la guida

Analisi big data: come sfruttarla per ottenere un vantaggio competitivo



Indirizzo copiato

L’analisi dei big data è una priorità per le aziende al fine di mantenersi competitive sul mercato: vediamo tutto ciò che bisogna sapere per sfruttare al meglio questa strategia

Pubblicato il 8 lug 2024

Federica Maria Rita Livelli

Business Continuity & Risk Management Consultant, BCI Cyber Resilience Group, Clusit, ENIA



Business,Man,Inside,Data,Transformation,,Big,Data,,Iot,,Data,Flow

L’analisi dei big data sta assumendo un ruolo sempre più centrale, consentendo alle organizzazioni di crescere grazie a funzionalità come l’analisi in tempo reale e il miglioramento del processo decisionale. Ne consegue che, investire in una strategia efficace per la gestione dei dati permette di mantenere un vantaggio competitivo nel mercato.

I vantaggi offerti dai big data si sono moltiplicati a fronte della trasformazione digitale e della diffusione di tecnologie, quali il cloud computing, l’Internet of Things (IoT) e l’intelligenza artificiale.

Di fatto, una solida strategia per la gestione dei dati è indispensabile per le organizzazioni che vogliono mantenere un vantaggio competitivo e sfruttare al massimo il potenziale dei big data. Inoltre, l’analisi dei dati è ormai integrata in vari settori e dipartimenti, oltre a svolgere un ruolo cruciale nelle iniziative di sostenibilità, come il monitoraggio delle emissioni e degli agenti  inquinanti, contribuendo così alla lotta contro il cambiamento climatico.

Importanza e vantaggi dell’analisi dei big dati

I big data offrono vantaggi significativi attraverso l’analisi avanzata che permette previsioni precise, ottimizzazione dei processi, miglioramento delle performance aziendali e personalizzazione dell’esperienza del cliente. Ecco i principali vantaggi che offrono:

  • Decisioni strategiche – I big data offrono una comprensione dettagliata che guida decisioni più informate e strategiche, consentendo alle organizzazioni di individuare opportunità di crescita, migliorare l’efficienza operativa e ridurre i rischi. I
  • Vantaggio competitivo – Le organizzazioni, sfruttando efficacemente i big data, ottengono un vantaggio competitivo significativo. Inoltre, esse possono identificare nuove opportunità di business, sviluppare prodotti e servizi innovativi e anticipare le esigenze dei clienti, conquistando così una posizione di leadership nel mercato.
  • Efficienza operativa – L’analisi dei big data permette alle organizzazioni di ottimizzare le operazioni aziendali, identificando colli di bottiglia, riducendo gli sprechi e automatizzando le attività. Ciò consente di ottenere un risparmio sui costi e una maggiore produttività, liberando risorse per investire in altre aree strategiche.
  • Esperienza del cliente personalizzata – Le organizzazioni, grazie ai big data, sono in grado di ottenere una visione completa dei comportamenti e delle preferenze dei clienti che consente di: personalizzare le interazioni; fornire raccomandazioni mirate; migliorare la soddisfazione complessiva, fidelizzando i clienti e aumentando la redditività.
  • Motore di innovazione – Le organizzazioni, grazie all’analisi dei big data, sono altresì in grado di avviare un processo di innovazione, riuscendo a: identificare tendenze emergenti; sviluppare nuovi prodotti; promuovere innovazioni dirompenti; aprire nuovi flussi di entrate.

Big data e cybersecurity

Nell’attuale era digitale, la convergenza di big data e cybersecurity sta creando potenti difese contro le minacce informatiche sempre più sofisticate e frequenti. L’analisi dei Big Data si converte in una leva strategica che può:

  • Migliorare notevolmente la capacità di rilevare, di rispondere e persino di prevedere le minacce informatiche, risparmiando tempo e denaro.
  •  Aiutare a gestire le minacce avanzate e gli attacchi ad alto volume che mettono a rischio le organizzazioni, in particolare quelle che gestiscono ingenti dati dei clienti, come i vendor di soluzioni SaaS.
  • Elaborare e analizzare rapidamente grandi quantità di dati eterogenei, individuando anomalie e modelli che indicano minacce.
  • Garantire  – grazie all’AI – il superamento delle sfide legate alla gestione e all’analisi dei dati, oltre che garantire tempi di rilevamento e risposta notevolmente migliorati.
  • Supportare sempre più, con l’avanzare della tecnologia, la cybersecurity- a fronte dell’espansione dell’integrazione dell’IoT – garantendo una maggiore condivisione di informazioni sulle minacce e dei progressi nell’apprendimento automatico.

Applicazione dell’analisi dei big data

L’analisi dei Big Data riveste un ruolo cruciale in diverse aree. Di seguito alcune delle principali applicazioni dell’analisi dei Big Data:

  • Marketing e analisi della clientela – Le organizzazioni possono utilizzare l’analisi dei big data per comprendere i comportamenti e le preferenze dei consumatori attraverso dati come interazioni online, transazioni e feedback, consentendo di personalizzare le strategie di marketing, migliorare l’esperienza del cliente e aumentare la fedeltà dei clienti.
  • Settore finanziario – L’analisi dei big data è fondamentale nel settore finanziario per la gestione del rischio, l’individuazione delle frodi e l’analisi delle operazioni finanziarie. Di fatto, lil settore finanziario, grazie all’analisi di grandi volumi di dati, in tempo reale, è in grado di identificare pattern sospetti, prevenire frodi e prendere decisioni di investimento più informate. Inoltre, l’analisi dei Big Data supporta lo sviluppo di modelli predittivi in grado di anticipare le tendenze di mercato e ottimizzare i portafogli di investimento.
  • Sanità – L’analisi dei big data, nel settore sanitario, contribuisce all’analisi dei dati clinici per migliorare diagnosi e trattamenti, alla gestione delle cartelle cliniche elettroniche per coordinare meglio le cure e all’identificazione di pattern per la prevenzione delle malattie. Ciò può migliorare l’efficienza dei servizi sanitari e l’outcome dei pazienti.
  • Settore pubblico e governativo – L’analisi dei big data, nel settore pubblico, è utilizzata per analizzare dati demografici al fine di migliorare i servizi pubblici, di gestire infrastrutture in modo più efficiente, oltre a garantire la sicurezza nazionale, identificando potenziali minacce. Inoltre, l’analisi dei big data supporta la formulazione di politiche basate sull’evidenza, migliorando la trasparenza e l’efficienza della pubblica amministrazione.

Come condurre un’analisi big data efficacie

Per condurre un’analisi dei Big Data efficace, è necessario seguire un processo ben definito che comprende diverse fasi cruciali, quali:

  • Definizione degli obiettivi – Il primo passo fondamentale è chiarire gli obiettivi dell’analisi dei big data. Ciò comprende stabilire cosa si vuole ottenere, analizzando i dati, i.e. migliorare l’efficienza operativa, incrementare i ricavi, ottimizzare l’esperienza del cliente o raggiungere altri obiettivi specifici dell’azienda.
  • Raccolta e integrazione dei dati – Una volta definiti gli obiettivi, si procede con la raccolta dei dati pertinenti da una varietà di fonti sia interne sia esterne all’organizzazione. Tali fonti possono includere: database aziendali, file di log, feed dai social media, dati provenienti da sensori IoT, e altro ancora. L’integrazione dei dati è il processo di estrazione dei dati dalle loro fonti originali, la trasformazione in un formato standardizzato (se necessario) e il caricamento dei dati nel repository destinato all’analisi. Inoltre, strumenti di integrazione dei dati come ETL (Extract, Transform, Load) o ELT (Extract, Load, Transform) possono essere utilizzati per automatizzare questo processo complesso.
  • Pulizia e pre-elaborazione dei dati – I dati raccolti spesso sono grezzi e possono essere incompleti, incoerenti o contenere errori. Pertanto, prima di poter eseguire un’analisi significativa, è necessario pulire e pre-elaborare i dati. Ciò include l’identificazione e la gestione dei valori mancanti, la rimozione dei duplicati, la normalizzazione dei dati per renderli coerenti e la gestione delle inconsistenze. Le tecniche di pulizia dei dati – quali  la validazione dei dati, la deduplicazione, la correzione degli errori e l’elaborazione del linguaggio naturale (come la rimozione delle stop word o la tokenizzazione) – sono utilizzate per garantire che i dati siano accurati e pronti per l’analisi.
  • Analisi esplorativa dei dati (EDA – Explorative Data Analysis) –  I dati, dopo essere statipuliti e pre-elaborati, sono pronti per EDA che implica l’uso di tecniche statistiche e di visualizzazione per esaminare i dati e ottenere una comprensione iniziale. L’obiettivo è identificare pattern, tendenze, correlazioni, outlier e altre informazioni rilevanti. Le tecniche comuni utilizzate nell’EDA includono l’analisi statistica descrittiva, l’uso di grafici e grafici per visualizzare i dati, oltre all’individuazione di relazioni tra variabili. Strumenti avanzati di visualizzazione dei dati – quali Tableau, QlikView, Power BI o Python, con librerie come Matplotlib e Seaborn  – possono essere utilizzati per esplorare visivamente i dati e ottenere insight rapidi.
  • Analisi dei dati e modellazione – Dopo l’analisi esplorativa, si procede con l’analisi approfondita dei dati e la modellazione. Questa fase utilizza tecniche avanzate quali il data mining, il machine learning, l’analisi statistica avanzata e l’intelligenza artificiale per identificare pattern più complessi nei dati, fare previsioni e costruire modelli predittivi.
  • Interpretazione dei risultati e decisioni strategiche – Infine, i risultati dell’analisi vengono interpretati e utilizzati per prendere decisioni strategiche. Ciò può includere l’ottimizzazione dei processi aziendali, lo sviluppo di nuovi prodotti o di servizi, la personalizzazione dell’esperienza del cliente, l’identificazione di opportunità di mercato e altro ancora. È doveroso evidenziare che l’analisi dei big data è un processo multidisciplinare che richiede competenze avanzate in data science, statistica, programmazione e gestione dei dati. Pertanto, le organizzazioni devono avvalersi di professionisti qualificati – quali data scientist e analisti – che possano trasformare i dati grezzi in informazioni preziose e azionabili.

Analisi big data e modello delle 5V

Si tratta di modello che le organizzazioni devono considerare quando pianificano di raccogliere, elaborare e analizzare i dati. In passato si parlava di “Modello delle 3V” , i.e. Volume, Velocita e Varietà – che era stato introdotto da Doug Laney per descrivere le caratteristiche fondamentali dei Big Data. Successivamente, il modello è stato ampliato con due ulteriori V, i.e. Valore e Veridicità. Di seguito una sintesi delle varie componenti:

  • Volume – Si riferisce alla vasta quantità di dati generati e accumulati che è alimentata dalla proliferazione di dispositivi digitali e sensori. Il volume dei dati è in crescita esponenziale, con previsioni che indicano una quantità di dati nei prossimi anni molto superiore a quella generata negli ultimi decenni. Attualmente, la soglia di definizione dei big data è spesso considerata a partire da 50 Terabyte.
  • Velocità – Indica la rapidità con cui i dati sono generati, raccolti e analizzati. È essenziale per le organizzazioni poter acquisire, elaborare e utilizzare i dati in tempo reale per ottenere vantaggi competitivi significativi. Di fatto, aumentare la velocità di analisi dei dati permette di trasformare informazioni in indicatori strategici immediati e utili per il business.
  • Varietà – Si riferisce alla diversità dei tipi di dati disponibili che possono essere strutturati o non strutturati oltre che provenire da fonti eterogenee. Gestire questa varietà richiede strumenti flessibili capaci di interpretare in modo efficace dati con caratteristiche diverse.
  • Veridicità – Indica l’affidabilità e la qualità dei dati raccolti. È cruciale garantire che i dati siano accurati e integri per evitare distorsioni nelle analisi e nelle decisioni basate sui dati. Ne consegue che la data governance è fondamentale per assicurare la veridicità dei dati attraverso metodologie di validazione e gestione dei dati.
  • Valore – È la capacità di trasformare i dati grezzi in informazioni significative e utili per prendere decisioni strategiche. Ciò implica non solo l’analisi dei dati per identificare pattern e trend, ma anche l’estrazione di informazioni di valore che possono guidare azioni e strategie aziendali efficaci.

I concetti, sopra descritti, rappresentano un quadro completo per comprendere e gestire i Big Data, fornendo un fondamento cruciale per l’adozione di tecnologie avanzate di analisi e per l’ottimizzazione delle decisioni aziendali basate sui dati.

Tecniche di analisi big data

L’analisi dei dati impiega diverse tecniche, ciascuna con applicazioni specifiche e caratteristiche distintive. Le tecniche possono essere generalmente suddivise in cinque categorie principali:

Analisi descrittiva: L’analisi descrittiva costituisce il punto di partenza per molti progetti di analisi dei dati, concentrandosi sulla sintesi e sul riassunto dei dati storici per fornire una chiara comprensione di ciò che è accaduto. Le tecniche comuni includono l’aggregazione dei dati per ottenere una visione d’insieme, l’utilizzo di statistiche descrittive come media, mediana, moda e deviazione standard, oltre alla visualizzazione dei dati tramite grafici, dashboard e infografiche per comunicare intuitivamente i risultati.

Analisi diagnostica –  L’analisi diagnostica va oltre l’analisi descrittiva per esplorare le cause che hanno portato a determinati risultati. Tale tecnica cerca di identificare le relazioni tra le variabili per comprendere i fattori che hanno contribuito a specifici esiti. Le tecniche includono: l’analisi di correlazione per esplorare le relazioni tra variabili; l’analisi di regressione per modellare le dipendenze tra variabili indipendenti e dipendenti; l’esplorazione dei dati per scoprire pattern e anomalie significative.

Analisi predittiva – Si utilizzano i dati storici per costruire modelli che possono prevedere comportamenti futuri. Tale tecnica si basa su algoritmi di apprendimento automatico e modellazione statistica per identificare pattern e tendenze che possono essere utilizzati per fare previsioni. Ne sono un esempio la regressione per prevedere valori futuri, la classificazione per anticipare categorie o classi discrete e la previsione di serie temporali per prevedere trend basati su dati temporali storici.

Analisi prescrittiva – Si tratta di un livello più avanzato di analisi dei dati in grado di prevedere non solo potenziali risultati, ma anche di suggerire azioni ottimali atte a raggiungere gli obiettivi aziendali. L’analisi prescrittiva è basata su tecniche di ottimizzazione, simulazione e analisi delle decisioni atte a identificare il miglior corso d’azione in scenari complessi. Essa include l’ottimizzazione per individuare soluzioni ottimali in base alle indicazioni e gli obiettivi, oltre alla simulazione per valutare scenari alternativi e all’analisi delle decisioni per valutare opzioni, considerando rischi e incertezze.

Analisi avanzata – Esistono anche tecniche avanzate di analisi dei dati che si basano su algoritmi sofisticati di intelligenza artificiale e deep learning. Tali tecniche sono utilizzate per estrarre informazioni da dati non strutturati e complessi. Alcuni esempi includono: l’elaborazione del linguaggio naturale (NLP) per analizzare dati testuali; la visione artificiale per analizzare immagini e video; l’analisi dei grafici per esaminare relazioni complesse tra entità in reti interconnesse.

Strumenti di analisi big data

Le organizzazioni, per sfruttare appieno il potenziale dei processi e delle tecniche di analisi dei dati, devono utilizzare una combinazione di strumenti e competenze adeguate. Esaminiamo alcuni strumenti chiave e il loro ruolo nell’analisi dei dati:

Microsoft Excel: -Microsoft Excel è stato – ed è ancora – uno strumento fondamentale per l’analisi dei dati dato che sfrutta le funzioni di calcolo e le capacità di visualizzazione dei dati per molte attività di analisi. Inoltre, costituisce uno strumento ideale per iniziare e per eseguire analisi di base su dati strutturati.

SQL (Structured Query Language) – Si tratta di un linguaggio standard per gestire e per interrogare database relazionali. Esso risulta essere particolarmente strategico per estrarre, manipolare e analizzare grandi quantità di dati strutturati in modo efficiente. SQL, grazie ad istruzioni come SELECT, JOIN e GROUP BY, offre un controllo preciso sui dati, consentendo analisi complesse e la creazione di report dettagliati.

Tableau e Microsoft Power BI – Si tratta di potenti strumenti di business intelligence che consentono di trasformare dati grezzi in dashboard interattive e report visivamente coinvolgenti. Sono strumenti essenziali per la visualizzazione dei dati e la generazione di insight rapidi e intuitivi.

Python e R – Si tratta di linguaggi di programmazione ampiamente utilizzati per l’analisi dei dati avanzata e il machine learning che – grazie a librerie quali NumPy, Pandas e Matplotlib in Python, o dplyr, ggplot2 e caret in R – sono in grado d: eseguire analisi statistiche sofisticate; sviluppare modelli di machine learning; creare visualizzazioni personalizzate.

Apache Hadoop – Una piattaforma che offre un framework per l’archiviazione e l’elaborazione distribuita di vasti set di dati su cluster di computer ed utilizza componenti come HDFS (Hadoop Distributed File System) per la gestione dei dati e MapReduce per l’elaborazione parallela.

Apache Spark – Un motore di elaborazione dei dati in memoria che spesso supera Hadoop in termini di prestazioni per determinati tipi di carichi di lavoro. Grazie alla sua capacità di elaborare i dati direttamente in memoria, Spark è particolarmente adatto per analisi in tempo reale e per operazioni complesse su grandi volumi di dati.

Le organizzazioni, integrando – a seconda delle proprie necessità – gli strumenti sopra descritti in un flusso di lavoro coeso sono in grado di creare pipeline di analisi dei dati potenti ed efficienti.

È doveroso ricordare che è cruciale sviluppare competenze adeguate, sia tecniche sia di business, per tradurre le esigenze aziendali in domande di analisi, oltre ad essere in grado di comunicare efficacemente i risultati ottenuti. Le organizzazioni, solo attraverso quest’approccio integrato saranno in grado di di ottenere insight significativi, prendere decisioni informate e ottenere un vantaggio competitivo nel mercato.

Conclusioni

Si ritiene che il futuro dell’analisi dei big data prometta ulteriori sviluppi, con una crescita esponenziale dei dati digitali generati. Ne consegue che le organizzazioni dovranno sempre più prepararsi a sfruttare appieno questo vasto potenziale, adottando tecnologie e strategie avanzate di analisi basate sull’AI per mantenere un vantaggio competitivo nel mercato globale in continua evoluzione.

Speciale PNRR

Tutti
Incentivi
Salute digitale
Formazione
Analisi
Sostenibilità
PA
Sostemibilità
Sicurezza
Digital Economy
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr

Articoli correlati

Articolo 1 di 4