Soluzioni di Data Driven Governance basate sugli indicatori di sviluppo sostenibile (SDG)

Il Comune di Parma è l'autorità di governo locale per la città di Parma. Supervisiona le funzioni e i servizi locali, tra cui pianificazione urbana, trasporto pubblico e servizi sociali. Il Comune si impegna a migliorare la qualità della vita dei residenti attraverso una governance efficace, il coinvolgimento della comunità e la promozione della cultura e degli eventi locali. In quanto organo amministrativo chiave, lavora per garantire la gestione efficiente delle risorse cittadine e l'attuazione delle politiche pubbliche.

Il Comune di Parma ha dovuto affrontare la sfida di creare un approccio standardizzato per supportare la Data-Driven Governance. Il problema principale era la mancanza di una prospettiva coesa e condivisa tra i vari settori della PA su come contribuire in modo uniforme alla creazione di un framework di Data-Driven Governance.

Per affrontare questo problema, la base dell'approccio è una soluzione software che offre sia la supervisione dei dati sia capacità di aprofondimento dettagliate, mirando a unificare i settori in una visione comune. Questa visione condivisa è stata il punto di partenza per lo sviluppo di un'idea sempre più complessa mirata a raccogliere diverse fonti di dati per fornire informazioni su diversi obiettivi della PA. In definitiva, questi obiettivi possono coincidere con gli indicatori di sviluppo sostenibile (SDG) dell’ONU (UN-SDG): all'interno dell'approccio UN-SDG qualsiasi fonte di informazioni può fornire informazioni su più SDG. La flessibilità della soluzione fornisce gli strumenti per gestire questo approccio di contributo diffuso di singole politiche agli SDG, consentendo di raccogliere all'interno di diversi pool dati derivanti dalla valutazione di una politica.

La buona pratica si basa su una soluzione software specificamente progettata per una rappresentazione sofisticata dei dati, denominata DDG-Pillars (Pilastri di DataDriven Governance). Questa soluzione trascende i concetti tradizionali di dashboard facilitando un approccio veramente olistico alla gestione organizzativa. Promuove un'interazione diretta e significativa tra tutti gli stakeholder coinvolti nella governance, come stakeholder, decisori politici, city manager e personale tecnico, garantendo una collaborazione completa nell'istituzione, nello sviluppo, nella gestione e nel mantenimento delle policy di governance.

A differenza degli approcci vincolati dal Capability Maturity Model Integration (CMMI) delle PA, questa pratica supporta sia metodi top-down che bottom-up per lo sviluppo di un framework di Data-Driven Governance (DDG). Ogni parte può interagire con i dati in base al proprio livello di conoscenza specifico, pur avendo la flessibilità di esplorare altri livelli in base alle necessità. Questa adattabilità garantisce che tutti i soggetti coinvolti possano esaminare e utilizzare le informazioni sui dati nel modo più adatto al proprio ruolo, promuovendo un processo di governance inclusivo ed efficace.

Supponendo che l'approccio più comune nell'affrontare qualsiasi politica DDG sia quello bottom-up, gli utenti sono in grado di raccogliere dati dalle loro fonti dati, compresi i sensori, sviluppare metadati e mantenere uno stato attuale del sensore (se disponibile).

Ogni fonte di dati viene raggruppata con altre, vale a dire all'interno di un Pilastro. Nel caso più semplice, i Pilastri sono raccolte di fonti di dati omogenee (ad esempio, contatori del consumo idrico). Il grande progresso nella pratica dei Pilastri DDG è nella neutralità rispetto al raggruppamento. Finché non viene creato un Pilastro, è il tecnico della PA a essere responsabile della sua istanziazione. Allo stesso modo, quando un Pilastro inizia a raccogliere dati, la responsabilità per la gestione del pool di dati (non delle singole fonti di dati) viene assegnata alla parte di gestione. Ad esempio, il Budget Manager della PA diventa responsabile della supervisione del consumo idrico, poiché il consumo complessivo viene misurato dall'intera raccolta di sensori del contatore del consumo idrico. Questo approccio è logicamente collegato al risultato atteso di un servizio gestito supportato da fonti dati: il pool che costituisce il Pilastro viene identificato in base a uno o più requisiti di gestione e, pertanto, la responsabilità dello stato del Pilastro viene assegnata al Gestore competente.

La messa in comune di diversi Pilastri costituisce una visione di Governance dello stato della PA. Proseguendo con il precedente nano-esempio, l'occupazione delle aule scolastiche e il consumo di acqua consentono un'azione di governance, supportata dai responsabili dell'Istruzione e del Bilancio. Il confronto con gli Stakeholder a qualsiasi livello può essere supportato dalla visione comune data dalla soluzione.

Il primo vantaggio derivante dalla soluzione è l'opportunità di condividere all'interno della stessa amministrazione un singolo strumento per visualizzare le misure. Le misure non devono essere simili per natura fisica, né la misura deve fare riferimento a un dominio geografico o temporale simile. Ogni misura può essere raccolta alla frequenza richiesta e di conseguenza essere mappata all'area geografica pertinente all'intervallo di tempo specificato a cui la misura si riferisce. Simile a uno strumento di gestione, la soluzione fornisce le informazioni pertinenti per la manutenzione dei sensori, nonché allarmi nel caso in cui i dati non siano disponibili o siano soggetti a errori. Simile a un Data Dashboard, la soluzione fornisce le misurazioni correnti e la forma temporale delle misure per fornire una vista manageriale dei sensori raccolti nel pool. Simile a uno strumento BIA, la soluzione fornisce una vista completa di tutti i pool e consente il monitoraggio delle policy a livello di governance.

Il secondo vantaggio risiede nell'opportunità di unire misure derivanti da diverse fonti con diversi domini all'interno di un pool comune. Ad esempio, il caso del numero di incidenti in aree tassellate può essere affrontato unendo nello stesso pool diverse fonti, come la popolazione residente (misura areale, a bassa frequenza di variazione), i siti degli incidenti, le misure di luminosità delle strade tramite sensori di luce, la presenza o l'assenza di siti di aggregazione, la velocità dei veicoli al punto di intersezione principale, ecc. Il pool può fornire una visione complessiva supervisionata e consentire un approfondimento in tempi e luoghi specifici per migliorare la conoscenza del fenomeno.

Un ulteriore vantaggio deriva dall'opportunità di un approccio condiviso all'analisi dei dati, quando eventualmente diverse soluzioni dei comuni adottano lo stesso approccio per visualizzare i dati. La soluzione non è necessariamente l'unica che consente il confronto dei fenomeni mediante la collazione dei dati in pool simili, ma il principio di soluzione dei DG-Pillars supporta la semplificazione della comparazione e l'evidenziazione di possibili fonti di distinzione tra casi diversi.

Migliorando la propensione ad intraprendere scelte basate sui dati, i benefici si estendono a tutte e tre le dimensioni di economicità, efficacia ed efficienza.

Non c'è bisogno di ripetere la ragione dell'importanza della gestione dei dati. Qui desideriamo evidenziare l'opportunità di stabilire alcuni parametri di riferimento che possano fornire una chiara comprensione dei modi per migliorare una situazione specifica. Tornando all'UN-SDG 6, possiamo facilmente riconoscere che un DG-Pillar correttamente definito consente un confronto con esperienze simili. Evita inoltre di confondere le ragioni tecniche per il raggiungimento degli obiettivi con le scelte di governance che non hanno consentito il cambiamento atteso.

Questo risultato è possibile perché pool simili vengono confrontati e possono essere confrontati durante tutto lo sviluppo.