la guida

Dddm: così i dati diventano leva strategica per le aziende



Indirizzo copiato

I dati sono fondamentali per le aziende, ma per innovare è cruciale il data-driven decision making (Dddm): vediamo come adottare un approccio guidato dai dati, i vantaggi, i casi di studio

Pubblicato il 25 giu 2024

Alessandra Talarico

Giornalista pubblicista, redazione agendadigitale.eu



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

I dati sono una risorsa sempre più preziosa per le aziende, ma per innovare occorre usarli per orientare le decisioni strategiche: ed è qui che entra in campo l’approccio noto come data-driven decision making (Dddm), che permette alle organizzazioni di fare scelte ponderate, basate su informazioni concrete piuttosto che su intuizioni o esperienze personali.

“L’uso strategico dei dati trasforma le informazioni in valore e conoscenza, consentendo di anticipare le tendenze, ottimizzare le attività e personalizzare l’esperienza dei clienti”, ha spiegato Andrea Benedetti, senior cloud architect data & AI di Microsoft.

Da sottolineare però che adottare un approccio guidato dai dati richiede non solo gli strumenti tecnologici adeguati – sempre più importante è anche, come vedremo, il ruolo dell’IA – ma anche una cultura aziendale pronta a valorizzare i dati come risorsa strategica.

What is Data Driven Decision Making

Per sfruttare appieno questo approccio per il successo organizzativo, dunque, occorre comprendere a fondo sia i vantaggi che le sfide da affrontare​​​.

Vantaggi del Dddm per le aziende

Attivare un processo di Dddm può portare a una serie di vantaggi competitivi.

“L’importanza del Data-driven decision-making nelle aziende non può essere sottovalutata. Utilizzare i dati per essere in grado di guidare le decisioni, che siano tattiche o strategiche, permette alle organizzazioni di rispondere in modo accurato e tempestivo alle esigenze”, sottolinea ancora Benedetti. E aggiunge: “La capacità di prendere decisioni informate basate sui dati permette di costruire una differenza competitiva significativa, poiché aiuta ad innovare continuamente e ad adattarsi rapidamente ai cambiamenti del mercato. Al contrario, prendere decisioni d’impulso o a sensazione porta con sé il rischio di fare errori costosi e generare inefficienze: senza una solida base di evidenze, necessaria per valutare correttamente le situazioni, diventa anche difficile prevedere le conseguenze delle proprie azioni”.

Vediamo allora i principali vantaggi dell’adozione di strumenti di Data-driven decision-making.

  • Decisioni più informate e precise. Utilizzando dati accurati e aggiornati, le aziende possono prendere decisioni basate su fatti concreti piuttosto che su intuizioni o supposizioni. Questo riduce il rischio di errori e migliora la qualità delle decisioni aziendali.
  • Miglioramento dell’efficienza operativa. L’analisi dei dati consente di identificare inefficienze e colli di bottiglia nei processi aziendali. Le aziende possono quindi adottare cambiamenti mirati per ottimizzare le operazioni, ridurre i costi e aumentare la produttività.
  • Personalizzazione dell’esperienza del cliente. I dati relativi ai comportamenti e alle preferenze dei clienti possono essere utilizzati per creare esperienze personalizzate. Questo non solo aumenta la soddisfazione del cliente, ma può anche portare a una maggiore fedeltà e a un aumento delle vendite.
  • Previsione e gestione del rischio. L’analisi predittiva permette alle aziende di adottare misure preventive e di prepararsi meglio per affrontare eventuali rischi futuri.
  • Innovazione e sviluppo di nuovi prodotti. I dati possono rivelare nuove opportunità di mercato e tendenze emergenti. Le aziende possono utilizzare queste informazioni per sviluppare nuovi prodotti e servizi che rispondano meglio alle esigenze dei clienti e alle dinamiche del mercato.
  • Migliore utilizzo delle risorse. Con una chiara comprensione di quali aree dell’azienda sono più performanti e quali necessitano di miglioramenti, le aziende possono ripartire le risorse in modo più efficace. Questo porta a un utilizzo più efficiente del budget e a un ritorno sull’investimento più elevato.
  • Aumento della competitività. Le aziende che sfruttano i dati per guidare le loro decisioni sono in grado di reagire più rapidamente ai cambiamenti del mercato e di adattarsi meglio alle esigenze dei clienti.

Implementazione del Dddm in un’azienda

“Il Data-driven decision making è di fondamentale importanza per le aziende che aspirano a rimanere competitive nell’era digitale in continua evoluzione. Adottare un approccio basato sui dati può trasformare il modo in cui le aziende operano, innovano e servono i propri clienti, garantendo un successo duraturo”, sottolinea Paolo Soda, docente della facoltà dipartimentale di Ingegneria Unicampus.

“Infatti, basarsi su dati concreti e analisi dettagliate per prendere decisioni strategiche offre una serie di vantaggi competitivi significativi quali, ad esempio, oggettività, efficienza operativa, personalizzazione dell’offerta, monitoraggio e miglioramento continuo, nonché migliore allocazione delle risorse, trasparenza e tracciabilità”, aggiunge Soda.

Vediamo allora gli step per introdurre con successo il Dddm in azienda. Partiamo col dire che non si tratta di un processo semplice e coinvolge vari aspetti, anche molto diversi tra loro: la cultura aziendale, la tecnologia disponibile, le competenze del personale e l’utilizzo dell’AI e la qualità dei dati.

Il ruolo dell’AI e il nodo della qualità dei dati

Partiamo proprio da quest’ultimo punto. Nel contesto dell’analisi dei dati per orientare le strategie aziendali, l‘intelligenza artificiale gioca infatti, un ruolo sempre più importante, poiché consente di analizzare enormi volumi di dati in modo rapido ed efficiente. L’IA utilizza algoritmi di machine learning per analizzare dati storici e prevedere tendenze future, aiutando le aziende a pianificare strategie e risorse in modo più efficace. Può analizzare testi non strutturati come email, recensioni dei clienti e social media, fornendo insight utili che potrebbero non emergere dai dati strutturati tradizionali. Inoltre, algoritmi di IA possono essere utilizzati per identificare le migliori opzioni decisionali attraverso l’analisi di scenari multipli e la valutazione dei rischi e dei benefici associati a ciascuna opzione.

Per avere insight affidabili e pertinenti, occorre tuttavia disporre di dati accurati, completi e ben strutturati.

“Gli algoritmi di intelligenza artificiale richiedono enormi quantità di dati per fornire informazioni precise e affidabili. Pertanto, la qualità dei dati che gli algoritmi di AI devono processare è fondamentale, specialmente se utilizzati per prendere decisioni aziendali seguendo un approccio Ddddm”, spiega Antonio Macaluso, Ricercatore al German research center for artificial intelligence (Dfki).

“In tale contesto – aggiunge – è necessario considerare alcuni fattori come le fonti di dati, che devono descrivere nel modo più completo possibile il fenomeno di riferimento per il quale una decisione deve essere presa. È inoltre fondamentale disporre di competenze analitiche adeguate e di una strategia di implementazione chiara per supportare i processi decisionali in modo efficiente. Infine, è necessario disporre di un’infrastruttura tecnologica adeguata, che consenta di garantire la sicurezza e la privacy dei dati. Una forte attenzione a tutti questi fattori consente alle organizzazioni di superare i possibili bias degli attori coinvolti nei processi decisionali aziendali, al fine di migliorare l’efficienza operativa e promuovere l’innovazione”.

I passi per implementare il DDDM in azienda

Vediamo allora quali sono i passi necessari per adottare in azienda una strategia di Dddm.

Definire gli obiettivi

Per iniziare con il Data-driven decision making, è fondamentale stabilire chiaramente gli obiettivi aziendali. Questi obiettivi guideranno tutto il processo decisionale basato sui dati.

Identificare i dati rilevanti

Una volta definiti gli obiettivi, è necessario identificare quali dati sono rilevanti per il raggiungimento di questi obiettivi. Questo può includere dati interni come vendite, operazioni e performance del personale, oltre a dati esterni come tendenze di mercato e comportamenti dei clienti.

Raccogliere e pulire i dati

Raccogliere dati accurati e completi è essenziale. I dati possono provenire da diverse fonti come CRM, ERP, social media, e-commerce. Una volta raccolti, è fondamentale pulire i dati per eliminare errori, duplicati e incongruenze, garantendo così che l’analisi successiva sia basata su informazioni affidabili.

Analizzare i dati

L’analisi dei dati è il cuore del Dddm. Utilizzando strumenti analitici e tecniche statistiche, i dati vengono trasformati in informazioni utili. Questo può includere l’analisi descrittiva, predittiva e prescrittiva per comprendere tendenze, fare previsioni e suggerire azioni concrete. Ad esempio, l’analisi predittiva è cruciale per le vendite: “Previsioni accurate consentono di elaborare piani di investimento mirati, ottimizzare la gestione delle scorte e della catena logistica, e indirizzare efficacemente gli sforzi di marketing, aumentando i tassi di conversione e riducendo i costi finanziari”, spiega Michele Zanelli, Associate Partner di P4I.

Comunicare i risultati

I risultati dell’analisi devono essere comunicati in modo chiaro e comprensibile a tutte le parti interessate. Questo può essere fatto attraverso report, dashboard interattivi e visualizzazioni di dati che evidenziano le intuizioni chiave e supportano le decisioni aziendali.

Creare una cultura data-driven

Per sostenere il Dddm a lungo termine, è cruciale creare una cultura aziendale orientata ai dati. Questo include formare il personale sull’importanza dei dati, promuovere l’uso continuo dei dati nelle decisioni quotidiane e assicurare che la leadership aziendale supporti e incoraggi questo approccio.

Strumenti e tecnologie per il Dddm

Nel Dddmsi utilizzano vari tipi di dati, tra cui dati strutturati come numeri e categorie, dati non strutturati come testo libero, immagini e video, e dati semi-strutturati come e-mail e documenti Xml. L’analisi di questi dati richiede un approccio olistico che consideri la varietà, la velocità e il volume – noti come le tre V del big data – e l’utilizzo di strumenti tecnologici avanzati. Vediamo i principali.

Business intelligence (BI)

La business intelligence (BI) comprende strumenti e tecnologie che trasformano i dati grezzi in informazioni significative e utili per scopi di business. Le piattaforme di BI offrono dashboard, report e visualizzazioni che aiutano le aziende a prendere decisioni basate su dati concreti. Tra i principali strumenti di BI troviamo Tableau, Power BI e QlikView.

Analisi predittiva

L’analisi predittiva utilizza tecniche statistiche e algoritmi per analizzare dati storici e fare previsioni riguardo a eventi futuri. Questo approccio è cruciale per identificare trend, anticipare problemi e ottimizzare le operazioni aziendali. Software come IBM SPSS, SAS e RapidMiner sono tra quelli più conosciuti.

Machine Learning

Utilizzando algoritmi di apprendimento supervisionato e non supervisionato, il ML può essere applicato per riconoscimento di pattern, classificazione, e clustering. Framework come TensorFlow, PyTorch e scikit-learn sono fondamentali per lo sviluppo di modelli ML.

Internet of Things (IoT)

I dati provenienti dai dispositivi IoT possono essere analizzati per migliorare l’efficienza operativa, monitorare in tempo reale e ottimizzare i processi. Piattaforme come AWS IoT, Azure IoT Hub e Google Cloud IoT offrono soluzioni complete per la gestione e l’analisi dei dati IoT.

Cloud computing

Servizi cloud come Amazon web services (AWS), Microsoft Azure e Google cloud platform (GCP) supportano l’analisi dei dati, l’archiviazione e l’elaborazione su larga scala, facilitando l’adozione del Data-driven decision making.

Esempi di applicazioni del DDDM nel settore industriale

Il Dddm è già una realtà in molte industrie. Nel settore automobilistico, ad esempio, la Toyota grazie all’utilizzo strategico dei dati, è riuscita a risolvere problemi complessi riguardanti la logistica interna ed esterna, migliorando notevolmente l’efficienza della supply chain.

Nell’industria farmaceutica, Pfizer, attraverso il Dddm, ha ottimizzato i suoi processi di produzione, riducendo i tempi di attesa e aumentando la qualità dei prodotti.

Le società di logistica si avvalgono del Dddm per ottimizzare le rotte di consegna, riducendo costi e tempi. E in ambito manifatturiero, gli algoritmi basati sui dati stanno trasformando la gestione delle catene di fornitura, permettendo un controllo senza precedenti sull’inventario e sulle operazioni di produzione.

Vediamo nel dettaglio tre casi di studio.

Utilizzo del Dddm per ottimizzare la supply chain: P&G

Procter & Gamble (P&G), una delle più grandi aziende di beni di consumo al mondo, ha adottato un approccio basato sui dati per ottimizzare la sua supply chain. Raccoglie dati in tempo reale da una vasta gamma di fonti, tra cui vendite, inventari, dati di produzione, feedback dei clienti e dati di mercato. Utilizza anche dati esterni, come previsioni economiche e trend dei consumatori, per arricchire le analisi.

L’azienda utilizza sofisticati algoritmi di machine learning e analisi predittiva per prevedere la domanda dei prodotti con grande precisione. Questi modelli tengono conto di variabili stagionali, promozioni, cambiamenti nei comportamenti dei consumatori e altri fattori. Analisi avanzate sono utilizzate per ottimizzare gli inventari, determinando la quantità ottimale di stock da mantenere in ciascun magazzino per minimizzare i costi di stoccaggio e ridurre le rotture di stock.

I dati e le analisi vengono utilizzati per prendere decisioni informate su quando e dove produrre e distribuire i prodotti all’interno della rete globale di P&G. P&G utilizza anche i dati per ottimizzare la logistica e migliorare l’efficienza della distribuzione, riducendo i tempi di consegna e i costi di trasporto. L’ottimizzazione degli inventari e della logistica ha permesso a P&G di ridurre significativamente i costi operativi. La capacità di prevedere con precisione la domanda ha migliorato la disponibilità dei prodotti, riducendo le rotture di stock. La sincronizzazione della produzione con la domanda effettiva ha ridotto gli sprechi e migliorato l’efficienza operativa. L’approccio basato sui dati ha reso la supply chain di P&G più flessibile e resiliente, permettendo all’azienda di adattarsi rapidamente ai cambiamenti della domanda e alle interruzioni della catena di fornitura.

Utilizzo del DDDM per la manutenzione predittiva: GE Aviation

Un esempio di azienda che ha utilizzato il Data-driven decision making (Dddm) per la manutenzione predittiva è General Electric (GE), in particolare la sua divisione GE aviation.

GE Aviation ha implementato un sistema di manutenzione predittiva utilizzando il Dddm. Sensori avanzati sono stati installati sui motori per raccogliere dati in tempo reale su vari parametri operativi come temperatura, pressione, vibrazioni e velocità. I dati storici di performance e manutenzione sono stati integrati nel sistema. Utilizzando tecniche di machine learning e analisi avanzata, i dati raccolti dai sensori sono stati analizzati per identificare pattern e segnali premonitori di possibili guasti. Modelli predittivi sono stati sviluppati per stimare la probabilità di guasti futuri e per identificare le condizioni operative che potrebbero portare a problemi.

Gli insight derivati dai modelli predittivi sono stati utilizzati per pianificare interventi di manutenzione solo quando effettivamente necessari, basandosi sulle condizioni reali dei motori piuttosto che su intervalli temporali fissi. Questo approccio ha permesso di ottimizzare i tempi di manutenzione, riducendo i costi operativi e migliorando la disponibilità dei motori. I risultati ottenuti includono una significativa riduzione dei costi di manutenzione grazie alla riduzione degli interventi non necessari, un aumento della disponibilità dei motori che ha migliorato l’efficienza operativa delle compagnie aeree clienti, e un miglioramento della sicurezza grazie alla prevenzione di guasti imprevisti.

Utilizzo del Dddm per migliorare la qualità dei prodotti: Netflix

Per migliorare la qualità dei contenuti offerti e personalizzare l’esperienza utente, Netflix raccoglie una vasta quantità di dati dai suoi utenti, inclusi dati di visualizzazione, interazione e demografici.

Utilizzando algoritmi avanzati di machine learning e analytics, Netflix analizza questi dati per identificare pattern di comportamento e preferenze degli utenti. Sulla base dei dati analizzati, Netflix prende decisioni informate per migliorare la qualità dei contenuti e personalizzare l’esperienza utente, inclusi suggerimenti personalizzati e investimenti in nuovi contenuti originali. Ad esempio, Netflix utilizza algoritmi di raccomandazione per suggerire contenuti che gli utenti potrebbero trovare interessanti e ha prodotto contenuti originali di successo come “Stranger Things” e “The Crown”.

I risultati di questo approccio basato sui dati includono un miglioramento della qualità percepita dei contenuti, un aumento del tempo di visualizzazione e dell’engagement degli utenti, e una riduzione del tasso di abbandono degli abbonati.

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