News
22/11/2021

Industrial Data Sharing

Share this post
Autori del blog
Pietro Giovanni Bizzaro
Project manager
Iscriviti alla newsletter di Data Valley
Cliccando su "Iscriviti" acconsenti al trattamento dati secondo la nostra Privacy Policy.
Grazie, la tua iscrizione alla newsletter è stata ricevuta!
Si è verificato un errore durante l'invio del modulo.

I dati industriali sono considerati un keypoint per rilanciare la produzione industriale europea. Le proposte di Data Governance Act e European Data Act hanno introdotto il concetto di dati industriali come strumenti di ottimizzazione dei processi aziendali.

La condivisione del dato è tutt’oggi poco diffusa, in particolare nelle PMI, che incontrano ostacoli nell’interpretare ed adeguarsi al quadro normativo di riferimento. La complessità del quadro regolatorio frena la condivisione del dato, divenendo una barriera per le aziende, impedendogli di entrare nel mercato dei dati o costringendole ad astenersi dal raccogliere, condividere o scambiare dati.

Per queste ragioni, l’Unione Europea ha reso la condivisione dei dati una delle chiavi di volta delle recenti misure legislative, dal momento che un quadro giuridico efficace per lo scambio di dati stimola la concorrenza e l’innovazione. Le recenti proposte legislative europee mirano quindi a creare un quadro giuridico che possa favorire la condivisione e l’utilizzo dei dati, in particolare quelli generati in contesti industriali. La proposta di Data Governance Act mira a creare un ambiente affidabile ed economicamente sostenibile per la condivisione dei dati B2B e G2B.

I dati industriali rappresentano quindi un asset prezioso per quelle aziende in grado di sfruttarli al meglio. Alcune caratteristiche comunemente attribuite ai dati industriali sono: l’inclusione nella macro categoria dei Big Data (in quanto rappresentano grandi quantità di dati, prodotti velocemente e in tempo reale), l’eterogeneità, l’essere proprietari, la loro organizzazione in maniera strutturata e la generazione dei dati in un contesto industriale.

Si tende a pensare che i dati aventi queste caratteristiche siano limitati a dati non personali, generati automaticamente e senza intervento umano nei processi aziendali, tuttavia è improbabile che non vengano raccolti dati personali anche in ambienti industriali chiusi.

Il GDPR fornisce, infatti, una definizione molto ampia di dato come personale (“qualsiasi informazione relativa a persona fisica identificata o identificabile”), di conseguenza in tutti i casi in cui è possibile una reidentificazione sarà necessario adottare tecniche di anonimizzazione e bilanciare il mantenimento del valore economico del dato con la privacy dei soggetti interessati.

Sebbene tutte le tecniche di anonimizzazione o pseudoanonimizzazione migliorino la protezione dei dati e la privacy, la loro affidabilità è stata più volte messa in discussione. In futuro, inoltre, potrebbero diventare ancora meno efficaci con lo sviluppo di sistemi di intelligenza artificiale o nuove tecniche di analisi dei dati, per questo alcuni esperti consigliano di utilizzare una combinazione di tecniche per rendere i dati personali veramente anonimi. Una tecnica senza dubbio innovativa in questo ambito è la generazione di dati sintetici, cioè dati generati artificialmente attraverso modelli di machine learning di tipo generativo, che partendo da un dataset originale genera un dataset artificiale che ne mantiene le proprietà statistiche.

Ulteriori ostacoli alla condivisione del dato sono di ordine tecnico, regolatorio e interno (afferenti alla politica interna della singola azienda). In linea di principio, ogni azienda dovrebbe essere in grado di decidere come gestire i dati che genera. In un contesto industriale, ciò si ottiene al meglio attraverso contratti equi che tengono conto dell’interesse di tutte le parti coinvolte, della protezione del know-how e della riservatezza dei dati.

Stamplast, ad esempio, è una PMI italiana che si occupa di produrre stampi per materie plastiche per terze parti. In particolare, l’azienda nel processo di produzione degli stampi segue quattro diverse fasi: l’analisi della migliore soluzione tecnica, la progettazione esecutiva dello stampo, la costruzione dello stampo e il collaudo degli stampi per plastica. In queste attività, Stamplast raccoglie un gran quantitativo di dati, dal monitoraggio dei macchinari impiegati al know-how riguardante lo specifico stampo in produzione. Nel caso concreto, questi dati dovranno essere protetti attraverso la redazione di contratti chiari e trasparenti, in quanto lo stampo rappresenta informazioni preziose per il cliente, che ha interesse a tutelarne il complesso di conoscenze ed esperienze tecniche, e valorizzati attraverso strumenti di system integration, conservazione e condivisione sicura del dato, sia all’interno dell’azienda stessa che con l’esterno, come attraverso la creazione di data lake settoriali.

Inoltre, per favorire la concorrenza e la collaborazione tra industrie è necessario introdurre formati e modelli basati su standard liberamente accessibili in cui garantire l’interoperabilità tra dispositivi e le diverse attività per l’industria contemporanea, che sta vivendo un processo di profonda trasformazione tecnologica, nonché l’introduzione di sistemi di intelligenza artificiale e IoT.

La quarta rivoluzione industriale è stata definita “data-driven” e coinvolgere tutte le aziende, grandi e piccole, che operano all’interno dell’Unione Europea. Di conseguenza, i dati industriali rappresentano il primo strumento per permettere alle PMI italiane, che ne possiedono, di innovarsi ed essere competitive nel mercato europeo; sarà quindi fondamentale saper cogliere le opportunità offerte dal nuovo pacchetto legislativo presentato dalla Commissione e sfruttare gli investimenti per accompagnare l’azienda nella transizione digitale.

Sei pronto a trasformare i dati in valore per il tuo business?