Verso una Spatial Data Science Seminario 29-11-2017
0 likes946 views
Intervento "Verso una Spatial Data Science: mixare nuovi e vecchi dati, usare nuovi e vecchi approcci, unire competenze" nel seminario del 23/11/217 "ARCHIVIAZIONE, DISSEMINAZIONE E RIUSO DEI DATI: A CHE PUNTO SIAMO?" presso c/o Campus Luigi Einaudi, Torino
More Related Content
What's hot (20)
Similar to Verso una Spatial Data Science Seminario 29-11-2017 (20)
More from Giuliana Bonello (12)
Verso una Spatial Data Science Seminario 29-11-2017
- 1. Verso una Spatial Data Science: mixare nuovi e vecchi dati, usare nuovi e vecchi approcci, unire competenze Giuliana Bonello CSI Piemonte
- 2. 40 anni di dati pubblici. Il CSI Piemonte 竪 stato fondato nel 1977 da Regione Piemonte, Universit e Politecnico di Torino. Realizza e gestisce Servizi informatici per le pubbliche amministrazioni. Ad oggi vi sono 128 Enti Consorziati Province, Comuni e Forme Associate, Asl, Aso, Agenzie e altri Enti.
- 3. 40 anni di dati pubblici. 1300 banche dati integrate 2 Data Center per garantire sicurezza e continuit operativa 900 KM di fibra ottica per la banda larga in Piemonte
- 4. COME SONO CAMBIATI I DATI PUBBLICI?
- 5. basi dati basi dati storiche dati dai cittadini dati dagli oggetti dati dalla rete archivi cartacei Evoluzione della generazione di informazioni 1980 2000 2017 dati alfanumerici dati geografici dati testuali immagini/video sensori social data
- 6. basi dati condivise tra PA interoperabilit Linked Open Data Open Data basi dati locali Evoluzione della condivisione e fruizione di informazioni 1980 2000 2017 Terminali Desktop GUI Web apps Interfacce conversazional Mobile apps data warehouse Big Data Data lake
- 7. Elaborazioni su Mainframe Molti data entry manuali per caricare i dati Un programma un tabulato No interfacce per interazione 1977: nasce il CSI Piemonte
- 8. 1980: un esempio ATLANTE GEO-POLITICO 1946-1979 Serie storiche di dati elettorali
- 9. Elaborazioni su Server e su Personal Computer Si separano le basi dati operazionali da quelle decisionali Prime interfacce per interazione su personal computer 1997: si usano i PC e nascono i Data Warehouse
- 10. 2007: architetture Data Warehouse per la Pubblica Amministrazione Locale Processi strategici Processi operativi Processi di governanceOrgani politici (consiglio, giunta) direzioni Funzioni e unit operative settori Risorse umane Bilancio e contabilit Approvvigionamenti Logistica Sistema documentalePatrimonio Programmazione operativa Processi tattici Obiettivi e piani strategici Deliberazioni Rendicontazione interna Controllo direzionale Controllo operativo Programmi, budget di direzione determinazioni Data mart Bilancio Data mart RU Data mart Procurement Cruscotto informativo SIMISU SIMon Cruscotto IT SIMISU Controllo strategico Spending Review Programmazione operativa
- 11. 2007: architettura Data Warehouse di Citt di Torino Data Mart anagrafici Database operazionali del Comune di Torino Mondo Operazionale (circa 200 basi dati, 18.000 tavole) Mondo decisionale (Circa 50 DW, 35 ETL, 25 front end di BI) Controllo di gestione Cruscotti direzionali Polzialocale Commercio Edilizia Stipendi Lavoripubblici Tassecomunali Servizieducativi Bilancio Formazione Gestionegiuridica Anagrafe Data Mart Settoriali Dipendenti Attvit economiche e produttive Cittadini Territorio (geo-referenziazione) Catalogodatieservizi Fonti dati esterne al Comune di Torino
- 12. 2009: Cruscotto Sicurezza Urbana Citt di Torino
- 13. 2009: Cruscotto Sicurezza Urbana Citt di Torino
- 14. 2017: cloud e big data Piattaforma Cloud (CSICloud e in prospettiva Nivola) Piattaforma per la valorizzazione dei DATI PUBBLICI e la condivisione anche con i privati: YUCCA SMART DATA PLATFORM Open Data, Big Data Internet Of Things Analytics, cruscotti evoluti Geoportali
- 15. COSA RIMASTO INALTERATO E COSA CAMBIATO?
- 16. 1. Il problema della qualit dei dati: anche nellera dei Big Data, l80% del tempo di un Data Scientist 竪 dedicato a migliorare la qualit dei dati! Cosa 竪 rimasto immutato?
- 17. Le tecniche statistiche di base per lanalisi dei dati sono le stesse. Nuove tecniche si sono aggiunte per il trattamento di dati non strutturati, per lanalisi delle reti, ecc. In corso levoluzione verso il machine learning e lintelligenza artificiale. Cosa si 竪 evoluto?
- 18. 1. Le tipologie di dati disponibili 2. I canali di accesso 3. Le interfacce per consultare i dati 4. La quantit di dati (teoricamente) disponibile 5. Laccessibilit ai dati (apertura dei dati pubblici, ma. tendenza a far pagare dati in possesso dei grandi player che concentrano Big Data) Cosa 竪 cambiato?
- 19. 1. Le tecniche di Data Visualization 2. Lalleanza con le tecniche di Design (per le interfacce, per i servizi, ecc.) che pongono lattivit umana al centro 3. Levoluzione delle tecniche di analisi spaziale e la centralit della georeferenziazione 4. Le tecniche di Storytelling applicate ai dati (Data Stories) Quali novit positive?
- 20. 1. Distorsioni (BIAS) dei Big Data: 束tanti dati損 竪 diverso da 束tutti i dati損 2. Forte crescita dei problemi di Privacy Quali problemi nuovi? Regolamento Europeo 2016/679 in materia di protezione dei dati personali (GDPR) coglie questi rischi e introduce il principio di privacy by design, che si pone lobiettivo di individuare nuove forme di tutela per le persone basate sulla leva tecnologica, in aggiunta a quelle che tradizionalmente si sono realizzate intervenendo sulla leva giuridica.
- 21. Come contrastare questo problema?
- 22. Quali competenze per trattare i dati? Da Competenze verticali separate a team interdisciplinari
- 23. Cambiano anche i profili di competenza
- 24. Roadmap della Data Science
- 25. QUALI DATI PUBBLICI SONO OGGI DISPONIBILI IN PIEMONTE?
- 26. www.smartdatanet.it Lecosistema piemontese dei dati: la Smart Data Platform
- 27. www.dati.piemonte.it www.aperto.comune.torino.it LICENZE FORMATI Lecosistema piemontese dei dati aperti
- 28. CONTESTO DEMOGRAFICO LUOGHI DI INTERESSE (es. scuole) AMBITI SPECIFICI (es. certificazioni energetiche) Lecosistema piemontese dei dati aperti: tipologie di dati
- 29. GEOPORTALE REGIONE PIEMONTE http://www.geoportale.piemonte.it/cms/ Servizi WMS Scarico in formato shapefile Consultazioni tematiche da visualizzatore (con possibilit di scarico) GEOPORTALE COMUNE DI TORINO http://www.comune.torino.it/geoportale/ Servizi WMS E WFS Scarico in formato shapefile e .dxf Consultazioni tematiche da visualizzatore Base dati territoriale di riferimento: BDTRE Base dati territoriale di riferimento: BDT Torino Lecosistema piemontese dei dati: risorse geografiche, geoportali
- 30. Risorse geografiche - Geoportali: tipologie di dati
- 31. Istituti di statistica nazionali ed Eurostat come 束mediatori損 di dati telefonici posseduti da privati Dati telefonici, telecamere, Social media (Twitter, Facebook,.) Crescita delle informazioni in rete
- 32. QUALI NUOVI ESEMPI DI USO DEI DATI?
- 33. Esempi di Data Storytelling 50 anni di storia dei vigneti in Piemonte
- 34. Esempi di Data Storytelling 32 anni di storia di Settembre Musica a Torino
- 37. Archivio aerofotogrammetrico presso Urban Center di Torino
- 38. Cruscotto energetico TABULA Certificazione EnergeticheConfronto sul fabbisogno energia primaria Fabbisogno di energia primaria
- 39. Cruscotto energetico Fabbisogno energia primaria Certificazioni Energetiche Volume teleriscaldato per sezione di censimento
- 40. Citt di Torino Torino as a platform
- 41. Torino as a platform
- 42. Progetti europei del NIST
- 45. Chatbot e pubblica amministrazione @gttorari_bot Attraverso il nome o il numero della fermata, si ottengono gli orari dei passaggi in tempo reale e una mappa in cui 竪 mostrata la fermata e la zona circostante @crpiemonteb ot Veicola un miniportale con l'Agenda del Consiglio e i Comunicati Stampa aggiornati in tempo reale @TorinoAmmi nistrative2016 _bot Per seguire in tempo reale le elezioni GTT Consiglio Regionale Del Piemonte Citt di Torino
- 46. Chatbot: esempi GTT e EDISU