Innovazione per la PA - Andrea D'Acunto
•Download as PPTX, PDF•
0 likes•295 views
Il buon governo delle isituzioni si fonda sulla capacità di prendere decisioni in base alla conoscenza di ciò che avviene: è la conseguenza del processo di trasformazione di dati eterogenei in informazioni coerenti da cui far derivare le decisioni e instaurare comunicazioni efficaci con gli stakeholder. La PA digitale non può prescindere da un framework di monitoraggio unico e onnicomprensivo, che colleghi tendenze, iniziative, risultati, spending. Un modello che valuta effetti sistemici delle visioni strategiche, delle azioni di crescita digitale, di innovazione e connettività.
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Viewers also liked
Viewers also liked (19)
Similar to Innovazione per la PA - Andrea D'Acunto
Similar to Innovazione per la PA - Andrea D'Acunto (20)
More from Data Driven Innovation
More from Data Driven Innovation (20)
Innovazione per la PA - Andrea D'Acunto
- 1. Innovazione per la PA: elementi di cambiamento e fattori di successo Andrea D’Acunto EY - Government & Public Sector Advisory Services Leader 24 Febbraio 2017
- 2. 2 | Innovazione per la PA: elementi di cambiamento e fattori di successo Cambiare per sopravvivere: innovation disruption Intelligenza Artificiale & Robotics 1 Data driven strategy 2 Embedded Digital Design 3
- 3. 3 | Innovazione per la PA: elementi di cambiamento e fattori di successo Utilizzo dei dati per migliorare i processi Intelligenza Artificiale & Robotics 1 Ogni qualvolta si richiede una firma su un pezzo di carta, il processo di lavorazione si rallenta...o si ferma
- 4. 4 | Innovazione per la PA: elementi di cambiamento e fattori di successo L’intelligenza artificiale: un esempio nel welfare Frodi da aziende/ Altre Frodi Individuazione di fenomeni di frode (es. pagamenti) in corso o potenziali Servizi alle aziende personalizzati Profilazione delle aziende su cluster significativi Risk Rating Previsione del rischio generato da lavoratori e aziende (es. probabilità di infortunio) Servizi ai lavoratori e tutoring Profilazione dei lavoratori in base alla probabilità di stati o comportamenti significativi (es. difficoltà economica/ reclami, ecc.) Ambito Benefici
- 5. 5 | Innovazione per la PA: elementi di cambiamento e fattori di successo Le sfide e le soluzioni per rendere i dati «utili» Target Operating Model Data Analytics e Machine Learning Information Management Big Data Sfide Come trarre valore dalla conoscenza estratta dai dati? Come estrarre automaticamente conoscenza dai dati e fare previsioni sui comportamenti? Come visualizzare e rendere fruibili i dati in modo comprensibile? Come registrare e rendere fruibili grandi quantità di dati? ? ? ? ? Soluzioni
- 6. 6 | Innovazione per la PA: elementi di cambiamento e fattori di successo Dati per definire le strategie Data driven strategy 2 Dati che guidano i percorsi di innovazione e il recupero di competitività sul territorio
- 7. 7 | Innovazione per la PA: elementi di cambiamento e fattori di successo Guidare le scelte nella direzione del “valore” per i cittadini APPLICAZIONIE SERVIZI SERVICEDELIVERY PLATFORM SENSORISTICAINFRASTRUTTURA
- 8. 8 | Innovazione per la PA: elementi di cambiamento e fattori di successo Dati per realizzare journey “completi” Embedded Digital Design 3 Digitale non è solo aggiungere un nuovo canale. Digitale è ripensare e riprogettare il journey
- 9. G.O.A.L A NEW FUTURE FOR PUBLIC ADMINISTRATION GO AL
- 11. PUBL ICADMINISTRATI ONS USE RS GO AL Gazzetta Online Avvisi di Lavoro Process Management PA’s performance evaluation Customizable research and monitoring of own profile
- 15. 15 | Innovazione per la PA: elementi di cambiamento e fattori di successo I fattori per l’innovazione Sessioni di Open Innovation (hackaton, call for ideas) per la trasformazione digitale delle amministrazioni Co-designdeiservizi Scouting globale di soluzioni innovative per ottimizzare costi operativi e introrre processi di innovazione costante R&DInnovation Management Identificare le fonti di finanziamento utilizzabili per finanziare innovazione Funding4 Innovation Ridisegno del sistema nazionale degli acquisti pubblici, che dovrà essere organizzato per ecosistema Procurement # ecosistemi digitali, procurement online, piattaforme di marketplace # Horizon 2020, PON e POR, fondi europei, nazionali e regionali # Lean design, creazione nuovi prodotti e servizi, valutazione investimenti R&D # Big Data&Analytics, Customer Experience, Industria 4.0, IoT, Robotica, IntelligenzaArtificiale, Machine Learning, Blockchain, Cyber Security
Editor's Notes
- Tutte le leading company attualmente presenti nel mercato globale entro i prossimi 10 anni dovranno evolvere, dovranno cambiare il proprio modello di business, orientandosi sempre più verso aziende con orientamento prevalentemente tecnologico, oppure saranno costretta a cedere il passo. Non esiste via di scampo rispetto all’innovation disruption: o si cambia digital, si ripensa il modo di essere impresa e costruire i propri prodotti, oppure si muore. Secondo una pubblica di ieri, 22/2, relativa ad un indagine dell’azienda americana Christian Steven Software, infatti il 40% delle aziende Fortune 500 non esisterà più in 10 anni. (survey condotta su 500 dirigenti C-suite negli Stati Uniti e in Europa). Il 91% dei partecipanti a questa survey, inoltre ritiene che solo nel digital c’è la speranza per salvare il proprio business. Entro il 2018, il 67% dei CEO delle Global 2000 companies avrà la digital transformation al centro della propria strategia (Forbes). L’esperienza del settore privato è esattamente valida anche per le amministrazioni pubbliche, che hanno la necessità di allineare gli standard operativi con il mondo delle imprese, automatizzando end-to-end i processi di lavoro ripetitivi, riclassificando il portafoglio di servizi offerti al cittadino migliorandone il rapporto con l’obiettivo di incrociare i bisogni effettivi di un utente mediamente abituato ad un’offerta di servizi basata sul paradigma “always on”. La chiave per decodificare l’esigenza di innovazione passa attraverso tre elementi da tenere in considerazione per supportare il cambiamento che è la sopravvivenza.
- Il motivo per cui Tesla ha introdotto l’intelligenza artificiale all’interno del proprio ciclo produttivo, eliminando completamente la presenza di “lavoratori umani” è perchè gli umani riducono considerevolmente la produttività dell’azienda stessa. Le attuali soluzioni di intelligenza artificiale, infatti, sono dotate di capacità computazione con performance di velocità superiori rispetto a quelle di un uomo medio. Di conseguenza, un’organizzazione, e nel nostro caso la pubblica amministrazione, che utilizza esclusivamente lo sforzo manuale del proprio dipendente, è un’organizzazione non performance e non competitiva. Pensiamo ad esempio a Watson di IBM, cognive computer in grado ora di supportare il medico nelle sue funzioni. Possiamo identificare 3 tipologie di intelligenza artificiale: Machine specific, che sostituisce l’uomo in task specifici General intelligence, che si sostituisce su attività ripetitive e generiche Intelligenza artificiale più smart dell’intelligenza umana, ma possiamo aspettarcela tra qualche anno
- Un applicazione pratica dell’intelligenza artificiale, e in particolare della specific intelligence, consiste nella capacità di predire comportamenti. Con il machine learning, l’ammontare di dati (eterogenei nelle fonti e nelle informazioni) tracciati dalle amministrazioni diventa fondamentale per: migliorare la relazione con il cittadino utente (la citizen experience), superando la profilazione degli utenti a priori, ma definendo i profili sulla base dei comportamenti attesi ottenere la personalizzazione dei servizi sulla base delle caratteristiche dei profili di utenti mappati ridurre il rischio, prevedendo occasioni e ammontare del rischio generato dalle attività operative o di relazione con l’utente efficientare l’utilizzo delle risorse (scarse) interne, allocandole sulla base delle previsioni dei picchi di lavoro In pratica, soluzioni di predictive analytics e machine learning possono concretamente supportare le amministrazione nell’esercizio delle attività quotidiane. I modelli predittivi nell’identificazione dei pattern possono beneficiare di tutti i dati disponibili all’interno, integrando eventualmente anche dati esterni.
- 1. Target Operating model Ridisegnare i processi in modo da includere negli step decisionali i risultati dell’analisi predittiva sui dati Definire gli sviluppi da apportare ai sistemi informatici per supportare i nuovi processi disegnati 2. Data analytics e machine learning Le tecniche di Machine Learning: «permettono alle macchine di imparare senza la necessità di essere esplicitamente programmate»: Individuare il modello ottimo per fare previsioni sui dati Individuare la modalità di implementazione ottimale in termini di risultati e investimenti richiesti 3. Information management Disegnare una soluzione di presentazione delle informazioni: Rispondente a un modello concettuale dei dati coerente con le logiche di analisi e di business In grado di sintetizzare i dati in una forma fruibile e efficace rispetto alle tipologie di decisione da prendere Scalabile e personalizzabile in base alle esigenze attuali e future degli utenti 4. Big data Disegnare un’architettura tecnologica e individuare delle piattaforme applicative in grado di: Gestire dati con livelli di volume e varietà significativi Assicurare tempi di elaborazione coerenti con l’utilizzo atteso dei dati Abilitare processi di Data Quality e Data Governance
- L’osservazione, la lettura e l’integrazione dei dati a disposizione sul livello di innovazione e smartness del territorio (diffusione e funzionamento di infrastrutture e sensori, piattaforme e servizi) consentono di definire le strategie più idonee e fissare il giusto percorso di innovazione sul territorio per la creazione di valore al cittadino. Di conseguenza, emerge un quadro di indirizzo istituzionale altamente eterogeneo a livello nazionale. Solo chi è in grado di realizzare uno sforzo congiunto su entrambi gli assi è in grado di trasformarsi in motore di progetti di innovazione e rilancio delle aree territoriali, migliorando considerevolmente il rapporto con i cittadini nella quotidianità e con le aziende nell’esercizio delle attività d’impresa. Risulta evidente che chi ha investito nella creazione di un’infrastruttura intelligente è in grado di offrire servizi smart di valore ai cittadini. In tal senso, è interessante notare che nel caso i comuni di Emilia-Romagna e Lombardia si dispongono in modo abbastanza omogeneo nella categoria degli integration champions. Discorso simile per i comuni di Puglia e Campania che però si posizionano prevalentemente nella categoria infrastructure based: questa fotografia mette in evidenza i diversi approcci seguiti dai territori e dalle Regioni: le due Regioni del nord, storicamente molto avanzate, hanno adottato un approccio più uniforme, mentre Campania e Puglia si è operato prevalentemente in direzione delle infrastrutture. La Regione Toscana, a dispetto di un incremento nello sviluppo dei servizi, mostra un preoccupante arretramento sul fronte infrastrutturale, che ha provocato un forte peggioramento delle posizioni ( complessivamente -99 posizioni dal 2013 ad oggi). Lo scostamento è dovuto al modello di gestione dei servizi la cui responsabilità è in mano a troppe utilities monoservizio e nessuna vera multiutility: il 70% delle utilities gestisce un solo servizio infrastrutturale (45 utilities diverse nei 10 comuni capoluogo), causando carenza di integrazione tra layer rispetto a città come Trento e Brescia, dove le multiutilities arrivano a gestire 7-8 servizi.
- La trasformazione digitale non è solo incrementare i canali di vendita. Riproporre un servizio attuale su canali di vendita online ha rappresentato esclusivamente il primo passaggio per la creazione dell’economia digitale. Questo, infatti, non è sufficiente. Cambia il modo in cui i servizi sono progettati e utilizzati i servizi. Si pensi a come erano vissuti inizialmente i servizi digital: arrivava sempre il momento in cui il journey dell’utente era costretto ad interrompersi per via di un’attività “manuale”. Ad esempio, un banale acquisto su canale e-commerce era sempre interrotto dalla necessità di dover inserire manualmente i riferimenti del destinario del pagamento o propri riferimenti. Oggi, invece, cambia il modo di costruire i servizi: diventa fondamentale il punto dell’experience design. Ad esempio, Uber leggendo tutto il journey passato dell’utilizzatore dei taxi, ha identificato tutti i punti critici dell’esperienza di viaggio e su questi ha costruito la propria proposition (qualità dell’ambiente di viaggio, qualità del servizio, standard delle vetture, come pagare al termine della tratta) ridisegnando l’intera esperienza dell’utente a partire dai bisogni effettivi. In questo modo i servizi sono costruiti facendo si che per ogni servizio l’utente rinosca il valore all’interno della propria quotidianità. Ulteriore aspetto rilevante nella trasformazione del design dei servizi è la convergenza che si realizza tra soggetti appartenenti a mondi di business differenti, ma interconnessi rispetto ad uno specifico bisogno: è la più nota organizzazione per ecosistemi. Riprendendo sempre l’esempio di Uber: la maggioranza dei taxi americani non era dotato di sistemi di pagamento digitali; per cui dalla collaborazione tra taxi e istituti di credito è stata creata una soluzione per cui all’adesione dei taxi su uber segue automaticamente l’apertura di conti correnti, facendo in modo che uber stesso diventasse il principale generatore di conti correnti bancari delle PMI negli USA. Lato pubblica amministrazione tutto ciò si traduce nella riorganizzazione dei servizi per ecosistemi collaborativi e in interventi sulla citizen experience affinchè sia resa semplice, pulita, lineare, veloce ed efficiente. il modello è quello degli open services, con il coinvolgimento dei cittadini e delle imprese già nella fase di ideazione.
- I nostri ragazzi sono partiti dall’analisi dei Google trend di mercoledì 12 febbraio per confutare i bisogni di questa iniziativa: Champions league Occidentali’s karma Concorsi pubblici
- Ecco… come abbiamo pensato che tutto ciò possa concretizzarsi?! (domanda retorica) Siamo partiti dalle criticità e dai luoghi comuni che ci hanno reso famosi in tutto il mondo: la mancanza di meritocrazia, la complessità dei processi pubblici, la corruzione del sistema, la frammentazione delle informazioni, la scarsa disponibilità di dati pubblici, per non parlare della difficoltà a reperire quelli invece disponibili. La pretesa non è quella di risolvere l’intero problema… ma piuttosto fare un primo passo nella direzione giusta… due parole ci hanno ispirato in modo particolare…: CONCORSI PUBBLICI Quando parliamo di concorsi pubblici però non intendiamo la ricerca del posto fisso come nei film dell simpatico Zalone ma soprattutto, intendiamo la ridefinizione dei processi manuali e time consuming della PA per raccogliere i candidati, pubbliare e aggiornare i risultati, e il servizio poco efficiente offerto al cittadino Per questo abbiamo pensato ad un nuovo processo che porti a benefici di valutazione e imagine per le pubbliche amministrazioni coinvolte: e benefici di costo, dovuta alla riduzione di margini d’errore, maggiore trasparenza e quindi del numero di ricorsi e dei costi di gestione ed essi correlati. Insomma abbiamo pensato ad una solution che permetta a EY di contribuire alla rivoluzione digitale nazionale da protagonista, offrendo allo Stato la possibilità di scendere in campo, e fare, finalmente, G.O.A.L! Non a caso il nome che abbiamo scelto è GOAL! Che sta per Gazzetta Online Avvisi di Lavoro
- Come dovrebbe funzionare il nuovo modello: tutti gli enti pubblici, che sia il Ministero, l’agenzia nazionale dei giovani dove lavoro piuttosto che il Comune di Palermo che vogliono pubblicare un bando o un avviso di lavoro, caricano le informazioni su un’unica piattaforma che restituisce le informazioni in maniera 1 trasparente, 2 fruibile, 3 semplice e user friendly. E quindi è ora di svelarvela.