Il web ha superato il quarto di secolo di vita e oggi le statistiche sull’attività in rete, tra social media e app, sono impressionanti: ogni 60 secondi in media vengono inviate 204,4 milioni di e-mail, condivisi quasi 700mila contenuti su Facebook, postati 100mila tweet, caricate 100 ore di video su YouTube, vanno on line 571 nuovi siti. Esiste una massa impressionante di informazioni che ogni giorno persone, macchine, imprese, amministrazioni e l’ambiente stesso producono: i Big Data. Per calcolarne la quantità è stata codificata una nuova unità di misura, lo zettabyte che è pari a 1 triliardo di byte.

Ogni attività umana - dai consumi, ai trasporti, all’istruzione, al commercio - è fonte di produzione di dati che, letti adeguatamente, forniscono informazioni utili anche alle amministrazioni pubbliche: ad esempio per ridurre il traffico o gli sprechi energetici, aumentare l’occupazione, migliorare la sicurezza sul lavoro, attivare azioni di intelligence (sia a fini di sicurezza pubblica sia per finalità antifrode e/o di contrasto alla corruzione) o iniziative di prevenzione sanitaria, per risparmiare nella spesa e rendere più efficienti i servizi ai cittadini. Un controllo della spesa sistematico all'interno delle PP.AA., infatti, deve passare per la conoscenza e l'aggregazione di tutti i dati inerenti l'organizzazione stessa, il territorio di riferimento, i bisogni dei cittadini, in modo che questi diventino parte integrante del processo di pianificazione finanziaria e strategica dell’ente. Saper usare e sintetizzare tali dati, attraverso strumenti adeguati, diventa quindi un valore aggiunto per il patrimonio informativo pubblico, al fine di fornire supporto al management strategico.

Per leggere e interpretare questi dati, però sono necessarie applicazioni analitiche e tecnologie avanzate. E’ stato stimato che nel 2014 a livello mondiale sono stati investiti oltre 35 miliardi di dollari per sviluppare progetti, modelli e algoritmi che rendano utili i Big Data all’attività quotidiana di pubbliche amministrazioni, imprese, società di comunicazione, operatori finanziari. E’ un dato interessante ma in realtà appare come una goccia nel mare, poiché attualmente solo il 20% per cento delle aziende nel mondo ha avviato progetti pilota con i Big Data per migliorare il proprio modo di fare impresa.

Anche la Commissione Europea si è dimostrata sensibile al tema, firmando nell’ottobre 2014 un memorandum d'intesa con Big Data Value Association, l'industria europea dei dati, con la quale le parti si sono impegnate in una partnership pubblico-privato mirata al rafforzamento del settore dei Big Data, grazie all'investimento di 2.5 miliardi di euro in cinque anni. L’obiettivo programmatico è dare impulso alla ricerca e innovazione sui megadati in settori quali l'energia, la salute, la manifattura, per offrire servizi come la medicina su misura, la logistica degli alimenti e l'analisi predittiva. La Commissione ha stimato che gli effetti positivi di una migliore gestione dei Big Data da parte dell'Europa si tradurrebbero nella creazione di 100mila nuovi posti di lavoro entro il 2020, in un risparmio di energia a livello UE fino al 10%, nell'ingresso di circa il 30% dei dati mondiali nel mercato europeo, nel miglioramento della sanità e dell'industria. Un tesoro prezioso di informazioni/opportunità anche per le PP.AA.! Non dimentichiamo che queste sono le più grandi generatrici e raccoglitrici nonché utilizzatrici di dati e informazioni digitali.

E in Italia, a che punto sono le amministrazioni con i Big Data? Nel vasto e variegato panorama delle pubbliche amministrazioni c’è tanto da fare ai fini dell’innovazione digitale, però ci sono anche alcuni esempi interessanti che rappresentano delle buone prassi indiscusse:

• Il sistema informativo dell’Inps si può definire un Super big data. Si compone oltre 25 terabyte di dati di cui circa 8 sono dedicati al datawarehouse aziendale, realizzato fin dal 2000 a supporto delle decisioni strategiche dell’Istituto, che ha adottato un approccio di tipo “think big start small”. Vista la mole di dati, sono stati realizzati prima diversi datamart dipartimentali per tipologia di utente alimentati dai relativi database operazionali, poi integrati in un'unica piattaforma intelligence che realizza modelli sia olap sia di data mining. I sistemi di navigazione del DataWarehouse consentono di descrivere fenomeni sociali, attuali e futuri, a supporto dei vertici decisionali i quali, avendo a disposizione strumenti di monitoraggio, possono adottare azioni correttive a livello organizzativo, procedurale e amministrativo. Sono stati impostati sia cruscotti di monitoraggio per il miglioramento dei processi interni sia sistemi di conoscenza a supporto dei processi decisionali. L’obiettivo è migliorare e ottimizzare il funzionamento degli scenari esistenti. I sistemi di datamining, infatti, consentono di rilevare informazioni nascoste tra dati e associazioni fra soggetti. Ad esempio, è stata realizzata una piattaforma “intelligence antifrode” in cui sono stati prefigurati scenari di potenziali frodi in diversi ambiti: una doppia erogazione degli assegni familiari all’interno della stessa famiglia; l’indebito conguaglio dell’indennità di malattia ecc. Per ottimizzare questi modelli previsionali, è essenziale raccogliere anche i feedback e l’INPS lo ha fatto: a titolo di esempio, per contrastare le frodi sono state acquisite anche le informazioni degli ispettori di vigilanza. In questo contesto le attività di business intelligence dell’Istituto trovano la loro massima realizzazione attraverso: la raccolta e l’analisi delle informazioni strategiche; la costruzione di nuove informazioni basate sui dati analizzati; la trasformazione di dati ed informazioni in conoscenza. Il tutto finalizzato alla prevenzione e all’ottenimento di un vantaggio competitivo dell’INPS nei confronti di tutti quei soggetti che a vario titolo possono non aver interesse al mantenimento dello stato sociale.

• Anche l’ISTAT è da tempo a lavoro sulle nuove tipologie di dati generati nel web e da altri device, che possono essere tracciati e rielaborati a fini di pubblica utilità. Il processo di modernizzazione dell’Istituto di Statistica è incentrato proprio sullo sviluppo di un’architettura del tipo service oriented per la produzione di informazioni statistiche. Oltre ai dati rilevati con i tradizionali impianti metodologici della statistica e ai dati amministrativi, l’ISTAT inserisce nell’architettura anche i Big Data. All’interno di questo quadro, l’ISTAT immagina tre diversi scenari di uso:

1) mantenendo l’impianto di ricerca tradizionale, è possibile intercettare i dati che il campione in esame genera, acquisendoli in tempo reale tramite l’accesso ai canali dai quali sono stati generati (es. “sei disposto a scaricare un’app sul tuo telefono per tracciare la tua modaltà di utilizzo del device invece di compilare un noioso questionario?). Eurostat ha già operato una sperimentazione del genere;

2) uso integrato dei dati rilevati con modalità tradizionali e dati raccolti dal web per aumentare l’accuratezza del risultato della ricerca (es. Sentiment analysis). In Olanda è stata già fatta una sperimentazione simile, mediante utilizzo post di social per validare le stime ottenute con le tecniche tradizionali sui dati raccolti dai social;

3) utilizzo integrale dei Big Data in sostituzione dei dati raccolti con indagini censuarie o campionarie. E’ possibile quando c’è una copertura della popolazione di interesse prossima al 100%. Sono già state fatte sperimentazioni interessanti: in Estonia per l’analisi dei flussi di turisti stranieri in visita nel paese; oppure in Olanda per un’indagine sul traffico che tramite sensori specifici, realizza una rilevazione censuaria mentre prima si realizzava solo un’indagine campionaria, tra l’altro molto costosa per l’impiego di rilevatori.

Le principali aree di interesse attuale per l’ISTAT sono: le statistiche su traffico e trasporti attraverso siti web che in tempo reale producono informazioni; statistiche sulle vendite al dettaglio, traendo dati dai siti di e-commerce e da Google Trends; statistiche sui prezzi per migliorare l’indice dei prezzi al consumo attraverso l’uso di software dedicati alla raccolta dati su web; indicatori di benessere attraverso l’analisi dei messaggi dai social network; il monitoraggio delle Smart City.

• Analogamente l’INAIL ha avviato un progetto sui big data per la corretta gestione dei premi assicurativi richiesti alle aziende in relazione ai fattori di rischio rilevati e per l’erogazione di risorse alle aziende che avviano progetti per garantire la sicurezza sul lavoro. Le risorse investite dall’Istituto contro gli infortuni sul lavoro sono notevoli: circa 330 milioni per i premi assicurativi e 500 milioni per l’incentivazione delle imprese. Per monitorare l’efficacia delle policy e gestire al meglio le risorse, Inail ha avviato un processo per individuare gli strumenti adatti a migliorare l’efficienza dell’azione dell’ente. E’ un percorso strutturato che richiede, da una parte, la definizione di un modello partecipativo di condivisione dei dati per tutti gli operatori del welfare a livello nazionale/internazionale e, dall’altra, lo sviluppo di una banca dati, censendo tutte le fonti disponibili. E’ necessario lavorare su tutti i dati che si possono raccogliere nel contesto in cui le aziende operano tramite il web e tramite i social network nonché mediante lo scambio di dati con altre amministrazioni. L’obiettivo è correlare gli infortuni che si verificano alle caratteristiche dei contesti di lavoro. L’Inail ha sviluppato modelli condivisi di data quality e metadati per implementare un modello di governance dei dati di welfare comune a più PP.AA. I benefici attesi sono: minori costi per i datori di lavoro in quanto i premi possono essere commisurati al rischio specifico che ogni azienda affronta; più sicurezza e tutela nel lavoro per i lavoratori; risparmio di tempo e nei contenziosi con le aziende per l’Inail.

• Il Gruppo Enel da anni ha avviato progetti pilota lungo tutta la filiera, dalla produzione al consumo, per trasformare le informazioni che arrivano da centrali, reti e clienti in una leva di miglioramento dell’azienda. La funzione Global ICT di Enel sta sviluppando progetti differenti per i vari ambiti di attività. Per quanto riguarda la produzione di energia, in collaborazione con università e società di IT, ha sviluppato iniziative per realizzare sistemi predittivi attraverso l’analisi dei dati raccolti con sensori incorporati negli impianti eolici. Nell’ambito della distribuzione ha iniziato ad analizzare il fenomeno delle cosiddette perdite non tecniche, cioè quei comportamenti anomali nel consumo di elettricità che spesso nascondono tentativi di truffa. Nel rapporto con i consumatori, grazie a strumenti di web analytics e social listening, di tecniche per l’ascolto del parlato e di analisi semantica, sta sperimentando progetti per aumentare la capacità di comprendere desideri, esigenze e opinioni dei clienti che entrano in contatto con l’azienda tramite web, social media o call center.

Questi sono solo alcuni esempi concreti di amministrazioni o enti italiani che operano attraverso i Big Data. Il percorso è appena agli inizi ed è lungo, e molte sono ancora le questioni da affrontare, come la necessità di descrittori comuni; l’esigenza di un approccio integrato; la capacità concreta delle amministrazioni di fare rete; le potenzialità di alcuni player del mercato ICT; la questione della privacy da contemperare con la sicurezza nella gestione dei Big Data; ma non intraprenderlo significa precludere le possibilità che la tecnologia offre per risparmiare denaro pubblico, migliorare l’operato della PA e la vita dei cittadini.