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