Data scientist: cosa fa e come trovare lavoro
La diffusione delle nuove tecnologie ha portato alla produzione di un enorme mole di dati, che possono essere usati per il business. Per farlo però serve un “mago dei dati”, una figura molto richiesta dalle aziende. Ecco tutto quello che bisogna sapere
Definito come il lavoro più sexy del ventunesimo secolo in un articolo della Harvard Business Review del 2012, la figura del data scientist, lo scienziato dei dati, è una delle nuove figure professionali che ha conosciuto la crescita più impetuosa negli ultimi anni, suscitando un interesse sempre maggiore da parte delle imprese. E la corsa non sembra ancora finita.
Le nuove tecnologie, così come l’aumento esponenziale delle applicazioni Internet nell’industria e anche dei social media ha contribuito ad aumentare a dismisura le statistiche a disposizione. È il fenomeno dei “big data”, l’enorme mole di dati che riescono a mappare il comportamento dei clienti di un’azienda, degli utenti di Facebook o del tragitto di un pacco spedito dall’altra parte del mondo, così come a descrivere esattamente il funzionamento di una linea di produzione in una fabbrica iper-connessa.
Serve però chi sappia raccogliere, selezionare, ordinare e interpretare quei dati, per consentire all’azienda, alla pubblica amministrazione o all’organizzazione per cui lavora di prendere le decisioni giuste. Quella figura è il data scientist, il “mago dei dati”, l’esperto in data science. Una ricerca di Glassdoor l’ha inserita tra le 50 figure top negli Stati Uniti del 2021, mentre l’ultima ricerca del Politecnico di Milano sul mercato della valorizzazione dei dati ha sottolineato che il Covid ha rallentato ma non fermato gli investimenti delle imprese.
Che cosa fa il data scientist?
Il suo compito dunque è proprio questo: dare forma e struttura alla nebulosa formata da miliardi e miliardi di dati, per consentire all’azienda di leggere quello che quei dati possono raccontare del suo funzionamento e delle opportunità del mercato. Le necessità sono aumentate vertiginosamente, perché negli ultimi anni le imprese hanno adottato con sempre maggior frequenza sistemi di intelligenza artificiale, di analytics, tecnologie di Internet of things o sensoristica che generano ogni giorno milioni e milioni di dati.
Se si pensa, per esempio, che soltanto su Facebook ogni giorno ci sono 8 miliardi di visualizzazioni di video, per più di 100 milioni di ore ogni 24 ore, si arriva a intuire l’estensione delle grandi quantità di dati in cui siamo immersi.
Compito del data scientist è dunque quello di scegliere i dati più utili e interpretarli. Per farlo, all’interno di un’azienda, può contare su dati strutturati e non strutturati.
I primi sono quelli che vengono letti e possono essere organizzati autonomamente da un sistema, come le statistiche di gestione di un sito web, o il passaggio dei pacchi sotto a un lettore ottico, mentre quelli non strutturati riguardano aspetti più difficili da schematizzare, come le interazioni dei clienti con le pagine social di un’azienda, le immagini caricate sui social e così via.
Il data scientist deve quindi prendere in esame:
- i dati prodotti dall’uomo;
- i dati prodotti dalle macchine;
- i dati prodotti dal business dell’azienda.
Il lavoro di un data scientist comporta dunque diverse fasi:
- la ricerca dei dati giusti e utili ai propri obiettivi;
- l’organizzazione e l’affinamento delle statistiche;
- l’analisi dei risultati ottenuti;
- l’esposizione dei fenomeni osservati a chi deve prendere le decisioni.
Per fare tutto questo lo scienziato dei dati deve confrontarsi dunque con l’analista aziendale, con l’ingegnere informatico e con tutto il team di IT, con chi sviluppa le applicazioni aziendali, oltre che con i responsabili delle scelte di business. Deve dunque avere, oltre a un’ottima capacità di
analisi, anche buone dosi di
comunicazione e lavoro in
team.
A cosa può servire la data science?
I campi di applicazione sono infiniti ed emergono con sempre maggior dettaglio mano a mano che l’analisi dei dati si diffonde in enti e aziende. A titolo di esempio, si possono indicare:
- la cura dei clienti di un’azienda produttrice;
- il miglioramento della logistica delle merci;
- la lotta alle frodi e ai comportamenti sospetti;
- la gestione dei pazienti sanitari e delle cure;
- l’elaborazione di vendite e offerte mirate tarate sui gusti dei clienti;
- il miglioramento dei processi di produzione nelle fabbriche.
Come si diventa data scientist?
Dalle attività indicate finora si capisce quindi che il data scientist è una figura che deve avere competenze diversificate, che incrociano la matematica, la statistica, l’economia, l’ingegneria e l’informatica. Materie che vengono affrontate dai corsi più tradizionali offerti dagli atenei italiani, che però propongono da qualche anno anche percorsi di studio specifici in analisi dei dati o per data analyst.
Per fare questo lavoro servono anche competenze precise in linguaggi diprogrammazione come
Sql, R
o
Python, così come un’esperienza specifica nel campo in cui si va ad operare. Decisamente utile anche la conoscenza delle tecniche di
marketing e marketing digitale.
Quanto guadagna un data scientist?
Lo stipendio del data scientist varia in funzione del tipo di azienda per cui lavora, della sua esperienza e anche del Paese in cui opera. Mercati particolarmente maturi nella data science offrono infatti retribuzioni medie più alte. Secondo le analisi del dipartimento del lavoro del governo statunitense, negli Usa si va dai 53mila dollari annui fino a un massimo di 165mila dollari, con una media però di quasi 104mila.
In Italia, dove non sono ancora maturati gli stessi livelli di esperienza e dove il mercato non ha ancora raggiunto lo stesso livello di saturazione, si sta attorno ai 30mila euro annui, anche se si superano i 100-110mila euro per le figure di maggiore responsabilità
Kelly Italy is part of Gi Group Holding
