1. Università degli studi di Torino – Corso di laurea in Fisica
maggio 2006
Trattamento dati nelle
imprese
Riccardo Grosso
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
2. Le attività di
recupero e integrazione della
conoscenza concettuale sui dati PA
Azioni di medio termine
Prof. Carlo Batini
Università Bicocca - Milano
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
3. Contenuti
Perché la modellazione concettuale dei dati è
importante nei processi produttivi del
CSI-Piemonte
Attività in corso
Primi risultati
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
4. IL CSI Piemonte …
Gestisce circa 500 basi di dati di interesse di un vasto insieme
di amministrazioni del Piemonte
Le 500 basi di dati sono rappresentate nella grande generalita’
con schemi logici o fisici relazionali
Percio’:
La risorsa informazione e’ nascosta, in quanto
rappresentata solo nei suoi aspetti tecnologici
La risorsa informazione e’ rappresentata in
modo non integrato ed eterogeneo nelle 500
basi di dati.
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
6. Gli schemi sono non integrati ed eterogenei
Persona
Codice Numero Codice Codice
fiscale Codice
tessera fiscale progres- interno
sanitaria sivo
Anagrafe Anagrafe Anagrafe Archivio Archivio
residenti assistiti soggetti dipendenti cacciatori
fiscali
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
7. Visione
Il CSI Piemonte e le Amministrazioni del piemonte sono
coinvolte nei processi di eGovernment, sia a livello
locale (Piemonte) sia a livello nazionale (cooperazione
con le Amministrazioni centrali)
Sono percio’ protagonisti nel disegno di cambiamento
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
8. Per attuare questo disegno
abbiamo bisogno di
1. Un modello per rappresentare gli schemi dati
2. Una struttura con cui organizzare gli schemi in un
repository
3. Una metodologia con cui creare e manutenere il repository
in maniera efficiente a partire dalla conoscenza disponibile
4. Uno scenario di utilizzazione della conoscenza accumulata
5. Uno strumento di supporto
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
9. 1. Il modello
Il modello Entita’ Relazione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
10. Esempio di schema nel modello Entita’ Relazione
Le persone si dividono in donne e uomini.
Le persone sono descritte da codice e cognome
Le persone sono nate in Comuni, i Comuni sono
localizzati in Province e le Province in Regioni
Comuni, Province e Regioni hanno codice e nome
Generalizzazione
Persona Comune Provincia Regione
Codice Codice in Codice in Codice
nato Nome Nome Nome
Cognome
Donna Uomo Entita’
Attributo
Relazione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
11. Le persone si dividono in donne e uomini.
Le persone sono descritte da codice e cognome
Le persone sono nate in Comuni, i Comuni sono
localizzati in Province e le Province in Regioni
Comuni, Province e Regioni hanno codice e nome
Persona Comune Provincia Regione
Codice Codice In Codice in Codice
nato Nome Nome Nome
Cognome
Donna Uomo
DA TA DIV ISION.
W ORK ING-STOR A GE SECTION.
01 PERSONA .
05 UOM o.
Dal Cobol,
10 COD-UOM O PIC X (5).
10 DESC-UOM O PIC X (80).
05 DONNA R EDEFINES UOM O.
10 TIPO-R ECOR D PIC X .
10 COD-DONNA PIC 9(5).
al modello
10 DESC-DONNA PIC X (80).
01 A M M INISTR A ZIONE.
05 R EGIONE.
10 COD-REGIONE PIC X (3).
10 COD-DU M M Y PIC X (6).
Entita’ Relazione
10 DES-R EGIONE PIC X (80).
05 PR OV INCIA R EDEFINES R EGIONE.
10 COD-REGIONE PIC X (3).
10 COD-PR OV INCIA PIC X (3).
10 COD-DU M M Y2 PIC X (3).
10 DES-PR OV INCIA PIC X (80).
05 COM UNE R EDEFINES R EGIONE.
10 COD-REGIONE PIC X (3).
10 COD-PR OV INCIA PIC X (3).
10 COD-COM U NE PIC X (3).
al linguaggio
10 DES-COM UNE PIC X (80).
01 PERSONA -A M M INISTR A ZIONE.
05 LEGA M E.
10 COD-PER SONA PIC X (5).
10 COD-AM M IN PIC X (3).
naturale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
12. 2. La struttura del repository di schemi
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
13. Studio CSI Assinform
Organizzazione
Fornisce Fruisce
Flusso di dati Riguarda Materia
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
14. Noi siamo interessati sia ai flussi
che alle basi di dati
Materia
Organizzazione Aggiorna
Usa Base Dati
Fornisce Fruisce
Flusso di dati
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
15. Metaschema – Versione dettagliata - 1
Materia/
Argomento CSI
Aggiorna Schema logico
Organizzazione
Usa fisico
Fornisce Fruisce
Flusso di dati
Schema concettuale
Concetto di schema
(Entita’/Rel/Generalizzazione)
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
16. Ma se io ho tanti schemi concettuali, come faccio a dar loro una
struttura? Non li posso certo integrare in un unico schema….
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
17. Due strumenti concettuali
Integrazione, per “mettere insieme”
e “riconciliare”
Astrazione, per “capire” e
“sintetizzare”
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
18. Integrazione (linguaggio naturale)
•Lavoratori, loro citta’ di nascita e relativa regione
•Lavoratori e loro organizzazioni, e, delle organizzazioni,
•regioni dove sono localizzate
Schema 1
Lavoratori e loro organizzazioni
Schema 2
Lavoratori, loro citta’ di nascita e relativa area regionale
Schema 3
Organizzazioni e regioni dove sono localizzate
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
19. L’integrazione: modello Entita’ Relazione
Lavoratore nato Citta’ in Regione
lavora
Organizza in
zione
Lavoratore
Area
Lavoratore nato Citta’ in Regione
lavora
Organizza in
zione
Organizza
zione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
20. L’astrazione (linguaggio naturale)
•Lavoratori, organizzazioni dove lavorano e riferimenti
•geografici di nascita e di localizzazione.
•Lavoratori, loro citta’ di nascita e relativa regione
•Lavoratori e loro organizzazioni, e delle organizzazioni
•Regioni dove sono localizzate
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
21. L’astrazione: modello Entita’ Relazione
Riferimento
Lavoratore nato geografico
lavora
Organizza
zione
in
Lavoratore nato Citta’ in Regione
lavora
Organizza in
zione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
22. Se le usiamo insieme: integrazione + astrazione
Riferimento
Lavoratore nato geografico
Astrazione
in
Organizza
zione
in
Lavoratore nato Citta’ in Regione
Integrazione
in
Organizza in
zione
Lavoratore
Area
lavora
Lavoratore nato Citta’ in Regione Organizza in
zione
Organizza
zione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
23. La struttura
di integrazione - astrazione
Riferimento
Lavoratore nato geografico
lavora
Integrazione –
Astrazione
Organizza
zione
in
Lavoratore
Regione
lavora
Lavoratore nato Citta’ in Regione Organizza in
zione
Organizza
zione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
24. Le abbiamo usate iterativamente ottenendo il repository
Previdenza Giustizia Ambiente Salute
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
25. Schemi base e schemi astratti
Schemi astratti
Schemi base
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
26. 3. Una metodologia per costruire il repository
a partire dalla conoscenza disponibile
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
27. Conoscenza disponibile
per popolare il repository
Gli schemi logici e fisici della PA Piemontese (PAP) gestiti da Infodir
Circa 500 schemi logici con
Circa 18.000 tabelle con
Circa 200.000 campi
Gli schemi concettuali della PA centrale (PAC) censiti e organizzati
dall’Aipa in un Repository analogo
Circa 5.000 entita’
Circa 10.000 attributi
Circa 50 schemi astratti della PA Centrale, organizzati
secondo le operazioni di integrazione astrazione
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
28. Facendo cio’ con basso utilizzo di risorse
Se procediamo con una metodologia tradizionale di
reverse engineering sui 500 schemi PAP, assumendo
due settimane persona a schema, si ha:
Risorse con procedura tradizionale = 0,5
mesi persona * 500 = 25 anni persona
Dovevamo inventarci una metodologia approssimata che
ci permetta di ridurre l’uso delle risorse di un ordine di
grandezza
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
29. Repository PAC – struttura completa SCHEMA INTEGRATO DELLE BASI DI DATI DELLA PA DI 1° LIVELLO
SCHEMA INTEGRATO DELLE BASI DI DATI DELLA PA DI 2° LIVELLO
SCHEMA INTEGRATO DELLE BASI DI DATI DELLA PA DI 3° LIVELLO
RISORSE SERVIZI
SERVIZI SOCIALI ED ECONOMICI
SERVIZI GENERALI SERVIZI DIRETTI
SERVIZI SOCIALI SERVIZI ECONOMICI
RISORSE
RISORSE DI RISORSE RISORSE CE RTIFICA- ASSICURAZ IO- T RASPORT I
ST RUME NT AL I E STAT IST ICA AFFARI E DIL IZ IA CUL TURA
SUPPORTO FINANZ IARIE IMMOBILIARI UMANE NE SOCIAL E DIFE SA GIUST IZIA SICURE Z Z A SANIT A' IST RUZIONE AMBIE NT E L AVORO PRODUZ IONE COMUNICAZIONI
E ST E RI
6/53 RELAZIONI ITALIANE ALL' ESTERO
4/36 RELAZIONI ESTERE IN ITALIA
3/30TERASFE RIME NTPE RFONDI PUIBBLICI
ST RUMENT I
BENI IMMOBIL I
AUT OME Z ZI
RAPPRESE NTANZ E
AZIENDE INDUSTRALI
10/100 BENI CULTURALI
PROTOCOL LO
FORMAZ IONE
AZIENDE AGRICOLE
DIPENDE NTI
TRASPORTI
LAVORO
ORGANI COL L E GIALI
CRIMINALITA'
SICUREZZA INTERNA
PREVIDENZA
SERVIZIO SANITARIO
ASSISTENZA
10/76 ATTIVITA' GIURIDICA
CAT AST O
ISTRUZIONE
FISCO
AMBIENTE
DOGANE
E NTI
3/182 CAPIT OL I DI SPE SA
9/118
O
2/89
3/59
37/336
2/65
2/93
A NT I LOCAL I
8/293
6/69
10/178
3/75
3/66
6/76
5/56
8/213
3/134
9/118
2/12
9/112
3/53
6/155
6/130
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
30. Lo schema piu’ astratto
Unità
organizzativa
Bene
Soggetto
Riferimento Documento
territoriale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
31. In sintesi
Pubblica Amministrazione Pubblica Amministrazione
centrale locale
Rappresentazione 550 schemi
concettuale
Rappresentazione
logico fisica
18.000 tabelle
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
32. Schemi descritti nel Repository
Unità
Bene Soggetto organizzativa
Riferimento Documento
territoriale
Soggetto
S. fisico S. giuridico
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
33. MGG, MI,
47 MF, MT MIBCA ,
40 48 650
165 180 MT, MTN
MI, MS 526
38 37 36 110
39 35
174
82 59 MAE, MURST,
89 98 MPI
Contribuente utente anagrafe
153
ufficio iva tributaria
6 600
appartenente casalinga
163
MI, MT, MD catasto
assistito
162 borsista 16 601
tossicodipendente volontario
520 contribuente
Ricorrente per con handicap 142
161 invalidità civile
invalidità civile Salute ed fisco vita
91 sociale studente
assistenza straniero
pensionato
164
di guerra scuola 81
pensioni Segretario
Soggetto fisico comunale
politica MI
Alla ricerca di
disoccupato
653 prima occupazione lavoro candidato
160 giustizia
52 Alla ricerca di 80
74 92 lavoratore affari esteri segnalato
nuova occupazione
101 Tossicodipendente
190 segnalato
654 straniero italiano detenuto
2 autonomo 66
88 104 dipendente in attesa di giudizio
54 105 663
4 Richiedente
171 condannato 99
53 71 603 cittadinanza
MAE, MF, 7
87 19 Richiedente residente 72
MGG,11MI, 108 MAE, MGG,
12 10 120 visto all’estero
651 MIBCA, MLP, 21 63 MI
20 9
65 MLPS, MT, 24 25 18
97 109
MTN, MCE, 27 90
68 93 96
Schemi base e
501 51
MD, MURST 131 5
45 73
172 137 132
64
656
516 515
55
531
173
86
136 Gerachie di generalizzazione
MAE, MI,
602 170 507
506
111 MLPS Caso Soggetto fisico
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
34. La gerarchia di soggetto
–soggetto fisico
•Lavoro
•lavoratore
–lavoratore autonomo
–dipendente pubblico
•disoccupato
•……
–soggetto giuridico
•impresa
•istituzione p.a.
•Istituzione sociale privata
•……
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
35. Utlizzeremo percio’ una conoscenza piu’
sintetica: le gerarchie di generalizzazione
Pubblica Amministrazione Centrale Pubblica
Amministrazione
Locale
Schemi Gerarchie di
concettuali Generalizzazione:
-Cittadino
-Impresa
-Organizzazione
-Documento
-Luogo
-Bene
Schemi logici
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
36. Sintesi della metodologia
Scopo della metodologia: semplificare il compito del
referente dati, utilizzando il piu’ possibile strumenti
automatici, a costo di una certa approssimazione nelle
scelte.
Assunzione: ad un certo livello di astrazione gli schemi
della PAL Piemontese sono “simili” a quelli della PA
Centrale. Si differenziano nei livelli di astrazione piu’
bassi.
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
37. Le due fasi della metodologia
Fase Schema Fase Schema
automatica scheletro manuale finale
Referente dati
competente
sul dominio
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
38. Fase automatica: generazione entita’
1-GENERAZIONE ENTITA'
input:
a) le entita' delle ontologie
b) le tavole della base dati
output:
x) le tavole "pescate" dall'algoritmo
y) le entita' delle ontologie corrispondenti alle tavole pescate in x
ALGORITMO:
- PER OGNI ENTITA' DELLE ONTOLOGIE (LOOP)
- PER OGNI TAVOLA DELLA BASE DATI
- SE C'E' ALMENO 1 ATTRIBUTO DELLA TAVOLA CHE SIA
"SOMIGLIANTE" AL NOME DELL'ENTITA' DELL'ONTOLOGIA
- SCELGO L'ENTITA'
- ENDIF
- END LOOP
- END LOOP
SOMIGLIANTE = LIKE "STRINGA" IN NOME E/O DESCRIZIONE ATTRIBUTO
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
39. Passo 1: Generazione entita’
Gerarchie
PA
Centrale
E1
PA Attributi e
Piemontese ….. Tabelle
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
40. Generazione entita’
Ricerca per somiglianza
Gerarchie
PA
Centrale
E1
Attributi e
PA Tabelle degli
Piemontese ….. Schemi logici
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
41. Generazione entita’
E3
passo finale
PA
Centrale E2
E1
E2
E1 E3
PA
Piemontese Attributi e
….. Tabelle
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
42. Generazione generalizzazioni
2-GENERAZIONE GENERALIZZAZIONI
input:
a) le entita' trovate in generazione entita'
b) le tavole trovate in generazione entita'
output:
x) le generalizzazioni delle entita'
y) le generalizzazioni delle tavole
algoritmo:
- osservando le generalizzazioni complete delle entita' delle ontologie,
riporto quelle presenti nelle entita' selezionate in generazione entita'
- per analogia, le tavole corrispondenti alle entita' "sposano" le medesime
generalizzazioni
Con un esempio astratto, se ho una ontologia completa
A
B
C
D
E
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
43. Generazione generalizzazioni
se precedentemente ho selezionato A, B, D le generalizzazioni
trovate
saranno
A
B
D
Se avevamo corrispondenza tra A e TAV1, B e TAV2, D e TAV4,
avremo la
gerarchia di generalizzazione tavole:
TAV1
TAV2
TAV4
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
44. Generazione relazioni
3-GENERAZIONE RELAZIONI
input:
a) le entita' selezionate ai passi precedenti
output:
x) le relazioni tra le entita' selezionate
algoritmo:
- per ogni entita' delle ontolologie selezionata (loop)
- cerco nei 500 schemi le entita' (dei 500 schemi)
- con riferimento all'esempio astratto di cui sopra avremo
ad
esempio:
per A: A1,A2,...AN
per B: B1,B2,..BN
per C: C1,C2,...CN
per D: D1,D2,...DN
per E: E1,E2,...EN
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
45. Generazione relazioni
- supponiamo di trovare
A1-B4 (A-B)
A7-B5 (A-B)
B3-D9 (B-D)
C8-C4 (C-C)
C6-D2 (C-D)
C1-E8 (C-E)
- in casi di molteplicita' scelgo 1 sola relazione, piu' o meno
arbitrariamente...
- nell'esempio scegliero':
A-B (una delle 2 relazioni trovate)
B-D
C-D
C-E
non scelgo ma potrei farlo C-C
- il cammino relazionale selezionato sara' A-B-D-C-E
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
46. Generazione attributi
4-GENERAZIONE ATTRIBUTI
input:
a) le entita' selezionate in passo 1
b) le tavole selezionate in passo 1
c) gli attributi delle tavole selezionate in passo 1 (vedasi algoritmo del
passo 1)
output:
x) per ciascuna entita' i suoi attributi
algoritmo:
importo IN ciascuna entita' gli attributi delle tavole corrispondenti
Con il solito esempio, se avevamo
A corrisponde a TAV1 (CAMPO1, CAMPO2)
B corrisponde a TAV2 (CAMPO3, CAMPO4)
D corrisponde a TAV4 (CAMPO5, CAMPO6)
l'output sara'
A (CAMPO1, CAMPO2)
B (CAMPO3, CAMPO4)
D (CAMPO5, CAMPO6)
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
47. Infer constraints
5-GENERAZIONE RELAZIONI (PASSO ADDITIVO FATTO SUI CONSTRAINTS
FISICI)
input:
a) le tavole pescate al punto 1 di generazione entita'
output:
x) le tavole selezionate unite dagli eventuali constraints, piu' eventuali
tavole che si frappongono per costituire il cammino dei constraints
algoritmo:
- con un tool (generalmente erwin) si effettuano sulla base dati
operazioni
di "infer relationship" considerando:
- chiavi primarie e chiavi straniere esistenti
- indici univoci
- somiglianza di nomi campi
- si derivano i constraints (relazioni fisiche)
Con un esempio, se avevamo individuato precedentemente le tavole
TAV1, TAV2
e TAV4, il cammino relazionale fisico ottenuto dai constraints potrebbe
essere:
TAV1-tav5-TAV4-TAV2 (tav5 viene introdotto perche' necessaria al
cammino per unire TAV1 e TAV4)
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
48. Verifica col referente dati
6-VERIFICA CON REFERENTE DATI
input:
a) tutto il materiale prodotto nei passi precedenti
b) le indicazioni del referente dati che in generale saranno di 2
tipi:
- mi aspettavo venisse pescata ANCHE questa tavola
- NON mi aspettavo venisse pescata quest'altra tavola
output:
x) il modello dati con i concetti in piu' e/o in meno verificati col
referente dati
algoritmo:
- per ogni entita' pescata impropriamente, la rimuovo (il criterio di
somiglianza spara nel mucchio)
- per ogni entita' mancante, la aggiungo con la consulenza del
referente
dati, corredandola di attributi e relazioni
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
49. Passo Manuale: Verifica del referente dati
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
50. Esempio simbolico
Schema
“automatico” Schema
dopo verifica referente
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
52. Matrice Basi di dati selezionate - Domini - Organizzazioni
Dominio/ Regione Provincia di Citta’ di Torino
Organizzazione Piemonte Torino
Territorio
x x x
Imprese
x
Sanita’
x
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
53. Basi di dati selezionate - 2
Regione Piemonte
Argomento imprese
• Dominio agricoltura
– Registro aziende agricole
• Dominio lavoro e imprese
– Attivita’ produttive
– Finanziamenti alle imprese
Argomento sanita’
• Dominio sanita’
– Statistiche interruzioni di gravidanza
Argomento territorio
• Dominio territoriale
– Legislazione su risorse idriche
– Rete idrogeologica
– Stradario
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
54. Basi di dati selezionate - 2
Citta’ di Torino
•Argomento territorio
–Dominio territoriale
»Toponomastica citta’
Provincia di Torino
•Argomento territorio
–Dominio catasto
»Registro strade provinciali
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
55. Contesto
Documento
Soggetto
Luogo
Soggetto fisico
/
persona fisica
Riferimento
catastale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
56. Organizzazione Città di Torino
Riferimento
Luogo
catastale
Soggetto
Soggetto fisico/ persona
fisica
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
57. Argomento territorio
Soggetto
Soggetto
Luogo fisico/ persona
fisica
Documento
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
58. Dominio territoriale
Soggetto
Soggetto fisico/ persona
fisica
Documento
Riferimento
Luogo
catastale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
59. Toponomastica Città
Riferimento Soggetto
Luogo
catastale
Località
Soggetto fisico
Unità / Persona fisica
immobiliare
urbana
Sede Contribuente
Appartenente
catasto
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
60. Organizzazione Provincia di Torino
Riferimento
Luogo catastale
Soggetto
Soggetto fisico/ persona
fisica
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
61. Argomento territorio
Soggetto
Soggetto
Luogo fisico/ persona
fisica
Documento
Soggetto
giuridico
Impresa
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
62. Dominio catasto
Soggetto
Documento Soggetto
fisico/ persona
fisica
Italiano
Soggetto
Luogo giuridico
Riferimento Impresa
catastale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
63. Cspvto Registro strade provinciali
Documento Soggetto Luogo
Sede
Responsabili
Soggetto fisico/ Soggetto
Persona fisica giuridico
Strutture Località
Contribuente Impresa
Traverse
Diario Volumi di
elemento Diario traffico
Elementi
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
64. Organizzazione Regione Piemonte
Soggetto
Documento Soggetto
fisico/ persona
fisica
Luogo
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
65. Argomento imprese
Documento Soggetto
Luogo
Riferimento
catastale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
66. Dominio agricoltura
Luogo
Riferimento
catastale
Localita
Sede
Soggetto
Soggetto
fisico/ persona
fisica
Contribuente
Appartenente
catasto
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
67. Smrgaa Registro aziende agricole
Soggetto Luogo
Bene
Soggetto fisico Soggetto Particella Riferimento
– giuridico Catastale Catastale
Persona fisica Bene Privato
Tipo zona
Altimetrica
Contribuente Italiano Impresa Particella
Immobile Import
UTE
Appartente Sezione Provincia Tipo Tipologia
Catasto Azienda
Tipo
Regione Conduzione utilizzo
Tipo Forma
particella Import
Fabbricato
Documento
Versamento
con delega Profilo Intermediario Tipo Area
Tipologia Componente Profilo
Procedimento Livello Utente Iride
Profilo Funzione Foglio
azienda
Livello
Abitazione Accesso
Componente
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
68. Dominio lavoro e imprese
Luogo
Localita
Sede
Documento
Soggetto
Soggetto
fisico/ persona
fisica
Soggetto
giuridico Contribuente
Impresa
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
69. Atp aaep att Aaep Attività Produttive
econom Tt Infocamere Tt tipo
produttive ateco91 attività impresa
Tt tipo
aaep dati legame
azienda Tt Aaep
Ateco inail attivita Ab01 rappr
impresa Ab04 legale
Inail cliente legami
Inail azienda Tt
comune
Inail pat
Soggetto Luogo
Riferimento
Soggetto fisico Sede Catastale
–
Persona fisica Soggetto Località
giuridico
Documento
Impresa
Aaep Aaep t
azienda causale Infoc
Aaep fonte cess procedura
azienda concorsuale
Fp Infoc
azienda azspe
Abia Abia Infoc
Infoc
sede azienda persona ri
oggetto
sociale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
70. Moni Finanziamenti alle Imprese
Utente Soggetto
Soggetto fisico Soggetto
/ Persona Contributo
giuridico
fisica
Generatore Contributo
Italiano Impresa
invio file revocato
Documento Spesa Contributo
progetto liquidato
Atto
Contributo
registro
concesso
Norma Attuazione
agevolazione Fonte normativa
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
71. Argomento sanità
Italiano
Riferimento
catastale Soggetto
Soggetto fisico/ persona
fisica
Luogo Soggetto
giuridico Documento
Contribuente
Bene
Impresa
Appartenente
catasto
Bene privato
Immobile
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
72. Dominio sanità
Soggetto
Documento Soggetto fisico/ persona
fisica
Italiano
Luogo
Sede
Soggetto
giuridico
Località
Riferimento Impresa
catastale
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
73. Asivg Statistiche interruzioni di gravidanza
Documento Soggetto
Luogo
Rata di pensione
emessa Soggetto fisico
/ Persona
Asi-t fisica
Struttre 1998
Ass-r-ssr
Assistenza Assistito Tossicodipendente
Ass-t-ss Ass-t-ss
Riabilitativa Territoriale
Ass-s-tiposs
riabilitativa
Ass-d-tiposst
assistenza
Ass-t Ass-t-ss
Anagrafe ss ospedaliera
Ass-t Ass-d -tiposs Ass-t-sso Ass-t-u
dipartimento ospedaliera Assetto ospedaliera
organizzativo
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
74. Argomento territorio
Luogo Documento
Soggetto
Soggetto
fisico/ persona Tossicodipendente
fisica
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
75. Dominio territoriale
Soggetto Documento
Riferimento
catastale
Luogo Bene
Bene privato
Sede Località
Immobile
Stradario
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
76. Giuridr Legislazione su risorse idriche
Pubblicazione L-doc-sett-tem
Ente emanante
Normativa Settore termico
Documento
File normativa Tipologia
Organo
Bibliografia Sentenza
giurisdizionale
L fileriass sen
biblio File riassuntivo
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
77. Siri Rete Idrogeologica
Soggetto Documento
Sede
Bene Luogo
Riferimento Località
catastale
Immobile Mobile
Comuni Stradario
Terreno Aqcuedotto Italia
Demanio
necessario Province
idrico Italia
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
78. Sitad Stradario
Tipo Via
Luogo
L1 Tipo
Località
Nome Via
Nome Via
Stradario
Stradario
storico Stradario VAR
Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali