Già nel White Paper pubblicato dal Governo Britannico nel 1999, intitolato “Modernising Government”69, nonostante stiamo parlando di alcuni anni prima della
diffusione in massa degli strumenti di social media, possiamo notare come la classe politica stesse indagando sulla necessità di implementare il processo di policy making attraverso mezzi che fossero maggiormente in grado di quelli utilizzati fino ad allora di creare una connessione tra i cittadini e i governi; un canale di comunicazione che rendesse più efficace e meno costoso il processo di partecipazione.
Sebbene lo strumento del social media mining abbia avuto il suo sviluppo solo recentemente, ne abbiamo già numerosi esempi di efficace applicazione da parte delle pubbliche amministrazioni. Di fondamentale importanza in questa complessa attività sono due aspetti chiave: che i dati estratti dai social media siano efficacemente sintetizzati e che descrivano accuratamente la composizione della platea da cui provengono i dati, nonché il contesto in cui sono stati prodotti70. È importante al fine
di un efficace lavoro di elaborazione, che i dati raccolti siano non solo di qualità, ma
69 https://webarchive.nationalarchives.gov.uk/20131205110329/http://www.archive.official- documents.co.uk/document/cm43/4310/4310-00.htm, ultimo accesso: 05/01/2019.
70 P.Panagiotopoulos, F. Bowen, P. Brooker, The Value of Social Media Data: Integrating Crowd
82
anche che siano specificamente quelli utilizzabili e fruibili per il soggetto che si troverà a processarli. Non tutti gli input ricavabili sono allo stesso modo utili per le varie figure che si troveranno ad interagire con questi dati; in questo si sostanzia il problema di una
crowd acquisition razionale e efficiente. Allo stesso modo è importante che la fase
successiva, la fase di crowd assimilation, riesca ad essere un supporto utile e significativo per la funzione di policy making. Tra i tanti campi che mettono in luce la rilevanza dell’utilizzo dei big data nell’attività della pubblica amministrazione possiamo trovare:
Opinione pubblica: Molto significativo l’esempio di uno studio condotto nel 2015 in cui il DEFRA (Deparment of Environment, Food and Rural Affairs) del Governo Britannico, in collaborazione con la School of Business and
Management della Queen Mary University di Londra ed il Department of Sociology, Social Policy and Criminology dell’Università di Liverpool, svolsero
una ricerca allo scopo di raccogliere le opinioni diffuse tra gli agricoltori in merito alle politiche di settore e le modalità di analisi di queste da parte della classe politica, attraverso i dati prodotti dai social media, trattandosi di un campo in cui gli input lanciati dagli stakeholders ed i cittadini sono determinanti. Il gruppo di ricerca ha inizialmente creato un dataset composto da 85.436 messaggi Twitter raccolti in un arco di tempo corrispondente ai sei mesi precedenti da un campione di 700 users selezionati casualmente all’interno di una community dedicata al tema in questione (l’account principale della National Farmers Union of England and Wales). Attraverso l’analisi dei dati raccolti, è stato possibile per il Dipartimento venire a conoscenza delle opinioni degli appartenenti al settore riguardo alle politiche poste in essere dal Governo in carica.
Cognitive Regulation: La funzione di cognitive regulation si sostanzia nel
83
attraverso le moderne tecniche di analytics. L’indagine in merito alle opinioni ed ai comportamenti degli operatori di mercato consente alle autorità indipendenti produrre una regolamentazione di carattere meno impositivo, ma più capace di indirizzare i destinatari verso l’adozione spontanea di pratiche e comportamenti71.
Amministrazione finanziaria: I procedimenti di accertamento standardizzato svolti dall’amministrazione finanziaria nella sua funzione di controllo richiedono una significativa quantità di dati. Con il Decreto Legge 6 Luglio 2012 n. 95, art. 23-quater, è stata soppressa l’Agenzia del territorio e le sue funzioni, tra cui la gestione dei dati catastali, sono state incorporate nell’Agenzia delle entrate72.
Oltre a ciò l’Agenzia ha a disposizione dati posseduti da altri enti pubblici, quali ad esempio, l’ISTAT73 e di altri soggetti terzi (ad esempio, dati bancari e
assicurativi). Attraverso funzioni matematiche e inferenze statistiche gli studi di settore e il redditometro analizzano una mole importante di dati per stimare i costi ed i ricavi delle imprese e il reddito dei cittadini. Le imprese vengono raggruppate in cluster, ossia delle concentrazioni geografiche e settoriali 74 che
vengono analizzate in ragione della loro omogeneità per dedurne i ricavi attraverso funzioni matematiche; attraverso invece la correlazione tra disponibilità di spesa di un cittadino e determinati coefficienti, l’amministrazione è in grado di risalire ad un reddito complessivo presunto. Attraverso schemi di regolarità-scostamento dai parametri di normalità questi strumenti consentono l’individuazione di eventuali anomalie.
71 M. Falcone, Le potenzialità conoscitive dei dati amministrativi nell’epoca della “rivoluzione dei dati”: il caso delle politiche di eradicazione dell’epatite C, in “Istituzioni del Federalismo, l’evoluzione del concetto di salute nelle recenti politiche sanitarie”, vol. 2, Aprile/Giugno 2017, pag. 422.
72 Per approfondimenti: G. Mazzantini, Il Decreto “Spending Review”, in Giorn. Dir. Amm., fasc. 12, 2012, pag. 1161.
73 Garante della Pivacy, Redditometro: le garanzie dell´Autorità a seguito della verifica preliminare sul trattamento di dati personali effettuato dall´Agenzia delle entrate - 21 novembre 2013,
https://www.garanteprivacy.it/web/guest/home/docweb/-/docweb-display/docweb/2765110, ultimo accesso: 12/01/2019.
74 Enciclopedia Treccani, http://www.treccani.it/enciclopedia/cluster_%28Dizionario-di-Economia-e- Finanza%29/, ultimo accesso, 10/01/2019.
84
L’analisi del traffico stradale per favorire un sistema di trasporti efficiente75:
importante strumento per predire efficacemente l’andamento del traffico è l’analisi dei comportamenti individuali. I dati in questione sono ricavabili dai sistemi di GPS degli smartphone, transazioni effettuate tramite smart card, l’utilizzo dei social media e dei social network, transazioni con carte di credito ecc (riguardo all’analisi di tali dati è opportuno citare il progetto di ricerca MINERVA, fondato dal Ministero per l’economia e la competitività spagnolo per valutare l’utilità di tali dati al fine di ottenere informazioni utili in materia di spostamenti e traffico). Attraverso i social è inoltre possibile offrire indicazioni ai cittadini per favorire una mobilità sostenibile in termini di impatto ambientale, sociale ed economico e di sicurezza sulla strada, nonché incrementare le probabilità di previsione di malfunzionamenti e incidenti (si pensi, ad esempio al grave incidente ferroviario avvenuto in Spagna il 24 Luglio 2013, quando in fase di indagine emerse un post su Facebook, pubblicato molti minuti prima del disastro, in cui il conducente aveva caricato una fotografia dell’indicatore di velocità che indicava un grave sforamento dei limiti).
Salvaguardia della pubblica sicurezza e tutela dell’ordine pubblico: i big data si distinguono per essere ampi contenitori di dati nei quali poter ricercare una anomalia nei patterns, nelle modalità in cui tali dati comunemente si manifestano, rendendo così possibile evidenziare una attività sospetta. In un vasto dataset ciò può essere suggerito da associazioni insolite di dati e favorire dunque l’identificazione di particolari users, quali opinion leaders o terroristi, renderne più immediato il riconoscimento facciale, riconoscerli in mezzo ad una folla, o rilevarne un’intrusione informatica. Sempre in tema di poteri di
75 L. Yisheng, Y. Duan, W. Kang, Traffic Flow Predictions With Big Data: A Deep Learning Approach, IEEE Transactions on Intelligent Transportation Systems, vol 16, n. 2, Aprile 2015; T. Ruiz, L. Mars, R. Arroyo, A. Serna, Social Networks, Big Data and Transport Planning, XII Conference of Transport Eingeneering, CIT 2016, 7-9 June 2016, Valencia, Spain, in “Transportation Research Precedia”, n. 18, 2016, pagg. 446 – 452; B. Ai, X. Cheng, L. Yang, Z. Zhong, J. Ding, H. Song, Social Network Services for Rail Traffic
Applications, Liuqing Yang, Colorado State University, liuqing.yang@ieee.org, Novembre – Dicembre 2014.
85
controllo, vigilanza e prevenzione è opportuno citare il COSMOS (Cardiff Online Social Media ObServatory), uno strumento che consente alla polizia britannica di migliorare la prevenzione di azioni criminali attraverso il monitoraggio dei flussi di dati provenienti dai social media (social media tension-monitoring engine)76.
Settore sanitario: si pensi all’importanza per le organizzazioni sanitarie di disporre di metodologie accurate ed efficienti di sorveglianza per prevenire e rispondere prontamente all’emergere di epidemie. I Centri per il controllo delle malattie e la prevenzione statunitensi (CDC) raccolgono e analizzano dati provenienti dai social, in particolare Twitter, filtrando quei tweet che possono suggerire l’insorgere di un malessere fisico e monitorandone l’andamento riescono a prevenire l’inizio di una stagione influenzale77; così come l’analisi dei
dati provenienti dai social network può contribuire a identificare quei comportamenti a rischio di infezione da HIV78.
Settore turistico: attraverso l’analisi di vasti serbatoi di dati generati dai social
media, quali gli itinerari prescelti spontaneamente dai turisti, si possano creare
dei modelli di comportamento spaziale-temporale delle loro abitudini, utili per la pianificazione urbanistica e la creazione di strutture turistiche79.
Smart cities: la pianificazione e la programmazione di politiche pubbliche sono
diventate sfide per le amministrazioni non solo da un punto di vista di conoscenza e mezzi infrastrutturali, ma anche di consapevolezza riguardo
76 M. Williams, A.Edwards, W. Howsley, P. Burnap, O. Rana, N. Avis, J. Morgan, L. Sloan, Policing Cyber- Neighbourhoods: Tension Monitoring and Social Media Networks, Febbraio 2013, pag. 2.
77 D.A. Broniatowsky, M. J. Paul, M. Drezde, National and Local Influenza Surveillance through Twitter: An Analysis of the 2012 – 2013 Influenza Epidemic, in “PLoS One”, 2014.
78 S.D. Young, Recommended Guidelines on Using Social Networking Technologies for HIV Prevention Research, National Center for Biotechnology Information, Ottobre 2013,
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3459230/, ultimo accesso: 05/01/2019.
79 H. Shao, Y. Zhang, W. Li, Extraction and Analysis of City’s Tourism Districts Based on
86
quelle che in una città sono le infrastrutture sociali80. Quello della smart city è
un progetto che sta sviluppandosi negli ultimi anni volto a portare miglioramenti in svariati ambiti delle realtà cittadine, riunendo a sé gli aspetti sopra citati in materia di salute, trasporti, ambiente, sicurezza, energia ed educazione; basti pensare ai miglioramenti possibili grazie ai sistemi di wireless
sensor network (una rete informatica, formata da un insieme di dispositivi
elettronici wireless che prelevano dati dall’ambiente circostante e comunicano fra loro) in termini di sicurezza infrastrutturale, di prevenzione dell’inquinamento, gestione degli sprechi, sorveglianza, trasporti intelligenti e previsioni meteorologiche81. La possibilità di monitorare molti aspetti della vita
dei cittadini, quali gli spostamenti fisici, le transazioni monetarie, la comunicazione e le attività online dà vita a una straordinaria base di dati per quella che viene definita profilazione sociale dei cittadini (social sorting82);
aspetti che hanno anche portato a importanti critiche alle possibili degenerazioni di un processo che, invece che promuovere la partecipazione dei cittadini, potrebbe al tempo stesso violarne la sfera personale e attribuirgli un ruolo meno autonomo.
Proprio circa l’opportunità di fornire indicazioni alla pubblica amministrazione riguardo alle smart city abbiamo il documento dell’Agenzia per l’Italia Digitale83 “Architettura
per le comunità intelligenti”, del 2012, con lo scopo di “discutere e proporre un approccio metodologico e di governance per la piena attuazione del paradigma delle SC”. Sulla scia dell’Agenda Digitale Europea (nell’ambito delle sette iniziative della strategia Europa 2020) che attribuiva un ruolo importante alle tecnologie dell’informazione e della comunicazione, questo documento cerca di predisporre un
80 L.A. Targio Hashem, V. Chang, N.B. Anuar, K. Adewole, et al., The Role of Big Data in Smart City, in “International Journal of Information Management”, vol. 36, n. 5, 2016, pag. 3.
81 B. Csàji, Z. Kemény, G. Pedone, A. Kuti, J. Vàncza, Wireless Multi-Sensor Networks for Smart Cities: A Prototype System with Statistical Data Analysis, IEEE Sensors Journal, Luglio 2018, pag. 1.
82 D. Lyon, Sourveillance as Social Sorting, Routledge, London, 2003.
83 AGID, Architettura per le comunità intelligenti. Visione concettuale e raccomandazioni alla pubblica amministrazione, Roma, 2012,
http://www.agid.gov.it/sites/default/files/documenti_indirizzo/archsc_v2.0.pdf, ultimo accesso: 07/01/2019.
87
utilizzo “pianificato e sapiente delle risorse umane e naturali”, gestite e integrate mediante le tecnologie ICT, individuando i principali campi sui quali concentrare queste risorse. Viene inoltre espressa la necessità di definire un modello di riferimento di smart city sul quale convergere a livello nazionale al fine di massimizzare integrazione, cooperazione, inclusione e investimenti, per il quale scopo l’Agenzia suggerisce la creazione di una Commissione preposta agli indirizzi strategici che assicuri il raccordo tra le amministrazioni pubbliche, approvi le linee guida e le modalità operative, promuova l’evoluzione del modello organizzativo e dell’architettura tecnologica delle smart city, l’interoperabilità fra i sistemi nel rispetto delle regole tecniche del CAD, e che abbia come rappresentanti sia membri delle pubbliche amministrazioni centrali, che locali e delle associazioni di imprese e cittadini. Tali misure trovano la loro base normativa negli artt. 41 e 117, lettera r) Cost. circa la finalità economica e sociale dei programmi e dei controlli predisposti dalla Legge, nonché circa la potestà esclusiva dello Stato di coordinamento informativo, statistico e informatico dei dati dell’amministrazione statale, regionale e locale. Allo stesso modo il documento cita il Decreto Legislativo 7 Marzo 2005 n. 82 (CAD) all’art. 50, in cui viene previsto che i dati delle pubbliche amministrazioni siano formati, raccolti, conservati, resi disponibili e accessibili con l'uso delle tecnologie dell'informazione e della comunicazione che ne consentano la fruizione e riutilizzazione da parte delle altre pubbliche amministrazioni e dai privati, così come l’art. 68 circa l’analisi comparativa delle soluzioni, in base al quale le pubbliche amministrazioni acquisiscono programmi informatici o parti di essi nel rispetto dei principi di economicità e di efficienza, tutela degli investimenti, riuso e neutralità tecnologica, a seguito di una valutazione comparativa di tipo tecnico ed economico.
Nell’ambito della digitalizzazione del settore pubblico svolgono un ruolo di protagoniste le società in-house, ossia quelle aziende pubbliche costituite in forma tipicamente di società per azioni, che fungono da fornitori di servizi ICT per le pubbliche amministrazioni. Per quanto concerne la big data analytics, possiamo citare l’esempio della in-house CSI Piemonte, la quale, allo scopo di raccogliere, analizzare ed elaborare in tempo reale i dati sulle reti wi-fi territoriali, ha creato una Smart Data
88 Platform84, ad oggi utilizzata da 40 organizzazioni pubbliche e private con un patrimonio in continua crescita che ha già superato il miliardo di dati, che comprende
open data, dati privati e informazioni estratte dal monitoraggio di diversi parametri
ambientali, quali la temperatura, l’umidità, la qualità dell'aria, la luminosità e il rumore, provenienti da circa 800 sensori dislocati su tutto il territorio piemontese.