PayConnect

3) Sperimentazione con la PA e risultati

Sistema da realizzare e sperimentazione con le PA Il sistema PAYCONNECT è strutturato attraverso una architettura generale riportata nello schema seguente che rappresenta i singoli moduli funzionali

sperimentazioneconlepa

Approccio Data-Driven.
Il Data Driven Strategy è un ribaltamento dell’approccio tradizionale utilizzato nello sviluppo della strategia. Prima la lettura dei dati avveniva solo nella parte finale delle attività, affidando la creazione della strategia stessa a esperienze, conoscenza del settore, benchmark, mercato. Passaggi che trovavano sì la presenza di dati, ma che spesso non erano strettamente connessi al progetto in essere o alla realtà coinvolta.

Approccio Tradizionale                                                                                                    

approcciotrad

 

Approccio Nuovo

approccionuovo

L’approccio Data Driven Strategy consiste nell’analizzare i dati sin dal primo approccio alla definizione degli obiettivi, agevolando la fase di stesura della strategia e, conseguentemente, dei contenuti. La parte creativa viene arricchita dalla certezza del dato, orientandola verso direzioni più vicine ai gusti e alle necessità degli utenti. Un lavoro a monte per capire i risultati prodotti e migliorare le attività successive. Nell’approccio Data Driven Strategy i Big Data Analytics sono parte integrante della strategia e della fase di produzione dei contenuti. Il loro supporto è costante, guidandoci alle giuste correzioni già durante il progetto, evitando il rischio di sprecare tempo e risorse.

Misurazione quantitativa dei risultati attraverso KPI estratti da BIG Data Analytics

Durante la stesura del progetto esecutivo, era stato individuato un set iniziale di KPI ritenuti adatti alla verifica dei risultati. Tali KPI erano legati principalmente ai processi organizzativi degli enti PA. Dallo studio scientifico integrato sulle metodologie di analisi dei Big Data in relazione agli approcci Lean, Data Drive ed MPV è apparso tuttavia opportuno ridefinire ed estendere il set ad altri aspetti legati all’interazione tra la piattaforma Payconnect e gli utenti.
Di seguito è rappresentato il processo di trasformazione dei dati raccolti dalla piattaforma per trasformarli nei feedback necessari all’orientamento dello sviluppo della piattaforma in relazione al business che deve generare.

 

trasfromazionedatiinstrategia

     Processo di trasformazione dati in strategia

Nel corso del progetto sono stati messi a punto degli indicatori con lo scopo di validare i risultati della piattaforma sotto 3 punti di vista.
Le misurazioni che sono state effettuate su un campione sperimentale complessivo di 1.604.834 pagamenti effettuati dai cittadini per un valore complessivo transato di € 493.404.773, sono il prototipo del Big Data Dashboard. Tramite l’osservazione e l’analisi delle variazioni dei valori di sintesi rappresentati sul dashboard, è stato quindi possibile ricavare costantemente informazioni per orientare gli sviluppi funzionali della piattaforma e delle sue performance, per adattarla alle esigenze di business. Lo studio dell’impostazione del Dashboard e i risultati cognitivi che ne derivano sono stati utilizzati durante sperimentazione di Payconnect, ma saranno trasferibili anche nella successiva fase di produzione.

Il Big Data Dashboard riassume quindi le seguenti categorie di Analytics, estraendo misure quantitative che devono essere studiate in correlazione tra di loro:

  1.  Monitoraggio, studio dei comportamenti e delle preferenze dei cittadini, destinatari finali della piattaforma (Comportamenti Sociali)
  2.  Monitoraggio e studio del grado di penetrazione dell’uso della piattaforma da parte degli Enti PA che l’hanno adottata (Comportamenti Organizzativi Enti PA)
  3.  Monitoraggio e studio della resistenza ai Workload della piattaforma anche in condizioni di carico (Tecnologica)

Diversi sono i KPI identificati per ottenere informazioni dalla sperimentazione di Payconnect raccolti nel prototipo di un dashboard e da una rappresentazione grafica d’inseme.

kpi

Il comportamento dei cittadini
Particolare attenzione è stata a data alla misurazione del comportamento statistico dei cittadini in relazione ai pagamenti tramite pagoPA, finalizzato ad indentificare variabili che ne possono influenzare le preferenze. Di seguito sono rappresentati alcuni di questi.

KPI Sociale- Cittadini – Preferenza modello di pagamento

kpimod3

 

Questo KPI mostra una sostanziale equivalenza nella scelta del cittadino tra la Modalità 1 e la Modalità 3. Nel caso del Modello 1, appare inoltre una preferenza nell’uso della carta di credito.

KPI Sociale – Cittadini – Preferenza orario di pagamento

schemafasceorarie

 Distribuzione oraria del numero di transazioni per giorno della settimana.

  • Questo KPI, che fa riferimento al dataset che include tutti i Casi d’Uso incluso il “servizio Tari Milano”, identifica un comportamento spiccato da parte del cittadino,  ovvero una preferenza netta nell’orario di pagamento nella prima parte della mattinata, tra le ore 9.00 e le 11.00.
  • Tale comportamento è sostanzialmente indipendente per tutti i giorni lavorativi. Sembrerebbe quindi che i cittadini preferiscano provvedere al pagamento fuori casa, ad esempio andando al lavoro pagando presso un bar o un ATM, o appena arrivati sul posto di lavoro.
  • Questa tendenza sembrerebbe confermata nel KPI di correlazione tra orario e modello di pagamento
  • Sembra invece che i cittadini non prediligano il pagamento all’interno dei locali domestici, nelle ore serali dopo cena. Questa tendenza troverebbe conferma
  • Il KPI mostra un’apparente anomalia nel comportamento dei cittadini. Tuttavia un’analisi successiva correlando dati provenienti da altre fonti, spiegano i pagamenti in orario notturno, ed in particolare alle 5.00, non sono su iniziativa del cittadini in quel momento, ma sono relativi a procedure dei PSP, che in alcune situazioni attivano le API “VerificaPagamento”, effettuano il pagamento, ma inviano la RPT (Richiesta di Pagamento Telematico) solo in orari notturni. Benchè questo comportamento dei PSP venga sconsigliato vivamente dalla normativa AgID, la stessa normativa lo consente.

KPI Sociale – Cittadini – Relazione tra orario e modello di pagamento

kpiorariemodellopag

 

  • Questo KPI riprende il precedente, e sembrerebbe mostrare che i pagamenti che avvengono fuori casa, siano effettuati in misura sostanzialmente equivalente su strada (Modello 3) e dall’Ufficio (Modello 1)
  • Nei pagamenti che avvengono nelle ore serali, dopo le ore 20.00, la predominanza del Modello 1 conferma che avvengono tra le mura domestiche.

KPI Sociale– Cittadini – Preferenza giorno settimana

kpiprefgiornosett

L’andamento di questo KPI su scala settimanale presenta alcune analogie rispetto all’andamento orario, ovvero:
• una preferenza ben delineata nella parte iniziale della settimana (lunedì) seguito da un calo, e una piccola ripresa nella seconda parte della settimana (venerdì)
• Coerentemente con il KPI orario, anche quello settimanale mostra che i cittadini non gradiscono pagare durante il tempo libero (sabato e dominica)

KPI Tecnologico – Workload piattaforma tecnologica

workflow

 

  • Questo KPI misura il numero massimo di transazioni orario misurato sulla piattaforma, che durante la sperimentazione è stata sollecitata dai grandi volumi del Caso d’Uso relativo alla tari Milano nei giorni di scadenza dei pagamenti. Questi valori, correlati con i dati provenienti dal servizio di Help Desk, dimostrano che la piattaforma tecnologica è in grado di resistere anche alle più forti sollecitazioni prevedibili.
  • Allo scopo di tenere sotto controllo anche eventuali workload dovuti a RPT (Richieste di Pagamento Telematico) che non erano pagamenti, il KPI ne misura l’entità, che come evidenziato dal diagramma risulta trascurabile.