10.6. Obiettivi e risultati attesi¶
10.6.1. Formazione¶
Obiettivo |
---|
Formare i dipendenti e la dirigenza della PA rispetto alla cultura dei dati. |
Risultati attesi |
La formazione deve essere calibrata in relazione ai diversi ruoli agiti al fine di incrementare la sensibilità e la competenza a seconda dei diversi profili in merito a:
|
Obiettivo |
Incentivare e promuovere all’interno della PA la presenza di figure professionali dotate di skills specificamente centrati sui dati. |
Risultati attesi |
Nelle amministrazioni che gestiscono basi di dati centralizzate e/o di interesse nazionale, e in tutte quelle in cui l’uso dei dati sia imprescindibile per l’erogazione di servizi (ad esempio nei settori trasporti, lavoro, ambiente, salute), dovranno essere previste le seguenti figure professionali: In attesa che tali figure vengano reclutate - e in tal senso è fondamentale che le PA si dotino delle competenze per reclutare persone con nuove professionalità - è necessario che per ogni profilo siano predisposti appositi percorsi formativi da realizzare in collaborazione con la Scuola Nazionale dell’Amministrazione e le Università. |
10.6.2. Cultura organizzativa¶
Obiettivo |
---|
Attivare all’interno delle amministrazioni politiche di data governance. |
Risultati attesi |
La transizione verso una PA data oriented presuppone:
|
10.6.3. Educazione civica digitale¶
Obiettivo |
---|
Diffondere la cultura dei dati a tutti i livelli. |
Risultati attesi |
È opportuno che ogni soggetto (cittadino e/o imprese) abbia maggiore consapevolezza e controllo dei propri dati e che possa adeguatamente esercitare i diritti circa il loro utilizzo, attraverso strumenti che gli consentano di accettare, negare o limitare con consapevolezza il consenso ai termini delle informative sul tema. A tal fine le PA devono attivare servizi on-line idonei a fornire precise informazioni riguardo a quali dati personali sono direttamente utilizzati e gestiti e quali, invece, sono trasmessi ad altri soggetti e a quali fini. È necessario inoltre promuovere la cultura dei dati con: iniziative a livello scolastico, in particolare sui temi del GDPR e del monitoraggio civico, al fine di aumentare nelle giovani generazioni la consapevolezza del valore dei dati personali e sensibili e dei diritti fondamentali che li riguardano; iniziative a livello universitario, che riguardino ad esempio l’innovazione e la formazione avanzata relativa alle competenze STEM; sperimentazione di percorsi formativi dedicati alla formazione continua della nuova generazione di personale della Pubblica Amministrazione; a tutti i livelli, percorsi per aumentare la consapevolezza e le competenze per leggere, capire e utilizzare i dati Infine, da un punto di vista operativo, il sistema di misurazione e valutazione della performance organizzativa e individuale implementato in ciascuna PA, potrà essere un utile strumento per indirizzare le azioni delle singole PA nel percorso di evoluzione necessario a raggiungere gli obiettivi posti. Si intendono in questa sede sia gli obiettivi organizzativi - obiettivi di Ente e di Struttura, relativamente alle iniziative di innovazione dei processi di condivisione e interoperabilità dei dati, accountability, data governance, etc. - sia gli obiettivi individuali, per far evolvere il sistema di reclutamento, formazione ed evoluzione delle competenze in tema della cultura dei dati. |
- 1
Al data steward fanno capo la gestione dei contenuti e dei metadati in termini di qualità e coerenza in modo tale che chiunque ne fruisca sia certo di utilizzare dati conformi al loro significato apparente, trasversalmente accettati dall’intera organizzazione, completi e affidabili nella loro qualità.
- 2
Un data engineer ha il compito di costruire e mantenere l’infrastruttura necessaria ad acquisire i dati ed a garantire la disponibilità, la qualità e la fruibilità degli stessi. Un ruolo tecnico che richiede hard skills.
- 3
Il data analyst esplora, analizza e interpreta i dati, con l’obiettivo di trasformarli in informazioni utili al business e al processo decisionale. Nella maggior parte dei casi non ci si aspetta che un data analyst che costruisca modelli statistici o sia pratico nel machine learning e nella programmazione avanzata. Invece, un analista di dati solitamente lavora su database SQL strutturati più semplici o simili o con altri strumenti/pacchetti di Business intelligence.
- 4
Il data scientist può essere definito come la figura professionale che processa e trasforma i dati, li modella, visualizza, trae e comunica informazioni rilevanti. Il profilo del data scientist è piuttosto tecnico e richiede hard skills, conoscenza di modelli matematico-statistici e algoritmi (soprattutto di machine learning) e dei linguaggi di programmazione necessari per implementarli, come R o Python.
- 5
Il machine learning engineer ha il compito di costruire e mantenere l’infrastruttura necessaria al rilascio ed al monitoraggio della qualità dei modelli su scala.
- 6
Al data steward fanno capo la gestione dei contenuti e dei metadati in termini di qualità e coerenza in modo tale che chiunque ne fruisca sia certo di utilizzare dati conformi al loro significato apparente, trasversalmente accettati dall’intera organizzazione, completi e affidabili nella loro qualità.
- 7
Un data engineer ha il compito di costruire e mantenere l’infrastruttura necessaria ad acquisire i dati ed a garantire la disponibilità, la qualità e la fruibilità degli stessi. Un ruolo tecnico che richiede hard skills.
- 8
Il data analyst esplora, analizza e interpreta i dati, con l’obiettivo di trasformarli in informazioni utili al business e al processo decisionale. Nella maggior parte dei casi non ci si aspetta che un data analyst che costruisca modelli statistici o sia pratico nel machine learning e nella programmazione avanzata. Invece, un analista di dati solitamente lavora su database SQL strutturati più semplici o simili o con altri strumenti/pacchetti di Business intelligence.
- 9
Il data scientist può essere definito come la figura professionale che processa e trasforma i dati, li modella, visualizza, trae e comunica informazioni rilevanti. Il profilo del data scientist è piuttosto tecnico e richiede hard skills, conoscenza di modelli matematico-statistici e algoritmi (soprattutto di machine learning) e dei linguaggi di programmazione necessari per implementarli, come R o Python.
- 10
Il machine learning engineer ha il compito di costruire e mantenere l’infrastruttura necessaria al rilascio ed al monitoraggio della qualità dei modelli su scala.