Un uso più efficace dei dati migliora i servizi pubblici
Le amministrazioni pubbliche (PA) raccolgono regolarmente grandi quantità di dati. Per motivi di privacy, molti di questi dati non possono essere condivisi. Tale abbondanza di dati può tuttavia essere aggregata e resa anonima per generare statistiche, quali indicatori economici e sociali, utili alle PA e ai cittadini per prendere decisioni informate. Linked Open Statistical Data (LOSD), un metodo per la modellizzazione dei dati, è stato utilizzato con buoni risultati dal progetto OpenGovIntelligence (Fostering Innovation and Creativity in Europe through Public Administration Modernization towards Supplying and Exploiting Linked Open Statistical Data) finanziato dall’UE, nelle Fiandre, in cui una prova pilota ha convertito 7 anni di rendicontazione aziendale relativa a emissioni e rifiuti nel formato LOSD. Collegando queste informazioni ad altri set di dati riguardanti informazioni aziendali, attività economiche, dati amministrativi geografici, sostanze chimiche e altri, le persone potrebbero utilizzare un’applicazione web, appositamente concepita nell’ambito del progetto, per tenere traccia dell’inquinamento in base alla posizione. Alla luce del potenziale, il Dipartimento dell’ambiente del governo fiammingo (Omgeving) ha integrato approcci di modellizzazione, componenti, software, linee guida e migliori pratiche di OpenGovIntelligence nei propri sistemi informatici. In pratica, ciò significa che tutti i nuovi dati grezzi in entrata prodotti dal dipartimento verranno trasformati in LOSD, con alcuni dati ulteriormente trasformati in formati alternativi, se necessario. Il progetto ha inoltre partecipato al Trafford Council, parte della Greater Manchester Combined Authority del Regno Unito, che gestiva un programma relativo a «Competenze, occupazione e mancanza di lavoro». Qui, il team ha lavorato con le parti interessate pertinenti per sviluppare una piattaforma che potrebbe accedere ai dati per supportare il personale nel tentativo di aiutare le persone a trovare lavoro. La piattaforma conteneva una dashboard che sintetizzava i dati sulla disoccupazione locale, un’applicazione di scansione che visualizzava la distribuzione spaziale della disoccupazione e un’app di mappatura interattiva (Signpost) che identificava le risorse locali di disoccupazione. «Coinvolgendo le persone, che in definitiva utilizzerebbero il sistema, in ogni fase dello sviluppo, abbiamo contribuito a garantire che la soluzione soddisfacesse effettivamente le loro esigenze», afferma il prof. Konstantinos Tarabanis, coordinatore del progetto.
Creazione del kit di strumenti dei dati
All’inizio del progetto, il team di OpenGovIntelligence ha capito che per combinare set di dati e aiutare gli sviluppatori web (che non erano esperti LOSD), sarebbe stato necessario creare prima un middleware, che collegasse le funzionalità front-end, utilizzate dagli operatori, al LOSD back-end, che conteneva i dati. Di conseguenza, fu sviluppata una gamma di strumenti software per la pubblicazione, il collegamento e il riutilizzo di LOSD, comprensiva di Table2qb e API CubiQL. Non solo tutti gli strumenti OpenGovIntelligence adottarono lo standard di modellizzazione dei dati noto come «RDF Data Cube vocabulary» che consente di combinare set di dati di diversa provenienza, ma il team contribuì anche a migliorare lo standard stesso, nonché a stabilire migliori pratiche per la manipolazione dei LOSD. Guardando al futuro, il team sta esplorando l’adozione di LOSD in scenari di intelligenza artificiale (IA). «Con l’IA, i problemi e i modelli potrebbero essere rilevati più rapidamente, riducendo costi e oneri amministrativi. Se prendiamo l’esempio delle Fiandre, scorrendo rapidamente i dati disponibili notiamo che l’IA potrebbe dare più facilmente la priorità agli hotspot per l’ispezione, migliorando la conformità con le normative ambientali e la qualità della vita dei cittadini», afferma il prof. Tarabanis.
Parole chiave
OpenGovIntelligence, amministrazione pubblica, servizi pubblici, cittadini, dati, Linked Open Statistical Data, co-creazione, ricerca di lavoro, inquinamento
