La ricerca nell’area dei Sistemi Informativi al Politecnico di Milano riguarda diversi aspetti legati allo sviluppo di sistemi informativi sia a livello concettuale e progettuale sia nella realizzazione di sistemi flessibili in grado di gestire i vari problemi legati al trattamento dei dati, quali la valutazione dell’impatto delle scelte progettuali in sistemi basati su cloud/fog computing, big data e social media in diversi contesti applicativi.
In particolare, la linea di ricerca si focalizza sui seguenti settori: progettazione di sistemi informativi adattivi, qualità dell’informazione, Big Data e analisi dei dati, Social Media Intelligence, Sicurezza delle informazioni e analisi di sicurezza, qualità dei servizi e green information systems, Progettazione e monitoraggio di multi-party business process integrati di smart objects.

Progettazione di sistemi informativi adattivi
Nell’ambito  della progettazione e della gestione di Sistemi Informativi adattivi l’obiettivo è la definizione di sistemi informativi capaci di evolvere dinamicamente al fine di soddisfare specifici requisiti e mantenere l’operatività del sistema. Nel progetto europeo H2020 DITAS (Data-intensive applications Improvement by moving daTA and computation in mixed cloud/fog environmentS) si stanno sviluppando metodi e tecniche per la progettazione di un sistema per la gestione delle applicazioni, dei dati e delle risorse in ambito cloud e fog computing.

Qualità dell’informazione
Questa linea di ricerca ha definito modelli e metodi per la valutazione/monitoraggio e miglioramento della qualità dei dati, e ha sviluppato metodologie per l’analisi e la riprogettazione di processi orientati alla qualità. I diversi contesti considerati sono: big data, applicazioni Web e basate su servizi e reti di sensori. In particolare, strumenti per la misurazione della qualità nei big data sono stati messi a punto nell’ambito del progetto EUBRA BIGSEA: la varietà e il volume dei dati hanno richiesto approcci innovativi capaci di garantire buone performance e l’elaborazione di dati eterogenei.

Big Data e analisi dei dati
La ricerca in questo campo si è focalizzata nella progettazione di sistemi per la segmentazione dei dati, di sistemi di raccomandazione per un filtraggio dei contenuti personalizzato in base all’utente che li richiede e di sistemi previsionali in grado di simulare comportamenti futuri e supportare l’utente nelle sue decisioni.
Un ambito di ricerca sui Big Data e analisi dei dati è relativo alla gestione dei dati spaziali. La quantità di dati spaziali disponibili è aumentata significativamente negli ultimi anni, pertanto gli strumenti di analisi tradizionali sono diventati inadeguati per gestirli efficacemente. Alcune proposte mirano a sfruttare estensioni delle tecnologie dei sistemi distribuiti al fine di trattare i dati spaziali in termini di nuovi tipi di dati e di algoritmi (ad esempio, l'approccio MapReduce in Hadoop, Hadoop spaziale o Spark). La ricerca in questo campo mira a migliorare gli algoritmi per il partizionamento di dati spaziali sui sistemi distribuiti e quelli per l'esecuzione di interrogazioni su di essi.
Nel progetto H2020 DataBench (Evidence Based Big Data Benchmarking to Improve Business Performance) si studia la relazione tra indicatori di business e tecnologici per valutare la scelta degli strumenti e delle architetture da adottare in progetti di Big Data in diversi settori applicativi. Vengono inoltre svolti numerosi progetti di ricerca nel settore in collaborazione con aziende.
Vengono anche studiate le caratteristiche di dati scientifici tratti da attività sperimentali per una loro classificazione e analisi (progetto cyberscience). Sono in corso progetti finanziati da Regione Lombardia su temi di Big Data.

Social Media Intelligence
Questa linea di ricerca ha messo a punto metodologie e strumenti per il Social Media Intelligence. La sfida della ricerca riguarda la misura dell’impatto dell’informazione tramite social media, la progettazione di applicazioni basate sul crowdsourcing, e il ruolo dei contenuti dei messaggi e del sentiment sulla formazione delle opinioni e nella identificazione di immagini utili nei social media in situazioni di emergenza. Nel progetto H2020 E2mC (Evolution of Emergency Copernicus services) si studiano metodi per la localizzazione e la classificazione di immagini e video da social media multilingue per la creazione di mappe in situazioni di emergenza.

Sicurezza delle informazioni e analisi di sicurezza
La ricerca nel campo della sicurezza affronta la privacy nei sistemi di servizio e nel Cloud, la riservatezza e l'integrità nelle reti elettriche, e le soluzioni architetturali nell’integrazione di sistemi informativi.
L’analisi della sicurezza e la consapevolezza del rischio negli ambienti di lavoro sono altri temi di ricerca, incentrati su piani per la consapevolezza del rischio basata su sensori, servizi adattabili, strategie di prevenzione del rischio, e interoperabilità tra le piattaforme tecnologiche.
La ricerca si basa su software di simulazione per sistemi auto-riparabili e autonomi.

Qualità dei servizi e green information systems
Il supporto di Sistemi Informativi per l'efficienza energetica è stato studiato nei progetti europei FP7 GAMES (Green Active Management of Service Centres) e ECO2Clouds, finalizzati a definire indicatori di prestazioni Green e per migliorare l'efficienza energetica e l'impatto ambientale dei sistemi di informazione e nel progetto europeo COST Across (Autonomous Control for a Reliable Internet of Services). Attualmente sono allo studio tecniche per l’uso efficiente di risorse computazionali nel monitoraggio dei sistemi.

Progettazione e monitoraggio di multi-party business process integrati di smart objects
I Business Process stanno sempre più integrandosi con smart objects per l’esecuzione dei diversi task che li compongono soprattutto quando oggetti fisici sono scambiati tra le parti. In questo ambito di ricerca, all’interno del quale si posiziona il progetto MIUR CTN ITS2020 (Intelligent Transport Systems Italia 2020), si considera l’adozione di smart objects al fine di progettare business process multi-party che siano affidabili e per cui sia possibile verificarne la corretta esecuzione. Al fine di fornire una soluzione il più flessibile possibile, approcci dichiarativi quali GSM (Guard Stage Milestone) e CMMN (Case Management Modeling Notation) sono adottati al posto dei tipici linguaggi activity centric.