Content management error: Header Banners should not be placed in the Navigation placeholder!
Content management error: Generic Content Banners should not be placed in the Navigation placeholder!
Il Data Scientist è una figura chiave nelle aziende che lavorano sui Big Data: il suo apporto è determinante nella elaborazione di insights, analisi e report. Per arrivare a ricoprire questa posizione occorrono skill eterogenee e un corso di studi idoneo a un lavoro in continua evoluzione.
INDICE DEI CONTENUTI
Il percorso che ha portato alla creazione di un modello di analisi basato sui Big Data prende vita dai limiti presenti negli “Small Data”. In una realtà in cui la circolazione delle informazioni era ancora limitata, ma crescente, la soluzione migliore per la loro gestione veniva individuata nel migrare lo storage dalle macchine locali ai database, realizzando infrastrutture di dimensioni generalmente contenute in grado di combinare l’archiviazione tramite RDBMS con l’analisi in-core.
Ciò consentiva di definire dei processi standardizzati per l’analytics senza però rimuovere due criticità legate all’incremento dei dati a disposizione:
A tali problematiche si tentò di rispondere con un approccio basato sull’n-Database Analytics che permetteva di velocizzare le sessioni di analisi attraverso la riduzione delle operazioni per il trasferimento dei dati.
Tale modello non era però esente da limiti in quanto richiedeva implementazioni specifiche per i database di riferimento, non risolveva il problema della scalabilità hardware, legava le aziende ai sistemi proprietari dei vendor e, soprattutto, non rappresentava una soluzione valida sul lungo termine per fronteggiare la rapida crescita dei Dataset.
Il modello incentrato su Big Data e Cloud si è quindi rivelato ottimale per integrare storage ed elaborazione dei dati. Grazie ad esso è possibile disaccoppiare queste due fasi ma in parallelo, incrementando le performance e garantendo nel contempo la scalabilità.
Il vantaggio per le aziende è risultato immediatamente evidente per via della maggiore disponibilità di dati in tempi più brevi e di risorse per i processi computazionali. Ma anche l’approccio basato sui Big Data presenta dei limiti, esso infatti rappresenta un meccanismo di storage senza offrire nativamente un modello per la gestione dei dati.
Le aziende possono quindi incamerare grandi quantità di dati grezzi e dover identificare le piattaforme, gli strumenti e le metodologie di analisi con cui gestirli, per questo motivo diventa sempre più centrale la figura del Data Scientist.
Quella del Data Scientist è una figura professionale dotata di skill multidisciplinari che ha il compito di gestire Big Data e di ricavare da essi insights.
In un panorama aziendale ormai fortemente Data Driven i Big Data hanno un ruolo sempre più importante nel determinare le decisioni e le strategie di business delle imprese, cresce quindi l’esigenza di affidarsi al lavoro di un analista in grado di produrre valore dai dati operando con tecnologie mutuate da tutti i settori più innovativi: dal Cloud Computing al Machine Learning, dalle soluzioni per l’Intelligenza Artificiale all’IoT, dalla Robotica all’automazione dei processi produttivi.
Il Data Scientist ha quindi il compito di mettere ordine nel caos creato dall’information overload, strutturando e mettendo in relazione dataset non strutturati in modo che diventino leggibili e quindi fruibili.
Attività economiche diverse necessitano di differenti approcci ai dati, per questa ragione il Data Scientist deve saper comunicare con dirigenti, responsabili di divisione, manager e collaboratori in modo da offrire loro risultati coerenti con gli obbiettivi d’impresa. Gli insights estrapolati dai dati grezzi restituiscono infatti una visione interna quanto più precisa possibile sulla base della quale formulare previsioni per il futuro, ottimizzare le dinamiche lavorative e massimizzare la produttività.
A questo proposito non stupisce che una delle qualità più richieste ad un Data Scientist sia la capacità di definire dei pattern, cioè degli schemi di analisi ed elaborazione dei dati, che permettano da una parte di generare insights e dall’altra di rappresentare questi ultimi in modo che siano facilmente comprensibili ed immediatamente utilizzabili dalla committenza.
Il Data Scientist non è un informatico puro e il suo lavoro non riguarda unicamente la Data Analysis. Solitamente si tratta di laureati in ingegneria o informatica, ma anche in matematica, statistica o economia.
Non di rado il percorso di formazione viene prolungato dopo l’università tramite corsi di specializzazione e master post-laurea per poi proseguire attraverso aggiornamenti professionali continui.
In linea generale un Data Scientist possiede skill avanzate in tema di:
Quello del Data Scientist è inoltre un lavoro concepito nativamente per operare in team composti da professionalità differenti, da qui l’esigenza di una preparazione multidisciplinare che permetta di comunicare in modo competente con tutti i collaboratori.
Dati i diversi punti di contatto dovuti ai contesti in cui operano, la figura del Data Scientist e quella del Data Analyst sono apparentemente sovrapponibili, tra questi due professionisti esistono però delle differenze fondamentali relative in particolare alle modalità di approccio ai dati.
In linea generale è possibile affermare che mentre un Data Scientist ha la responsabilità di formulare delle previsioni sulla base di pattern sia collaudati che sperimentali, il Data Analyst ha invece il compito di estrapolare delle informazioni significative dai dati. Il ruolo di quest’ultimo non riguarda quindi le attività di forecasting, il Data Analyst risolve problematiche legate al business ma non offre una visione degli scenari futuri.
Cambiano quindi anche le metodologie di lavoro, con il Data Scientist impegnato a gestire informazioni frammentate, provenienti da fonti differenti, là dove il Data Analyst affronta spesso un singolo dataset alla volta. Così come cambiano anche gli strumenti impiegati, se infatti il Data Scientist sfrutta il Machine Learning per operare sui Big Data, il Data Analyst privilegia prodotti SAS per la manipolazione dei dati e la creazione di report.
A differire sono poi i loro interlocutori, in quanto il Data Scientist interagisce prioritariamente con dirigenti, creativi, ricercatori e developer, mentre i referenti del Data Analyst sono più frequentemente Data Architect, operatori di database, Database Administrator e altri analisti.
E’ infine necessario sottolineare una sensibile differenza in termini di retribuzione a favore dei Data Scientist che secondo i Dati di Job Search arriverebbero guadagnare mediamente quasi il doppio rispetto ai Data Analyst.
Un Data Scientist può ricevere commesse e incarichi da svariate tipologie di aziende, ma l’evoluzione continua e la diffusione delle tecnologie per l’apprendimento automatico dovute alla sempre maggiore disponibilità di Big Data favoriscono il suo impiego nell’implementazione di modelli predittivi.
A tal proposito è facile ipotizzare un coinvolgimento sempre più rilevante dei Data Scientist nelle procedure di forecasting, soprattutto nelle fasi riguardanti:
Per le aziende, disporre di un professionista in grado di padroneggiare i dati non significa soltanto massimizzare le vendite, ma anche prevedere quelle che saranno le richieste di supporto da parte degli utenti, scoprire quali condizioni di lavoro rendono i dipendenti più soddisfatti del proprio impiego e quindi più produttivi, individuare bottlenecks e bug che influiscono negativamente sull’efficienza delle filiere, migliorare la comunicazione aziendale e ottimizzare tutte le fasi che portano dallo sviluppo al deployment di un prodotto.
È poi probabile che nel prossimo futuro i Data Scientist saranno sempre più coinvolti nello sviluppo di sistemi CRM. Da questo punto di vista dovrebbe essere premiata soprattutto la capacità di generare Insight da dati grezzi di natura eterogenea, prodotti non soltanto dall’attività commerciale e di vendita, ma anche dalle interazioni in Rete (social media, applicazioni per messaggistica istantanea, landing pages) con particolare attenzione per i feedback inviati dagli utenti durante l’impiego di prodotti e servizi, fattore per il quale assumono fondamentale importanza i dati acquisiti tramite il Cloud.
Tali opportunità diventano disponibili per una figura che ha portato l'Harvard Business Review a descrivere quello del Data Scientist come "The Sexiest Job of the 21st Century". Nella sua speciale classifica dedicata ai 50 migliori impieghi lavorativi negli Stati Uniti, Glassdoor ha definito il Data Scientist come il professionista che nel corso dei prossimi anni potrebbe produrre le migliori performance in termini di retribuzione e soddisfazione personale.
Qual è il livello di consapevolezza delle aziende riguardo al ruolo dei Big Data e alla loro capacità di creare un vantaggio competitivo concreto? In che misura gli imprenditori conoscono le nuove professioni che nasceranno grazie al Big Data?
Per rispondere a queste domande Modis ha condotto una survey i cui risultati sono stati presentati durante il convegno “Big Data & Jobs of the Future” presso l’università IULM di Milano. E’ online l’infografica completa per una sintesi degli aspetti più significativi emersi dall’indagine.
Modis ha attivato il programma Academy Full Time con lo scopo di colmare il gap tra la preparazione universitaria e le skill richieste dal settore IT ed Engineering.
Modis organizza diverse Academy che vengono attivate durante l’anno e che vertono su varie tematiche, tra cui:
Data Scientist prevede una preparazione tecnica volta ad acquisire conoscenze di programmazione e gestione dati, Business Intelligence, Analytics e Machine Learning.
I moduli formativi sono gestiti in partnership con aziende leader del settore ed enti di formazione certificati. La partecipazione è gratuita e sono previste agevolazioni per i fuori sede. Le Academy sono a numero chiuso e la frequenza è obbligatoria.
La selezione, destinata a neolaureati, verrà effettuata attraverso interviste telefoniche, assessment di gruppo e colloqui individuali. I partecipanti riceveranno una formazione intensiva su aree e tecnologie richieste dal mercato per un periodo dalla durata media di quattro o cinque settimane.
Al termine del percorso formativo, gli allievi migliori verranno assunti da Modis e assegnati a progetti di consulenza per le aziende partner.
Per maggiori informazioni sulle Academy e sapere quali sono quelle attive è possibile consultare la pagina dedicata Modis Academy.