In ogni Comune ci sono tanti “pezzi” di smart city già attivi: lampioni telegestiti, telecamere, centraline ambientali, sistemi di pagamento dei parcheggi, piattaforme per segnalazioni dei cittadini. Ognuno genera dati, ma spesso questi dati rimangono chiusi nei sistemi dei singoli fornitori.
Non è raro che un Comune medio‑grande abbia più di 30–40 sorgenti dati distinte rilevanti per la smart city, tra piattaforme verticali, gestionali, sensori IoT, app e portali open data, in linea con le analisi che hanno censito migliaia di dataset urbani in poche decine di città. Il risultato è una città che raccoglie moltissime informazioni ma fatica a metterle a sistema: gli uffici lavorano a compartimenti stagni, spendono settimane a esportare file e controllare versioni, e sfruttano solo una parte del potenziale informativo.
l modello del data lake urbano serve proprio a superare questa frammentazione. Invece di avere dieci (o venti) portali diversi, si costruisce un unico “contenitore intelligente” dove confluiscono i dati provenienti da sensori, piattaforme verticali, applicativi gestionali, open data, perfino dati esterni come meteo, eventi e flussi turistici. In uno scenario tipico – qualche migliaio di sensori, qualche centinaio di telecamere – la città può generare decine di milioni di record al giorno tra misure, eventi e log; nelle stime di alcuni operatori globali, una smart city da un milione di abitanti può arrivare a produrre complessivamente decine di petabyte all’anno. Nel data lake questi dati vengono normalizzati (stesse unità di misura, stesse coordinate territoriali, stessa struttura temporale), arricchiti di metadati e organizzati in modo da poter alimentare dashboard operative, algoritmi di analisi e reportistica per assessorati diversi.
Questo cambio di paradigma ha effetti molto concreti sul lavoro quotidiano. La Polizia locale non guarda più solo il flusso dalle telecamere, ma può correlarlo con i dati di traffico in tempo quasi reale e con le segnalazioni dei cittadini, decidendo dove intensificare presidi e controlli. Chi si occupa di ambiente può incrociare qualità dell’aria, dati di mobilità e consumi energetici; chi gestisce i servizi tecnici vede su una mappa unica guasti, interventi programmati, allarmi da sensori e segnalazioni arrivate da app o sportelli digitali. Nelle esperienze europee dove una piattaforma dati centrale o un data lake sono stati implementati, i tempi per preparare report intersettoriali (es. sicurezza + mobilità + ambiente) si riducono in media del 20–50%, grazie alla riduzione di integrazioni “a mano” e alla disponibilità di dati già armonizzati.Dal punto di vista organizzativo, il data lake costringe anche a ripensare processi e ruoli: definire chi è il data owner di un certo set di dati, chi può accedervi e con quali regole, quali dataset rendere disponibili come open data e con quali livelli di anonimizzazione, come documentare fonti e qualità delle informazioni in linea con le raccomandazioni europee su data strategy e riuso dei dati pubblici. Non è un progetto puramente tecnologico, ma un cantiere di governance che tocca regolamenti interni, competenze e responsabilità. Le città che riescono a farlo bene trasformano la propria capacità di decisione: non scelgono più sulla base di impressioni o di pochi numeri sparsi, ma su una rappresentazione coerente e condivisa del territorio, alimentata ogni giorno da milioni di misurazioni e interazioni, e resa fruibile tanto ai decisori quanto a cittadini, imprese e mondo della ricerca.
