La figura professionale del data scientist non è nuova nel mondo del lavoro. Lo è però in molte realtà aziendali italiane dove la “cultura del dato” non si è ancora pienamente affermata. Per “governarla” correttamente, ed impostare le più coerenti strategie digitali, occorre comprendere bene quali capacità deve possedere il data scientist e dove può veramente incidere nel core business futuro delle aziende. Gianluca Dotti ci offre qualche interessante spunto di analisi sul tema.

Lo specialista dei big data ha un ruolo sempre più rilevante e apprezzato: possiede competenze hard e soft non banali, è ben remunerato e ha un ruolo strategico chiave.

 

Secondo quanto riportato dal World Economic Forum, tra le 21 figure professionali che saranno sempre più richieste dalle aziende nel 2022 rientra quella del data scientist, o “scienziato dei dati” per dirla all’italiana. Il suo compito è ben noto: gestire e soprattutto saper interpretare i big data raccolti in maniera più o meno complessa e strutturata, con l’obiettivo di trarne indicazioni utili per indirizzare la politica aziendale verso il successo. In un contesto di economia sempre più digitale, questa figura – che possiede sia competenze tecniche specifiche sia trasversali – si sta rivelando essenziale per reggere l’impatto di una concorrenza globale.

Data scientist, engineer e analyst: simili, ma con funzioni diverse

Il data scientist è una figura altamente specializzata, con un percorso di formazione lungo: tipicamente il profilo include almeno una laurea di secondo livello in ambito scientifico, come: ingegneria, matematica, fisica, informatica, statistica o economia. Per definirsi tale, un esperto di dati deve certamente avere competenze avanzate nella programmazione, soprattutto nei linguaggi orientati all’analisi statistica dei dati. Inoltre, molto spesso, lo scienziato dei dati ha portato a termine un Master in Data Science o, in alternativa, ha concluso percorsi formativi di alta specializzazione. Insomma, non è affatto una carriera rapida o improvvisata, e tutto questo spiega anche come siano figure molto ricercate da organizzazioni che operano in settori molto diversi fra loro.

Simili alla figura del data scientist sono anche i data engineer e i data analyst, anche se presentano importanti differenze pratiche che il più delle volte non permettono lo svolgimento delle stesse mansioni lavorative. In particolare, l’ingegnere del dato ha il compito di garantire la disponibilità, la tempestività e la qualità dei dati essenziali per le scelte di business. Il data analyst, invece, ha una formazione legata a studi di economia, e costituisce il collegamento diretto con l’area amministrativa dell’impresa. Il suo ruolo, all’interno del contesto aziendale, consiste nell’organizzazione e strutturazione dei dati per produrre interpretazioni rilevanti per le scelte di business.

In termini più semplici, si può dire che il data scientist è l’evoluzione del data analyst, poiché deve sapere combinare la capacità di analisi dei dati con competenze relative a tecniche di machine learning, nonché l’abilità nel maneggiare in maniera virtuosa i big data. Inoltre, tra le due figure professionali ci sono anche differenti responsabilità e diversi inquadramenti all’interno dell’organigramma aziendale, proprio perché il data scientist molto spesso assume un ruolo dirigenziale e gestionale, a differenza degli altri due tipi di specialista del dato.

Non solo competenze hard

Come anticipato, la figura del data scientist non è facile da inquadrare, soprattutto per il fatto che deve possedere competenze in vari ambiti e sapersi adattare a un contesto di riferimento mutevole. Oltre alla capacità di programmazione, all’analisi quantitativa, all’utilizzo dei modelli statistici e alle altre conoscenze tecniche specifiche di settore, per ottenere un incarico da data scientist sono tipicamente richieste altre competenze di carattere più generale. Tra le skill essenziali ci sono naturalmente il pensiero critico, il problem solving e il lavoro di squadra, oltre a competenze trasversali più specifiche a seconda del settore in cui si opera. Da non sottovalutare anche la capacità comunicativa, la più importante tra le soft skill; in questo caso, essa riamane necessaria per trasmettere ai vertici aziendali le idee di business per il futuro. Insomma, la preparazione del data scientist deve senza dubbio essere pure multidisciplinare, per creare un’interazione efficace con varie aree della struttura organizzativa aziendale.

Una professione sulla cresta del trend

Il data scientist è una figura molto utile in vari settori lavorativi, dalla finanza alla pubblica amministrazione, dall’E-commerce alla sanità, fino alla ricerca scientifica e molto altro. Ovunque ci sia una grande mole di dati da analizzare, da gestire e da interpretare, un esperto di data science è essenziale per indirizzare al meglio la politica aziendale di business. Con il passare del tempo, sempre più settori produttivi non potranno più prescindere da strategie basate sull’analisi dei dati digitali, dei trend di mercato e dei comportamenti dei propri clienti. Di conseguenza è pronosticabile che la figura professionale del data scientist sarà sempre più ricercata negli anni a venire.

Negli ultimi mesi si è registrata una crescita esponenziale delle necessità connesse alla gestione e all’analisi dei big data, alla business intelligence e alla digital trasformation. La figura del data scientist, in maniera più o meno diretta, è collegata a tutte queste tre tendenze sempre più predominanti nelle realtà aziendali. Secondo diverse proiezioni, si ritiene che entro il 2024 il numero di occupati con questa posizione lavorativa aumenterà di oltre il 10%, con salari medi molto superiori alla media. Le prospettive di reddito medio, a livello internazionale, si aggirano attualmente sui 60mila euro l’anno, ma con punte di oltre 100mila euro per i professionisti del settore più esperti e per i dipendenti di aziende di dimensioni medio-grandi.