twitterlinkedinmail


Molti sono i settori che si stanno dimostrando sensibili alle tematiche connesse ai Big Data Analytics ma ancora troppo pochi i profili professionali adeguati.

La diffusione pervasiva di smartphone, tablet e mobile computing in generale, unita alla sempre più frequente abitudine dei consumatori di utilizzare i social media per informarsi su prodotti e servizi,
sta radicalmente modificando anche l’offerta dei prodotti e servizi disponibili, sempre più attenta nell’utilizzare la crescente mole di dati resa disponibile da social media e device mobile, nell’intento di intercettare in tempo reale le nuove tendenze di mercato.

Tutto questo pone l’attenzione sugli skills e le figure professionali necessarie alla concreta gestione dei Big Data Analytics, tra cui spicca quella del Data Scientist.

Chi è il Data Scientist e cosa fa

Figura ancora poco diffusa in Italia, il Data Scientist rappresenta la professionalità indispensabile per l’introduzione della Data Science e alla adozione dei Big Data Analytics all’interno dei processi decisionali aziendali.

Dato il livello crescente di competitività, anche internazionale, che impone l’integrazione di nuovi modelli predittivi (predictive analytics) è ragionevole pensare che la figura del Data Scientist sarà sempre più richiesta anche qui da noi.

Ma quali sono esattamente le caratteristiche che un Data Scientist deve possedere?

Cercheremo di capirlo partendo proprio dalla corrispondente disciplina da cui prende il nome, ovvero la Data Science.

La Data Science alla sfida della Complessità

È noto come la pervasiva introduzione della tecnologia (caratteristica delle società moderne) si traduca in crescente complessità e imprevedibilità, determinando di necessità l’introduzione di adeguati modelli interpretativi e predittivi che consentano l’adozione di decisioni in condizioni di incertezza, richieda approcci innovativi, caratterizzati da multi-disciplinarietà e inter-disciplinarietà, che permettano di cogliere gli aspetti della complessità dai vari punti di vista.

Uno degli aspetti che distingue quindi la Data Science dalla tradizionale Business Intelligence è proprio l’approccio multidisciplinare adottato nella Data Science.

La Data Science non si limita a estrapolare le tendenze a partire dai dati disponibili (come nel caso dell’analisi condotta tradizionalmente dalla Business Intelligence), quanto piuttosto si propone di scoprire nuove possibili relazioni e “significati” nascosti all’interno dei dati, intercettando così possibili sviluppi futuri tuttora latenti.

A tal fine, i dati disponibili devono poter essere valutati ed interpretati alla luce di differenti contesti interpretativi, impiegando non solo modelli statistico-matematici, ma anche sociali, economici, (approccio multidisciplinare), sfruttando al meglio le architetture informatiche disponibili.

Lo scopo è quindi quello di ricondurre ad un quadro interpretativo d’insieme coerente le diverse angolazioni dalle quali è possibile analizzare i dati disponibili, sfruttando le tecnologie informatiche per gestire e integrare le diverse fonti di dati, spesso eterogenee, in quanto originariamente gestite con l’intento di perseguire differenti finalità di analisi.

Il Data Scientist come professionalità “trasversale”

La multidisciplinarietà tipica della Data Science si riverbera anche sul ruolo del Data Scientist e sul tipo di competenze che deve possedere, che ricomprendono non solo capacità analitiche ma anche skills di tipo:

  • statistico-matematico;
  • economico e gestionale;
  • machine learning e data mining;
  • architetture e sistemi IT;
  • programmazione informatica (soprattutto linguaggi di scripting, che consentano un approccio “agile”, quali ad es. Python, Ruby, ma anche perl, shell, oltre ai tool statistici quali R);
  • architetture dei database relazionali;
  • paradigmi di programmazione funzionale (di cui Map-Reduce rappresenta il più noto, ma non è l’unico);

e la lista potrebbe continuare ancora a lungo…

Ovviamente non si richiede una competenza specialistica in tutte le specifiche discipline (anzi, è possibile distinguere ulteriormente i data scientist in base alle particolari competenze tecniche ed esperienze professionali specifiche maturate).

E’ tuttavia richiesta una conoscenza delle diverse metodologie, dovendo il data scientist ricoprire il ruolo di “traït d’union” tra le varie discipline di analisi, riconducendole ad una visione di insieme che sia traducibile in modelli coerenti e ipotesi di lavoro implementabili in termini informatici, individuando le architetture IT più adeguate allo scopo.

Gli sbocchi lavorativi per il Data Scientist

Con la progressiva diffusione dei Big Data Analytics come leva competitiva, la figura del Data Scientist sarà di crescente importanza, non solo nei settori emergenti dell’economia digitale (dalle Start Up all’E-Commerce, passando per Smart Grid e Cloud Computing), ma anche nei settori “tradizionali”, in primo luogo quelli esposti alle pressioni della concorrenza, in cui è determinante poter individuare i bisogni latenti della clientela prima dei competitor.

Settori come quello bancario-finanziario, ma anche utility, logistica, necessiteranno sempre di più di modelli di “Predictive Analytics” e di competenze adeguate per gestirli.