemi Informativi e Tecnologie della Comunicazione

SESSIONE AULA

ELABORAZIONE

NEXA ICT Internet & Society

COMUNE TORINO Servizi Digitali

CSI PIEMONTE

TURISMO TORINO E PROVINCIA • Booking and Accommodation • Uffici IAT

SSB ICT (Partner Odino)

SEAT Media Agency

VIZ & CHIPS Data Journalism

ISMB ICT • Mobile Solutions • Innovation Development • Front-End

PMI Piccola Media Impresa

COSVIFOR ICT (Partner Odino)

29

CULTURA E TURISMO Issues Board

SESSIONE AULA

ELABORAZIONE

Tematiche emergenti Mappa mentale delle tematiche emerse durante la discussione: • • • • • • • • • • •

Qualità Uniformità Trasparenza/Interpretazione Dato grezzo Linee Guida Gap culturale Competenze digitali Elemento umano Convenienza nella restituzione Manutenzione non sistematizzata Accesso ai dati

Necessità di avere: • PA: competenze + consapevolezza • PMI: accesso al dato

30

CULTURA E TURISMO Platform Canvas

SESSIONE AULA

ELABORAZIONE

RISORSE/ asset disponibili

PA RIUTILIZZATORI/ MANUTENTORI

BENEFICI della manutenzione sistematizzata del dato open?

31

CULTURA E TURISMO Journey Map

SESSIONE AULA

ELABORAZIONE

32

CULTURA E TURISMO Journey Map

PRODUZIONE DATASET (PA) <- -> ACQUISIZIONE DATASET (PMI) PA I dati sono disomogenei, pluralità di formati, pluralità di portali, diversi livelli di accuratezza; all’interno di una stessa amministrazione non c’è coordinamento e conoscenza dei dataset presenti.

PMI Download o richiesta: i dataset vengono scaricati dai portali oppure viene inoltrata una richiesta che presenta tempi di risposta non prevedibili. Anche se ci sono dei canali di richiesta formalizzati sui portali, di fatto l’intermediazione personale è spesso indispensabile. Più il dataset richiesto contiene dati sensibili (tipicamente legati ai settori economici o medicali) più difficilmente viene rilasciato.

Per la PMI il dato grezzo spesso è preferibile in quanto viene considerato come materiale di partenza, più facile da adattare alle proprie esigenze.

SESSIONE AULA

ELABORAZIONE

PULIZIA E VALIDAZIONE (AGGIORNAMENTO) PA I dati grezzi subiscono un’elaborazione (es. Ufficio Statistiche) prima di essere rilasciati. L’aggiornamento dei dataset da parte della PA non è un processo sistematizzato.  Lo sforzo di interpretazione e riutilizzo del dato è inversamente proporzionale alla qualità con cui viene esposto.

PMI I dati vengono normalizzati dall’azienda in base al propri obiettivi di utilizzo. Anche l’aggiornamento viene internamente, implementando il proprio database. Le operazioni di aggiornamento sono onerose in termini di tempo e costi e spesso sono manuali.  Se il dataset non è aggiornato in tempi utili non è affidabile per fare previsioni ed elaborare strategie, in particolare per l’ambito turistico.

33

CULTURA E TURISMO Journey Map

SESSIONE AULA

ELABORAZIONE

PUBBLICAZIONE / CONSULTAZIONE PA Per la PA la pubblicazione di dataset open è innanzitutto adempimento a un obbligo di legge e rappresenta un onere.

Vi è consapevolezza del patrimonio di dati che si potrebbe valorizzare, ma non ci sono risorse economiche né procedure sistematizzate di raccolta, manutenzione, versioning.  C’è timore di un uso strumentale e di esposizione al giudizio del pubblico che ha aspettative elevate (per le capacità tecnologiche, per l’ampia molteplicità di fonti informative disponibili).

Per non generare disservizi si può preferire pubblicare dati «innocui», magari meno utili perché statici.

PMI Non c’è feedback sul dataset. Le operazioni di pulizia e normalizzazione rappresentano il valore aggiunto della PMI, che finora non individua incentivi a innescare un loop virtuoso.  La PMI trova l’attuale base di dati incerta . Uno schema di pubblicazione e aggiornamento della PA aiuterebbe a superare le difficoltà nella creazione di servizi basati su open data.  C’è interesse a entrare nel loop poiché si intravede la possibilità di riceverne in cambio dati di qualità.

34

CULTURA E TURISMO Journey Map

SESSIONE AULA

ELABORAZIONE

CERTIFICAZIONE

FRUIZIONE

PMI Il valore del dato proveniente dalla PA è la fonte.

Per dati affidabili, corretti e completi si ricorre ad altre fonti.  Si sente il bisogno di un sistema di validazione dei riutilizzatori dei dati.

PA Il dato è necessario ai propri processi o servizi interni.

PMI Il dato Open è interessante come base per lo sviluppo di servizi al cittadino e per la PA stessa.

CITTADINI Al momento il dato non è percepito come un servizio, il valore aggiunto viene dalla trasformazione in servizio.

35

CULTURA E TURISMO TEMI EMERGENTI “L’open data deve essere sia output che input per le PA.” PA “Oggi abbiamo dati coreografici’”PA

SESSIONE AULA

ELABORAZIONE

VALORE DEL DATO

MANUTENZIONE

La PA pubblica dati ‘innocui’ ma spesso poco interessanti per non incorrere in problemi (giudizi negativi, disservizi, responsabilità).

La PMI trovando dati poco trasparenti da un lato ha difficoltà nel confrontarli e dall’altro si trova inevitabilmente a fare scelte interpretative per poter utilizzare i dataset.

Non c’è un processo standardizzato, l’elemento umano sia per la richiesta che per la manutenzione è preponderante ma non è stato formato.

Ci sono resistenze interne di tipo culturale che non agevolano il processo.

Non vengono investite risorse adeguate in quanto open viene percepito come ‘a costo zero’.

Il valore interno del dato open è chiaro: “L’open data deve essere sia output che input per le PA.È necessario individuare un processo di raccolta, pulizia, esposizione e manutenzione automatizzato tale per cui non si pubblichi a domanda ma in base a uno schema, (una strategia).

Questo deriverebbe da un’analisi delle banche dati delle PA che ad oggi non è disponibile”.

PUNTI DEBOLI Spesso le soluzioni esistono (formati standard, linee guide) ma non sono adottate.

Ci sono esperienze positive ma solitamente sono legate a bandi temporanei, non si è individuato un modello di scambio sostenibile e interessante per PA e PMI per alimentare un loop di manutenzione del dato, non necessariamente uno scambio economico.

Spesso bisogna sollecitare l’aggiornamento da parte di quegli operatori che per primi beneficerebbero dell’ aggiornamento stesso.

36

CULTURA E TURISMO TEMI EMERGENTI “L’Amministrazione è un organismo fatto di persone, la precisione dipende dalla sensibilità dell’operatore, il rilascio dei dati non è sistematizzato, è lasciato alla libera interpretazione.

Servirebbe un percorso di normalizzazione dei dataset più di interesse, paradigmi più semplici.

L’aggiornamento ad oggi non è un processo organizzato. Il dato di ‘qualità’ è relativo, nessuno mi dice se la pubblicazione del dato è corretta, parzialmente o meno.” PA

SESSIONE AULA

ELABORAZIONE

QUALITÀ DEL DATO C’è molta disomogeneità tra i dati prodotti dalle PA, e le attività di normalizzazione sono gestibili internamente dalle PMI. Alla PMI preme la questione della reperibilità del dato: non c’è un canale di ascolto e spesso bisogna trovare terze vie per recuperare l’informazione interessante.

Le PMI non sono incentivate alla restituzione dopo aver sostenuto costi di correzione e arricchimento su cui basano la costruzione dei propri servizi.

“Dobbiamo affrontare il tema dell’uniformità dei formati prima di parlare di qualità dei dati” PA “Colui che espone il dato non è responsabile del contenuto ma dello standard. Il formato deve essere rispettato” PMI

37

CULTURA E TURISMO IDEE E BENEFICI

SESSIONE AULA

ELABORAZIONE



Dati da scoprire

Standard Processo

Servizio di qualità

Criterio Performance

All’interno di una stessa amministrazione si dovrebbe conoscere il proprio patrimonio di dati tramite un’indagine, per valorizzarli e avere una maggior conoscenza dei bisogni del territorio.

Standardizzazione del processo: piano di pubblicazione, di aggiornamento da parte della PA

Attendibilità + certificazione fonte: la PA viene considerata come fonte autorevole, in ottica di trasparenza dovrebbe fornire dati il più omogenei possibili e porsi come garante della qualità del dato esposto.

Criteri di qualità dell’open data potrebbero diventare criteri di auto/valutazione della Pa (frequenza aggironamenti, metadata, formati rilasciati)

“Ci sono attori che ci mettono la volontà, ma manca il metodo, la struttura” PMI

“Patrimonio enorme, autorevolezza sul territorio.” PMI

Livelli di Servizio/ Open non è gratuito Se i dati open provengono dall’esercizio pubblico, è vero che alcuni possono essere rilasciati gratuitamente, mentre altri potrebbero essere rilasciati a pagamento.

“Ai cittadini si possono restituire due livelli di dati: quello ufficiale e quello rivalidato dalla community.” PMI

38

SCENARIO 3 ESCURSIONISMO E TURISMO MONTANO

39

ESCURSIONISMO E TURISMO MONTANO PARTECIPANTI

ISMB ICT Centro di Ricerca

Moderatori

Pubblica Amministrazione

PA

Non Profit Centri di Ricerca Fondazioni Consorzi

SESSIONE AULA

ELABORAZIONE

NEXA Center for Internet & Society

Corpo Nazionale Soccorso Alpino e Speleologico - Servizio Regionale Piemontese

ISMB ICT Centro di Ricerca Innovation Development

Gruppo omogeneo di fruitori di open data.

Focus più interno, meno negoziato.

PMI Piccola Media Impresa

GEO4MAP Cartografia

OTTO SRL

FRATERNALI EDITORE Cartografia

OOROS

40

ESCURSIONISMO E TURISMO MONTANO Issues Board

SESSIONE AULA

ELABORAZIONE

Tematiche emergenti Mappa mentale delle tematiche emerse durante la discussione:

• affidabilità del dato • costi infrastruttura

• proprietà intellettuale • crowdsourcing

• acquisizione dati • restituzione

RISORSE/ asset disponibili

PA RIUTILIZZATORI/ MANUTENTORI

BENEFICI della manutenzione sistematizzata del dato open?

41

ESCURSIONISMO E TURISMO MONTANO Journey Map

SESSIONE AULA

ELABORAZIONE

42

ESCURSIONISMO E TURISMO MONTANO Journey Map

SESSIONE AULA

ELABORAZIONE

PRODUZIONE DATASET (PA) <- -> ACQUISIZIONE

PUBBLICAZIONE / CONSULTAZIONE

PA Si rileva disomogeneità di formati tra enti (regionale, provinciale, comunale), per esempio livelli diversi di rigore topologico, diversi codici del database, non tutti hanno un disciplinare tecnico.

PA Una volta pubblicati i dataset, non ci sono ulteriori momenti di implementazione.

PMI Download o richiesta: il dataset della PA è il punto di partenza su cui costruire il proprio database cartografico. Le operazioni di download spesso sono lunghe, nel caso della richiesta non c’è un canale predisposto e ci si deve basare sull’intermediazione personale. In ambito cartografico ogni PMI costruisce e mantiene nel tempo un proprio database.  È oneroso mantenere un database interno, sarebbe meglio avere una base comune condivisa

PMI Risulta difficile la restituzione del dato, reintegrarlo nel loop

43

ESCURSIONISMO E TURISMO MONTANO Journey Map

SESSIONE AULA

ELABORAZIONE

PULIZIA (AGGIORNAMENTO)

CERTIFICAZIONE E VALIDAZIONE

PMI Prima di poter lavorare sulla base dati è necessario fare operazioni di correzione, adattamento e merging che rappresentano costi di gestione onerosi.  Difficoltà nel capire l’ultima versione aggiornata sul portale della PA rispetto al dataset dell’azienda.

PA Attualmente non è chiaro se vi sia un processo di validazione dei dataset e se ci siano delle procedure per integrare dei dataset provenienti di riutlizzatori.  Alla PA si riconosce autorevolezza che potrebbe fare da garante sui dataset pubblicati PMI Se il dato non è preciso non è affidabile. Il livello di precisione necessario dipende anche dalle finalità (ad esempio varia da uno scenario turistico rispetto ad uno di primo soccorso).  Un sistema di certificazione dei riutilizzatori reputation-based; restituzione in termini di visibilità.  La tracciabilità della fonte: quando è difficile risalire alla fonte, il dato viene chiuso.

CITTADINI  In alcuni contesti il crowdsourcing potrebbe essere implementato in un sistema di monitoraggio, segnalazione.

44

ESCURSIONISMO E TURISMO MONTANO Journey Map

SESSIONE AULA

ELABORAZIONE

FRUIZIONE PMI Si concentra sul tematismo del prodotto finale CITTADINI Si tratta solitamente di una community specializzata

45

ESCURSIONISMO E TURISMO MONTANO TEMI EMERGENTI VALORE DEL DATO La condivisione di una base affidabile e aggiornata è vista con favore come ritorno di costi di gestione.

«Lo farei per motivo culturale, in azienda da noi tutto è open» PMI MANUTENZIONE 1) Necessità di una base condivisa e aggiornata Nell’ambito della cartografia il dato fornito dalla PA, «la base», rappresenta il punto di partenza per le PMI per costruire il loro database interno, che provvedono a gestire e mantenere. Su una base ordinata è possibile fare sperimentazioni e costruire le mappe funzionali alle proprie attività 2) Segnalazione, tracciabilità, autorevolezza Si potrebbero valutare meccanismi simili

a quelli utilizzati da Wikipedia o dal soccorso alpino (Georesq) dove le integrazione del datset vengono incluse ma tenute in stand-by per un periodo di tempo nel quale la community può correggere o integrare. Esaurito il periodo, i dati che non ricevono correzioni si considerano validi.

La segnalazione della correzione cartografica è spesso manuale e si avvale di risorse professionali dedicate oppure su sistemi di crowdsourcing in cui la validazione è mediata da livelli di autorevolezza acquisiti secondo determinati criteri.

SESSIONE AULA

ELABORAZIONE

vantaggi anche nella risoluzione di queste difficoltà.

«Il Piemonte ha una buona gestione del dato ma non c’è una buona qualità del dato» PMI Un problema da affrontare è la tracciabilità del dato: quando non si da quale fonte arriva, nel dubbio non viene condiviso, paradossalmente impoverendo ancora di più la base.

«Dal crowdsourcing si potrebbe ricavare un livello interessante di aggiornamento» PMI PUNTI DEBOLI Gli enti regionali forniscono dati che non combaciano tra di loro. Lavorare in modo collaborativo sulla descrizione e l’arricchimento dei dati potrebbe portare 46

ESCURSIONISMO E TURISMO MONTANO CONGRUENZE IDEE E BENEFICI “Io investo se so che la mia sorgente dati è affidabile, se parallelamente ci fosse un loop con cui possa interagire con la PA con cui possa fare richieste e rimettere in circolo.” PMI

SESSIONE AULA

ELABORAZIONE

Uniformità della base

Certificazione fonte

Riutilizzatori certificati

L’uniformità del dato, della base, e dell’interfaccia aumenterebbe la qualità interna, producendo una riduzione dei costi di manutenzione per PA e PMI che possono dedicarsi maggiormente allo sviluppo di valore.

La certificazione della fonte da parte della PA conferirebbe maggiore affidabilità al dato e all’ente, con una ricaduta anche sulla percezione dei cittadini.

Implementare un sistema di reputazione per riutilizzatori del dato contribuirebbe a rendere il processo distribuito e affidabile.

Si potrebbero valutare modelli di validazione diversi tra quelli in uso nelle community del SW open e dalle best practice di territorio (soccorso alpino), individuando incentivi motivanti.

“Io investo se so che la mia sorgente dati è affidabile, se parallelamente ci fosse un loop con cui possa interagire con la PA con cui possa fare richieste e rimettere in circolo.” PMI

“Manca la cultura sul dato in cui è certificato, corretto, aggiornato, se ci fosse più affidabilità, la gente andrebbe più volentieri a guardarsi il dato.” PMI

47

CONCLUSIONI

48

CONCLUSIONI PA: RINFORZO DELLA CULTURA OPEN + DI INNOVAZIONE DI PROCESSO

SESSIONE AULA

ELABORAZIONE

Dai focus group risulta che nella PA e nei suoi diversi settori non c’è un workflow unico che sistematizzi le procedure di gestione del dato open, l’elemento umano è preponderante ma necessita di essere adeguatamente preparato, spesso c’è una buona volontà dei singoli. La cultura open esiste ma non è un asset, inoltre bisogna scardinare e ridefinire il concetto ‘open=gratis’. Gli open data non dovrebbero essere prevalentemente il punto di arrivo di un adempimento a un obbligo normativo, ma il punto di partenza per la generazione di nuovi servizi e valore, una fase all’interno di un loop virtuoso.

PA e PMI sono due mondi separati che operano in sequenza: la PA raccoglie e pubblica il dato, la PMI lo acquisisce, lo normalizza, lo integra nei propri database . Ad oggi non vi è un ritorno nè una ridistribuzione come conseguenza della manutenzione del dato.

Un processo abilitante la collaborazione nella manutenzione dei dati viene riconosciuto come un potenziale beneficio da parte della PA che vedrebbe distribuito il proprio sforzo.

La sistematizzazione del processo di gestione dei dati open si tradurebbe in dataset omogenei e di qualità, potenzialmente capace di ingenerare maggiore coninvolgimento all’interno della PA stessa.

Dall’altra parte le PMI ne otterebbero in cambio basi dati di maggiore qualità e un risparmio nella normalizzazione e pulizia dei dati.

49

CONCLUSIONI PMI: ACCESSIBILITÀ E BENEFICI

SESSIONE AULA

ELABORAZIONE

Le PMI riconoscono il valore degli open data, ma incontrano ancora troppe difficoltà nel reperirli: c’è frammentazione sui portali, a volte il livello di descrizione o precisione dei dati non è rispondente alle necessità, non sempre sono disponibili dati interessanti e manca un canale di ascolto strutturato ed efficiente per inoltrare le proprie richieste.

Laddove non c’è una procedura sistematizzata per le richieste, ricorre all’intermediazione personale.

Una volta acquisitI i dataset, le aziende investono molto tempo e risorse per normalizzarli, correggerli, pulirli. Il dato pulito è la base su cui costruire il proprio valore. Attualmente non vi sono esempi di feedback di ritorno alla PA, da un lato per mancanza di un processo sistematizzato di validazione e integrazione, dall’altro per proteggere la base del proprio valore. Inoltre si pone la necessità di una riflessione su meccanismi incentivanti questo tipo di collaborazione.

PA e PMI: MODELLI DI SCAMBIO E MANUTENZIONE PER INNESCARE IL LOOP DELLA VALORIZZAZIONE

Alla PA si chiede di sistematizzare il proprio processo interno e di stabilire ad esempio piani di manutenzione e pubblicazione garantiti. L’obiettivo è evolvere dal dato certificato verso un dato di qualità in modo da completare l’autorevolezza con l’affidabilità.

Un dato aggiornato e valorizzato, si traduce in riduzione dei costi di gestione e potenziale economico sia per le PA che per le PMI. La PMI esprime interesse a inseririsi nel loop della manutenzione del dato open.

Si tratta di individuare accordi di scambio tra PA e PMI e valutare livelli di collaborazione intermedi (magari integrando la validazione dal crowdsourcing) che possano originare una carta dei servizi orientati a destinatari diversi e favorire nuovi modelli di business tra pubblico e privato.

50

CONCLUSIONI IL CICLO ‘IDEALE’ DELL’OPEN DATA

BLOCCHI DEL CICLO

SESSIONE AULA

ELABORAZIONE

Nel ‘Ciclo Ideale’ di Manutenzione dell’Open Data c’è un flusso continuo di informazione e di restituzione tra un livello e l’altro.

In alto a destra c’è il Data Holder, il fornitore del dato: la Pubblica Amministrazione; segue il 1°livello di User (che può essere rappresentata da PMI così come dalla PA stessa) che scarica e manipola il dato, infine il 2° livello di User che di solito fruisce di un prodotto/servizio costruito sul dato manipolato.

51

CONCLUSIONI IL ‘CICLO IDEALE’ DELLA MANUTENZIONE

AGGIORNAMENTO

SESSIONE AULA

ELABORAZIONE

In arancione sono stati evidenziati i blocchi relativi alla correzione, pulizia, versioning e restituzione del dato. Tutte attività che nel loro complesso mantengono il dato aggiornato, aumentandone l’affidabilità e il valore stesso del dato.

Si può osservare che i blocchi si distribuiscono sia orizzontalmente nelle cinque fasi (dalla pubblicazione alla fruizione), sia verticalmente tra gli attori del ciclo (Data Holder, 1°User, 2° User), evidenziando la natura aperta e co-partecipata di come dovrebbe essere il ciclo.

52

CONCLUSIONI IL ‘CICLO IDEALE’ DELLA MANUTENZIONE

• • • • •

maggiore cultura open data più competenze digitali al personale PA piano di manutenzione, pubblicazione necessità roadmap

AGGIORNAMENTO

BLOCCO NON PRESENTE

SESSIONE AULA

ELABORAZIONE

incentivi alla partecipazione al processo •

• • •

individuazione modelli di scambio

crowdsourcing potenziale

progettazione di un canale d’ascolto richiesta di certificazione e autorevolezza alla PA

53

CONCLUSIONI AZIONI, CRITERI, VANTAGGI

CICLO ‘IDEALE’ DI MANUTENZIONE OPEN DATA QUALITÀ DEL DATO OPEN

AZIONI ABILITANTI • •

Costruzione competenze digitali (in PA e fuori) Progettazione canale d’ascolto

Descrive cronologicamente il percorso e le azioni che ogni attore compie nel processo.

Nella mappa visiva vengono messi in evidenza canali, step e touchpoint che possono aiutare a implementare il processo o parti di esso.

Dal feedback alla validazione alla certificazione.

SESSIONE AULA

• • • • • • • •

• • • • • •

Accuratezza: integrazione feedback da cittadini e aziende riutilizzatrici Uniformità di formati (comparabilità) Dati sulla fonte (come e quando è stato acquisito il dato) Piano di aggiornamento Disponibilità del dato raw Tracciabilita Accessibilità

ALLA PA Etica Identificazione dei bisogni Censimento, inventario beni Mappatura risorse fisiche, sistemi, Gestione dei servizi Pianificazione Comunicazione ai cittadini Immagine

VALORE DI RITORNO

CARATTERISTICHE •

ELABORAZIONE

• • •

Risparmio delle risorse per la fase di correzione, più risorse da dedicare allo sviluppo Base affidabile e aggiornata Visibilità e reputazione

ALLA PMI

54

CONCLUSIONI DOMANDE APERTE

SESSIONE AULA

ELABORAZIONE

• Quanto è dannoso esporre dati di scarsa qualità?

• Come giungere a un processo interoperabile tra diversi enti?

• Come favorire la manutenzione dei dati e l’abbattimento dei costi?

55

ODINO Open Data In movimentO DELIVERABLE 2.1 RAPPORTO SUI RISULTATI DEI QUESTIONARI E DEI FOCUS GROUP FONDO EUROPEO DI SVILUPPO REGIONALE P.O.R. 2007 – 2013 PROGRAMMA OPERATIVO REGIONALE “COMPETITIVITÀ REGIONALE E OCCUPAZIONE” F.E.S.R. 2007/2013 ASSE 1 INNOVAZIONE E TRANSIZIONE PRODUTTIVA ATTIVITÀ I.1.3 – INNOVAZIONE E PMI STUDI DI FATTIBILITA’ PRELIMINARE AD ATTIVITA’ DI RICERCA INDUSTRIALE O SVILUPPO SPERIMENTALE