Seleziona una pagina

Nel maggio del 2017, sulla copertina dell’Economist, i dati venivano indicati come la “risorsa più preziosa al mondo”. Per l’occasione, proprio sopra il titolo, vennero rappresentati alcuni colossi dell’online come Facebook, Google e Amazon sotto forma di piattaforme petrolifere. Il messaggio era chiaro e lampante: i dati sono il nuovo petrolio. A distanza di due anni, il data scientist è tra le figure professionali più richieste di sempre e in questo articolo vi spiegherò chi è, cosa fa, le competenze che deve avere per svolgere al meglio il suo lavoro e molto altro.

Non avete ancora chiara la strada professionale da percorrere? Siete appassionati di numeri e analisi dei dati?  Allora vi garantisco che questo articolo può guidarvi nella scelta della vostra professione e cambiare per sempre il vostro futuro! 

 

Perché è nata la figura del data scientist

 

Fino a pochi anni fa, l’analyst era la figura professionale predisposta all’analisi e all’interpretazione dei dati in azienda. Il contesto e le tecnologie dell’epoca erano molto diversi da quelli attuali: la quantità di dati da analizzare era limitata e ciò permetteva agli analyst di ricorrere ai semplici strumenti della statistica. 

L’avvento del web 2.0 con la diffusione impetuosa di Internet e la nascita di Facebook cambiarono inevitabilmente le carte in tavola, aumentando vertiginosamente il volume dei dati.
Per ogni like messo ad un post su Facebook, ogni tweet fatto ed ogni volta che consultiamo una app sul nostro smartphone lasciamo sul web informazioni personali. Se pensate al tempo che ognuno di noi spende sulla rete ogni giorno, non vi stupirete se vi dico che si stima che la quantità di dati continuerà ad aumentare

 

data scientist big dataI formati di questi dati, inoltre, sono di diverso tipo e questo complica ulteriormente le cose.
A tal proposito, possiamo tranquillamente affermare che le aziende hanno da tempo una certa familiarità con i dati strutturati. Per esempio, la gestione del CRM, nel quale i dati sono custoditi in un classico database, non è di certo una novità. Al contrario, non si può facilmente affermare che la stessa familiarità esista in merito ai dati non strutturati, ovvero quei dati conservati senza alcun schema o tabella rigida. Questi non sono immagazzinati in comuni database: sta all’azienda saper analizzare questi testi liberi, da cui poi estrarre un significato. 

La mole immensa di dati e la loro varietà in termini di formato ne ha impossibilitato così l’analisi manuale, rendendo obsoleti gli strumenti di statistica precedentemente utilizzati. 

Perciò, in un contesto in cui i Big Data fanno da padroni e le aziende si affidano sempre più a tecniche di Machine Learning, la data science sembra essere la risposta più logica. Con questo termine intendiamo quel settore giovane e interdisciplinare che si basa su tecniche provenienti dalla matematica, statistica e informatica al fine di estrarre informazione dai dati, qualsiasi dimensione o forma questi abbiano.

E così, di conseguenza, nasce la figura del data scientist, essenziale al giorno d’oggi per le aziende che operano in settori dove i Big Data giocano un ruolo primario. La sua presenza è necessaria per estrarre valori dai dati e per prendere di conseguenza decisioni aziendali più consapevoli e mirate. In poche parole, in certi settori il data scientist è fondamentale se l’azienda vuole reggere la competizione con i suoi rivali. 
Ricordatevi: i dati di per sé non hanno alcun valore se non vengono analizzati, interpretati e compresi. Solo se usati in maniera intelligente si trasformano in un vantaggio competitivo per l’azienda, solo così assumeranno un vero e proprio valore.

 

Chi è il data scientist

 

Definire il data scientist come una figura professionale altamente specializzata che si occupa della gestione dei Big Data sarebbe limitato. 

Il data scientist trae valore dall’analisi di questi dati e questo fa un’enorme differenza. Utilizzando software progettati ad hoc, è in grado di estrarre, da una quantità di dati immensa, informazioni rilevanti e significative per l’azienda. E proprio queste informazioni, che precedentemente si nascondevano tra i dati e che il data scientist ha reso comprensibili, sono fondamentali per le azioni strategiche aziendali. 
Cosa intendiamo per “informazioni”? In sostanza facciamo riferimento a tutto quello che può tornare utile all’azienda nella realizzazione dei suoi obiettivi: trend, opportunità, evoluzioni. 
Per esempio, tramite l’analisi dei dati, un’azienda può riscontrare che nel catalogo prodotti del suo e-commerce manca un articolo che tutti immancabilmente si aspettano di trovare sul suo store online; o ancora, che una campagna di email marketing vanta di un tasso di apertura maggiore se programmata in momenti specifici della giornata. Il lavoro dello scienziato dei dati può tornare utile all’azienda anche nello specificare meglio la sua nicchia di mercato o nella segmentazione del suo pubblico di riferimento.

 

data scientist competenze

 

Per chiarire ancora meglio cosa fa il data scientist nella pratica, immaginiamo il suo lavoro come un processo e vediamo nello specifico ogni singolo step che lo compone. 

 

Il lavoro dello scienziato dei dati: tutti gli step

 

  • Definizione del problema: tendenzialmente è proprio questo il punto di partenza di ogni analisi dei dati ed è importante sottolineare che, soprattutto in questa fase, il data scientist non lavora da solo. Affinché il suo lavoro produca i risultati sperati è fondamentale che conosca in maniera approfondita le dinamiche e il funzionamento dell’azienda.
    Inoltre egli deve aver modo di confrontarsi con i responsabili aziendali e i manager al fine di comprendere a fondo quello che vogliono ottenere dall’analisi dei dati che loro stessi gli hanno commissionato.   
  • Raccolta dei dati: le fonti a cui attinge il data scientist possono essere diverse. Può capitare che faccia riferimento a database aziendali, come software ERP o CRM, ai dati raccolti sui social media, a quelli intercettati da strumenti di web analytics o da altre banche dati a disposizione dell’azienda. 

 

 

  • Elaborazione dei dati: non tutti quelli a disposizione del data scientist servono al fine della risoluzione di un problema. Ecco perché è fondamentale che consideri solo quelli utili, eliminando eventuali errori o informazioni non necessarie. In altre parole il data scientist deve trasformare i dati a disposizione in formati organizzati e accessibili, pronti all’uso.
  • Creazione dei modelli: per individuare le relazioni nei dati (data mining) si ricorre a software per l’analisi dei dati, algoritmi, metodi statistici e strumenti di machine learning
  • Presentazione dei risultati: la fase finale. Qui le informazioni estrapolate nel corso dell’intero processo vanno comunicate e rese comprensibili ai manager competenti. Il data scientist deve procedere alla realizzazione di report, ricorrendo a grafici, tabelle, mappe, diagrammi e… tanta creatività!

 

Differenza tra data scientist e data analyst

 

Sebbene questi due termini possano sembrare sinonimi è importante sottolineare che fanno riferimento a due categorie professionali diverse. Potremmo dire che il data analyst è una sorta di predecessore del data scientist. Mentre il primo si limita a risolvere problemi specifici utilizzando gli strumenti della statistica tradizionale, il secondo elabora i dati, li scompone e interpreta. Il data scientist ricorre anche, ma non solo, alla statistica tradizionale. Tutto al fine di scoprire opportunità, criticità e trend che possono interessare all’azienda e a chi ne definisce le strategie.

 

Le competenze e le attitudini richieste

 

Proprio perché ai data scientist è richiesto di ricorrere ad un approccio olistico, è fondamentale che essi possiedano una serie di competenze trasversali ed eterogenee
Il loro è un lavoro prettamente multidisciplinare e perciò devono essere esperti in diversi ambiti. 

Vediamo insieme quali:

  • informatica: il data scientist deve conoscere i linguaggi di programmazione ed essere in grado di sviluppare e implementare algoritmi di machine learning
  • matematica, statistica e analisi
  • economia e management: non limitatevi a vederlo come un mero informatico, perché lo scienziato dei dati deve anche avere una conoscenza profonda del mercato e del business in cui lavora.

Inoltre, è fondamentale che il data scientist sia predisposto: 

  • al problem solving
  • alla comunicazione: il suo lavoro non si conclude con l’analisi del dato ma continua con la visualizzazione dello stesso. Potete essere i migliori analisti al mondo, ma se non saprete raccontare i vostri risultati con report belli, comprensibili e veloci da consultare il vostro lavoro sarà valso a ben poco! 

 

data scientist report

 

La formazione del data scientist

 

Proprio per via del fatto che le competenze che dovrebbe avere un buon data scientist sono variegate, la formazione deve essere trasversale. Per diventare data scientist, non è previsto che si segua sempre e solo un preciso corso di formazione. Tendenzialmente comunque, possiamo affermare che si tratta di persone con un background di studi in ambito statistico, informatico, ingegneristico, matematico o economico. In sostanza, si tratta di individui con una naturale attitudine ai numeri.
I data scientist possiedono sempre una laurea, spesso e volentieri magistrale, e in certi casi persino un dottorato. Di solito sono persone che hanno frequentato corsi di specializzazione aggiuntivi, al di fuori dell’ambito universitario. Questo perché le lauree tradizionali non offrono l’approccio interdisciplinare che in ambito lavorativo è richiesto a chi svolge tale professione.
La formazione di un data scientist, inoltre, non può mai affermarsi conclusa, dal momento che le tecnologie a cui fa riferimento nel suo lavoro quotidiano sono in continua evoluzione e aggiornamento.

 

I settori in cui il data scientist è maggiormente richiesto

 

Abbiamo già detto che la mole di dati che si trovano a dover gestire le aziende aumenta di anno in anno. Di conseguenza, il data scientist ben formato e preparato ha la strada spianata, mille porte aperte davanti a sé.
Ci sono dei settori però in cui questa figura è più richiesta e alcuni di questi sono facilmente prevedibili.
Per esempio pensate al caso di un e-commerce, dove tutti i giorni vengono raccolti una miriade di dati sugli acquisti compiuti dai consumatori. Qui, il data scientist è fondamentale, perché sarà in grado di comunicare a chi si occupa dei contenuti sul sito eventuali modifiche da fare. Permetterà di conseguenza un migliore servizio al cliente.

 

 

Un altro esempio abbastanza scontato è il caso di un’azienda che basa molto la sua strategia di marketing sui social media. Il data scientist è fondamentale, a tal proposito, per una precisa targetizzazione delle campagne pubblicitarie. 
Anche i settori più tradizionali hanno e avranno sempre più bisogno degli scienziati dei dati: pensate alla finanza, e all’immensa mole di dati su account, operazioni di credito e debito e transazioni che ogni giorno vengono raccolte. O ancora, al settore assicurativo o alla sanità, dove il lavoro del data scientist risulta molto d’aiuto sia nell’ambito della prevenzione sia per strutturare cure più mirate possibili. 

 

Allora che ne dite? Credete di avere la stoffa giusta per diventare data scientist? Considerate che qualche anno fa l’Harvard Business Review definiva questa professione come la più sexy del ventunesimo secolo! Questo appellativo deriva proprio dalle opportunità enormi legate al mestiere; opportunità da considerarsi sia in termini di sbocchi lavorativi, che di salario (in Italia mediamente un data scientist inizia guadagnando 30.000 euro lordi).

Cosa state aspettando? Se credete di avere tutte le carte in tavola iniziate a studiare e specializzatevi nella scienza dei dati!

Se vi interessano gli argomenti trattati in questo articolo e siete affascinati dal magico mondo dei numeri e dell’analisi dei dati mi sento di consigliarvi i seguenti corsi: Web Analytics Base, Web Analytics Advanced o l’ancora più completa certificazione Web Analytics Specialist.


ARTICOLI CORRELATI: 

 

google analytics    digital business analyst

 

 

 

 

 

silvia bodini
Sono una studentessa di Digital Marketing appassionata ai Social Media e che adora scrivere. Laureata in Economia e Gestione Aziendale, attualmente vivo in America e mi lascio ispirare dalla mentalità di questo magnifico Paese.