Tra le figure professionali oggi più richieste dalle aziende di tutto il mondo c’è il data scientist, cioè lo specialista nell’analisi e l’interpretazione dei dati grezzi in funzione a un certo obiettivo che nelle aziende è di business e servizio. Una figura che la prestigiosa rivista Harvard Business Review ha definito la professione più sexy del 21° secolo. Vediamo di cosa si occupa questa nuova figura professionale, il suo percorso di studi e quanto può guadagnare.

I Big Data sono stati definiti “il petrolio” della nostra epoca. Per tutte le aziende l’acquisizione, analisi e intepretazione dei dati è divenuta di fondamentale importanza per essere competitivi e sviluppare continuamente nuovi prodotti, nuove soluzioni, nuove modalità di relazione con i clienti, nuovi processi lavorativi. E la massa di dati che oggi si produce, nel 2016 gli analisti riportando che si arriverà a un zettabyte di dati (quantità anche difficile da concepire), è talmente elevata da essere solo in parte utilizzabile, proprio perchè è necessario dare senso e utilità ai dati, grazie all’analisi e alla loro interpretazione, in funzione di ciò che una determinata azienda ha bisogno.

Ecco perchè i data scientist sono diventati dei professionisti così importanti, ricercati e anche piuttosto ben pagati.

Nel 2012 l’Harvard Business Review definiva, in questo articolo, il data scientist come il lavoro più sexy del 21° secolo: tutti li vogliono, le organizzazioni ne hanno un disperato bisogno, ma è ancora una carriera poco diffusa, per cui trovare data scientist e trovarli anche bravi è un’attività di recruiting fondamentale e difficile per le aziende, che pone i professionisti del settore in una posizione di vantaggio che permette a volte anche di poter contrattare stipendi favolosi.

Definizione del data scientist

E’ una figura professionale nuova, quindi ancora difficile da definire con nitidezza. Il  data scientist può essere definito come la figura professionale che gestisce i Big Data (i dati grezzi) e ne trae informazioni rilevanti per le diverse necessità aziendali: strategie di business, di marketing e di vendita, definizione di nuovi prodotti e servizi, ecc.

La tecnologia fa continuamente passi in avanti in ambito analytics, per automatizzare determinate operazioni di analisi e interpretazioni dei dati; ma l’intervento del data scientist, benché supportato da tecnologie, è fondamentale per orientare l’interpretazione dei dati e la sua visualizzazione.

Una spiegazione molto chiara è quella fornita dal sito Inside Simplilearn:

“Un data scientist è tenuto a generare un impatto sul business attraverso le informazioni derivate dai dati disponibili. E nella maggior parte dei casi, un data scientist deve creare queste intuizioni dal caos, il che implica strutturare i dati nel modo giusto, estrapolarli, fare ipotesi pertinenti, costruire modelli di correlazione, dimostrare la causalità e cercare nei dati i segni di tutto ciò che può produrre un impatto aziendale”.

Da tutto ciò deriva il tipo di competenze che il data scientist deve avere e il suo percorso di studi.

Competenze richieste del data scientist

Diagramma di Venn del Data Scientist Venn Diagram, fonte Stephen Kolassa’s comment in Data Science Stack Exchange.

Le competenze per il data scientist sono eterogenee, per dirla grossolanamente deve capirne di dati, ma anche di business.

Il profilo del data scientist è piuttosto tecnico e richiede hard skill, tuttavia sono molto importanti anche alcune soft skill. Nell’ambito delle hard skill il data scientist dovrà avere conoscenza di modelli matematico-statistici e algoritmi (soprattutto di machine learning) e dei linguaggi di programmazione necessari per implementarli, come R o Python. Deve avere competenze di business intelligence, di semantica, di ontologie per la gestione delle informazioni, di metodi e tecnologie per la gestione di progetti data-driven innovativi.

Sotto il profilo delle soft skill, invece, risultano molto importanti la capacità di lavorare in team e interfacciarsi trasversalmente con differenti aree aziendali, così come le doti di comunicazione e presentazione dei propri risultati. Anche caratterstiche come la curiosità e la creatività hanno un elevato valore, il data scientist con i dati deve raccontare una storia.

Percorso formativo del data scientist

La formazione in questo ambito è cresciuta e si è strutturata, sia a livello universitario, sia con corsi specialistici offline e online. I corsi di laurea più seguiti, tra coloro che ad oggi ricoprono il ruolo di Data Scientist, sono stati Ingegneria, Informatica, Economia, Matematica e Statistica. L’ideale sarebbe un percorso multidisciplinare.

Forbes ha illustrato quali siano i passi da fare per chi si pensa di lanciarsi in questa interessante carriera.

Ecco cosa fare:

  • se possibile scegliere un percorso universitario specifico in “data science”, ma non sono molto diffusi (nelle principali Università italiane a Milano, Bologna, Roma, Torino, Venezia, Salerno esistono corsi di laurea o master);  l’alternativa è studiare informatica e abbinare la statistica
  • affinare le proprie skill di comunicazione: non tutti lo tengono in considerazione, ma questa è forse la skill più importante per il data scientist, anche perchè deve lavorare in team
  • imparare a programmare, soprattutto in linguaggi come Python
  • acquisire conoscenza di uno specifico settore in cui ci piacerebbe lavorare, come la salute, energia, finanza, media, ecc.
  • se non si può o si vuole frequentare l’Università, prendere in considerazione un corso immersivo tipo Bootcamp
  • approfittare delle infinite risorse online, oltre a leggere svariati articoli e interviste sull’argomento, esistono diversi corsi (a volte gratuiti): Coursera, UdacityData Science Academy, edX (MIT),
  • prendere parte a una delle tante community per data scientist che esistono online: per esempio, Data Sci Guide, Data Science Learning Club, Becoming a data scientist.

 

Lo stipendio del data scientist

Il guadagno del data scientist varia notevolmente in base all’esperienza (figure junior o senior); in base all’industry di riferimento all’interno del quale lavorano; dalla posizione che ricoprono (per esempio se hanno la responsabilità di un team o di una divisione).

Negli USA le statistiche dicono che il range spazia tra gli 85 e i 170mila dollari annui; in Europa gli stipendi delle figure junior vanno da 37.200 euro all’anno in Italia a oltre 88.400 euro all’anno in Svizzera, in Germania e Regno Unito, circa 50.000 euro all’anno. Con salari superiori ai 100.000 euro per posizioni di responsabilità, la Svizzera si distingue nettamente dagli altri Paesi.

stipendi data scientis europa