Il risultato di questo sforzo è noto come Plastic Recovery Insight and Steering Model (PRISM). Creato insieme a IBM Consulting, PRISM realizza pienamente la visione dell'Alliance di un luogo sicuro in cui gli stakeholder possano riunirsi, collaborare e innovare. La funzione principale della piattaforma è fornire agli stakeholder i dati e gli strumenti necessari per analizzare e dare priorità alle opportunità di progetto in qualsiasi parte del mondo. A tal fine, presenta visivamente le informazioni agli utenti, sotto forma di mappe termiche che visualizzano dati critici, come perdite di plastica e capacità di lavorazione dei rifiuti, a livello geografico granulare.
La mappatura visiva è preziosa perché fornisce ai responsabili decisionali un framework per valutare i parametri di alto livello della situazione in una particolare regione, paese o città. Tuttavia, quando si tratta di stabilire le motivazioni aziendali per agire, è necessario scavare nei dati granulari e di alta qualità. Ecco perché Sabine Strnad, una consulente dell'Alliance che stava dirigendo il progetto PRISM, vede i processi di governance integrati sviluppati da IBM Consulting come l'aspetto più critico della soluzione PRISM.
"Quando viene pubblicato un rapporto, il fatto che non esista un modo standardizzato di rendicontare i rifiuti di plastica significa che ci sono molte variazioni nei piccoli dettagli come il tipo di plastica inclusa, quale è stata la ricerca utilizzata e quante famiglie sono state intervistate," dice Sabine. "L'incapacità di tenere sistematicamente conto di queste differenze mina la credibilità dei dati."
Nell'ambito del processo PRISM, la struttura di governance proposta consiste in un consiglio di governance, il cui ruolo è quello di guidare la direzione strategica di PRISM e di definire il tipo di dati da inserire in PRISM e le nuove funzionalità e capacità da integrare. All'interno del consiglio ci sono diversi gruppi di lavoro che si occupano di standard di qualità dei dati, politica e metodologia, e tecnologia.
Inoltre, prima che un set di dati venga inserito in PRISM, un gruppo di revisione di esperti in materia lo esamina per comprendere le linee di base e assegnare punteggi sulla qualità dei dati. Per una comunità impegnata nel raggiungimento degli obiettivi di sviluppo sostenibile delle Nazioni Unite e giustamente vigile contro l'infiltrazione di dati "greenwashed", questo processo rigoroso aiuta a costruire quella fiducia così essenziale.
E quando c'è un vero e proprio divario di dati, quando non esiste un elemento necessario per prendere una decisione di investimento? È un problema comune, con una percentuale stimata di punti dati mancanti compresa tra il 60% e oltre il 90%. La risposta di PRISM consiste nell'applicare algoritmi di machine learning, insieme a fonti di dati aumentate relative all'economia e alla demografia, per colmare le lacune.
PRISM utilizza algoritmi di machine learning in IBM Watson Studio per creare archetipi di città e regioni, che vengono quindi utilizzati per stimare la perdita di plastica per un determinato luogo. Alcuni dei fattori importanti che entrano in questo algoritmo sono la vicinanza alla costa, la popolazione turistica, il coefficiente di deflusso, il PIL pro capite, la densità di popolazione e le politiche sulla gestione dei rifiuti di plastica.
Utilizzando algoritmi basati su reti neurali, l'Alliance è stata in grado di modellare le informazioni sulle perdite di plastica per molte città di paesi in via di sviluppo come India e Indonesia. Una soluzione cloud-native, PRISM viene eseguita su IBM Cloud, con il portale front-end in esecuzione su cluster IBM Cloud Foundry e Kubernetes. Il fatto che PRISM venga eseguita su IBM Cloud significa che può scalare man mano che il volume di dati e utenti cresce.