Il lavoro commissionato ha come finalità quello di generare un unica grande banca dati dei progetti realizzati da un insieme di Enti (Comune di Mazara del vallo, CNR-IRMA, Parco scientifico Sperimentale della Sicilia, …) utilizzando come interfaccia un portale WEB.

Il portale è stato progettato per essere uno strumento di supporto all’analisi consentendo di sfruttare tecniche di Intelligenza Artificiale (Reti neurali) per la classificazione e la ricerca delle informazioni desiderate e sistemi di ricerca visiva (Web GIS) per l’analisi qualitativa e quantitativa basata su interviste agli attori dei progetti (proponenti, attuatori, partner e destinatari), Inoltre il sistema WEB GIS è utilizzato per la mappatura delle aziende ittiche e del trasformato del comune di Mazara del Vallo e posizionamento dei desk internazionali in Tunisia, Germania, Inghilterra, Francia, Russia. Capofila comune di Mazara del vallo

L’obiettivo principe dell’azione è creare un sistema Web Oriented integrato di soluzioni che consentono agevolmente di sfruttare le tecnologie informatiche al fine di favorire sia la Pubblica Amministrazione sia cittadini che le imprese. Il sistema Integrato prevede sei diverse attività: Centro permanente di raccolta e di diffusione delle informazioni Web Oriented, Sviluppo software per archiviazione dei tipi di pesce, -e-Learning, Asta on line, e-Procurement, e-Commerce.

Il progetto Cabina di Regia ha messo a sistema, in modo trasversale e completo tre grandi tematiche del settore IT:

1. I sistemi di Big Data Analytics & Business Intelligence
2. Il Data mining e tecniche di Intelligenza Artificiale – Reti Neurali
3. WebGis Sistema Informativo per il Supporto alle Decisioni

I sistemi di Big Data Analytics & Business Intelligence

Di fronte a un’esplosione delle fonti informative, sempre più aziende comprendono come l’analisi dei Big Data rappresenti una fonte di vantaggio competitivo e uno strumento di evoluzione dello stesso modello di impresa. La maggioranza delle grandi organizzazioni adotta già soluzioni di Performance Management & Basic Analytics che permettono un’analisi descrittiva dei dati, ma solo una piccola parte utilizza sistemi avanzati di analytics per l’analisi predittiva, perdendo buona parte dei potenziali benefici che i sistemi di Big Data Analytics offrono. La crescente maturità del concetto dei big data mette in evidenza le differenze con la business intelligence, in materia di dati e del loro utilizzo:

• Business intelligence utilizza la statistica descrittiva con dati ad alta densità di informazione per misurare cose, rilevare tendenze, ecc., cioè utilizza dataset limitati, dati puliti e modelli semplici;
• Big Data utilizza la statistica inferenziale e concetti di identificazione di sistemi non lineari per dedurre leggi (regressioni, relazioni non lineari, ed effetti causali) da grandi insiemi di dati, e per rivelare i rapporti, le dipendenze, e effettuare previsioni di risultati e comportamenti, cioè utilizza dataset eterogenei (non correlati tra loro), dati raw e modelli predittivi complessi.

Il volume di dati dei Big Data e l’ampio uso di dati non strutturati non permette l’utilizzo dei tradizionali RDBMS, che non rendono possibile archiviazione e velocità di analisi.Gli operatori di mercato invece utilizzano sistemi con elevata scalabilità e soluzioni basate sulla NoSQL.

Nell’ambito della business analytics nascono nuovi modelli di rappresentazione in grado di gestire tale mole di dati con elaborazioni in parallelo dei database. Con questo sistema le applicazioni sono separate e distribuite con nodi in parallelo, e quindi eseguite in parallelo. I risultati vengono poi raccolti e restituiti.

Il Data mining e tecniche di Intelligenza Artificiale – Reti Neurali

Il Data mining è un processo strutturato di creazione di modelli a supporto delle decisioni di business, che scopre relazioni, similitudini, sequenze e tendenze all’interno di basi dati di grandi dimensioni contenenti informazioni eterogenee, utilizza tecniche statistiche e di intelligenza artificiale. Alcune definizioni sono legate alla presenza di tecniche specifiche, come le reti neurali o algoritmi genetici.

Pianificare e condurre il progetto incentrato sull’impiego di Big Data ha implicato dover affrontare alcune sfide particolarmente rilevanti. Da una parte, ripensare alcune tradizionali problematiche metodologiche (soprattutto campionamento e inferenza) allo scopo di adattare la specificità delle nuove fonti di Big Data lungo il ciclo di vita dei processi statistici; dall’altra, sfruttare le potenzialità delle nuove tecnologie disponibili per il trattamento di grandi masse di dati, tipicamente molto diversificate in termini di varietà e velocità. Al fine di scegliere gli strumenti migliori per costruire il sistema di inferenza, sono stati testati e comparati, in questo progetto, alcuni metodi applicabili a problemi di text mining (alberi di classificazione, reti neurali, Random Forest, Support Vector Machine ed altri) e, come risultati di una prima fase di sperimentazione, è stato individuato come il più adatto allo scopo le reti neurali, che hanno permesso di ottenere buoni risultati in termini di performance rispetto alla qualità dell’allineamento tra il dato osservato e quello stimato.

La rete neurale ha consentito di creare un sistema in grado di classificare i progetti inseriti e mostrare in modo semplice ed intuitivo le similitudini dei progetti inseriti e le correlazione anche in attività apparentemente diverse.

WebGis Sistema Informativo per il Supporto alle Decisioni

Sono detti WebGIS i sistemi informativi geografici (Geographical Information System – GIS) pubblicati su web. Un WebGIS è quindi l’estensione al web degli applicativi nati e sviluppati per gestire la cartografia numerica. Un progetto WebGIS si distingue da un progetto GIS per le specifiche finalità di comunicazione e di condivisione delle informazioni con altri utenti.

Il progetto ha previsto lo sviluppo di un sistema informativo per il supporto alle decisioni per la pianificazione territoriale e la programmazione economica delle imprese del settore ittico di Mazzara del Vallo e gli Info Point presenti e distribuiti a livello planetario. Un tale sistema ha richiesto la strutturazione degli archivi di dati territoriali e ambientali esistenti e la disponibilità di uno strumento che consenta sia una efficiente gestione dei dati, sia la possibilità di svolgere analisi complesse sugli stessi, sia infine la possibilità di presentare i risultati di tali analisi in modi e forme utili per i decisori e più in generale per ogni soggetto interessato alla consultazione degli stessi. Un tale strumento è stato ottenuto dall’integrazione di un applicativo GIS con un database relazionale, coniugando così la massima funzionalità sia in termini di gestione dell’informazione geografica, sia di quella alfanumerica.

Gli obiettivi principali si possono sinteticamente ricondurre ai seguenti punti:

Gestire informazioni di tipo territoriale e, attraverso la georeferenziazione del dato, rendere possibile un’interconnessione tra alcuni archivi di Enti diversi già esistenti, selezionati in funzione del loro contenuto, mediante un’architettura hardware e software aperta e connessa in rete ai vari sistemi;
Disporre di uno strumento di comunicazione e di supporto decisionale tra uffici, Enti ed Imprese diverse che consenta la circolazione di insiemi di dati strutturati, aggiornati, validati e quindi utili all’elaborazione di indicatori necessari nei processi decisionali.
L’obiettivo della ricerca è stato lo sviluppo di un prototipo di SDSS (Spatial Decision Support System), derivante dall’integrazione di un sistema informativo territoriale ed un sistema di supporto alle decisioni, indirizzato soprattutto alle imprese del settore ittico. La simultanea rappresentazione del territorio e dei parametri che lo caratterizzano, degli interventi realizzati e di quelli previsti, degli indicatori socio-economici e socio-demografici, consente di visualizzare la realtà territoriale in oggetto e di mettere a disposizione dei responsabili delle decisioni operative tutte le informazioni necessarie per effettuare le migliori scelte possibili.