Era il 1974 quando per la prima volta il vincitore del Premio Turing e pioniere dell’informatica danese Peter Naur utilizzò il termine “scienza dei dati”. Ed è proprio da qui che lo sviluppo della professione di Data Scientist ha gradualmente visto la sua diffusione, diventando una figura sempre più ricercata specialmente in ambito economico.
Per comprendere i motivi che rendono questo ruolo così importante è però fondamentale dedicare prima un po’ di tempo a capire che cosa fa concretamente, ma anche qual è il background di studi e di esperienze che portano a lavorare in questo ruolo.
Cosa fa un Data Scientist? Le differenze con una Data Analyst
Un Data Scientist è un professionista esperto nello studio dei dati che si occupa di rilevare nuovi modelli business, unendo quindi i principi tipici dell’analisi dei dati alla matematica, l’economia ma anche l’intelligenza artificiale.
Tutto questo viene fatto con l’utilizzo di strumenti e tecniche proprie del Machine Learning, ossia una branca dell’Intelligenza Artificiale che porta le macchine ad apprendere nuovi modi per utilizzare i dati. Ciò è un punto assolutamente necessario per i Data Scientist dato che la loro materia di studio sono di fatto i Big Data, quantità di informazioni talmente enormi da essere impossibili da analizzare senza l’aiuto di tecnologie informatiche.
Di fatto, quindi, un Data Scientist parte da un insieme di Big Data, che sono stati precedentemente raccolti, e va alla ricerca di possibili correlazioni. Ciò che si cerca non è sempre una risposta a una domanda che già si conosce. Il bello di questo lavoro deriva proprio dal fatto che spesso apre quesiti e interrogativi completamente nuovi, che non erano mai stati concepiti prima.
Riassumendo, ecco dunque cosa fa un Data Scientist:
- Svolge una “pulizia” dei dati raccolti, verificando che siano completi e adatti al tipo di indagine che dovrà andare a svolgere.
- Esplora i dati, andando alla ricerca di connessioni e collegamenti nuovi.
- Programma sistemi di machine learning al fine di svolgere le attività di investigazione, classificazione e analisi dei dati.
- Costruisce modelli statistici capaci di poter fare previsioni o individuare tendenze mai rivelate prima.
- Aggiorna e integra i modelli identificati, verificando che siano sempre validi.
- Traduce quanto ha raccolto in informazioni utili per prendere decisioni strategiche.
Come si evince soprattutto dall’ultimo punto, l’obiettivo di un Data Scientist è quello di aiutare le organizzazioni a prendere delle decisioni spesso importanti a fini economici. Tramite tutto questo lavoro si possono, ad esempio, fare investimenti, sviluppare prodotti o lanciare nuovi servizi riducendo al minimo il rischio di perdite e insuccessi.
Attenzione dunque a non confondere il lavoro di un Data Scientist con quello di un Data Analyst. Nonostante spesso si ritrovino a lavorare a stretto contatto, le loro mansioni e le loro finalità sono molto differenti.
Come abbiamo appena visto un Data Scientist ha il compito di scovare dei modelli per prendere decisioni di business data-driven, mentre il Data Analyst è maggiormente focalizzato sulla precedente fase di raccolta dei dati, effettuando una prima operazione di ripulitura e classificazione.
È dunque comune che uno scienziato dei dati svolga il proprio lavoro a partire dalle informazioni selezionate e riordinate da un Data Analyst, spesso semplificando tutti i passaggi successivi con una prima presentazione di report e grafici. Questi possono infatti aiutare a capire meglio verso quale direzione orientarsi per trarre le conseguenti osservazioni strategiche.
Sbocchi lavorativi
Il lavoro dei Data Scientist è prezioso ogni qualvolta si debbano prendere decisioni di business molto rilevanti e dalle conseguenze economiche notevoli. Proprio per tale motivo l’assunzione di una figura di questo genere avviene principalmente all’interno di grandi organizzazioni, specialmente aziende multinazionali.
Tra gli sbocchi lavorativi dei Data Scientist ci sono settori come:
- Finanza e assicurazioni
- E-commerce
- Logistica e retail
- Marketing e pubblicità (specialmente aziende specializzate in servizi di pubblicità online)
- Agenzie governative
- Industrie manifatturiere
- Aziende specializzate nella distribuzione di energia
A questo elenco vanno poi aggiunte le grandi aziende di consulenza, che lavorano per conto di realtà terze mettendo a loro disposizione la professionalità dei loro scienziati dei dati. Chi lavora in questa tipologia di settore ha quindi una maggior possibilità di approcciarsi ad ambiti diversi, facendo esperienza su più tipologie di progetti.
Come diventare un Data Scientist
La Data Science è un ramo della scienza relativamente recente, nato appena 50 anni fa. A partire da allora sono state pian piano sviluppati diversi percorsi di studio che potessero insegnare a comprendere le dinamiche di questa branca, così come tutti gli strumenti correlati.
Oggi, di conseguenza, esistono diverse strade per diventare Data Scientist. La prima a essere stata sviluppata è quella dell’università con l’istituzione di corsi di laurea magistrali in Data Science della durata di 5 anni.
In Italia corsi di questo genere prevedono diversi moduli di apprendimento dedicati al Machine Learning, alla matematica ma anche all’economia. Per accedervi viene richiesta sempre una laurea triennale in facoltà a indirizzo scientifico, oltre al superamento di un test di ingresso.
Una seconda strada è invece rappresentata dagli ITS, degli istituti professionali post diploma riconosciuti dal MIUR aperti già ai neo diplomati presso licei o istituti tecnici. In particolare per diventare Data Scientist risultano adatti corsi come l’ITS Big Data o l’ITS Industrial Digital Transformation che si focalizzano su materie come l’analisi dei dati, il Machine e il Deep Learning e più in generale l’uso dei sistemi di Intelligenza Artificiale applicati all’analisi dei Big Data.
A differenza dell’università gli ITS si contraddistinguono per una durata più breve di due anni (contro i 5 dell’università) e lo svolgimento di un maggior numero di ore di pratica in laboratorio, oltre all’obbligo di svolgere stage di diversi mesi in aziende con reparti dediti allo studio dei dati.
Un Data Scientist dovrà comunque avere delle competenze tecniche in:
- Programmazione, in particolare con linguaggi come Python e R.
- Matematica, statistica, economia
- Machine Learning e Intelligenza Artificiale
- Analisi esplorativa dei Big Data
- Creazione di modelli statistici
Possono poi sicuramente tornare utili ulteriori competenze come quelle legate alla conoscenza dei sistemi Cloud, mentre è essenziale la conoscenza dell’inglese. Anche in Italia gran parte dei corsi per diventare scienziati dei dati, infatti, si svolge completamente in lingua straniera.
Completano poi la figura di Data Scientist le soft skill come:
- Problem Solving
- Decision making
- Time management
- Comunicazione (necessaria specialmente per il lavoro in team)
- Adattabilità, per stare al passo con le innovazioni tecnologiche
A sorpresa, inoltre, si aggiunge anche una certa dose di creatività. Erroneamente si pensa infatti che la professione di scienziato dei dati richieda una mente essenzialmente critica e razionale. La capacità di pensare fuori dagli schemi, invece, permette di contraddistinguersi trovando collegamenti e soluzioni originali, innovative e soprattutto geniali.
Stipendio
In Italia lo stipendio medio di un Data Scientist è di circa 35 mila euro annui, che può però persino raddoppiare se si tengono conto solo delle posizioni senior.
La retribuzione, infatti, varia molto in base al livello di esperienza. Per le figure junior si parte dai 29-30 mila euro annui circa, che possono salire già a 40-60 mila dopo i primi cinque anni di lavoro. Per le figure senior e con posizioni manageriali la paga aumenta sensibilmente, arrivando a superare gli 80 mila euro annui.
A ciò si possono aggiungere anche ulteriori bonus, come premi di produzione o buoni pasto, che aggiungono quindi una variabile in più. Nel fare questo calcolo va però ovviamente preso in considerazione quello che è il costo della vita, dato che le offerte di lavoro provengono principalmente da città come Milano e Roma, dove le spese legate alla casa e ai vari servizi sono maggiori.
Non a caso sempre più persone, specialmente giovani, scelgono di svolgere la professione di Data Scientist da remoto per intraprendere una vita da nomade digitale e investire parte dei propri guadagni in viaggi piuttosto che in investimenti immobiliari.