Professione: La figura del data scientist in azienda
Il Data Scientist si inserisce nell’Area Tecnica e, nello specifico, nel Reparto Business Intelligence di aziende informatiche che si occupano dello sviluppo di software applicativi, in particolar modo software gestionali, e presso realtà specializzate in Business Intelligence. Lavora sotto le direttive e la supervisione del Responsabile Tecnico e del Project Manager.
Il Data Scientist raccoglie, elabora, analizza, ma soprattutto interpreta, i cosiddetti Big Data, ovvero quei dati “voluminosi” (per numero, estensione ed eterogeneità) che possono aiutare le aziende clienti ad orientare, in maniera strategica, le loro scelte manageriali. È, quindi, la figura professionale che si occupa di manipolare grandi quantità di dati sui quali effettua analisi di alto livello, sviluppando modelli e algoritmi in grado di intercettare bisogni, preferenze e tendenze, oltreché di prevedere scenari futuri e molto altro ancora. Si occupa inoltre della redazione della reportistica contenente i risultati emersi dalle analisi svolte.
Il Data Scientist lavora in stretta collaborazione con tutte le altre figure che operano nell’Area Tecnica durante tutte le fasi di sviluppo dei progetti commissionati all’azienda. Si relaziona, inoltre, con l’Area Commerciale per capire quali sono le richieste/esigenze dei clienti e, in alcuni casi, direttamente con i clienti nella fase di realizzazione operativa dei progetti.
Questa figura è solitamente ricoperta da laureati in Statistica, in Matematica, in Informatica e in Ingegneria Informatica. Si tratta di laureati sia triennali che magistrali, in tal senso le aziende non fanno una grossa distinzione tra i due livelli di studi, tuttavia generalmente una laurea magistrale permette una maggiore crescita professionale.
Il Data Scientist deve avere una solida conoscenza della matematica, della statistica e dell’informatica. In particolare, deve possedere conoscenze in materia di Basi di Dati, Business Analytics, Predictive & Advanced Analytics, Process Mining, Big Data, Business Intelligence & Data Warehouse, Data Mining & Machine Learning, Text Mining & Natural Language Processing, Digital Marketing & Web Analytics. Deve sapere implementare e utilizzare i principali modelli di supervised e unsupervised learning (regression, classification, forecast, clustering, dimensionality reduction, recommendation) e le principali tecniche di data manipulation (cleansing, integration, normalization, anomaly detection, null imputation, features engineering). Deve conoscere i principali linguaggi di programmazione statistica come R, SPSS, SAS o Python e i principali linguaggi database, come SQL. Deve, infine, conoscere uno o più strumenti di Business Intelligence (SAP BusinessObjects, QlikView, QlikSense, PowerBI, Tableau).
Per tale figura sono richieste competenze informatiche da programmatore, oltreché la conoscenza della lingua inglese.
Completano e caratterizzano tale figura l’attitudine ad organizzare il proprio lavoro, al lavoro di gruppo, al problem solving e a scrivere relazioni. Deve, chiaramente, essere una persona molto precisa, con una mentalità analitica, ma comunque flessibile mentalmente. È, inoltre, fondamentale che sia una persona propensa all’innovazione e, vista la rapidità con cui si evolve il settore, propensa all’aggiornamento e alla formazione continua. Infine, in alcuni casi, deve essere disponibile ad effettuare trasferte.
Nelle realtà più strutturate è possibile trovare la figura del Data Scientist distinta tra junior e senior le cui differenze sono legate principalmente all’esperienza maturata nella posizione; di conseguenza, il Data Scientist Junior si occupa dello sviluppo dei progetti più semplici, mentre il Data Scientist Senior si occupa dei progetti più complessi. Il profilo junior, quindi, è quello d’accesso in azienda per i neolaureati, mentre il profilo senior lo si raggiunge dopo aver maturato un’adeguata esperienza.
