Fino a adesso abbiamo descritto i principi ispiratori, la normativa di riferimento e le modalità attuative della comunicazione, attraverso i social media, tra la pubblica amministrazione ed il cittadino; evidenziando così la funzione, potremmo dire, più esplicita e immediata dell’uso di questi nuovi strumenti di comunicazione. Seppure con un certo ritardo rispetto al settore privato, anche la pubblica amministrazione col tempo si è mossa per valorizzare appieno le risorse che scaturiscono dalla profonda diffusione dei social media; in particolar modo stiamo parlando dell’analisi dei big
data.
Con il termine big data si intende un insieme estremamente ampio e complesso di dati (un dataset) che necessita di strumenti moderni ed innovativi per poter essere gestito, analizzato e processato54. Le caratteristiche di tali serbatoi di dati sono state descritte
da Douglas Laney attraverso il modello delle “3V”55:
Volume: in riferimento alla grandissima massa di dati prodotta.
Velocità: in riferimento alla rapidità con cui questi dati vengono generati (real- time).
54 In una differente accezione il termine big data è utilizzato per definire non l’oggetto della analisi, ma le modalità di analisi stesse dei vari dataset, si veda al riguardo “Statement on Statement of the WP29 on the impact of the developement of big data on the protection of individuals with regard to the processing of their personal data in the EU”, adottato dall’Article 29 Data Protection Working Party il 16 Settembre 2014, https://ec.europa.eu/justice/article-29/documentation/opinion-
recommendation/files/2014/wp221_en.pdf, ultimo accesso: 27 Dicembre 2018.
55 D. Laney, 3D Data Management: Controlling Data Volume, Velocity and Variety. Current Business conditions and mediums are pushing traditional data management principles to their limits, living rise to novel, more formalized approaches, Applications Delivery Strategies, META Group, 6 Febbrario 2001, https://blogs.gartner.com/doug-laney/files/2012/01/ad949-3D-Data-Management-Controlling-Data- Volume-Velocity-and-Variety.pdf, ultimo accesso: 18/12/2018.
66
Varietà: in riferimento al fatto che in essi sono contenuti sia dati strutturati, semi-strutturati che non strutturati.
I social media, in quanto piattaforme in cui gli utenti svolgono azioni di condivisione, di adesione (i “mi piace”), di auto-geolocalizzazione, di acquisto e di navigazione, sono dei vastissimi serbatoi di dati. Tali dati vengono processati ed analizzati per trarne informazioni utili: questa attività prende il nome di social media mining. Il S.M.M. consiste nel processo di rappresentare, analizzare ed estrarre linee guida per azioni future dai dati prodotti nei social media56. Attraverso l’analisi dei big data (non solo
quelli prodotti dagli utenti sui social media, ma nell’intero insieme di dati personali che il cittadino fornisce durante le proprie attività informatiche), si può raggiungere un grado di investigazione e ricerca sociale del tutto sconosciuto fino ad oggi e, di conseguenza, non ancora pienamente compreso e regolamentato dall’attività legislativa. Le attività di social media mining e di big data analytics, pongono questioni circa la compatibilità di esse con la disciplina della protezione dei dati personali. Le
sentiment analysis57, ad esempio, attraverso la ricerca di parole chiave e l’utilizzo di metodi statistici, elaborano dati quali commenti, opinioni, preferenze e stati d’animo riuscendo a riordinare un ampio contenuto informativo potenzialmente in grado di incidere sulle libertà personali degli utenti58. Il processo di personalizzazione attraverso
cui, tramite i dati raccolti dai database circa le opinioni, gli interessi ed i gusti degli utenti, a questi ultimi viene presentata una offerta di prodotti e servizi personalizzata sulle proprie caratteristiche è un qualcosa che ha portato molti studiosi a domandarsi se la personalizzazione sia qualcosa che venga fatta per l’utente o all’utente59.
56 R.Zafarani, M.Abbasi, H. Liu, Social Media Mining: an introduction, Cambridge University Press, 20 Aprile 2014, pag. 16, traduzione: mia, http://dmml.asu.edu/smm/SMM.pdf, ultimo accesso: 18/12/2018.
57 La rilevazione automatizzata delle opinioni e delle preferenze di un gruppo di individui riguardo un certo argomento tramite l’elaborazione del linguaggio naturale espresso da quegli stessi individui. 58 M. Falcone, I social media, data analytics, amministrazioni pubbliche: come le amministrazioni usano i dati provenienti dal social media?, in “Informatica e diritto. Social media e diritti. Diritto e social media”, s. 2, vol. 26, n. 1-2, 2017, p. 362.
59 D. Bollier, The promise and peril of Big Data, Communication and Society Program, The Aspen Institute, Washington DC, 2010, pag. 23.
67
Le tecnologie e le modalità operative alla base del social media mining sono estremamente complesse e sconosciute alla stragrande maggioranza degli utenti, i quali è stato osservato come, sebbene possano sembrare facilitati negli acquisti e nella ricerca di prodotti, dall’altro lato appaiono come fagocitati dalla capacità delle aziende di attrarre nuovi consumatori, nella maggior parte dei casi non del tutto consapevoli della realtà in cui si stanno muovendo.
È interessante notare come questa asimmetria informativa riporti, a prima vista, quello che con l’avvento dei social media era diventato un rapporto paritario tra amministrazione e cittadino ad uno sbilanciamento in sfavore di quest’ultimo che, sebbene sia maggiormente in grado di esprimere le proprie opinioni rispetto al passato, si trova oggi di fronte a mezzi estremamente sofisticati, in grado di agire aprioristicamente sul suo grado di soddisfazione e di incidere così sulla sua percezione di efficienza e efficacia dell’azione amministrativa. Al tempo stesso però il fenomeno del social media mining è fondamentalmente uno strumento che va a colmare una asimmetria informativa già esistente, piuttosto che crearne una nuova. Una lettura ed una analisi più efficaci circa le esigenze e le opinioni dei cittadini, vanno infatti semplicemente a mettere in evidenza dati fondamentali per una corretta azione amministrativa, colmando quindi una falla preesistente e non mettendo il cittadino in una posizione di inferiorità informativa, ma rendendolo semmai in grado di esprimere, seppure, si potrebbe aggiungere, involontariamente o inconsciamente, la propria volontà maggiormente che in passato. Quello che si pone in essere è una situazione in cui l’amministrazione è in grado di scoprire come agire e su quali aspetti insistere per creare una maggiore soddisfazione nei cittadini; senza la necessità di una consultazione di questi ultimi, bypassando il contatto diretto con l’utente che, sebbene rafforzato e migliorato attraverso la comunicazione social, diventa quasi superato, bypassato dall’analisi dei dati, prima ancora di essere interamente portato a compimento.
Per una efficace analisi riguardo all’utilizzo dei big data nel rispetto della normativa in materia di protezione dei dati personali occorre prima di tutto identificare con
68
chiarezza cosa si intende con “dati personali”. Se genericamente possiamo definirli come qualsiasi informazione in grado di rendere identificabile una persona fisica, la
Information Accountability Foundation ha diviso questo vastissimo insieme di
informazioni in quattro gruppi60:
Provided data: quei dati forniti consapevolmente dall’utente, ad esempio
attraverso la compilazione online di un modulo.
Observed data: dati che vengono raccolti in modo automatico, ad esempio
attraverso un riconoscimento facciale, o i cookie (files in grado di autenticare un utente su di un sito e salvarne le preferenze)
Derived data: dati che vengono creati attraverso le informazioni fornite da altri
dati precedentemente raccolti, come ad esempio il reddito in base agli acquisti online.
Inferred data: dati prodotti da analisi statistiche e avanzati processi analitici
(ovviamente si tratta di dati probabilistici).
I dati in oggetto di analisi dovranno essere elaborati nel rispetto di linee guida e principi che garantiscano la correttezza del trattamento e la tutela dell’interessato.