Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Guide e How-to

Data Scientist: identikit del professionista più ricercato della data economy

Competenze, compiti e stipendio dello specialista dei Big Data, vero interprete della data economy e del data-driven business. Ecco come si diventa Data Scientist e quali sono gli sbocchi professionali

20 Set 2019

Patrizia Licata

È uno dei ruoli più “in” dell’economia digitale, inserito dal World Economic Forum (“The Future of Jobs Report” 2018) tra le 21 professioni per le quali la domanda delle aziende continuerà ad aumentare almeno fino al 2022: il Data Scientist è il vero interprete della data economy e del data-driven business. Il suo compito è saper gestire i Big Data (dati in grandi quantità, strutturati e non strutturati) e trarne indicazioni utili per l’attività e il successo dell’organizzazione per cui lavora.

Si tratta di una figura altamente specializzata con una formazione che va spesso oltre la laurea magistrale, perché le competenze spaziano dalla conoscenza approfondita di data mining e software per l’analisi dei dati, metodi statistici e modelli predittivi, strumenti di visualizzazione; deve, inoltre, essere dotato di “soft skill” come la curiosità, la comunicazione chiara, il problem solving e il lavoro di squadra.

Il ruolo del Data Scientist è esaltato dalla diffusione di tecnologie come Analytics, Intelligenza Artificiale (AI) e Machine Learning (ML), che aiutano il top management a prendere decisioni mirate.

Le competenze fondamentali

Il Data Scientist deve coniugare le skill tecniche e l’intuizione per organizzare grandi set di dati e rispondere a domande complesse, elaborando report che aiutano i top manager a definire le strategie. Deve saper navigare tra dati sia strutturati (organizzati per categorie, come i dati di vendita) sia non strutturati (più difficili da classificare in modo automatizzato, come i commenti sui social media) conducendo analisi quantitative e qualitative.

Le skill richieste sono numerose ma, secondo Adecco, quelle fondamentali fanno capo a: programmazione, analisi quantitativa (permette anche di applicare il ML), comprensione del prodotto, comunicazione, lavoro di squadra.

L’Osservatorio Big Data Analytics & BI del Politecnico di Milano nel 2018 ha descritto il Data Scientist come figura altamente specializzata che conosce in maniera approfondita le tecniche matematico-statistiche, sa come sviluppare e implementare algoritmi di Machine Learning, conosce più di un linguaggio di programmazione (soprattutto R o Python) e gestisce gli Analytics; sa estrarre dati da database MySQL, usare tabelle pivot in Excel e produrre visualizzazioni chiare e sintetiche per gli utenti business.

Attenzione anche alle competenze più innovative e specialistiche come il data wrangling o munging, che consente di partire dai dati grezzi (raw data) per trasformarli in dati omogenei nel formato, in grado di essere portati nel processo di Analytics.

Servono infine competenze trasversali a seconda del settore in cui si lavora: le skill necessarie nel marketing sono diverse da quelle per la PA o l’industria delle Tlc. Lo ha evidenziato la società di ricerche Gartner già in uno studio del 2016, dove ha definito “multidisciplinare” la preparazione del Data Scientist in quanto si colloca tra le macro aree di statistica, coding, ricerca tradizionale, data engineering, Machine Learning e marketing. Queste si espandono a loro volta in discipline più specifiche come preparazione e governance del dato, SQL, analytics predittivi, matematica avanzata, modelli statistici, definizione delle metriche, comprensione del cliente e traduzione dei risultati in linguaggio non tecnico.

«I Data Scientist iniziano a ricoprire un ruolo sempre più importante all’interno delle organizzazioni – sottolinea Luca Flecchia, Associate Partner di P4I – Partners4Innovation -, tuttavia è fondamentale non sottovalutare un aspetto cruciale: i Data Scientist non devono solo essere in grado di sviluppare complessi algoritmi ad elevate prestazioni, devono anche sviluppare la capacità di comprendere il business in cui sono inseriti. Senza questa capacità infatti, sarà impossibile riuscire a sviluppare un dialogo efficace e di valore con i rappresentanti del business, con il risultato che anche l’efficacia del data scientist all’interno dell’organizzazione sarà di gran lunga inferiore a quella potenziale. Diverse aziende, per ovviare a questo problema, stanno iniziando ad introdurre anche figure di raccordo tra data scientist e persone del business, i “business translator”. Queste figure hanno il compito di tradurre i requisiti del business in requisiti di più facile comprensione per i data scientist e guidare questi ultimi a realizzare data product che siano efficaci e facilmente fruibili da parte del business».

Luca Flecchia

Manager Data Driven Innovation, P4I - Partners4Innovation

Come si diventa Data Scientist

Per diventare Data Scientist serve almeno una laurea specialistica, quasi sempre in materie con indirizzo scientifico: Matematica, Ingegneria, Fisica, Informatica, Statistica, Economia. La preparazione va completata con la competenza nella programmazione con linguaggi orientati all’analisi statistica dei dati, a partire da R e Python, e conoscenze di Analytics e Machine Learning.

Spesso serve anche una specializzazione di livello superiore, come un master Master in Data Science e AI e/o percorsi di formazione attraverso i MOOC, i Massive Open Online Courses (formazione a distanza) come quelli di EMMA, un’iniziativa dell’Unione europea.

Esiste anche il training tramite i bootcamp, più tarato sull’esperienza “sul campo” e i progetti concreti. Un curriculum che offre qualche esperienza pratica è gradito dal datore di lavoro ma non può prescindere dalle competenze di ingegneria software di base e da qualche conoscenza di programmazione, Analytics e ML.

Differenze tra Data Scientist, Data Engineer e Data Analyst

Anche il Data Engineer e il Data Analyst sono professionisti dei dati, ma hanno compiti diversi dal Data Scientist. Il Data Engineer si dedica più specificamente alla gestione della Data Pipeline, l’infrastruttura che dal luogo in cui i dati vengono raccolti li trasporta agli strumenti di front-end. Il compito del Data Engineer è fornire al Data Scientist in maniera tempestiva i dati in formati utilizzabili per le analisi. Ha una laurea prettamente STEM, in particolare Ingegneria informatica o Informatica.

Il Data Analyst si occupa di svolgere analisi meno complesse e più descrittive e rappresenta un collegamento diretto con le linee di business. Ha una formazione legata a studi di Economia e Management, pur possedendo conoscenze basilari di matematica e statistica o di funzionamento dei database.

Gli sbocchi professionali per il Data Scientist

Il Data Scientist (ma anche il Data Engineer e il Data Analyst) è altamente richiesto dalle aziende che devono fare i conti con una disponibilità crescente di dati e hanno bisogno di sviluppare l’infrastruttura interna necessaria a gestirli. È una risorsa di cui vanno a caccia anche le aziende per le quali il dato è il prodotto o la base stessa del business (qui le competenze di Data Analysis e Machine Learning sono fondamentali).

Tra i settori che più possono aver bisogno dei Data Scientist ci sono: Finanza (dove i Data Scientist si occupano anche di rilevazione di frodi, sicurezza e compliance), eCommerce (aiutano le aziende a migliorare il servizio clienti, riconoscere le tendenze e sviluppare servizi o prodotti su misura), Pubblica Amministrazione (per offrire un servizio in linea con le esigenze dei cittadini), Social Media (per il miglioramento dei servizi offerti e la definizione delle campagne pubblicitarie) e ancora Sanità, Ricerca scientifica, Telecomunicazioni. La lista è potenzialmente infinita: nessun settore produttivo può ormai prescindere da strategie disegnate sulla base delle indicazioni fornite dai dati, come trend e spostamenti sul mercato di riferimento o le necessità espresse dai clienti o utenti, pena la perdita di rilevanza e competitività.

Stipendi e offerte di lavoro: un confronto tra Italia e estero

Secondo il Bureau of Labor Statistics degli Stati Uniti i posti di lavoro per il Data Scientist aumenteranno dell’11% entro il 2024. Per il report “50 Best Jobs in America” di Glassdoor, il Data Scientist è la migliore posizione lavorativa in ogni settore per opportunità di lavoro e guadagno, circa 110.000 dollari l’anno come salario d’ingresso (con una forchetta tra 85.000 e 140.000).

Su scala internazionale la media dello stipendio per un Data Scientist è di 70.000 dollari annui.

Uno studio condotto a gennaio 2019 da Indeed, il portale del trova-lavoro, mostra a livello globale un incremento del 29% anno su anno della domanda di Data Scientist e del 344% dal 2013. L’offerta non tiene il passo: le ricerche su Indeed effettuate da candidati che offrono skill nella Data Science sono in crescita del 14%, un tasso che è quindi la metà di quello mostrato dalla domanda.

Gli Stati Uniti restano il mercato con più posti vacanti per gli scienziati dei dati. LinkedIn ha calcolato ad agosto 2018 una carenza di 150.000 persone con competenze di Data Science negli Usa. Uno studio IBM di quest’anno conferma la fame di Data Scientist in America prevedendo 700.000 posizioni aperte nel 2020 solo per questa specializzazione (e oltre 2 milioni per i professionisti di Data Science di ogni tipo). IBM conferma che i settori più in cerca sono la finanza, i servizi professionali (come la sanità) e l’IT; gli stipendi di partenza sono alti (circa 100.000 dollari l’anno) ma serve una forte specializzazione: nel 39% dei casi le aziende chiedono un Master oltre alla laurea.

In Italia siamo ben lontani da questi numeri ma le opportunità sono tante. Secondo l’Osservatorio del Polimi, nel 2019 un’azienda su quattro sta inserendo un Data Scientist nell’organico (anche se più della metà resta legata a un modello poco innovativo di scienza dei dati). Il guadagno medio del Data Scientist in Italia si aggira sui 30.000 euro l’anno, molto meno dello stipendio internazionale o statunitense.

Una rapida ricerca per l’Italia sulle offerte pubblicizzate dai portali del trova-lavoro ci può dare un’indicazione di quante siano le posizioni aperte: circa 220 su Indeed, 450 su LinkedIn, 160 su Monster. Ovviamente alcune possono essere dei “doppioni”, ma i numeri sono significativi e basta vedere per quanti giorni restano attivi gli annunci (le posizioni senior anche per più di un mese) per capire che i professionisti dei dati sono altamente richiesti e possono puntare in alto.

@RIPRODUZIONE RISERVATA

Articolo 1 di 4