data scientist

Negli ultimi anni è emersa una nuova figura professionale che ricopre un ruolo chiave nell’analisi dei dati: il data scientist. I data scientist sono esperti in grado di ricavare insight da enormi quantità di dati, strutturati e non strutturati, allo scopo di aiutare a definire o soddisfare esigenze specifiche e obiettivi aziendali. Il ruolo dei data scientist nell’analisi dei dati sta diventando sempre più importante in quanto le aziende si affidano sempre più a Big Data e analytics a supporto dei processi decisionali e a tecnologie cloud, di automazione e machine learning come componenti fondamentali delle loro strategie IT.

L’obiettivo principale di un data scientist è organizzare e analizzare grandi quantità di dati, spesso utilizzando software progettati ad hoc. I risultati finali di un’analisi dei dati devono essere abbastanza semplici da essere compresi da tutti gli stakeholder coinvolti, in particolare quelli che lavorano al di fuori dell’IT.

L’approccio di un data scientist all’analisi dei dati dipende non solo dal settore, ma anche dalle esigenze specifiche dell’azienda o del dipartimento in cui lavora. Affinché un data scientist possa trovare un significato in dati strutturati o non strutturati, i responsabili aziendali, i dipartimenti e i manager devono comunicare ciò che cercano. Un data scientist deve quindi disporre di sufficienti competenze in ambito business per tradurre gli obiettivi aziendali in consegne basate su dati, come per esempio motori di previsione, analisi del rilevamento dei pattern, algoritmi di ottimizzazione.

Quanto guadagna un data scientist

La scienza dei dati è un settore remunerativo e in rapida crescita. Secondo il Bureau of Labor Statistics (BLS) degli Stati Uniti i posti di lavoro in questo settore aumenteranno dell’11 per cento entro il 2024. Nel report 50 Best Jobs in America di Glassdoor, la figura del data scientist è classificata come la migliore posizione lavorativa in ogni settore, in base a parametri come opportunità di lavoro, salario e soddisfazione del proprio ruolo. lavoro.

Secondo i dati della Technology and IT Salary Guide di Robert Half per il 2018, lo stipendio medio di un data scientist può variare, in base all’esperienza, trai 100mila e i 168mila dollari all’anno.

Cosa fa un data scientist

La responsabilità principale di un data scientist è l’analisi dei dati, un processo che inizia con la raccolta dei dati e termina con le decisioni aziendali basate sui risultati finali delle analisi.

I dati analizzati, spesso si tratta di Big Data, vengono raccolti da una serie di fonti. Esistono due tipi di dati che rientrano nell’ambito dei Big Data: i dati strutturati e i dati non strutturati. I dati strutturati sono dati organizzati, tipicamente per categorie, che possono essere facilmente ordinati, letti e organizzati in modo automatico da un sistema. Questo gruppo include i dati raccolti da servizi, prodotti e dispositivi elettronici, come per esempio dati sul traffico di un sito web, cifre di vendita, coordinate bancarie o coordinate GPS raccolte da uno smartphone.

I dati non strutturati, la forma di Big Data che sta crescendo più velocemente, provengono generalmente da input di persone, come per esempio recensioni dei clienti, email, video, messaggi sui social media e così via. Questi dati sono tipicamente più difficili da ordinare e classificare in modo automatizzato, e la loro gestione può richiedere grandi investimenti.

E’ in questo contesto che diventa preziosa la figura del data scientist, a cui le aziende si affidano per trarre valore dai dati non strutturati. Un esperto di dati sa gestire anche i dati strutturati, ma per le aziende è sempre più importante sfruttare i dati non strutturati per definire e raggiungere nuovi obiettivi, che aumentino la competitività e il fatturato.

I settori che richiedono la figura del data scientist

Ogni settore ha un proprio patrimonio di Big Data da analizzare. Ecco alcune delle forme più comuni di Big Data e i tipi di analisi che probabilmente dovranno essere eseguiti da un data scientist, secondo le ricerche del BLS.

Business: oggi i dati influenzano la strategia aziendale in quasi tutte le imprese, che hanno quindi bisogno di un esperto per trarre valore dalle informazioni. L’analisi dei dati aziendali può impattare le decisioni su efficienza, inventario, errori di produzione, fedeltà dei clienti e così via.

E-commerce: ora che i siti web raccolgono più dati sugli acquisti, i data scientist possono aiutare le aziende di e-commerce a migliorare il servizio clienti, riconoscere le tendenze e sviluppare servizi o prodotti.

Finanza: nell’industria finanziaria i dati su account, operazioni di credito e di debito e transazioni sono fondamentali. Ma in questo campo i data scientist si occupano anche di rilevazione di frodi, sicurezza e conformità.

Pubblica Amministrazione: i Big Data aiutano gli enti governativi e della Pubblica Amministrazione a prendere decisioni e monitorare la soddisfazione generale dei cittadini. Come per il settore finanziario, la sicurezza e la conformità sono una parte fondamentale del lavoro dei data scientist.

Scienza: gli scienziati hanno sempre gestito dati, ma gli strumenti tecnologici oggi disponibili permettono di raccogliere, condividere e analizzare meglio i dati provenienti da esperimenti. I data scientist possono aiutare con questo processo.

Social networking: i dati raccolti dai social network vengono utilizzati per definire compagne pubblicitarie mirate, migliorare la soddisfazione del cliente, riconoscere trend, migliorare funzionalità e servizi. L’analisi di post, tweet e blog può aiutare le aziende a migliorare costantemente i servizi offerti.

Sanità: i registri medici elettronici sono quasi la norma per le strutture sanitarie. In questo settore i data scientist possono aiutare a migliorare i servizi sanitari, riconoscere tendenze che potrebbero altrimenti passare inosservate, garantire sicurezza e conformità

Telecomunicazioni: tutti i dispositivi elettronici raccolgono dati, che devono essere memorizzati, gestiti, mantenuti e analizzati. I data scientist aiutano le aziende a identificare bug, migliorare i prodotti e mantenere alta la soddisfazione dei clienti offrendo i servizi che chiedono.

Le competenze necessarie per diventare data scientist

Secondo William Chen, che lavora come data scientist presso Quora, le cinque competenze più importanti di un data scientist sono un mix di abilità tecniche e soft skill.

Programmazione: Chen lo cita come “la capacità più importante di un data scientist”, un’abilità che aggiunge valore alle competenze in scienza dei dati. La programmazione migliora le competenze in ambito statistico, permette di analizzare set di dati di grandi dimensioni e “offre la possibilità di crearsi i propri strumenti”.

Analisi quantitativa: abilità importante per l’analisi di grandi set di dati, secondo Chen l’analisi quantitativa migliora le capacità di eseguire analisi sperimentali, scalare la strategia sui dati e implementare il machine learning.

Comprensione del prodotto:comprendere i prodotti aiuta a eseguire analisi quantitative”, dice Chen. Consente anche di prevedere il comportamento di un sistema, stabilire metriche e migliorare le abilità di debug.

Comunicazione: probabilmente la più importante soft skill in ogni settore. “Forti capacità di comunicazione vi aiuteranno a sfruttare tutte le altre competenze”, sottolinea Chen.

Lavoro di squadra: Molto simile alla comunicazione, il lavoro di squadra è fondamentale per una carriera di di successo. “Richiede generosità, capacità di accogliere feedback e condividere con altri le proprie conoscenze”, dice Chen.

Istruzione e formazione di un data scientist

Ci sono molti modi per diventare data scientist, ma la via più tradizionale è conseguire un diploma di laurea. La maggior parte dei data scientist ha una laurea o una specializzazione di livello superiore, secondo BLS, ma in ogni caso sono necessarie competenze trasversali.

Poiché la scienza dei dati richiede alcune conoscenze in ambito business, il ruolo di un data scientist dipende molto dal settore in cui lavora. Per esempio, in un’industria altamente specializzata potrebbe essere necessaria un’ulteriore formazione, e le competenze richieste dal settore marketing saranno diverse da quelle necessarie per lavorare nel settore della sanità o dell’istruzione.

Per affinare le proprie abilità e soddisfare esigenze specifiche del settore è possibile, e a volte necessario, frequentare corsi di sviluppo professionale. Tra le risorse disponibili online ci sono importanti certificazioni in ambito Big Data e analytics che possono migliorare il proprio curriculum (e anche lo stipendio).

Le certificazioni includono:

Per una panoramica più approfondita potete consultare questo articolo con i 10 migliori corsi e certificazioni per data scientist.

 

AUTORESarah K. White
FONTECIO
CIO
Con informazioni, approfondimenti ed eventi ad hoc, CIO Italia è una risorsa preziosa per tutti i leader delle strutture IT e i decisori delle strategie tecnologiche aziendali.
WHITEPAPER GRATUITI