Docs Italia beta

Documenti pubblici, digitali.

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:

  • analisi dei dati a fini di policy;

  • definizione di indicatori per misurare l’efficacia delle politiche pubbliche;

  • consapevolezza sui principi, sui diritti di tutela dei dati personali e sulla progettazione privacy by design e privacy by default;

  • produzione e utilizzo degli open data;

  • competenze in materia di diritto d’autore/licenze

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:

  • Data Steward 6;

  • Data Engineer 7;

  • Data Analyst 8

  • Data Scientist 9

  • Machine Learning Engineer 10

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:

  • una corretta identificazione dei ruoli e delle responsabilità (es: producer/consumer) all’interno delle amministrazioni;

  • la puntuale definizione dei processi che producono i dati e di quelli che invece li utilizzano;

  • l’indicazione dei livelli desiderati di data quality;

  • l’individuazione dei metadati;

  • la certificazione delle fonti e dei dati anche in coerenza con le nuove figure professionali che via via verranno introdotte;

  • la valorizzazione delle attitudini dei singoli attraverso specifici percorsi di carriera e/o adeguati sistemi di incentivazione.

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.