Vendere servizi digitali è diventato uno dei fattori decisivi per molti settori industriali. Solo di qualche settimana fa l’annuncio di alcuni istituti bancari che si apprestano a vendere servizi attraverso la pubblicazione di API anche in Italia.
Anche la Pubblica Amministrazione sta approcciando il paradigma delle piattaforme digitali mettendo sempre più spesso a disposizione servizi e contenuti informativi. Il Piano triennale per l’informatica nella Pubblica Amministrazione va in questa direzione.
I servizi digitali stanno diventando uno degli importanti veicoli di diffusione e commercializzazione dei dati che rappresentano “il petrolio” del terzo millennio come ha evidenziato pochi mesi fa l’economist in una sua copertina. Le API (Application Programming Interfaces) sono la forma tecnica per ottenere informazioni o dati e per modificare informazioni e dati, nei fatti la commercializzazione dell’accesso alle Application Programming Interfaces è la modalità di vendere o acquistare informazioni e dati. Tutto il modello Cloud è basato su questo aspetto con sistemi più o meno complessi.
Sulla spinta di una sempre crescente domanda di servizi digitali si è generata un’offerta di dati sempre più ricca. Attualmente i servizi digitali sono offerti spesso sulla base di modelli flat o basati sulle risorse utilizzate (es. Mb utilizzati, CPU utilizzate, ecc. ecc.). Questo modello non è efficiente, in un mercato quello che determina il prezzo è principalmente il modello della domanda e dell’offerta.
Partendo da queste considerazioni con Luna Leoni e Alessandro Cinque, due ricercatori presso la cattedra di Professoressa Paola Paniccia di Economia e Gestione delle Imprese della Facoltà di Economia dell’Università di Tor Vergata, abbiamo scritto un paper che verrà presentato a Bilbao alla 27° conferenza annuale dell’European Association for Research on Services che sarà incentrata su “The crucial role of services in business and cities competitiveness”.
Nel paper dal titolo “A conceptual price model for smart cities” abbiamo preso in esame in particolare il modello di pricing di servizi digitali nelle smart cities ritenendo che proprio il soggetto pubblico possa utilizzare al meglio la vendita di dati valorizzandoli ad esempio per finanziare in parte le proprie attività sociali. Il soggetto pubblico, d’altra parte, rappresenta il caso più complesso di una transazione economica e dal suo studio possono essere tratte innumerevoli declinazioni in ambito privato. Il caso della PA comporta la necessità di creare un modello di pricing che sappia distinguere tra fruitori che hanno diritto ad accedere gratuitamente ai dati e altri profili ai quali debba essere applicata una tariffa. Ciò comporta anche il ripensamento in parte del modello Open Data potendo offrire così i dati gratuitamente solo a chi ne abbia diritto o al quale la collettività decide di riconoscerlo (es. il cittadino, il turista, ecc) mentre a chi ne fa uso commerciale applicare un costo (es. google o altre piattaforme), in questo modo si evita di regalare a chi non ne ha diritto e non a fini sociali un valore economico pubblico.
Il modello che ne è emerso, e che è sarà affinato nel corso di ulteriori approfondimenti, è un approccio dinamico che tiene conto di tre fattori principali: Chi, Time e Timing, Frequenza.
La variabile “Chi” indica quale utente o categoria di utente sta utilizzando il servizio. In particolare è possibile categorizzare diversi profili di utenti a secondo della loro necessità di servizio, tener conto di livelli di servizio differenti, considerare l’uso pubblico e gratuito di alcuni servizi della PA. Maggiore sarà la capacità di profilazione degli utenti tanto maggiore sarà la capacità del sistema di arrivare ad una più accurata determinazione del prezzo. L’utenza dovrà dunque essere identificata in qualche modo, il sistema più utilizzato è attraverso una chiave che consente tale riconoscimento e l’accesso ai servizi. Ovviamente la chiave dovrà considerare un accordo di licenza dei servizi che richiama all’utente all’uso per il quale è stato profilato facendo valere in sede giuridica la violazione di tali accordi.
La variabile Time e Timing sono in realtà due grandezze diverse. La prima è il tempo legato alla velocità e alla accuratezza con la quale il dato viene fornito. Il Timing invece è relativo al “momento giusto” nel quale l’informazione viene resa disponibile. Il valore delle indicazioni stradali nel momento in cui mi sono perso è molto più elevato di quando sto progettando il viaggio comodamente da casa. Così per i dati relativi a comunicazioni di emergenza o il tracking dei pacchi o la compravendita di azioni in momenti particolari. Richiedere un dato di notte potrebbe significare che per quel cliente il valore sia minore rispetto a chi ne fa un uso continuo nelle ore centrali del giorno sovraccaricando i server, a meno che non svolga di notte le operazioni con maggior valore aggiunto. Trovare il giusto trade-off consente di identificare con maggior precisione il valore del dato. L’indicazione di massima è quella di suddividere la giornata in fasce orarie a seconda dei profili definiti ma il livello sempre più sofisticato di rilevare metriche dei sistemi lascia spazio a innumerevoli criteri.
La Frequenza è l’indicatore di quante volte viene richiesto quel dato. Maggiore sarà il numero di richieste per una certa informazione o elaborazione della stessa maggiore sarà il suo valore. Nei fatti è l’indicatore della quantità di domanda.
Combinando insieme le diverse variabili ne emerge un modello che per ogni servizio digitale determina un prezzo sulla base di chi chiede il dato, dell’accuratezza e della velocità, del momento “giusto” e della frequenza di richiesta. Ogni singolo servizio digitale viene catalogato secondo questo modello.
Ovviamente oltre a queste variabili è necessario tener conto dei costi di produzione del dato e di eventuali sconti o maggiorazioni frutto di considerazioni di marketing (ad esempio vendere un dato ad un prezzo minore per un certo tempo, fare offerte promozionali, ecc).
Il futuro ci prospetta una diffusione sempre maggiore di servizi digitali ed è necessario avere dei modelli socio-economici che ne rendano più immediato il loro utilizzo, che possano valorizzare correttamente il lavoro che esiste dietro un dato o un servizio digitale. Questo paper è uno dei tanti tentativi che in molte parti del mondo si stanno facendo (per la verità la ricerca su questi aspetti non è poi così diffusa per la necessità di possedere competenze sia informatiche che economiche difficilmente presenti insieme). Già in fase di presentazione dell’abstract ha riscosso un discreto interesse proprio in virtù dell’importanza che assumono le piattaforme digitali nel futuro e con esse lo scambio di dati tra diverse organizzazioni.
Questo primo lavoro si affaccia in un campo più grande di analisi e studio per un terreno di confine tra tecnologia ed economia. Oggi abbiamo tecnologie sempre più sofisticate e “disruptive” che i modelli attuali non sempre riescono a comprendere fino in fondo con il rischio da una parte di far proliferare vere e proprie mitologie sulle funzioni taumaturgiche della tecnologia e dall’altro di depotenziarne i benefici che possono portare alla società.
