I talenti nella Data Science: chi sono e perché sono così importanti?

A cura di:
Francesca Graziano – ricercatrice dell’Osservatorio Big Data & Business Analytics

Che i dati siano l’oro della nostra epoca è ormai noto a tutti; questa affermazione ha infatti ormai compiuto più di sedici anni. Quello che però è ancora ignorato da alcuni è che gli stessi dati se non correttamente lavorati, trasformati e valorizzati rischiano di rimanere un piccolo tesoro impolverato e abbandonato nei grandi repository delle organizzazioni.

Il team di Data Science
In tale contesto diventa dunque fondamentale creare un team di esperti in grado di trasformare correttamente dati grezzi e anonimi in informazioni e insight fondamentali per l’operatività e la profittabilità dell’azienda. L’Osservatorio Big Data & Business Analytics ha codificato e mappato negli anni diverse figure professionali che, a seconda delle conformità e delle necessità di ciascuna azienda, dovrebbero entrare a far parte di questo gruppo di lavoro. Conosciamole insieme.

Il primo componente del team ad essere descritto non può che essere quello che in molti definiscono come la “star dei dati”: il Data Scientist. É una figura professionale in grado di manipolare grandi quantità di dati creando prodotti analitici di valore per il business grazie a capacità matematico-statistiche e competenze di machine learning e intelligenza artificiale. A queste hard skill diventa fondamentale affiancare quelle soft che arricchiscono ulteriormente il profilo di questa figura rendendolo dunque in grado sia di comprendere i bisogni e le richieste del business sia di comunicare in maniera efficace e semplice i risultati delle analisi sviluppate.
Tuttavia, sebbene quella esposta rappresenta la corretta descrizione accademica in grado di descrivere tale professionista, ad oggi non è così semplice trovare un figura che abbia tutte le competenze descritte. Nella maggior parte dei casi, infatti, i professionisti che si trovano all’interno delle organizzazioni si dedicano esclusivamente all’ideazione e sviluppo di modelli matematico-statistici.
Tale figura risulta ad oggi presente nel 49% delle grandi imprese italiane; sebbene tale percentuale racconti una situazione di sostanziale stabilità rispetto al 2021, tuttavia è da sottolineare che all’interno delle aziende che hanno dichiarato di possedere questa figura, ben il 57% ha incrementato il numero di tali professionisti al suo interno (il 41% lo ha addirittura raddoppiato).

Il secondo componente del team è il Data Engineer, presente nel 59% delle realtà mappate, che si occupa della progettazione dell’infrastruttura e della costruzione e manutenzione delle connessioni attraverso le quali i dati arrivano agli strumenti di front-end.

Il più longevo tra i professionisti in tale ambito è invece il Data Analyst il cui compito è quello di ricercare evidenze quantitative all’interno di grandi moli di dati, supportando in tal modo le decisioni di business (presente nel 76% delle aziende).

Una figura di particolare specializzazione è inoltre il Data Visualization Expert che annovera sia competenze in ambito di Analytics che di dashboard design. Questi professionisti hanno l’obiettivo di ricercare la migliore rappresentazione grafica per differenti tipologie di dati e di analisi, in modo da facilitare la comprensione dei dati e degli insight estrapolati alle diverse figure di business. Tale figura, in forte crescita di diffusione negli ultimi anni, è ad oggi presente nel 52% delle realtà attive sulla tematica.

Un ultimo professionista che si può annoverare all’interno del team è l’Analytics Traslator, presente nel 30% delle realtà aziendali. È una figura professionale intermedia tra il team di Data Science e le figure di business, che svolge un ruolo di “traduttore” tra i due linguaggi. Da un lato, è in grado di comprendere i requisiti di business e riformularli in termini analitici, dall’altro è in grado di interpretare, con la dovuta conoscenza dei modelli analitici sottostanti, i risultati delle analisi svolte e comprenderne i potenziali utilizzi per le finalità aziendali.

Creare una full data-driven company: la Data Science, da sola, non basta
Sebbene la presenza di un team di Data Science strutturato sia fondamentale per la creazione di una data-driven company, tuttavia, da solo, non è sufficiente per completare questo percorso di trasformazione; la creazione di una cultura orientata ai dati e pervasiva dell’intera organizzazione è infatti uno step fondamentale per completare questo cambiamento.
Il coinvolgimento di tutte le figure di business e dei livelli operativi dell’azienda è infatti fondamentale sia per sviluppare un “linguaggio comune” tra figure di business e specialisti dei dati, al fine di comprendere le esigenze e gli obiettivi delle singole applicazioni che per favorire l’implementazione delle progettualità di Advanced Analytics e l’utilizzo degli insight nel day by day delle organizzazioni.