Dati aperti e strumenti per il Policy Making
Download as PPTX, PDF1 like535 views
Il documento analizza l'importanza dei dati e open data per la pianificazione territoriale e per le politiche pubbliche, evidenziando diverse fonti di dati e loro applicazioni in vari settori. Esamina anche come i cittadini possano contribuire con feedback e idee per migliorare i servizi e le politiche. Infine, discute un cambiamento di approccio nella gestione dei dati, da un'analisi predefinita a una scoperta più flessibile.
Dati aperti e strumenti per il Policy Making
- 1. Data e Open data A/R dalla PA alla PA
- 2. Quali dati per la PA • Dati per le politiche territoriali • Dati per le politiche settoriali • Dati sui desiderata dei cittadini
- 3. Quali dati per il territorio Molti piani • Piano Economici e Finanziari (PGS, PEG) • Piani di sviluppo economico (PSE, PIT) • Piani Territoriali Regolatori Paesaggistici Urbanistici (PRG, PTC, PTR, PTP, PEEP) • Insediamenti produttivi (PIP, ) • Pianificazione rifiuti, bonifiche (PGR, ) • Piani traffico, trasporti, mobilità (PUT, ) Molti ambiti e settori • Territorio e popolazione • Risorse economiche • Lavoro • Impresa • Agricoltura • Industria • Costruzioni • Commercio • Turismo • Trasporti • Servizi finanziari • Ambiente • Contesto sociale • Ricerca e sviluppo
- 4. I dati territoriali Molte fonti per molti dataset: • Istat • Tagliacarne • Ministero sviluppo economico e altri Ministeri • Inps • Unioncamere e Infocamere • Banca d’Italia • Ispra Molti livelli geografici: • nazione • regione • provincia • aree metropolitane • comune • distretto scolastico • azienda sanitaria • comunità montana • unione comuni • circoscrizioni • aree territoriali omogenee
- 6. Come potrebbe essere Scegli le caratteristiche del piano Seleziona un punto o un’area Salva la ricerca e abbonati Fonte produce Istituto Specialista i dati statistico o sviluppa elementari ricerca genera applicazione LOD Scarica report e infografica Pianificatore usa informazioni
- 7. Open data vs Linked open data n fonti n dataset n settori dimensioni geo 1-3 fonti n dataset n settori dimensioni geo 1 fonte n-m dataset faccette dimensioni geo 1 fonte 1 LOD faccette unità elementare cercare aggregare selezionare estrarre
- 8. Cambia l’approccio: da pittore a scultore • Non ho una teoria con ipotesi da validare • Ho un dominio dal quale estrarre indicazioni – Se prima facevo una analisi multivariata con tre cluster ora non metto limiti e valuto dopo quali cluster mi interessano – Con il text mining scopro cosa emerge e butto quello che non mi interessa http://www.wired.com/science/discoveries/magazine/16-07/pb_theory
- 9. Quali dati dai cittadini • • • • • Idee per disegnare Commenti per integrare Correzioni per rettificare Sentimenti per cogliere le reazioni Segnalazioni per monitorare
- 12. CommentaPA