Principali compiti e competenze del Data Scientist
Data Scientist: chi è e cosa fa
Coniata dall’allora Chief Scientist di LinkedIn DJ Patil e dall’allora Lead of Data and Analytics Efforts di Facebook Jeff Hammerbacher, l’espressione Data Scientist è apparsa per la prima volta nel 20081. Con l’esplosione del fenomeno Big Data e la nascita di nuove tecniche di analisi delle informazioni, il termine è poi entrato a far parte del linguaggio comune.
Esperto di Big Data e Data Science, il Data Scientist interpreta grandi moli di dati e ne ricava informazioni utili a sviluppare modelli e strategie che supportino il business aziendale.
I dati trattati dal Data Scientist possono essere:
- Human generated, cioè rilasciati da un utente su una piattaforma social o su qualsiasi altro sito attraverso il login;
- Machine generated, vale a dire prodotti da sorgenti quali segnali GPS, sensori ambientali o metereologici, dispositivi biomedici…;
- Business generated, cioè un mix tra dati Human generated e dati Machine generated.
Gran parte del lavoro del Data Scientist consiste quindi nell’analizzare, tradurre e interpretare i dati a sua disposizione, al fine di comprendere i trend e sviluppare dei modelli predittivi. Per compiere tale lavoro, il Data Scientist utilizza particolari tecniche e linguaggi di programmazione (per esempio SQL, Python e R).
Riduzione dei rischi e delle perdite, riduzione dei costi delle campagne di marketing e velocizzazione dei processi sono solo alcuni dei vantaggi che le aziende possono ottenere collaborando con un Data Scientist.
Formazione e competenze del Data Scientist
Fino a qualche tempo fa, in assenza di percorsi accademici strutturati, la figura del Data Scientist era frutto di conoscenze universitarie e studi individuali. Con l’aumento della richiesta da parte delle aziende di figure specializzate, il mondo accademico ha istituito percorsi specifici, come il master in Business Analytics And Big Data offerto dal Politecnico di Milano2.
In ogni caso, non esiste un percorso accademico univoco per diventare Data Scientist. Molti esperti provengono dal mondo delle scienze matematiche e statistiche, molti altri invece possiedono un background economico.
Generalmente, il Data Scientist possiede conoscenze tecniche avanzate, quali quelle di statistica, di matematica, di programmazione e di Machine Learning.
Il profilo è completato da competenze trasversali, tra le quali ricordiamo:
- Una spiccata capacità analitica;
- Ottime capacità di adattamento e problem solving;
- Creatività e doti comunicative3;
- Una buona dose di entusiasmo;
- Tanta curiosità.
Il Data Scientist nel mercato del lavoro
Nell’ultimo decennio, la richiesta di analisti esperti di Data Science si è fatta sempre più consistente. Questo grazie all’aumento del traffico su piattaforme che immagazzinano dati, come i social media, i portali di e-commerce (Amazon, Groupon, Zalando, ma anche realtà come Shopify, PrestaShop…) e le piattaforme di multimedia sharing (Instagram, Flickr, YouTube, Pinterest, fino ai più recenti Twitch, e Visiwa).
I maggiori settori d’impiego per un Data Scientist risultano essere il settore finanziario e il settore commerciale, seguono il settore farmaceutico e quello del retail e GDO, senza dimenticare il più recente settore dell’Internet of Things (IoT), che intende estendere la connessione tramite Internet alle più svariate tipologie di oggetti.
Infine, il Data Scientist può sia essere un collaboratore interno all’azienda sia un freelancer.
Fonti
1. Big Data Scientist: storia di una professione, blog.osservatori.net
2. International Masters in Big Data, som.polimi.it
3. Data Scientist: chi è, cosa fa e quanto guadagna, digital4.biz
4. Data scientist: chi è, cosa fa e quanto guadagna, cwi.it
