La Data Strategy di INAIL, rigore metodologico e approccio partecipativo

Il settore pubblico spesso fatica a cogliere le sfide della trasformazione e dell’innovazione digitale. INAIL, al contrario, ha una Data Strategy di lunga visione che mira a trasformare l’Istituto in una vera e propria Data Company a servizio della cittadinanza. A raccontare i pilastri di questa visione strategica è Francesco Saverio Colasuonno, Direttore Ufficio Dati & Analytics di INAIL.

Quali sono le fondamenta su cui avete costruito la vostra Data Strategy?

In INAIL abbiamo scelto di adottare una strategia sui dati con un fermo rigore metodologico e un approccio partecipativo. Uno dei più grandi errori che, a mio avviso, può commettere l’IT è definire una strategia dati all’interno solo del proprio perimetro; il coinvolgimento del business è uno dei fattori critici di successo di una Data Strategy. Per un semplice motivo: il dato appartiene sempre al business. Quindi i primi stakeholder che abbiamo coinvolto nella definizione della strategia sono proprio i nostri colleghi del business.

In secondo luogo, i dati acquistano valore, dando il loro contributo alle decisioni, se vengono integrati e messi in condivisione all'interno di ecosistemi che, nel nostro caso, significa apertura, condivisione, collaborazione con enti, istituti, e in generale tutti gli stakeholder di Salute, Welfare, Lavoro... Prima di procedere nella sua “messa a terra”, abbiamo condiviso la nostra strategia con gli enti di coordinamento della trasformazione digitale e della Data Governance della Pubblica Amministrazione (Team Digitale, Agid, Istat).

Altro pilastro fondamentale è quello delle partnership tecnologiche - come quella che ci lega a SAS con cui condividiamo sfide, opportunità e anche rischi.

A legare i pilastri tra loro c’è una consapevolezza di fondo: la grande mole di dati che abbiamo e continueremo a generare (non solo noi come INAIL ma tutti gli ecosistemi coinvolti) necessita di una governance efficace, condizione imprescindibile per trasformarci in una organizzazione data-driven capace di “sfruttare” i dati per supportare i processi decisionali e l'innovazione organizzativa.

Come si affronta una sfida tanto complessa che richiede necessariamente un equilibrio e un bilanciamento adeguato di tutti i pilastri fondanti la Data Strategy?

La chiave del successo sta proprio nel cercare, trovare e mantenere il difficile equilibrio tra tutte le forza in gioco. Innanzitutto, bisogna puntare sulle persone, vere protagoniste di tutti i cambiamenti e vere forze di equilibrio e governance, comprese quelle che riguardano la cultura del dato che va alimentata e diffusa.

Impegno che riguarda, naturalmente, anche la crescita delle competenze, in maniera differenziata rispetto ai profili di appartenenza e alle specifiche “ownership” sui dati (un utente del reparto Legal ha profili e competenze differenti da quelle di una persona che opera nell’ambito amministrativo o da un’altra che opera sul fronte statistico, e via dicendo... solo per fare un esempio concreto e tangibile), con una visione di responsabilità comune però. Legata cioè alla consapevolezza dell’importanza del dato nei processi decisionali di business.

Bisogna poi definire un rigoroso modello di Data Governance e, non meno importante, scegliere le tecnologie abilitanti. In questo caso il termine “abilitante” ha un ruolo strategico, non è una buzzword: le soluzioni tecnologiche sono l’elemento vitale attraverso il quale poter rendere efficiente ed efficace la strategia di business e il suo buon governo.

Quali sono i vostri “cantieri progettuali” e come si inserisce l’aspetto della qualità dei dati?

Abbiamo fatto partire ben dieci cantieri, che per noi rappresentano l’impianto progettuale della strategia dati, cantieri che riguardano aspetti organizzativi, tecnologici, di “alfabetizzazione” del dato, ecc. Ed è proprio sul dato e sulla qualità del dato che vorrei condividere qualche riflessione aggiuntiva perché per noi è un pilastro fondamentale nel processo decisionale, qualunque esso sia. Se vuoi diventare una organizzazione data-driven devi per forza avere dati di qualità. In questo senso, il business in INAIL aveva da tempo maturato questa consapevolezza, ben prima dell’IT.

La data quality non riguarda però solo il business. Per poter utilizzare al meglio tecnologie di intelligenza artificiale, come il machine learning, la qualità dei dati è imprescindibile: pensate quanto possa essere critico prendere decisioni su modelli allenati su data set inaffidabili, sbilanciati, di scarsa qualità. È più pericoloso un dato errato che un dato mancante! Un dato errato fa prendere - anche in maniera inconsapevole - decisioni non corrette.

Che tipo di benefici vi attendete dalla vostra Data Strategy?

Richiamo uno slogan, proponendone però una lettura nuova: l’utente al centro.

Io lo vorrei rivedere con una chiave di lettura diversa, con un utilizzo attento, consapevole del dato certificato dall'utente stesso. Vorrei cioè che i cittadini potessero essere parte attiva, partecipativa, nei processi decisionali della Pubblica Amministrazione con la cultura dei feedback (che rappresentano dati che diventano insights preziosi per le strategie della PA) utilizzando in maniera corretta i dati affinché possano portare al miglioramento dei servizi.

23 novembre 2023