Giuliana Bonello
CSI-Piemonte
Giuliana Bonello
Big Data 4 Smart territories
Big Data 4 Smart Territories
Giuliana Bonello
CSI-Piemonte
Responsabile Demand Management
La crescita del Digital Universe
(IDC Study)
Tante, diverse, nuove fonti informative
Le nuove fonti
Due forze opposte
La complessità:
una nuova sfida per la conoscenza
“Credo che il XXI secolo sarà il secolo della complessità”
Stephen Hawking
Complessità vs complicazione
La complessità è diversa dalla complicazione.
Un oggetto è complesso se è articolato in molteplici
componenti, ma l’oggetto diventa “semplice” se ne
comprendiamo o ne modelliamo le parti o il principio che le
aggrega.
Un oggetto invece è complicato se la sua funzionalità è
cervellotica e confusa, cioè se è mal disegnato.
Da Donald Norman in “Living with complexity”
Linee di sviluppo degli studi sulla complessità
Il messaggio ai CIO è che l’IT deve rendere
l’informazione più consumabile dal business
e i dati vanno ormai estratti in rete oltre che dall’IT aziendale,
per ottenerne informazione o intelligence
Ricerca Gartner “The 2012 Gartner CEO and senior business executive survey”
La consumabilità
Le 4 dimensioni dei dati condivisi
(Gartner – EIM nel 21° secolo)
Big
data
More
data
Linked
data
More
Context
Social
data
More
relationshiips
Open
data
More
sources
Shared data
More stakeholders
La sfida è la consumabilità di dati condivisi (shared data), articolata su 4 dimensioni:
Più dati: in quantità elevatissime
Più fonti: crescente varietà di fonti che richiede trasparenza
Più contesto: in relazione al quale solo i dati non strutturati sono interpretabili
Più relazioni: ad esempio le affinità colte attraverso i social data
Big data per la PA
Conoscenza
dinamica di
una realtà
mutevole
Supporto
2.0 al policy
making
Azioni
politiche più
consapevoli
e rapide
Una PA trasparente…
Da Amministrazione vecchio stile….
chiusa e isolata
Ad amministrazione 2.0
The future of Government:
report del World Economic Forum
2011 2012
Future of government
Governments of the future will need to adapt and
continuously evolve to create value.
They need to stay relevant by being responsive to rapidly
changing conditions and citizens’ expectations, and
build capacity to operate effectively in complex,
interdependent networks of organizations and systems
across the public, private and non-profit sectors to co-
produce public value.
Flatter, agile, streamlined and
tech-enabled (FAST) government
Flatter
Agile
Streamlined
Tech-
enabled
The FAST matrix of
government transformation
Policy making 2.0
Quali differenze?
Caratteristiche tradizionali e nuove
del policy-making
features
of policy-
making
evidence-based
(traditionally, through
experts’ input)
timely
(traditionally,
through hyerarchical
decision)
participated
(traditionally, through
lengthy consultation)
long-term
thinking and
anticipation of
future events.
PM2.0 e nuove tecnologie
Policy-making 2.0 refers to a blend of emerging and fast
developing technologies that enable better, more timely
and more participated decision-making.
These applications include:
Open and big data,
Visual analytics,
Modelling and simulation,
Collaborative governance and crowdsourcing,
Serious gaming,
Opinion mining.
Partecipazione nel ciclo di vita delle politiche (Osimo, ForumPA 2012)
Ciclo del PM2.0 e tecnologie
The CROSSOVER Research Roadmap
Prime esperienze in Piemonte
http://www.torinosmartcity.it: Conoscere + Partecipare + Gestire
L’ascolto della rete
L’ascolto in rete per Torino Smart City
Gli indici di ascolto nell’ultimo mese e nell’ultima settimana
L’ascolto in rete per Torino Smart City
3 mesi di ascolto in rete e 7 temi di discussione
L’ascolto in rete per Torino Smart City
Dalla complessità
alla consumabilità
Ascolto delle discussioni
sulla Spending Review su Twitter
Luglio 2012
Temididiscussione
Gruppidiautori
Ascolto delle discussioni
sulla Spending Review su Twitter
Monitoraggio dell’offerta di lavoro presente sul web e sua correlazione con i dati amministrativi e statistici
(Comunicazioni Obbligatorie):
● studiare la struttura dell’offerta di lavoro nei termini delle sue componenti;
● indagare sugli argomenti di discussione avviati aventi come oggetto l’offerta di lavoro
Contributo dei social web
nell’analisi del
mondo del lavoro
Monster aiuta a mantenere aggiornato il dizionario degli skill e delle
professioni richieste.
Le professioni maggiormente
richieste sul web:
quelle a carattere informatico:
analisti programmatori,
sistemisti, ma anche contabili
e tecnici commerciali
Le attitudini più ricercate sono il
problem-solving, poi precisione,
orientamento al cliente, al lavoro
per obiettivi e al team-working
Cosa emerge da Monster?
LinkedIn identificato come canale di discussione sul
lavoro
Analisi text-mining
discussioni e cluster
riconosciuti
Cosa emerge da LinkedIn?
http://www.torinosmartcity.it: Conoscere + Partecipare + Gestire
Borsa Lagrange in corso di Matteo Delfino
Fonti dati e statistiche di base
Log della web farm relativi a `Sistema
Piemonte' (2012) :
circa 60Gb su un totale di circa 200Gb
Analisi della rete «request-refer»
Grafo orientato e pesato
A = pagina di provenienza (campo referer)
B = pagina di arrivo (campo request)
w = numero di richieste
Prime rappresentazioni
Indice dei servizi
Componente connessa all’indice
Infrastrutture e Tecnologie per i Big Data
in CSI PIemonte
Grazie per l’attenzione!
Giuliana.bonello@csi.it
Twitter: GiulyBonll
ScoopIt: http://www.scoop.it/t/infografiche-pa
LinkedIn: Giuliana Bonello

Big data e smart cities csi bonello

  • 1.
  • 2.
    Big Data 4Smart Territories Giuliana Bonello CSI-Piemonte Responsabile Demand Management
  • 3.
    La crescita delDigital Universe (IDC Study)
  • 4.
    Tante, diverse, nuovefonti informative Le nuove fonti
  • 5.
  • 6.
    La complessità: una nuovasfida per la conoscenza “Credo che il XXI secolo sarà il secolo della complessità” Stephen Hawking
  • 7.
    Complessità vs complicazione Lacomplessità è diversa dalla complicazione. Un oggetto è complesso se è articolato in molteplici componenti, ma l’oggetto diventa “semplice” se ne comprendiamo o ne modelliamo le parti o il principio che le aggrega. Un oggetto invece è complicato se la sua funzionalità è cervellotica e confusa, cioè se è mal disegnato. Da Donald Norman in “Living with complexity”
  • 8.
    Linee di sviluppodegli studi sulla complessità
  • 9.
    Il messaggio aiCIO è che l’IT deve rendere l’informazione più consumabile dal business e i dati vanno ormai estratti in rete oltre che dall’IT aziendale, per ottenerne informazione o intelligence Ricerca Gartner “The 2012 Gartner CEO and senior business executive survey” La consumabilità
  • 10.
    Le 4 dimensionidei dati condivisi (Gartner – EIM nel 21° secolo) Big data More data Linked data More Context Social data More relationshiips Open data More sources Shared data More stakeholders La sfida è la consumabilità di dati condivisi (shared data), articolata su 4 dimensioni: Più dati: in quantità elevatissime Più fonti: crescente varietà di fonti che richiede trasparenza Più contesto: in relazione al quale solo i dati non strutturati sono interpretabili Più relazioni: ad esempio le affinità colte attraverso i social data
  • 11.
    Big data perla PA Conoscenza dinamica di una realtà mutevole Supporto 2.0 al policy making Azioni politiche più consapevoli e rapide
  • 12.
  • 13.
    Da Amministrazione vecchiostile…. chiusa e isolata
  • 14.
  • 15.
    The future ofGovernment: report del World Economic Forum 2011 2012
  • 16.
    Future of government Governmentsof the future will need to adapt and continuously evolve to create value. They need to stay relevant by being responsive to rapidly changing conditions and citizens’ expectations, and build capacity to operate effectively in complex, interdependent networks of organizations and systems across the public, private and non-profit sectors to co- produce public value.
  • 17.
    Flatter, agile, streamlinedand tech-enabled (FAST) government Flatter Agile Streamlined Tech- enabled
  • 18.
    The FAST matrixof government transformation
  • 19.
  • 20.
  • 21.
    Caratteristiche tradizionali enuove del policy-making features of policy- making evidence-based (traditionally, through experts’ input) timely (traditionally, through hyerarchical decision) participated (traditionally, through lengthy consultation) long-term thinking and anticipation of future events.
  • 22.
    PM2.0 e nuovetecnologie Policy-making 2.0 refers to a blend of emerging and fast developing technologies that enable better, more timely and more participated decision-making. These applications include: Open and big data, Visual analytics, Modelling and simulation, Collaborative governance and crowdsourcing, Serious gaming, Opinion mining.
  • 23.
    Partecipazione nel ciclodi vita delle politiche (Osimo, ForumPA 2012) Ciclo del PM2.0 e tecnologie
  • 24.
  • 25.
  • 26.
  • 27.
    L’ascolto della rete L’ascoltoin rete per Torino Smart City
  • 28.
    Gli indici diascolto nell’ultimo mese e nell’ultima settimana L’ascolto in rete per Torino Smart City
  • 29.
    3 mesi diascolto in rete e 7 temi di discussione L’ascolto in rete per Torino Smart City
  • 30.
  • 31.
    Ascolto delle discussioni sullaSpending Review su Twitter Luglio 2012
  • 32.
  • 33.
    Monitoraggio dell’offerta dilavoro presente sul web e sua correlazione con i dati amministrativi e statistici (Comunicazioni Obbligatorie): ● studiare la struttura dell’offerta di lavoro nei termini delle sue componenti; ● indagare sugli argomenti di discussione avviati aventi come oggetto l’offerta di lavoro Contributo dei social web nell’analisi del mondo del lavoro
  • 34.
    Monster aiuta amantenere aggiornato il dizionario degli skill e delle professioni richieste. Le professioni maggiormente richieste sul web: quelle a carattere informatico: analisti programmatori, sistemisti, ma anche contabili e tecnici commerciali Le attitudini più ricercate sono il problem-solving, poi precisione, orientamento al cliente, al lavoro per obiettivi e al team-working Cosa emerge da Monster?
  • 35.
    LinkedIn identificato comecanale di discussione sul lavoro Analisi text-mining discussioni e cluster riconosciuti Cosa emerge da LinkedIn?
  • 36.
    http://www.torinosmartcity.it: Conoscere +Partecipare + Gestire Borsa Lagrange in corso di Matteo Delfino
  • 37.
    Fonti dati estatistiche di base Log della web farm relativi a `Sistema Piemonte' (2012) : circa 60Gb su un totale di circa 200Gb
  • 38.
    Analisi della rete«request-refer» Grafo orientato e pesato A = pagina di provenienza (campo referer) B = pagina di arrivo (campo request) w = numero di richieste
  • 39.
    Prime rappresentazioni Indice deiservizi Componente connessa all’indice
  • 40.
    Infrastrutture e Tecnologieper i Big Data in CSI PIemonte
  • 41.
    Grazie per l’attenzione! Giuliana.bonello@csi.it Twitter:GiulyBonll ScoopIt: http://www.scoop.it/t/infografiche-pa LinkedIn: Giuliana Bonello