Le figure più ricercate: il Data Scientist in Azienda.
Che cosa fa e perché tutti lo vogliono
di Sabrina Dubbini
Area didattica ISTAO
Il Data Scientist è una figura al momento molto ricercata dalle imprese e negli USA già molto pagata e inserita sempre più nei Board of Directors aziendali. Vediamo di conoscerla meglio.
Quali sono le competenze del Data Scientist?
Il Data Scientist per l’azienda è una figura dotata di competenze tecniche (informatiche, matematiche, statistiche) ed economiche (imprese e mercati) che spesso non derivano da un unico percorso di studio (laurea in Ingegneria Informatica) ma che si costruiscono sulla composizione di discipline diverse armonicamente sviluppate e mixate. Le competenze informatiche si potenziano con le conoscenze statistiche ed economico aziendali per svilupparsi a livello manageriale con competenze trasversali (soft skills) di reporting, comunicazione e gestione di team multidisciplinari. E’ dunque una figura che diviene tanto più necessaria e professionalmente apprezzata quanto più si dota di un curriculum studi contaminato da percorsi/aree di conoscenza e attività diverse.
Il Data Scientist è una evoluzione del Business Analyst?
Il Data Scientist non è l’evoluzione del Business Analyst e neanche un Data o Information manager e non è neanche un Responsabile Business Intelligence. E’ una figura molto diversa da quelle elencate perché diverse sono le competenze richieste ora dall’impresa: le competenze di business analyst tradizionali basate sulla conoscenza del dato e la capacità di analisi secondo schemi preordinati per trasferire i dati nei sistemi di reporting, di dashboarding, di analisi multidimensionali, ecc., tendono a non essere più sufficienti in scenari aziendali e di mercato molto complessi e dinamici, dove si richiedono piuttosto capacità di comprensione/analisi della complessità e ragionamento in termini di decision making, di previsione e anticipazione.
Cosa deve saper fare un Data Scientist in impresa?
Il Data Scientist sa:
- cercare, individuare ed estrarre i dati dalle fonti disponibili (banche dati aziendali, di settore, web analytics, social media, dati provenienti da sensori , etc…);
- ricomporre e organizzare i dati in formati accessibili;
- utilizzare i software più evoluti per l’analisi dei dati, gli algoritmi, i metodi statistici e gli strumenti di machine learningper navigare e interrogare i database. Nello specifico deve sapere tradurre in modelli analitici le richieste di informazioni che servono al business per rendere l’azienda competitiva sui mercati;
- estrarre le informazioni utili(data mining) all’impresa sui quali saprà costruire le correlazioni che permetteranno di sviluppare scenari e modelli predittivi per le azioni e le strategie dell’azienda;
Per svolgere il proprio lavoro, il data scientist deve unire le competenze matematiche e statistiche con quelle tecniche necessarie per interrogare e rendere fruibili le basi dati.
Cosa c’entra l’Industry 4.0 con il Data Analyst?
L’innovazione delle tecnologie informatiche ha introdotto un nuovo paradigma tecnico produttivo (Industry 4.0) che è produttore e utilizzatore di informazioni e dati mai prodotti in tale quantità sino ad ora. I dati arrivano ogni giorno all’impresa dall’interno della fabbrica (dagli impianti distribuiti sul territorio, dai sensori IoT integrati nei prodotti consumer), dai canali che la connettono al cliente (rete di distribuzione: negozi, call center, app mobili, siti web e di e-commerce), dalle sorgenti di dati disponibili nell’ambiente (dati demografici e geospaziali, dati provenienti da social media come chat, blog, che raccolgono le emozioni e le reazioni di clienti e stakeholder e di concorrenti, etc…). Questa mole ingente di dati deve essere trasformata in VALORE per l’impresa.
Perché l’impresa cerca il Data Scientist?
L’avvento dei Big Data e l’aumento esponenziale della complessità dei mercati hanno metaforicamente (ma non troppo) investito le imprese con una mole di dati che rappresentano per l’impresa un capitale aureo solo nella misura in cui essa si dimostri consapevole e capace del suo utilizzo. la competitività non si gioca su confronti quantitativi (chi ha più dati), ma sulle competenze analitico strategiche per selezionarli e utilizzarli al meglio per fornire alle rispettive linee di business i dati più utili e in una visione strategica complessiva che tenga conto delle dimensioni plurali dell’azienda: le sue funzioni, i suoi processi e le relative interconnessioni, l’organizzazione dei ruoli e le dinamiche collaborative di team orientati al risultato e operanti con logiche collaborative. Questo è il compito principale del Data Scientist: elaborare Big Data in diversi modi per scoprire trend, opportunità e criticità nascoste e inaspettate che possano avere un impatto rilevante sul business.
Perché un corso specialistico Data Science per l’Impresa?
I dati devono essere resi “utili” per l’azienda. Tutto questo non si gestisce con un profilo specialistico verticale ma attraverso l’interdisciplinarietà e la buona disponibilità ad apprendere conoscenze fuori del proprio curriculum universitario, perché solo un curriculum “arricchito” può dare valore ai dati aziendali nel contesto descritto. Oltre alle competenze di carattere economico e tecnico più elevate di altre figure tecniche, dal Data Scientist ci si aspetta anche un’abilità nell’elaborazione di decisioni di business basate sui dati superiore a quella delle altre figure professionali tradizionali.
La velocità con cui si stanno trasformando i sistemi organizzativi e i modelli di business richiede competenze nuove che non hanno paragoni con il passato e soprattutto utilizzatrici di tecnologie continuamente in evoluzione.
Nel percorso Data Science per l’Impresa i partecipanti sviluppano, oltre alle competenze matematiche e statistiche, le conoscenze di linguaggi come SQL, R e piattaforme come Power BI. Una significativa parte laboratoriale è inserita nel programma per lavorare sulle piattaforme di servizi analitici in cloud e confrontarsi con le tecniche emergenti di machine learning (ML) e intelligenza artificiale (AI).
A queste competenze si uniscono le abilità di business e le soft skills richieste oggi prioritariamente dalle dinamiche aziendali e dalla complessità entro cui si muovono.
