Definiti “gli introvabili” da una recentissima ricerca di Adecco, sono coloro che lavorano sul nuovo petrolio, i dati. Ma chi sono e cosa fanno concretamente i Data Scientist? Come aiutano le aziende? 

Il mondo del lavoro cambia velocemente. Le tecnologie evolvono in fretta e generano impatti sulle competenze e le capacità al punto da rendere introvabili per le aziende alcuni professionisti, in particolare quelli con competenze iperspecialistiche. 

Una recente indagine di Adecco svela quali sono i dieci profili che in futuro saranno sempre più ricercati dalle aziende di tutto il mondo. Tra questi profili, anche quello del Data Scientist. 

È innegabile che oggi i dati rappresentino uno degli asset più critici ed importanti per un’azienda (e non solo), tant’è che ormai si parla dei dati come del nuovo petrolio nell’economia dell’informazione e della conoscenza. Ne deriva che chi lavora sui dati e con i dati gode di un po’ di vantaggio in quelli che saranno i nuovi scenari del mondo del lavoro con aziende sempre più “a caccia” di persone in grado di leggere i numeri e interpretarli.  

Ma chi sono davvero i Data Scientist e cosa fanno concretamente per aiutare le aziende? 

I Data Scientist non sono figure mitologiche, ma professionisti iper-specializzati. Per diventare veri e propri “esperti di dati” servono competenze eterogenee, spesso trasversali, che spaziano dalle tecnologie informatiche alle competenze economiche e alla conoscenza del mercato e del business, fino alle conoscenze matematiche per la scrittura e l’utilizzo di algoritmi o all’abilità di utilizzare avanzate analisi sui dati e tecniche di Intelligenza Artificiale, come il Machine Learning. 

Se, come abbiamo descritto nell’articolo “Le 6 (+1) fasi del processo tipico di Data Science”, la Data Science è un campo di studi interdisciplinare il cui obiettivo finale è estrarre informazione e conoscenza utili da dati strutturati o non strutturati, è evidente che pensare di avere tutte le competenze necessarie in un’unica persona risulta decisamente improbabile.   

Difficile, infatti, che si possa avere “tutto in uno”, molto più probabile che si possano costruire gruppi di lavoro di Data Scientist con differenti specializzazioni, tenendo conto anche del fatto che le loro competenze spesso devono “adattarsi” al contesto e, soprattutto, agli obiettivi di business per i quali diventano necessarie quelle specifiche capacità. Non a caso, servono anche soft skill quali comunicazione e capacità di fare lavoro di squadra. 

Lo sanno bene, per esempio, Laura Margara, Giulia Lucherini e Edoardo Annunziatatutti Data Scientist di BNova che coniugano in unico team competenze matematiche, informatiche, economiche e di business.  

Laura per esempio è l’informatica, la specialista del dato. Giulia l’economista che sa disegnare scenari. Edoardo il matematico che sa guardare dentro gli algoritmi. Un bel mix vero? 

Se vuoi conoscerli e capire chi sono e cosa fanno i Data Scientistguarda il nostro live talk disponibile on demand. 

 

Clicca qui per vedere il materiale del live talk "Rudy nell'arena dei Data Scientist"


Approfondimenti da BNext:

Leadership al femminile nell’IT: raccontarsi per contribuire al cambiamento

“WOMEN IN CHARGE ON TOUR – LEADERSHIP AL FEMMINILE” Serena Arrighi, Ceo BNova, racconta la propria esperienza per contribuire al cambiamento.

Prevenire l’abbandono dei clienti: le churn analysis in Niky

Le churn analysis sono analisi avanzate dei dati che non solo offrono una previsione della tendenza all’abbandono da parte dei clienti, ma consente di trarre efficaci strategie per migliorare la Customer eXperience.

Temporary management e consulenza tecnologica: la forza della partnership tra BNova e CDiManager

I cambiamenti che il temporary manager porta in azienda devono essere sostenuti dal punto di vista tecnologico:la partnership tra BNova e CDi

Customer churn rate: tecniche e strumenti per capire quando un cliente se ne vuole andare

Customer churn rate, tecniche e strumenti per capire quali sono le cause che portano un cliente a cercare alternative

Churn analysis, cos’è e a cosa serve

In cosa consiste la churn analysis e per quale motivo le analisi predittive rivestono un ruolo fondamentale

Niky Analytics, analisi avanzate dei dati per il Retail Marketing

Gli analytics nel retail: Niky Analytics per migliorare l’esperienza del cliente, aumentare le vendite e ottimizzare le operations

Dataiku: le novità della release 9

Dataiku, tante novità. Le energie si concentrano sul processo di trasformazione e analisi del dato e sulla collaborazione con altri tool, come Tableau

Predictive Analytics nel Retail marketing, i casi d’uso

Retail marketing, i casi d’uso delle predictive analytics. Alcuni esempi applicativi delle analisi predittive nell’ambito del Retail marketing

Retail Analytics, la Data Science applicata al settore del commercio

Cosa sono i Retail Analytics, a cosa servono e per chi sono utili. Scopri come sfruttare al meglio la Retail Data Analysis

Le tecnologie di data virtualization e di metadata management

Le tecnologie di data virtualization e di metadata management sono fondamentali per una data governance efficace in azienda. Ecco perché