Petabyte e petabyte di dati prodotti ogni giorno dai device più disparati: smartphone, computer, IoT (sensori vari presenti in ogni device).

Ma come trasformare questi dati, spesso destrutturati ossia non ordinati in comode tabelle, in informazioni utili per il business ? ??

Come fare affinché le decisioni aziendali siano datadriven anziché prese “di pancia”?

Oggi il compito di trasformare i dati in informazioni è affidato ad una figura chiave in ogni ambito: il Data Scientist.

Ma cosa è un Data Scientist?

Partiamo con il dire che è The Sexiest Job of the 21st Century (copyright Harvard Business Review). Tuttavia scavando piu’ a fondo nella definizione incontriamo i primi ostacoli nel trovare i contorni di tale figura professionale in quanto è un lavoro relativamente nuovo.

Tale figura deve essere in possesso dei seguenti skill:

✅ background di algebra lineare, calculus, statistica e probabilità

✅ skills di programmazione (anche se stanno prendendo piede tools visuali per Machine Learning)

✅ soft skills come per esempio capacità di sapersi relazione con tutti gli ambiti all’interno di un’azienda:  il knowledge domain di una determinata materia può essere fornito solo dai tutti i player aziendali coinvolti. 

Ma cosa fa nello specifico tale figura?

Come prima cosa inquadra, definisce bene il problema che gli viene posto dagli stakeholders:

spesso ad un Data Scientis vengono poste domande generiche tipo “come mai sono calate le vendite questo mese?“.

Quindi, con approccio analitico, capisce che tipo di dati gli occorrono per trovare la soluzione.

Dopo aver reperito tali dati, spesso Big Data, si occupa di prepararli per darli “in pasto” ai vari tools – datawrangling. Tale operazione è molto complessa in quanto spesso i dati raccolti provengono dalle fonti più disparate e spesso non pronti per essere subito utilizzati dai tools di analisi. Quindi inizia la fase di modellazione, dopo aver scelto il modello appropriato di Machine Learning per trovare la soluzione, inizia ad “ammaestrare” tale modello (operazioni tutt’altro che semplici). 

Dopo aver ottenuto e valutato i risultati il Data Scientis di occupa di comunicare/vendere gli outcomes a tutti i soggetti aziendali coinvolti, Quindi si occupa di capire se le azioni intraprese grazie alle proprie analisi portano vantaggi competitivi alla propria azienda, in caso contrario dovrà ripetere alcuni passaggi. 

Alla luce di ciò possiamo concludere che quello del #DataScientis è tutt’altro che un lavoro statico, è un processo composto di vari passaggi ognuno dei quali richiede skills precise.

Ecco perchè Data Italy è l’Academy ideale per formare tali figure mettendo a disposizione i migliori docenti per ognuna delle skills richiesta per tale professione.