LG2016_0.pdf

Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 12 PROFILO NAZIONALE PER I METADATI: DCAT-AP_IT Si noti che, nel caso di dati geografici, siano essi aperti o
non aperti (secondo le definizioni riportate in sezione
“Dati delle pubbliche amministrazioni ”), il profilo di
metadatazione da adottare è quello del Repertorio
Nazionale dei Dati Territoriali (RNDT), conforme alla
direttiva INSPIRE, i.e., profilo RNDT/INSPIRE 10. L’RNDT, in quanto banca dati di interesse nazionale ai
sensi dell’articolo 60 del CAD e banca dati critica, è
soggetta a regole di interoperabilità e gestione che
prevedono, tra le altre, anche l’applicazione del principio
“once only”. Secondo questo principio, i dati geografici
sono documentati solo una volta e inclusi all’interno del
catalogo RNDT, secondo le regole del profilo
RNDT/INSPIRE ( Figura 4 ). Sarà lo stesso catalogo, in
maniera automatizzata, a fornire l’adeguata integrazione
con i metadati descrittivi definiti mediante DCAT-AP_IT,
grazie a una specifica estensione per il trattamento dei dati
geografici detta GeoDCAT-AP 11 che il Repertorio
implementerà a tale scopo.
Lo stesso principio può trovare applicazione anche per
altre tipologie di dati, come nel caso dei dati statistici per
cui si
raccomanda di considerare la relativa estensione
StatDCAT-AP 12, sviluppata in ambito Europeo.

Figura 4: DCAT-AP_IT e RNDT/INSPIRE 7. Agenzia per l’Italia Digitale, “DCAT-AP_IT – profilo italiano di DCAT-AP”, http://www.dati.gov.it/sites/default/files/DCAT-AP_IT_v10.pdf, 8. Agenzia per l’Italia Digitale, “Ontologia del profilo DCAT-AP_IT”, http://www.dati.gov.it/onto/dcatapit 9. ISA programme, “DCAT-AP v. 1.1.”,
https://joinup.ec.europa.eu/asset/dcat_application_profile/asset_release/dcat-ap-v11 10. Agenzia per l’Italia Digitale, Profilo RNDT/INSPIRE, http://www.rndt.gov.it/RNDT/home/index.php? option=com_content&view=article&id=53&Itemid=221 11. ISA programme, “GeoDCAT-AP v 1.0”, https://joinup.ec.europa.eu/asset/dcat_application_profile/asset_release/geodcat-ap-v10 12. ISA programme, “StatDCAT-AP - Draft 4“, https://joinup.ec.europa.eu/asset/stat_dcat_application_profile/asset_release/statdcat-ap-draft-4 AZIONE 5: RISPETTA IL PROFILO DI METADATAZIONE DCAT- AP_IT… Per i metadati descrittivi generali, ovvero non dipendenti da
tipologie di dati, si adotta il
profilo nazionale DCAT-AP_IT,
rispettando le obbligatorietà, le
raccomandazioni e seguendo gli
esempi così come definiti nella
relativa specifica 7, 8. Il profilo,
disponibile secondo gli standard
del Web Semantico (si veda la
sezione “ Architettura dell’informazione del settore
pubblico”), si basa sullo standard
DCAT e su vocabolari
ampiamente utilizzati nel Web
quali per esempio Dublin Core e
schema.org. Il profilo si applica a
tutti i tipi di dati pubblici, è
pienamente conforme a quello
europeo DCAT-AP 9, quest’ultimo nato al fine di
uniformare la specifica dei
metadati descrittivi per tutti gli
stati membri europei, facilitando
lo scambio di informazioni e
l'interoperabilità anche
transfrontaliera e favorendo il
riutilizzo e la valorizzazione
dell’informazione.

Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 13 Ulteriori metadati di provenienza (provenance) Le pubbliche amministrazioni possono integrare i metadati previsti dal modello DCAT-AP_IT con
metadati aggiuntivi, secondo le proprie necessità seppur nel pieno rispetto delle regole di conformità
come definite nella specifica DCAT-AP_IT. In particolare, come già riportato in ambito Europeo in DCAT-AP, si raccomanda di inserire
metadati sulle entità e sulla filiera di attività, che va dalla generazione alla pubblicazione del dato. Questo consente di certificare in maniera più accurata la reale provenienza del dato e la
titolarità dello stesso, fornendo garanzie di qualità per eventuali riutilizzatori. Per documentare entità e relative attività, lo standard W3C di riferimento da utilizzare è PROV
Framework 13. Attraverso PROV è possibile descrivere in maniera strutturata la provenienza di
artefatti e quindi anche di dati che si intende pubblicare, nonché modellare il processo di generazione
di un artefatto in maniera quasi analoga ai sistemi di controllo versione. Il framework PROV è costituito da una famiglia di specifiche articolate in diverse componenti. Per gli
scopi delle presenti linee guida, si evidenziano: • PROV-DM: descrive il modello concettuale dei dati; costituisce quindi il nucleo centrale della
famiglia di specifiche. Esso non fa riferimento a uno specifico dominio ma è corredato di
estensioni per domini più specifici.
• PROV-O: anche detto PROV Ontology 14, definisce l’ontologia OWL2 del PROV-DM in
modo da poter essere utilizzata direttamente nell’ambito del Web Semantico e dei Linked
Data. Alla luce di queste caratteristiche, PROV-O si integra perfettamente con il modello di
metadatazione nazionale di riferimento DCAT-AP_IT. • PROV-N: definisce una notazione fruibile da un utente umano per i dati di provenienza creati attraverso il framework. Metadati di qualità e di struttura del dato Per facilitare ulteriormente i possibili fruitori del dato, e quindi favorire il più ampio riutilizzo dei
dati, si raccomanda di considerare anche l’aggiunta di:

• metadati che forniscono una descrizione dello schema del dataset da pubblicare . Nel caso di dati espressi secondo il livello 3 del modello per i dati, lo schema rappresenta l’insieme degli
  attributi elencati; nel caso dei livelli 4 e 5 esso può essere rappresentato dalle ontologie che
  accompagnano i dati;
• metadati che forniscono un riscontro della qualità dei dati esposti e di come tale qualità è
  misurata e certificata . In quest’ultimo caso, si raccomanda di utilizzare le linee guida del W3C
  pubblicate dal gruppo di lavoro su “Data on the Web Best Practices: Data Quality Vocabulary” 15.

13. W3C Working Group Note, PROV-Overview, https://www.w3.org/TR/prov-overview/, 30 Aprile 2013
14. W3C Recommendation, PROV-O: The PROV Ontology, https://www.w3.org/TR/prov-o/, 30 Aprile 2013
15. W3C Working Draft, Data on the Web Best Practices: Data Quality Vocabulary,
    https://www.w3.org/TR/vocab-dqv/, 19 Maggio 2016

Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 14 ASPETTI ORGANIZZATIVI E DI QUALITÀ PER I DATI ASPETTI ORGANIZZATIVI Figura 5 : Modello operativo: produzione e pubblicazione di dati aperti L’attuale contesto, sempre più incentrato sull’uso dei dati, pone il problema di intervenire su alcune fasi della catena del valore del dato: la scelta della migliore fonte informativa, il controllo della qualità del dato, l’integrazione di fonti diverse, la tempestività nell’aggiornamento, ecc. Al riguardo, oggi si rende sempre più necessaria la revisione dei processi e dei modelli dei sistemi informativi delle pubbliche amministrazioni, organizzandoli in maniera organica, facendo in modo che il processo di apertura dei dati non sia sempre e solo parallelo a quello di gestione dei dati ma pienamente integrato. Un dato della PA destinato alla pubblicazione è frutto di una catena di processi nel corso della quale si generano ulteriori prodotti intermedi. Comprendere e governare la struttura di questa catena diventa elemento cruciale. Affinché tale attività non sia assunta come un mero adempimento tecnologico, a essa deve corrispondere:

1. l’ottimizzazione dei processi esistenti all’interno dei quali l’Open Data deve far parte integrante;
2. la dislocazione di soluzioni interoperabili che possano contribuire all’ottimizzazione dei processi;
3. una riduzione nei costi e nei tempi di accesso al capitale informativo;
4. una riduzione della complessità dei processi interni attraverso il consolidamento delle attività derivate da 1) e 2);
5. l’ottimizzazione dei tempi e dei canali di comunicazione istituzionali relativi al capitale informativo verso risorse esterne all’amministrazione.
   I primo passo da compiere è quello di individuare una chiara data governance interna con professionalità strategiche e specifiche. AZIONE 6: INDIVIDUA UNA DATA GOVERNANCE E ASSICURATI CHE I PROCESSI INTEGRINO IL RILASCIO DI DATI APERTI E IL COINVOLGIMENTO DEGLI UTENTI… Si adotta il modello operativo mostrato in Figura 5 . Il modello ha l’obiettivo di garantire la produzione e la pubblicazione di dati (aperti) di qualità attraverso un processo omogeneo, auto- sostenibile, coordinato tra gli o r g a n i i n t e r n i dell’amministrazione, con la definizione di procedimenti condivisi che possano creare un tessuto sufficientemente robusto e s t a b i l e n e i s u o i p u n t i fondamentali, e necessariamente elastico per l’applicazione alle diverse realtà amministrative. Per attuare il modello è necessario (i) definire una chiara data g o v e r n a n c e i n t e r n a c o n l’individuazione di ruoli e relative responsabilità; (ii) integrare le sue fasi sia verticalmente, rispetto ai processi interni già consolidati, che orizzontalmente rispetto alle n e c e s s i t à d e l l e d i v e r s e amministrazioni. L’applicazione del modello deve avvenire in maniera costante: le attività non si e s a u r i s c o n o c o n l a m e r a pubblicazione dei dati, ove questo si a po s si b i l e , m a d e vo n o p r e v e d e r e u n c o s t a n t e aggiornamento, monitoraggio e coinvolgimento con gli utenti finali.

Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 15 Ruoli e responsabilità Di seguito si elencano i componenti di un possibile gruppo di lavoro orizzontale e inter-settoriale che
un’amministrazione può costituire per avviare e gestire a regime il processo di gestione dei dati in
generale e, nello specifico, di apertura dei dati. Dipendentemente dalle dimensioni delle
amministrazioni, alcune figure professionali possono coincidere o possono essere ulteriormente
distinte. GRUPPO DI LAVORO OPEN DATA3. Il gruppo che promuove l’uso e la diffusione degli Open Data. Esso
riporta all’interno dell’amministrazione le novità inerenti il mondo dell’Open Government, media e
valuta le esigenze di pubblicazione dati in base alle normative di riferimento, e ne cura la
razionalizzazione rispetto agli altri processi di apertura del dato. Ha la responsabilità di pianificare e
coordinare l’evoluzione continua dell’apertura dei dati nell’amministrazione, nonché dell’infrastruttura
IT a supporto. All'interno del gruppo di lavoro è bene prevedere figure che possano fornire il
necessario supporto per l'analisi della qualità dei dati, per la definizione delle interfacce d'accesso ai
dati, per la promozione di applicazioni sviluppate a partire dai dati pubblicati, fornendo anche nel caso esempi di servizi dimostrativi attraverso cui incentivare il riutilizzo. Inoltre, il gruppo di lavoro si può occupare della formazione tecnica e concettuale all’interno
dell’amministrazione sui temi legati al paradigma Open Data, anche sulla base delle linee guida
pubblicate dall’Agenzia per l’Italia Digitale e sullo stato dell’arte degli Open Data
dell’amministrazione. Alcuni membri del team (e.g., esperti di tecnologie Web, esperti GIS, esperti di
tecnologie e strumenti per i Linked Data) possono occuparsi della gestione del processo di apertura
del dato dal punto di vista IT. Affinché il lavoro del Team Open Data possa essere incisivo all’interno
dell’amministrazione, è importante che tale team si confronti con il livello più politico, sia per ottenere da questo le necessarie 'spinte', sia per offrire al decisore politico proposte e stimoli. RESPONSABILE O PEN D ATA ( O D ATA M ANAGER). All’interno del team Open Data è nominato un
responsabile. Tale figura permette da un lato di localizzare le competenze necessarie alla gestione delle
attività Open Data entro un sistema autonomo di comunicazione e funzionamento, e dall’altro di
integrare i processi relativi alle attività di trasparenza in modo parallelo e non seriale. Il responsabile
Open Data deve quindi possedere sia le capacità operative di controllo di tale sistema, sia quelle
amministrative di coordinamento con i processi già esistenti. Insieme al team suddetto, conosce i dati
dell’amministrazione nel loro insieme, redige linee guida operative per lo scambio dati tra le diverse
figure coinvolte (si veda sotto), e pianifica la strategia di apertura dei dati raccolti e analizzati e le
attività di diffusione dei dati. Infine, collabora e si coordina con il Responsabile della Trasparenza
(quest’ultimo istituito ai sensi del D.lgs. n. 33/2013 e s.m.i) al fine di rafforzare vicendevolmente gli
obiettivi da un lato di massimo riutilizzo dei dati pubblici di tipo aperto e dall’altro di trasparenza. RESPONSABILE DELLA BANCA DATI. All’interno dell’amministrazione è responsabile del procedimento
amministrativo che popola la specifica fonte del dato, che ne cura la qualità e il relativo
aggiornamento. Tipicamente un Dirigente o un Quadro, coordina un gruppo di persone che svolgono
il loro lavoro quotidiano attorno alla fonte del dato. Ha anche il potere di decidere se modificare un
certo dato sulla base di indicazioni pervenute ad esempio da cittadini che, vedendo il dataset, ne
richiedono una versione evoluta. REFERENTE TECNICO DELLA BANCA DATI. Si tratta tipicamente di un componente del gruppo
coordinato dal responsabile della banca dati; esso deve avere conoscenze informatiche e svolge un
ruolo operativo sul sistema gestionale afferente al dato. Inoltre, fornisce indicazioni circa il
reperimento concreto dei dati dalla base dati, e cura il monitoraggio dei vari “connettori” che a partire
dalla base dati espongono il dato come Open Data. Tipicamente riceve materialmente le segnalazioni
3 L'art. 17 del nuovo Codice dell’Amministrazione Digitale individua un ufficio dirigenziale generale responsabile per la
transizione alla modalità operativa digitale e un difensore civico per il digitale che ha il compito di ricevere segnalazioni di violazione del CAD invitando l'ufficio a porvi rimedio. Si ritiene importante che il responsabile dell'ufficio suddetto
(articolo 17 comma 1-ter) faccia parte del gruppo di lavoro open data, anche come figura di raccordo con il livello più
politico e che il difensore civico operi in stretta collaborazione con il gruppo open data. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 16 dei cittadini sul dataset di propria competenza, e le smista eventualmente al Referente tematico per
valutarne il contenuto, prima di chiedere al Responsabile della Banca Dati l’approvazione per
eventuali azioni correttive strutturali sul dataset. REFERENTE TEMATICO DELLA BANCA DATI. Si tratta di un esperto di dominio che conosce in modo
approfondito l’ufficio e la storia dei dati su cui l’ufficio opera. Spesso propone nuovi dataset da
esporre a partire dal sistema gestionale corrispondente e cura eventuali valutazioni di dominio o
relative al significato dei dati. Ha anche la possibilità di compiere bonifiche e semplici adeguamenti
sulla banca dati, su segnalazione di cittadini o su valutazioni proprie. Riferisce invece al Responsabile
della Banca dati la necessità di eventuali variazioni strutturali al sistema gestionale che insiste sui dati. UFFICIO STATISTICA. E’ un anello importante dell’intera catena, sia nel promuovere nuove tipologie di
dataset da esporre, sia nel validare dal punto di vista metodologico e statistico i dati pubblicati e le loro visualizzazioni. UFFICIO GIURIDICO-AMMINISTRATIVO. Può assumere le più svariate forme in base all’organizzazione
interna dell’amministrazione. In generale esso rappresenta una singola figura che fornisce consulenza
sia su aspetti non tecnici legati agli Open Data, come la definizione delle licenze e delle note legali
associate ai dati, la loro rimodulazione sulla base di esigenze specifiche (si pensi per esempio alla
necessità di aprire dati prodotti da terze parti o addirittura da cittadini), sia su tutte quelle
problematiche di tipo giuridico o amministrativo, comprese quelle di privacy, di finalità del dataset e di trattamento del dato personale ove presente. GRUPPO COMUNICAZIONE. Può assumere varie forme in base all’organizzazione interna
dell’amministrazione, ma in ogni caso si indicano quelle figure con competenze di comunicazione
istituzionale e non solo, in grado di curare la comunicazione e il dialogo con i cittadini. Rispetto alle linee di azione del modello operativo mostrato in Figura 5 , e descritte di seguito, si
individuano i Ruoli e le Responsabilità (RACI)4 tra le diverse figure identificate. Processo Responsa bile Open Data Respon sabile banca dati Referent e tecnico banca dati Referent e tematico banca dati Ufficio statistic a Ufficio giuridico- amministr ativo Team comunicazi one Dati nativi A/R R R R C C I Dati mashup A/R C R C C C I Linked Open
Data R A/R R R C C I Coinvolgimento A C I I C C R Responsible (R): Coloro che lavorano per eseguire un determinato compito. Esiste almeno un ruolo di responsabile. Accountable (A): Il solo che può approvare il corretto completamento di un compito e che delega il
lavoro ai responsabili. Può esistere un solo ruolo accountable per uno specifico compito. Consulted (C): Coloro che possono essere consultati in quanto esperti di dominio e con i quali
instaurare una comunicazione bidirezionale. Informed (I): Coloro che devono essere tenuti aggiornati sui progressi del processo, spesso al termine
dello stesso. 4 A Guide to the Project Management Body of Knowledge (PMBOK Guide). PMI Standards Committee, Project Management
Institute. 2010. ISBN 1-933890-66-5. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 17 I processi del modello operativo Linea 1: Dati Nativi.
La linea 1 dei dati nativi tratta tutta la filiera di gestione ed esposizione dei dati esistenti generati dalle
amministrazioni. Questi dati sono principalmente prodotti dai vari uffici durante l’adempimento delle
proprie funzioni istituzionali. La maggior parte di questi dati possono essere pubblicati come dati
aperti, portando un’ineludibile fonte potenziale di sviluppo per il territorio e per l’intero sistema Paese. CENSIMENTO. All’interno dei singoli uffici o dei vari settori dell’amministrazione vanno quindi
ricercate quelle che si possono chiamare “ basi di dati primarie ” oggetto del censimento. Si tratta di
individuare quegli uffici che generano, mantengono e sono responsabili delle specifiche tipologie di
dati che si vogliono rendere aperti (e.g., lo sportello unico per le attività produttive (SUAP) del
comune è lo strumento che va a semplificare gli adempimenti connessi alla creazione, l’avvio, la
modifica e la cessazione delle imprese per la produzione di beni e servizi. L’ufficio SUAP gestisce e
mantiene quindi l’archivio con i dati di tutte le imprese del territorio). Si raccomanda al responsabile Open Data di effettuare una ricognizione interna , alla luce
della normativa vigente, in collaborazione con i responsabili delle basi di dati, al fine di individuare l’insieme di dati esistenti pubblicabili in formato aperto . Ciascun soggetto preposto alla
gestione di una particolare base di dati indica al responsabile Open Data, tra le altre cose, le
caratteristiche descrittive del dato, i tracciati record, il tasso temporale di aggiornamento, e
ogni altra informazione utile a far comprendere le caratteristiche peculiari dei dati. In quelle realtà in cui il processo di apertura dei dati ha raggiunto una fase matura, il concetto di dato
nativo può evolvere, includendo non solo i dati raccolti perché legati all’attività amministrativa, ma
anche t utte quelle informazioni che, una volta aperte, possano abilitare nuove forme di riutilizzo
dell’informazione. Per esempio, se finora per un ufficio non era prioritario raccogliere in maniera
strutturata un certo tipo di dato (e.g., gli esercizi che vendono prodotti a km zero o i locali che hanno
prodotti per celiaci), perché non strettamente correlato a qualche norma o regolamento
amministrativo, il solo fatto che un dato “nativo” poi viene aperto e reso fruibile in forme strutturate
al cittadino, lo rende un dato utile all’attività istituzionale nel concetto “esteso” della pubblica
amministrazione, inteso non solo come soggetto erogatore di servizi pubblici, ma anche come
espositore di patrimonio informativo che abilita nuove forme di business sul mercato. I dati aperti,
quindi, modificano il concetto stesso di utilità del dato inserendo nella categoria dei dati “nativi” della
PA informazioni che prima non erano ritenute tali dalla PA stessa, ma che risultano invece utili
all’esterno. Si raccomanda quindi l’adozione di un approccio di tipo “demand- driven” per individuare i
dati nativi che tenga conto dell’impatto economico e sociale nonché del livello di interesse
degli utilizzatori suddivisi opportunamente per categorie (e.g., cittadini, imprese, altre pubbliche
amministrazioni), dei loro requisiti e delle loro necessità. A tal riguardo si evidenzia che il titolare del dato, ai sensi dell'articolo 5 comma 2 del D.lgs 36/2006
come modificato dal D.lgs 18 maggio 2015, n. 102 e s.m.i., stabilisce le modalità di acquisizione delle
richieste con proprio provvedimento, instaurando così una collaborazione con le suddette categorie
che possono sfruttare tali modalità per avanzare le proprie proposte. ANALISI GIURIDICA DELLE FONTI. Alla fase di censimento fa seguito l’analisi giuridica delle fonti del
dato. Essa è fondamentale per garantire sostenibilità nel tempo del processo di produzione e
pubblicazione dei dati e creare un servizio equilibrato nel rispetto della funzione pubblica e dei diritti
dei singoli individui. L’analisi giuridica delle fonti mira quindi a valutare questi delicati equilibri,
evidenziando limitazioni d’uso, finalità di competenza, determinazione dei diritti e dei termini di
licenza. Si riporta di seguito una breve “ check list”, utile per verificare se tutti gli aspetti giuridici sono stati valutati dal responsabile della banca dati in collaborazione con il responsabile Open Data. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 18 Aspetto Domanda Sì/No Privacy i dati sono liberi da ogni informazione personale che possa identificare
in modo diretto l'individuo (nome, cognome, indirizzo, codice fiscale,
patente, telefono, email, foto, descrizione fisica, ecc.)? In caso negativo
queste informazioni sono autorizzate per legge? i dati sono liberi da ogni informazione indiretta che possa identificare
l'individuo (caratteristiche personali che possono identificare facilmente
il soggetto)? In caso negativo queste informazioni sono autorizzate per
legge? i dati sono liberi da ogni informazione sensibile riconducibile
all'individuo? In caso negativo queste informazioni sono autorizzate per legge? i dati sono liberi da ogni informazione relativa al soggetto che incrociata con dati comunemente reperibili nel web (e.g. google maps, linked data,
ecc.) possa identificare l'individuo? In caso negativo queste
informazioni sono autorizzate per legge? i dati sono liberi da ogni riferimento a profughi, protetti di giustizia,
vittime di violenze o in ogni caso categorie protette? hai considerato il rischio di de-anonimizzazione del tuo dataset prima di pubblicarlo? esponi dei servizi di ricerca tali da poter filtrare i dati in modo da
ottenere un solo record geolocalizzato , che sia facilmente riconducibile
ad una persona fisica? Proprietà intellettuale della sorgente il dataset è stato creato da uno o più dipendenti della tua pubblica
amministrazione nell'ambito della loro attività lavorativa? I singoli elementi del dataset suscettibili di autonoma protezione (es.,
immagini, fotografie, testi in qualche modo creativi) sono stati a loro
volta prodotti da uno o più dipendenti della tua pubblica
amministrazione nell'ambito della loro attività lavorativa? l'amministrazione è proprietaria dei dati, anche se non sono stati creati
direttamente da suoi dipendenti?? sei sicuro di non usare dati per i quali vi è una licenza o un brevetto di
terzi? se i dati non sono della tua amministrazione hai un accordo o una
licenza che ti autorizzi a pubblicarli? Licenza di rilascio stai rilasciando i dati di cui possiedi la proprietà accompagnati da una
licenza? hai incluso anche la clausola di salvaguardia " Questo dataset contiene
informazioni indirettamente riferibili a persone fisiche. In ogni caso, i
dati non possono essere utilizzati al fine di identificare nuovamente gli
interessati."? Limiti alla pubblicazione hai verificato che non vi siano impedimenti di legge o contrattuali che
per la pubblicazione dei dati? Segretezza hai verificato se non vi siano motivi di ordine pubblico o di sicurezza
nazionale che ti impediscono la pubblicazione dei dati? hai verificato se non vi siano motivi legati al segreto d'ufficio che
impediscono la pubblicazione dei dati? hai verificato se non vi siano motivi legati al segreto di stato che
impediscono la pubblicazione dei dati? Temporalizzazione i dati sono soggetti per legge a restrizioni temporali di pubblicazione? i dati sono aggiornati frequentemente in modo da sanare eventuali
informazioni lesive di persone o organizzazioni? i dati hanno dei divieti di legge o giurisprudenziali che impediscono la
loro indicizzazione da parte di motori di ricerca? Trasparenza i dati rientrano nella lista dell’allegato A del d.lgs. 33/2013? Se sì come
sono stati trattati dal responsabile della trasparenza nella sezione
Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 19 “Amministrazione trasparente”? ANALISI DELLA QUALITÀ DEI DATI. All’analisi giuridica delle fonti segue l’analisi della qualità dei dati.
Per la definizione del concetto generale di qualità si può ricorrere alla norma ISO 9000:2015, secondo
cui la qualità è la totalità degli elementi e delle caratteristiche di un prodotto o servizio che concorrono alla capacità dello stesso di soddisfare esigenze espresse o implicite. Il presente aggiornamento delle linee guida pone un’attenzione particolare alla qualità dei dati e al
relativo monitoraggio con una discussione dedicata “ qualità dei dati ” di seguito riportata che mira a
identificare alcune misure e un metodo di valutazione, considerando gli standard ISO di riferimento
ISO/IEC 25012 e il recente ISO/IEC 25024. BONIFICA. Generalmente l’analisi della qualità del dato può richiedere una fase di bonifica. Infatti, i
dati all'interno dei sistemi informativi o degli archivi di un’amministrazione sono spesso “sporchi” e
non rispondenti ai requisiti di qualità (e.g., accuratezza, completezza, ecc.). L’apertura dei dati può
essere uno stimolo importante per la conduzione di attività mirate di bonifica. Si distinguono processi
di bonifica basati sui dati e basati sui processi. I processi di bonifica basati sui dati prevedono che il dataset sia corretto in uno dei due seguenti modi: (i) confronto con il mondo reale (anche con attività
economicamente onerose come contattare direttamente i soggetti preposti alla gestione della base dati
che presenta errori per correggerli insieme loro) e (ii) confronto incrociato (matching) con altri
dataset. Tali processi hanno il vantaggio di poter pervenire in termini relativamente brevi al risultato,
ma lo svantaggio di non risolvere il problema alla radice. Infatti, in un arco temporale medio-lungo, i
dataset potrebbero nuovamente presentare i problemi di qualità. I processi di bonifica basati sui processi hanno invece la caratteristica di analizzare le cause che hanno
portato alla scarsa qualità del dato e di rivedere i processi di produzione del dato per garantirne la
qualità nel tempo. Per esempio, se si riscontra che la scarsa accuratezza di una base di dati deriva da
un processo di “data entry” manuale, si può intervenire prevedendo una fase di acquisizione
automatica dei dati che minimizzi la possibilità di errore di acquisizione. L’adozione di processi di
bonifica “basati sui processi” ha dunque il consistente vantaggio di essere una strategia risolutiva. POLITICHE DI ACCESSO E LICENZA. Altro aspetto importante da considerare sono eventuali forme di
aggregazione dei dati e restrizioni di accesso, che hanno anche un impatto sulla scelta della licenza,
tappa quest’ultima prevista dal modello operativo e trattata ampiamente in “Aspetti legali e di costo” a cui si rimanda. Sebbene sia sconsigliato restringere l’accesso ai dati o procedere con la pubblicazione di
aggregazioni degli stessi (in generale non è opportuno che l’esposizione del dato lavorato avvenga
senza che sia stato pubblicato prioritariamente il dato grezzo), esistono casi in cui i dati possono
essere diffusi solo in forma anonima (pensiamo ad esempio ai redditi), ossia a un livello di
aggregazione tale da impedire di identificare le persone cui i dati si riferiscon o. A tal fine, è bene definire delle politiche di accesso ai dati in cui sia indicato un profilo di accesso
specifico per ogni dato, dettato dai diritti sull’informazione di base, dalle norme o dalle
policy in atto. ANALISI DI PROCESSO, (RE)INGEGNERIZZAZIONE DEI PROCESSI ORGANIZZATIVI E PRODUZIONE DEI DATI. Ogni dato ha un proprio ciclo di vita, caratterizzato da uno specifico tasso di aggiornamento o
manutenzione. Risulta quindi necessario analizzare il processo organizzativo che produce e gestisce il dato
per fare in modo che la produzione di quel dato sia consolidata e diventi stabile , secondo la frequenza di aggiornamento e le modalità di rilascio adottate. Vanno quindi individuati non solo i dati nativi “grezzi” di partenza ma anche gli attori che concorrono alla prima produzione del dato, distinguendo chi è responsabile e titolare dello stesso e chi invece
aggiunge altri elementi informativi nel processo produttivo. Quello che accade sovente nelle
amministrazioni è che i dati sono gestiti da singoli funzionari, nell’ambito di processi “verticali” chiusi
a livello di dipartimento e molto spesso ancorati alle conoscenze di una persona specifica. Accade così
che elementi conoscitivi importanti siano delocalizzati tra i servizi di competenza, senza che tuttavia
sussista una gestione federata e complessiva della risorsa dati. Questo fatto, tra i molteplici effetti
Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 20 negativi, ha spesso quello della duplicazione dei dati: uffici tematicamente contigui tendono a replicare
informazioni funzionali alla propria attività, con un incremento del rumore di fondo attorno al
patrimonio informativo dell’amministrazione. L'utilizzo di codici condivisi a livello nazionale, di
classificazioni comuni per tipologie di dato non dipendenti da specifici domini e ll passaggio verso la
creazione di una risorsa federata (fase data hub interno) consentono di superare progressivamente le
suddette criticità. L’impegno politico e il relativo sostegno da parte dei livelli manageriali più alti
costituiscono comunque il prerequisito fondamentale senza il quale ogni sforzo può essere vano. METADATAZIONE. Il risultato delle precedenti tappe del modello operativo si traduce nella produzione di metadati che, in buona sostanza, certificano le caratteristiche del dato. Come detto
precedentemente la metadatazione è cruciale: una delle peggiori malattie che affliggono i dati della PA
è la molteplicità di copie disponibili di una stessa informazione, senza che sussista la necessaria
certezza sulle caratteristiche e sulla validazione di ciascun rilascio. Si ricorda a tal riguardo di seguire il
modello per i metadati descritto in “ Modello per i dati aperti e i metadati ” e in particolare il profilo
DCAT-AP_IT che consente di specificare i più importanti metadati descrittivi per i dataset (e.g.,
soggetti e relativi ruoli, contestualizzazione geografica e temporale, licenza, frequenza di
aggiornamento, aspetti di distribuzione, punto di contatto, ecc.). DATA HUB INTERNO, PRODUZIONE DI LIVELLO 3 , E PUBBLICAZIONE. Nel modello operativo
proposto, la risorsa federata è rappresentata dal cosiddetto data hub interno. Essa è una piattaforma
dove far confluire tutti i dati prodotti dai diversi dipartimenti dell’amministrazione nella loro versione
rilasciata ufficialmente. Questa infrastruttura, una volta attivata e messa a regime, viene a contenere lo
stato dell’arte del patrimonio informativo e costituisce un potente punto di riferimento, accessibile da
parte delle autorità di accesso, secondo diverse modalità (a “tag” o “query”). Essa, inoltre, costituisce
lo snodo fondamentale, non solo per la linea dei dati nativi che può proseguire verso la produzione e
la pubblicazione di dataset di livello 3, ma per tutte le altre direttrici indicate. In generale, il data hub interno, presumibilmente creato anche attraverso basi di dati consolidate e
mantenute costantemente aggiornate attraverso l'inserimento di dati da parte dei funzionari
dell'amministrazione, può essere agevolmente utilizzato per la gestione di un processo dinamico e
sostenibile nel tempo di produzione di dati aperti, periodicamente aggiornati a ogni nuova revisione
del data hub stesso. Infine, è bene notare che l'uso degli standard previsti per i livelli 4 e 5 del modello per i dati aperti (i.e., standard del Web semantico, come per esempio RDF e OWL descritti in “Architettura dell’informazione del settore pubblico”) può facilitare la definizione e la gestione del data hub interno, consentendo una più agevole integrazione tra i dati del patrimonio informativo. CONSERVAZIONE E STORICIZZAZIONE. I dataset rilasciati costituiscono non solo una risorsa per la
collettività, ma un prezioso patrimonio anche per le pubbliche amministrazioni che possono in questo
modo archiviare in modo alternativo i loro dati in modalità indipendente dagli applicativi software
originali che li hanno prodotti. Per questo motivo è importante premunirsi di un sistema di
archiviazione/conservazione che mantenga le diverse versioni dei dati nel lungo periodo. A tal fine si raccomanda di assicurare che le versioni stesse siano accessibili a un URL stabile, che sia
anche documentato unitamente alla pubblicazione del dato. Linea 2: Dati Mashup.
Oltre alla pubblicazione dei dati nativi, attività istituzionali multidisciplinari, che coinvolgono più di
una pubblica amministrazione, potrebbero rendersi necessarie. Inoltre è cruciale la sensibilità
dell'amministrazione rispetto agli stimoli e alle proposte provenienti dalla società civile. A tal riguardo,
ogni nuovo dato in questa linea nasce da uno specifico “concept”. ovvero la proposta necessaria a
definire gli elementi fondamentali di un progetto. All'interno di un “concept” si identifica l’idea
generale e le linee guida del progetto che ne accompagnano la declinazione nel corso della fase
esecutiva. Al “concept” fa seguito la raccolta delle informazioni dalle diverse fonti interne ed esterne
che concorrono alla formazione del dato. Questa operazione di “mashup” (da cui il nome della linea)
non implica soltanto la raccolta del dato da fonti diverse e la relativa definizione degli algoritmi di
integrazione. La parte più importante è la definizione delle modalità di accesso a partire dalle politiche
Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 21 dei singoli produttori dei dati e le relative modalità di rilascio e aggiornamento dei dati. Questo tipo di
dati, nati a seguito di particolari esigenze o di determinati disegni strategici, sono creati in funzione
dell’esposizione al pubblico e del conseguente coinvolgimento. Per questo, essi si prestano a forme di
coinvolgimento e visualizzazione (“data visualization”) particolarmente innovative che spesso sono
definite già a livello di “concept”. Il risultato ultimo di questa linea è la produzione di API e/o la
pubblicazione di altri dataset. In generale, si raccomanda di utilizzare un approccio di pubblicazione
dataset/API, pubblicando come API sicuramente i dataset che necessitano di un aggiornamento
dinamico e variabile, alleviando dall’onere dell’aggiornamento manuale. Si noti infine che i risultati attesi da questa linea possono essere anche ottenuti con l’applicazione dei
principi e metodologie previste per la linea 3 dei Linked Open Data, di seguito descritta, grazie ai
collegamenti possibili tra i dati. Linea 3: Linked Open Data.
Nel modello operativo proposto in Figura 5, la linea Linked Open Data è raffigurata come una filiera
di lavorazione autonoma in quanto considerata ancora per molte amministrazioni, soprattutto medio
piccole, un percorso complesso da intraprendere, dove sono richieste competenze tecniche specifiche. Tuttavia, l'intenzione delle presenti linee guida è quella di governare una transizione graduale
verso la produzione nativa dei Linked Open Data e, le recenti iniziative significative in merito
da parte dell’ISTAT, dell’ISPRA, del Ministero dell’Economia e Finanze, del Ministero
dell’Agricoltura, per citarne alcune, indicano che tale transizione può essere possibile,
soprattutto se trainata da pubbliche amministrazioni centrali e regionali. Nel modello operativo, vi è una chiara interconnessione tra la linea dei dati nativi e quella dei Linked
Open Data. La connessione tra queste due linee (seppur non illustrata graficamente in Figura 5 ) è
anche rafforzata dal fatto che alcune delle fasi attraversate dalla linea dei dati nativi sono necessarie
per avviare, analogamente, il percorso sulla linea dei Linked Open Data. E' altresì importante notare
che nella pratica si ritiene a volte necessario passare da modelli di rappresentazione tradizionali come
quello relazionale per la modellazione dei dati operando opportune trasformazioni poi per renderli
disponibili secondo i principi dei Linked Open Data. Tuttavia tale pratica non è necessariamente
quella più appropriata: esistono situazioni per cui può essere più conveniente partire da un'ontologia
del dominio e che si intende modellare e dall'uso di standard del Web semantico per poter governare i
processi di gestione dei dati. Sebbene le linee guida della Commissione di Coordinamento SPC 5 sull’interoperabilità semantica
attraverso i Linked Open Data siano risalenti al 2012, la metodologia ivi proposta risulta essere ancora
valida e solida per una produzione ottimale di Linked Open Data. Infatti, analizzando alcune fasi
appartenenti alla linea dei dati nativi (i.e., censimento, analisi della qualità, bonifica e metadatazione) e
alla linea dei Linked Open Data (i.e., modellazione, ontologia, inferenza, interlinking, validazione e
pubblicazione) si nota come queste richiamino integralmente le sette fasi dell’approccio metodologico
delle suddette linee guida. Si incoraggiano quindi le amministrazioni a riferirsi ancora a quel lavoro per
affrontare il processo di produzione di Linked Open Data. 5 http://www.agid.gov.it/sites/default/files/documentazione_trasparenza/cdc-spc-gdl6-interoperabilitasemopendata_v2.0_0.pdf Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 22 Linea 4: Coinvolgimento (Engagement).
Tale percorso si relaziona facilmente anche con il
noto modello internazionale a cinque stelle
dell’engagement, proposto dal ricercatore inglese Tim
Davies per attivare una strategia di rilascio di dataset
aperti che sia il più possibile inclusiva. Il modello si
compone dei seguenti livelli: ★Essere guidati dalla domanda – pubblicare dati che
soddisfino una domanda specifica di stakeholder
esterni implica cominciare a ridurre le continue
richieste di dati a un ufficio. ★★Inserire dati nel contesto – accompagnare i dati
con una ricca documentazione ne permette un facile
riutilizzo. Porli nel corretto contesto amplifica tale
possibilità. Due ottimi esempi di implementazione di
strategia di engagement di livello 2 vengono dal
progetto recente Open Cantieri del Ministero delle
Infrastrutture e dei Trasporti e dal progetto
"OpenCoesione" del Dipartimento per lo Sviluppo e
la Coesione Sociale. Il portale OpenCoesione presenta una grafica, corredata da una mappa e diagrammi, che
permettono di prendere visione, in maniera efficace,
della distribuzione dei fondi sociali europei sul
territorio italiano. L'applicazione permette inoltre di
scaricare i dati sia nella loro totalità, sia nello specifico
caso dei progetti presentati o nelle loro aggregazioni
p e r c a t e g o r i a o a m m i n i s t r a z i o n e comunale/provinciale/regionale. ★★★Supportare conversazioni intorno ai dati –
Molti cataloghi Open Data ospitano una sezione FAQ e offrono diversi canali di interazione quali email o
social network attraverso cui dialogare con l'ente
pubblico che distribuisce i dati. Nuovamente, il caso
di OpenCoesione può essere visto come una buona
iniziativa di coinvolgimento di questo livello in quanto offre la possibilità di usufruire di tali canali per
innescare una conversazione online. ★★★★Creare capacità, competenze e reti – in questo livello rientra la fase “scenari d’uso” nel
presentare i dati attraverso infografiche interattive si fornisce la possibilità di capire al meglio i dati.
Rimane importante però stimolare il riutilizzo organizzando, ove possibile, incontri formativi volti a
spiegare i dati e/o a mostrare strumenti di pulizia, analisi, e visualizzazione. Tra gli esempi virtuosi di
tali pratiche rientrano “School of Data” dell’Open Knowledge Foundation, i datalab promossi da
ISTAT e “A scuola di OpenCoesione” del Dipartimento per lo Sviluppo e la Coesione Sociale e del
Ministero dell’Istruzione. ★★★★★Collaborare su dati come una risorsa comune – il rilascio dei dati prevede cicli di feedback
con una comunità di riferimento (spesso quella da cui si è partiti per aprire i dati) da cui trarne delle
considerazioni e produrre nuovi dati e strumenti. Nuovamente, l'esempio di OpenCoesione fornisce
iniziative virtuose di coinvolgimento a cinque stelle quali hackaton organizzati con la comunità e il
progetto monithon.it dove, attraverso segnalazioni partendo dai progetti presentati nel sito di
OpenCoesione, chiunque può riportare informazioni aggiuntive per stimolare evoluzioni dei progetti
finanziati). AZIONE 7: DEFINISCI UNA CHIARA STRATEGIA DI COINVOLGIMENTO INTERNO ED ESTERNO… Si raccomanda alle amministrazioni
di accompagnare il modello operativo
con azioni di coinvolgimento degli
stakeholder sia interni
all’amministrazione che esterni. Il coinvolgimento interno può
avvenire attraverso la diffusione della
cultura dei dati di qualità e aperti,
facendo comprendere l’impatto di
questa diffusione anche in termini
semplificativi delle procedure interne. Il coinvolgimento esterno passa in
primo luogo dall’identificazione dei
soggetti da coinvolgere (e.g., studenti
universitari, soggetti preposti a
indagini e analisi statistiche e/o
economiche, startup e aziende). In
secondo luogo esso passa dalla
definizione della forma di
coinvolgimento, da quella più
semplice della comunicazione, anche
interattiva, all’individuazione di
scenari d’uso affiancati da forme più
strutturate di coinvolgimento quali
l’organizzazione di eventi per
promuovere alcune tipologie di
dataset e/o per analizzare casi d’uso,
hackaton e app showcase. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 23 Coordinamento tra livello nazionale e livello locale Con un eventuale supporto tecnico, su richiesta, di AgID, si consiglia inoltre di: • identificare l’insieme minimo di dati rilasciati dal livello centrale, anche secondo quanto stabilito da
disposizioni normative, e quelli che il livello locale può ulteriormente dettagliare per cogliere le
specificità della propria realtà locale, abilitando ove possibile meccanismi automatici di
collegamento tra i due insiemi. Questo consentirebbe di avere una vista nazionale e un unico punto
di accesso centrale ai dati, e una vista locale e più specializzata offerta dal governo locale. Si noti
che il paradigma dei Linked Open Data può essere particolarmente conveniente in questi casi in
quanto il collegamento degli URI consentirebbe un’agevole integrazione dei dati e navigazione
degli stessi da parte di programmi; • documentare sia a livello centrale che locale i dati secondo il profilo nazionale per i metadati
DCAT-AP_IT con l’aggiunta dei metadati di provenienza come precedentemente discusso, al fine
di agevolare i possibili utilizzatori nel comprendere le diverse fasi di gestione del dato. AZIONE 8: FACILITA IL COORDINAMENTO TRA IL LIVELLO NAZIONALE E LOCALE ATTRAVERSO GLI OPEN DATA… Diverse pubbliche amministrazioni centrali, al fine di adempiere a specifici obblighi
normativi a loro assegnati o per dar seguito a impegni presi in iniziative internazionali
(e.g., Open Government Partnership), hanno necessità di raccogliere dati provenienti dal
livello di governo locale (e.g., SIOPE per la rilevazione telematica degli incassi e dei
pagamenti di tutte le amministrazioni, ISTAT per le rilevazioni relative ai censimenti o ai numeri civici, Dipartimento della Protezione Civile che opera quasi esclusivamente sulla
base di tale modello). In queste situazioni, si raccomanda alle amministrazioni di coordinarsi tra loro prima di
intraprendere iniziative singole isolate. In particolare, le amministrazioni centrali
possono assumere un ruolo di coordinatore e di promotore di apertura dei dati secondo i
livelli più alti del modello per i dati aperti proposto dalle presenti linee guida, definendo
anche schemi comuni secondo quanto descritto in “ Architettura dell’informazione del
settore pubblico”. Si raccomanda poi di mantenere il colloquio, mediante scambio di dati, tra il livello
centrale e locale attraverso l’uso dei dati aperti stessi, ove presenti, automatizzando
quanto più possibile il processo di acquisizione da parte del livello centrale. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 24 QUALITÀ DEI DATI Il miglioramento della qualità dei dati, e la maggiore
diffusione delle tecniche di misurazione, dipende da vari fattori tra cui l’adesione a modelli di qualità condivisi. Il
raggiungimento della qualità non è in ogni caso frutto di un impegno sporadico di singole amministrazioni, ma il
frutto di una sinergia concertata che, basata su un
cambio culturale, si apra a collaborazioni orizzontali
che, pur nel rispetto della privacy, consentano un
maggior dialogo tra le banche dati e razionalizzazione
delle informazioni. Per determinare la bontà dei dati è necessario definire
delle misure attraverso le quali quantificare la qualità dei
dati. Lo standard ISO/IEC 25012:2008, divenuto
norma italiana UNI ISO/IEC 25012:2014, definisce un
insieme di caratteristiche specifiche per la
caratterizzazione della qualità dei dati: accuratezza,
aggiornamento, completezza, consistenza, credibilità,
accessibilità, comprensibilità, conformità, efficienza,
precisione, riservatezza, tracciabilità, disponibilità,
portabilità e ripristinabilità. Di queste caratteristiche, le presenti linee guida
richiedono la garanzia di almeno quattro come elencate
in azione 9, ovvero accuratezza, coerenza, completezza e
attualità (o tempestività di aggiornamento). Il passo successivo è quantificarle in termini di misure,
individuando delle soglie che consentano di
discriminare la bontà o meno di un dato rispetto alla
caratteristica in esame. La fase di valutazione della qualità dei dati è importante
in tutti i sistemi informativi indipendentemente
dall’apertura dei dati. Con l’adozione di politiche di
apertura dei dati, la qualità dei dati assume un ruolo
ancora più rilevante in quanto elemento per la
certificazione della bontà dei dati forniti e soprattutto
dell’appropriatezza rispetto all’utilizzo che del dato si
vuole fare. L’ISO/IEC 25024 estende l’ISO/IEC 25012 “Data
quality model” del 2008 al campo delle misurazioni,
definendo 63 misure di qualità applicabili alle 15
caratteristiche di qualità dei dati, con le relative funzioni di calcolo. Per le quattro caratteristiche di qualità, messe in risalto dalla Determinazione Commissariale
dell'Agenzia per l'Italia Digitale n. 68/2013, si riporta nella tabella seguente un insieme esemplificativo
di misure, sulle 24 definite nello standard ISO per le stesse caratteristiche, a supporto delle attività di
valutazione della qualità dei dati delle amministrazioni. Caratteristiche Descrizione Misure e funzioni di misura principali Completezza Il grado per cui il dato associato a un’entità presenta valori per tutti gli attributi attesi e Si individuano le i seguenti livelli di completezza:

1. completezza di schema: percentuale di valori nulli per
   concetti e proprietà rispetto al numero totale di valori attesi
2. completezza dei record : numero di dati elementari
   associati a un valore non nullo in un record, rispetto al
   numero di dati elementari del record per cui può essere
   AZIONE 9: GARANTISCI LE SEGUENTI DIMENSIONI DI QUALITÀ DEI DATI… Partendo dalle quattro
   caratteristiche, delle 15 previste
   dall’ISO/IEC 25012, individuate
   nella Determinazione
   Commissariale n. 68/2013
   dell’AgID per le banche dati di
   interesse nazionale critiche, si
   garantisce il loro costante rispetto
   in tutto il processo di gestione e
   pubblicazione dei dati anche aperti. Queste quattro caratteristiche sono: • accuratezza (sintattica e
   semantica) - il dato, e i suoi attributi, rappresenta correttamente il valore reale del concetto o evento cui si riferisce • coerenza - il dato, e i suoi attributi, non presenta contraddittorietà rispetto ad altri dati del contesto d’uso dell'amministrazione titolare • completezza – il dato risulta esaustivo per tutti i suoi valori attesi e rispetto alle entità relative (fonti) che concorrono alla definizione del procedimento. • attualità (o tempestività di aggiornamento) - il dato, e i suoi attributi, è del “giusto tempo” (è aggiornato) rispetto al procedimento cui si riferisce. • Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 25 le relative istanze in un certo contesto misurata la completezza
3. completezza di popolazione: percentuale di valori nulli
   rispetto a una popolazione di riferimento Si noti che non sempre valori mancanti indicano incompletezza. Per
   esempio: si supponga di considerare dati relativi ai musei italiani e ai
   loro canali di contatto (telefono ed email). Può capitare che i musei
   abbiano tutti un indirizzo email ma non per tutti è presente un numero
   di telefono. Accuratezza Il grado in cui gli attributi rappresentano in maniera corretta il valore reale del dato in uno specifico contesto Si individuano due tipi di accuratezza:
4. sintattica: ad esempio Girgia invece che Giorgia
5. semantica: ad esempio nel caso in cui si utilizzi Gloria Sani
   intendendo invece un’altra persona e.g., Giorgia Sani Una misura dell’accuratezza è data dalla ratio tra gli attributi dei dati
   che hanno valori accurati sintatticamente/semanticamente su il
   numero di attributi dei dati per i quali è richiesta accuratezza
   sintattica/semantica. Coerenza Il grado in cui gli attributi del dato non sono in contraddizione con altri dati in uno specifico contesto Per poter valutare la coerenza una misura è quella che consente di
   identificare le violazioni di regole semantiche definite su alcuni
   elementi dei dati. Per esempio, se una persona è “patentata” non può essere possibile
   che la sua età sia “17 anni”. Essa può essere calcolata come la ratio tra il numero di attributi dei
   dati i cui valori sono semanticamente corretti nel dataset sul numero di
   attributi dei dati per i quali sono state definite delle regole semantiche. Altra misura consiste nel rapporto tra il numero di valori duplicati per
   ogni attributo della base dati e il numero totale degli elementi della
   base dati. Attualità o tempestività Il grado in cui gli attributi del dato sono al “giusto tempo” rispetto al contesto di riferimento La metrica è basata sull’uso dei metadati che indicano quando il dato è stato aggiornato l’ultima volta. Sulla base di questi metadati, si distinguono poi:
6. dati con periodicità di aggiornamento nota: in questo caso è possibile calcolare la tempestività in maniera esatta
   identificando se la data di ultima modifica del dato rispetto al
   tempo di misurazione ricade nell’intervallo della frequenza di
   aggiornamento;
7. dati con periodicità di aggiornamento media: in questo
   caso è possibile calcolare la tempestività media con una
   percentuale di errore. A completamento della suddetta analisi, si ricorda anche un’iniziativa nota dell’Istituto Open Data
   inglese (ODI) sui certificati Open Data 6. I certificati sono uno strumento utile per ottenere un’auto- certificazione sulla qualità dei dati prodotti e pubblicati. I certificati sono stati tradotti anche in italiano
   dal nodo dell'ODI di Trento. Per ottenere il certificato è necessario compilare un questionario online suddiviso in cinque macro-
   categorie che aiutano a identificare una scala di riutilizzo di un dataset. Queste sono: informazioni
   descrittive (molte delle quali già richieste dalle presenti linee guida), informazioni legali (che devono
   aver già trovato risposte positive ed esaustive mediante la “check list” proposta nella fase di analisi
   giuridica delle fonti), informazioni pratiche (e.g., reperibilità, note metodologiche, ecc.), informazioni
   tecniche e informazioni sociali. Le risposte alle domande producono un livello di certificazione che si distingue in: (i) “bronze”, che
   rappresenta una base per iniziare il processo di apertura dei dati; (ii) “silver”, dove il dato è
   documentato in un formato aperto e machine-readable e gli utilizzatori dei dati possono ricevere
   maggior supporto; (iii) “gold”, che fornisce le garanzie del livello precedente con ulteriori riguardanti
   l’aggiornamento costante e un più ampio supporto, (iv) “platinum”, che racchiude le garanzie gold,
   identificatori univoci dei dati; rappresenta quindi un’eccellente esempio di infrastruttura informativa. 6 https://certificates.theodi.org/en/ Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 26 ARCHITETTURA DELL’INFORMAZIONE DEL SETTORE PUBBLICO Figura 6: Architettura dell'informazione del settore pubblico La Figura 6 rappresenta un primo tentativo di delineare l’architettura di riferimento per l’informazione del settore pubblico. La figura non ha la pretesa di essere esaustiva rispetto a dati specifici delle pubbliche
   amministrazioni ma classifica alcune tipologie di dati, indicando per ognuna vocabolari noti e condivisi a livello internazionale che definiscono modelli dati di cui si incoraggia
   l’adozione. L’obiettivo è quello di individuare, in linea generale, degli schemi da condividere tra tutte le
   amministrazioni al fine di rappresentare dati ricorrenti, indipendenti dallo specifico dominio
   applicativo, come per esempio i dati sulle persone, sulle organizzazioni pubbliche e private, sui luoghi
   e gli indirizzi, ecc.. Si ritiene questo possa inoltre facilitare la creazione di collegamenti tra dati (in
   figura sono riportati vocabolari e classificazioni già disponibili anche secondo il paradigma dei Linked
   (Open) Data), portando alla costruzione di una grande base di conoscenza dell’informazione del
   settore pubblico da utilizzare per lo sviluppo di nuovi e proattivi servizi. Nell’architettura si identificano due livelli: dati di riferimento e dati core indipendenti dal dominio applicativo . Essi consistono di quei dati identificati univocamente e necessari per gestire e utilizzare in maniera
   affidabile infrastrutture di interesse nazionale e per interfacciare più agevolmente altri dati dipendenti
   da domini verticali. Il livello dei “dati di riferimento” consiste, in particolare, di tutte le classificazioni
   AZIONE 10: RISPETTA L’ARCHITETTURA DELL’INFORMAZIONE DEL SETTORE PUBBLICO CON I RELATIVI STANDARD, FORMATI E VOCABOLARI… Si adotta l’architettura dell’informazione del settore pubblico come mostrata in Figura 6.
   Per tutti i dati di riferimento e “core”, si raccomanda di non r i d e f i n i r e d e g l i s c h e m i o modelli per i dati ma di riutilizzare quelli dell’architettura nazionale dell’informazione del
   settore pubblico, in larga parte disponibili come standard aperti del Web e in formati
   aperti. Tali schemi possono anche essere estesi dalle amministrazioni in base alle proprie
   esigenze di modellazione, nel rispetto tuttavia delle regole di conformità agli schemi
   stessi e del principio di apertura per la loro pubblicazione e fruizione. Questa raccomandazione si applica anche ai dati di domini verticali, dove in alcuni casi
   lavori consolidati per la definizione di schemi comuni sono già stati intrapresi a livello
   internazionale e/o nazionale. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 27 ufficiali che si raccomanda di utilizzare in quanto di riferimento per svariati contesti, e di dati relativi a
   informazioni temporali (date e orari) e geografiche (coordinate geografiche). Nell’ambito di questo
   livello si evidenziano pertanto classificazioni come quella territoriale, rilasciata dall’ISTAT anche sotto
   forma di LOD7, quella sui temi (o domini), applicabile sia al contesto dei dati che a quello dei servizi 8, quella relativa alle funzioni amministrative/di governo (COFOG), anch’essa disponibile secondo il
   paradigma LOD e già adottata nell’ambito del bilancio pubblico, per citarne alcune. Infine, per i dati
   temporali e geografici comuni, come indicato in Figura 6, si raccomanda, rispettivamente, l’uso dello
   standard ISO 8601 16 e del vocabolario del W3C per la definizione delle coordinate geografiche 17. Il livello dei “dati core indipendenti dal dominio applicativo” (o dati core orizzontali) consiste
   dell’insieme di tipologie di dati riferibili principalmente a soggetti, luoghi, organizzazioni, servizi e altri
   asset e requisiti tipici della pubblica amministrazione. A oggi, sono state individuate otto tipologie di
   dati “core”, come rappresentate in Figura 6 : persone, organizzazioni pubbliche, servizi, luoghi e
   indirizzi, imprese, contratti pubblici, criteri ed evidenze, norme. Molte di queste tipologie sono
   direttamente collegabili a banche dati di interesse nazionale; per esempio, la tipologia “persone” si
   collega all’Anagrafe Nazionale della Popolazione Residente (ANPR), la tipologia “luoghi e indirizzi” è
   correlata all’Anagrafe Nazionale dei Numeri Civici e delle Strade Urbane, la tipologia “contratti
   pubblici” è connessa alla banca dati di interesse nazionale definita dall’articolo 60 del CAD sui
   contratti pubblici, e così via. L’architettura dell’informazione del settore pubblico individua, per alcune di queste otto tipologie,
   vocabolari particolarmente diffusi nel Web e in ambito europeo che hanno il merito di proporre degli
   schemi di dati condivisi (entità, relazioni tra entità e proprietà/attributi) per la loro rappresentazione.
   In particolare, si adottano i cosiddetti “Core Vocabulary”, definiti dalla commissione europea
   nell’ambito del programma ISA sull’interoperabilità semantica e in parte standardizzati dal W3C. Nel dettaglio, per la rappresentazione delle persone si raccomanda l’uso del profilo Core Person 18 che si basa sul vocabolario FOAF (Friend Of A Friend), definito per descrivere persone e
   relazioni sociali tra loro. Per la modellazione dei dati sulle organizzazioni pubbliche s i raccomanda l’uso del Core Public Organization Vocabulary 19, basato principalmente sullo
   standard del web Org 20, quest’ultimo definito con l’obiettivo di rappresentare dati sulle
   organizzazioni e già utilizzato nel contesto dello sviluppo LOD dell’Indice della Pubblica
   Amministrazione (IPA) e in altri casi di dati aperti italiani. Per le imprese si raccomanda invece il vocabolario RegOrg 21 che nasce come specializzazione della suddetta ontologia Org per tutte
   quelle organizzazioni private iscritte in registri pubblici (e.g., il registro imprese – banca dati di
   interesse nazionale ai sensi dell’articolo 60 del CAD). Per quanto riguarda i servizi, offerti dalle amministrazioni per il beneficio di cittadini,
   professionisti e imprese, si richiede di utilizzare per la loro rappresentazione il profilo di
   interoperabilità semantica definito a livello nazionale come estensione del Core Public Service
   Vocabulary. Il profilo è detto CPSV-AP_IT 22, la specifica e la relativa ontologia sono pubblicate
   nella sezione ontologie di dati.gov.it e sono utilizzate per la modellazione del catalogo nazionale per
   i servizi pubblici servizi.gov.it9. Per quanto concerne i luoghi e gli indirizzi , si segnala che nell’ambito del piano di azione OGP
   (Open Government Partnership) italiano, l’ISTAT rilascerà, secondo il paradigma LOD ed entro il
   2017, i dati dell’Anagrafe Nazionale dei Numeri Civici e delle Strade Urbane (ANNCSU). A tal
   proposito si raccomanda la definizione di uno specifico profilo di interoperabilità che possa
   essere adottato da tutte le amministrazioni per la rappresentazione di questi dati. Si
   raccomanda di definire il profilo sulla base del vocabolario Core Location 23 che nasce per
   rispondere a tali esigenze, proponendo uno schema dati conforme ai requisiti dettati dalla
   direttiva INSPIRE e già adottato in altri paesi europei come il Belgio per l’apertura dell’analoga
   base di dati. Infine, nell’ambito dei Core Vocabulary, si raccomanda l’uso del Core Criterion and Evidence 24 per la modellazione di criteri e di evidenze ovvero requisiti utilizzati per giudicare
   o prendere decisioni, e prove che qualcosa è avvenuto o che criteri specifici sono stati rispettati da
   7 http://datiopen.istat.it/datasetOntologie.php?call=ontologie 8 http://publications.europa.eu/mdr/resource/authority/data-theme/skos/data-theme-skos.rdf 9 Una versione beta del catalogo sarà disponibile online il prossimo inverno 2016. Linee Guida per la Valorizzazione del Patrimonio Informativo Pubblico (2016) 28 parte di soggetti. Tale vocabolario è particolarmente utile nei casi di modellazione di
   informazioni relative al procurement e a bandi e gare pubbliche , strumenti tipicamente
   adottati dalle amministrazioni per lo svolgimento di alcune delle loro attività istituzionali. Questo
   vocabolario può essere utilizzato insieme a quelli raccomandati per la rappresentazione dei dati sui contratti pubblici come l’ontologia Public Contract 25 e GoodRelations 26. A partire dai livelli dell’architettura sopra citati, è possibile collocare e costruire modelli per dati
   specifici di domini verticali. In Figura 6 sono mostrati solo alcuni domini a titolo di esempio, con
   l’indicazione di vocabolari in taluni casi già sviluppati da amministrazioni centrali, come il caso del
   Ministero dei Beni e Attività Culturali e del Turismo (MIBACT) che ha deciso di adottare l’ontologia
   Cultural-ON10 per i luoghi e gli eventi culturali e dell’ISPRA che ha recentemente rilasciato una
   piattaforma LOD che include le ontologie per i dati sul consumo del suolo, sulla rete mareografica e
   ondametrica e sui sistemi di cartografia che, grazie anche ai collegamenti abilitati tramite il paradigma
   Linked Data, sono stati collegati con successo alla classificazione territoriale di riferimento pubblicata
   dall’ISTAT. L’architettura si compone poi del livello verticale dei metadati descrittivi che coinvolge tutti i tipi di
   dati fin qui discussi. Punto di riferimento per i metadati descrittivi è DCAT-AP_IT con le sue
   estensioni per i dati geografici e statistici che consentono un raccordo con i rispettivi profili come
   definiti nel contesto del Repertorio Nazionale dei Dati Territoriali (RNDT) e dall’ISTAT. L’architettura di riferimento per l’informazione del settore pubblico si completa con l’indicazione degli standard e dei formati, descritti di seguito, che possono essere utilizzati per rappresentare i dati che la
   compongono. Si raccomanda in generale di rendere disponibili in forma Open Data tutti i dati di riferimento. Si
   raccomanda altresì di prediligere tale paradigma per i dati core indipendenti dal dominio, prestando
   attenzione ai dati a conoscibilità limitata e ai dati personali per i quali il paradigma non può
   applicarsi (si veda “Dati della Pubblica Amministrazione”).

16. ISO 8601 – Date and Time format, http://www.iso.org/iso/home/standards/iso8601.htm, 2016.
17. W3C, WGS84 Geo Positioning: an RDF vocabulary, https://www.w3.org/2003/01/geo/wgs84_pos, 2016
18. ISA programme, Core Person, https://joinup.ec.europa.eu/asset/core_person/asset_release/core-person- vocabulary#download-links, 2016
19. ISA programme, Core Public Organization Vocabulary, https://joinup.ec.europa.eu/asset/cpov/asset_release/core-public-organisation-vocabulary-draft-4#download- links, 2016.
20. W3C Reccommendation, The Organization Ontology, https://www.w3.org/TR/vocab-org/, gennaio 2014
21. W3C Working Group Note, Registered Organization Vocabulary, https://www.w3.org/TR/vocab-regorg/, agosto 2013
22. Agenzia per l’Italia Digitale, CPSV-AP_IT, http://www.dati.gov.it/onto/cpsvapit, 2016
23. W3C, ISA Programme Location Core Vocabulary, https://www.w3.org/ns/locn, 2016
24. ISA Programme, Core Criterion and Core Evidence Vocabulary, https://joinup.ec.europa.eu/asset/criterion_evidence_cv/asset_release/core-criterion-and-core-evidence- vocabulary-draft-4#download-links, 2016
25. Public Contract Ontology, https://github.com/opendatacz/public-contracts-ontology, 2016
26. Good Relations, http://www.heppnetz.de/projects/goodrelations/, 2016 10 L’ontologia non è ancora stata pubblicata ufficialmente dal Ministero, ma è stata da esso segnalata ad AgID e presentata
    in anteprima nel contesto del workshop “ Linked open data per i beni culturali: iniziative e prospettive” organizzato dall’Istituto per i beni artistici culturali e naturali della Regione Emilia-Romagna in collaborazione con il Ministero dei Beni e delle
    Attività Culturali e del Turismo (Ferrara, Aprile 2016).