01net

Professione data scientist: competenze, missione, stipendio

Il data scientist ha il compito di estrapolare il valore da un’enorme quantità di dati strutturati e non strutturati per contribuire a plasmare o soddisfare esigenze e obiettivi aziendali specifici.

Il ruolo del cosiddetto scienziato dei dati sta diventando sempre più importante, in quanto le aziende si affidano sempre più spesso all’analisi dei dati per guidare il processo decisionale e si affidano a cloud, automazione e machine learning come componenti fondamentali delle strategie It.

Obiettivo principale di un data scientist è organizzare e analizzare grandi quantità di dati, spesso utilizzando un software appositamente progettato. I risultati finali devono essere sufficientemente facili da essere compresi dalle altre aree aziendali.

L’approccio all’analisi dei dati dipende non solo dalla industry, ma anche dalle esigenze specifiche dell’azienda per cui lavorano. Prima che un data scientist possa trovare un significato nei dati strutturati o non strutturati, i responsabili aziendali, dipartimenti e i manager devono comunicare ciò che stanno cercando.

Come tale, un data scientist deve avere abbastanza esperienza nel settore del business per tradurre gli obiettivi aziendali o dipartimentali in prodotti basati sui dati come motori di previsione, analisi di pattern detection, algoritmi di ottimizzazione e simili.

Lo stipendio del data scientist

La scienza dei dati è un settore in rapida crescita e redditizio, con previsioni in aumento per il ruolo del data scientist.

Negli Usa si parla di una crescita dell’11% entro il 2024. Nel rapporto dei cinquanta migliori lavori in America di Glassdoor, il data scientist è stato classificato come il lavoro migliore sulla base di prospettive, stipendio e grado generale di soddisfazione professionale.

L’Harvard Business Review l’ha definita come la professione più sexi. Secondo i dati della Technology and It Salary Guide di Robert Half del 2018, lo stipendio medio può andare da centomila a 168mila dollari.

In Italia la situazione è diversa. Intanto c’è una forte carenza di queste figure professionali che sono tra le più difficili da reperire.

La retribuzione di partenza si aggira sui 35-40mila euro lordi annui, con una forte crescita per i profili con maggiore seniority. In molti casi, però, l’attività viene svolta come consulenza esterna con compensi mediamente elevati. Oltre che nel comparto assicurativo, in Italia le aziende che cercano queste figure si trovano nel manifatturiero dove l’efficienza produttiva è fondamentale per il successo del business.

L’esame dei dati

I dati che gli scienziati analizzano provengono da una serie di fonti. Possono essere strutturati e non non strutturati. I primi sono organizzati per categorie che facilitano l’ordinamento, la lettura e l’organizzazione automatica di un computer. Ciò include i dati raccolti da servizi, prodotti e dispositivi elettronici, ma raramente i dati raccolti dall’input umano. Dati sul traffico del sito web, cifre di vendita, conti bancari o coordinate Gps raccolti dallo smartphone.

I dati non strutturati, la forma di crescita più rapida dei big data, è più probabile che provengano da input umani – recensioni dei clienti, e-mail, video, post sui social media, eccetera.

Questi dati sono in genere più difficili da ordinare e meno efficienti da gestire con la tecnologia. Poiché non ottimizzati, i dati non strutturati possono richiedere un grande investimento per essere gestiti. Le imprese in genere si affidano a parole chiave per dare un senso ai dati non strutturati come modo per estrarre i dati rilevanti usando termini ricercabili. In genere, le aziende impiegano gli scienziati dei dati per gestire questi dati non strutturati, mentre altri addetti It saranno responsabili della gestione e della manutenzione dei dati strutturati.

I requisiti dei data scientist

Ogni industry ha il proprio profilo di dati da analizzare. Ecco alcune delle forme più comuni di big data in ogni settore, così come i tipi di analisi che probabilmente uno scienziato di dati sarà necessario eseguire.

Business. L’analisi dei dati di business può essere utilizzata per prendere decisioni su efficienza, inventario, errori di produzione, fidelizzazione dei clienti e altro ancora.

E-commerce. Ora che i siti web raccolgono più di dati di acquisto, gli scienziati dei dati aiutano le imprese e-commerce migliorare il servizio clienti, trovare tendenze e sviluppare servizi o prodotti.

Finanza. I dati relativi ai conti, alle operazioni di credito e di addebito e altri dati finanziari sono essenziali per il buon funzionamento di un’impresa. Ma per i data scientist la sicurezza e la conformità, compresa l’individuazione delle frodi, costituiscono anch’esse una delle principali preoccupazioni.

Governo. I big data aiutano i governi a prendere decisioni, sostenere gli elettori e monitorare la soddisfazione generale.

Scienza. Gli scienziati hanno sempre trattato i dati, ma ora con la tecnologia possono raccogliere, condividere e analizzare meglio quelli degli esperimenti. Gli scienziati dei dati possono contribuire a questo processo.

Social networking. I dati dei social network aiutano a informare la pubblicità mirata, a migliorare la soddisfazione dei clienti, a stabilire le tendenze nei dati di localizzazione e a migliorare caratteristiche e servizi. L’ analisi continua dei dati di post, tweet, blog e altri social media può aiutare le imprese a migliorare costantemente i loro servizi.

Sanità. Le cartelle cliniche elettroniche sono oggi lo standard per le strutture sanitarie, che richiedono attenzione ai big data, sicurezza e conformità. Qui, i Ds possono contribuire a migliorare i servizi sanitari e scoprire tendenze che potrebbero passare inosservate altrimenti.

Telecomunicazioni. Tutta l’elettronica raccoglie i dati, e tutti i dati devono essere memorizzati, gestiti, mantenuti e analizzati. I data scientist aiutano le aziende a superare i bug, migliorare i prodotti e soddisfare i clienti offrendo le funzionalità desiderate.

Le competenze

Cosa fa uno scienziato dei dati? Il Ds deve essere in grado di analizzare e interpretare i dati a disposizione di una o più funzioni aziendali con l’obiettivo di prevederne l’evoluzione e i trend, generando un vantaggio competitivo, creare nuovi modelli di business e, quindi, orientare la strategia della società, in particolar modo delle vendite.

Programmazione. Si tratta del fondamentale set di competenze di uno scienziato dei dati, quello che aggiunge valore alle competenze di data science. La programmazione migliora le  capacità statistiche, aiuta ad analizzare grandi serie di dati e dà la possibilità di creare gli strumenti.

Analisi quantitativa. Un’importante abilità per l’analisi di set di dati di grandi dimensioni: migliora la capacità di eseguire l’analisi sperimentale, scalare la strategia dei dati e aiutare a implementare l’apprendimento della macchina.

Intuizione del prodotto. Capire i prodotti aiuta a eseguire l’analisi quantitativa ed a prevedere il comportamento del sistema, stabilire metriche e migliorare le abilità di debug.

Comunicazione. Si tratta della più importante competenza trasversale a ogni settore,: forti abilità di comunicazione aiutano a sfruttare tutte le altre competenze elencate.

Lavoro di squadra. Molto simile alla comunicazione, il lavoro di squadra è vitale per una carriera di successo nella scienza dei dati. Richiede di essere disinteressato, accogliere il feedback e condividere le conoscenze con la squadra.

Alcune certificazioni di data science

Cloudera battezza professionisti certificati Ccp data engineer

Dell Emc ha un programma di certificazione professionale.

Microsoft valida esperti in soluzioni certificate Microsoft (Mcse)

Sas ha un’Academy per la scienza dei dati

Formazione

Ci sono molti modi per diventare uno scienziato di dati, ma il percorso più tradizionale è quello di ottenere una laurea. La maggior parte degli scienziati dei dati possiedono un master o un titolo di studio superiore. I

percorsi formativi per svolgere questa attività sono quelli universitari di statistica, scienze dell’informazione, matematica, ma sono necessarie anche le competenze in ambito digital e nello specifico big data, conoscenza di strumenti di data analytics e di data visualization.

Ma servono anche forte sensibilità e orientamento al business, problem-solving e capacità relazionali. Poiché la scienza dei dati richiede una certa esperienza nel settore commerciale, il ruolo di uno scienziato dei dati varierà a seconda dell’ industria e, se si lavora in un settore altamente tecnico, potrebbe essere necessario un perfezionamento professionale. Ad esempio, se si lavora nel settore sanitario, governativo o scientifico, avrà bisogno di una serie di competenze diverse da quelle necessarie per il marketing, il business o l’ istruzione.

Il nemico del data scientist è il robot

C’è però un problema. Dagli Stati Uniti, che notoriamente anticipano tutte le tendenze n campo tecnologico, qualcuno sostiene che la professione non sia poi così sicura.

Secondo Roland Cloutier, capo della sicurezza informatica di Adp, l’alta domanda di data scientist potrebbe presto diminuire per la concorrenza dei robot.

Le nuove generazioni di tool miglioreranno i flussi di lavoro e l’interpretazione algoritmica delle enormi masse di dati raccolti.