Come diventare Data Scientist: pratica, intuito e specializzazione

come-diventare-data-scientist-1[1]

I suggerimenti di Irion per chi vuole svolgere questa professione

Torino, 30 ottobre 2017 – Negli ultimi mesi si è sentito spesso parlare di Data Scientist; ma chi è, cosa fa e quali competenze deve avere questa figura professionale? E, soprattutto, come si diventa Data Scientist? Alcuni consigli per districarsi in questo stimolante ma insidioso contesto, arrivano da Irion, software house italiana specializzata nell’Enterprise Data Management, partner dell’Università degli Studi di Torino e da sempre attenta a formazione, ricerca e sviluppo.

Innanzitutto, per essere in grado leggere, analizzare e gestire i “big data” è necessario avere un solido background in matematica applicata, statistica, informatica o fisica, oltre a specifiche competenze di machine learning e data mining. In un contesto in rapidissima evoluzione come quello delle tecnologie digitali, in base alle quali vengono riprogettati un numero sempre maggiore di processi aziendali, le skill tradizionali non sono però più sufficienti, e l’aggiornamento continuo è fondamentale. I “maghi del dato” sono molto ricercati (e ben remunerati!), proprio perché per intraprendere questa professione, e svolgerla con profitto, è necessario un complesso background di competenze e attitudini.

Ecco quindi i tre suggerimenti di Alberto Scavino, CEO di Irion:

  • Integrare la pratica allo studio teorico: Sembra banale, ma è la realtà. Un robusto background accademico è fondamentale per un Data Scientist, ma è ancora più importante “sporcarsi le mani” e lavorare su dati reali. Molte delle skill necessarie al professionista si possono infatti apprendere solo sul campo. Quindi, è essenziale accumulare esperienze, che siano stage o collaborazioni – già durante gli studi. Solo in questo modo, è possibile comprendere a pieno, e anticipare, i principali trend del settore.
  • Sviluppare l’intuito: Un buon Data Scientist non deve solo avere forti competenze tecniche, ma deve anche essere dotato di un ottimo intuito. Non si tratta di gettare dati grezzi in uno strumento in grado di elaborarli, e aspettarsi che ne venga fuori qualcosa di buono: prima di tutto bisogna accertarsi che ciò che si sta facendo abbia un senso. Ad esempio, bisogna essere in grado di capire quali caratteristiche sono importanti e quali implicazioni vi stanno dietro, oltre a comprendere quale modello utilizzare in base a come i dati sono distribuiti.
  • Massima specializzazione: In tutti i settori, dal finance, al pharma, alle utilities, solo per fare alcuni esempi, si registra una sempre crescente domanda di professionisti in grado di interpretare con precisione la mole di informazioni che quotidianamente le aziende ricevono: questo per trarre vantaggio competitivo, ma anche per conformarsi alle normative vigenti, in termini di privacy, protezione e sicurezza dei dati: uno su tutti il GDPR. Nelle infinite possibilità di applicazione, per un giovane che si avvia al mestiere, è fondamentale specializzarsi: le imprese ricercano infatti competenze sempre più specifiche.

In qualsiasi campo, dalla medicina alla finanza, passando per il marketing, è dunque necessario convergere e interpretare dati e informazioni, trasformandoli in indicazioni utili per il progresso di un’organizzazione. Per questo motivo, tra i profili più ricercati dalle aziende di ogni settore, negli anni a venire continueranno ad esserci proprio loro, gli “scienziati del dato”: professionisti dell’innovazione in grado di leggere, analizzare e gestire enormi quantità di informazioni digitali, permettendone l’utilizzo in infiniti ambiti applicativi, ponendo la massima attenzione su qualità, privacy e sicurezza.

Di conseguenza, anche il mondo accademico si sta muovendo per formare risorse con le competenze necessarie al ruolo di Data Scientist: all’Università La Sapienza di Roma, è nato persino un corso di laurea magistrale in Data Science, il primo del genere in Italia, che nei giorni scorsi ha visto la proclamazione dei suoi primi quattro laureati; l’Università di Torino, in collaborazione con il Collegio Carlo Alberto, propone invece il MADAS, Master in Data Science for Complex Economic System che, grazie a interventi curati da professionisti e aziende del settore, tra cui la stessa Irion, permette di coniugare lo studio teorico ad esercitazioni pratiche.