Chi utilizza un computer o uno smartphone genera continuamente dati: basti pensare a tutti i post sui social network o ai video caricati quotidianamente sulle piattaforme di trasmissione. Ogni dispositivo connesso adInternet genera continuamente dati, tonnellate di dati!
Oggi, nell’era di Internet of Things (IoT), ci sono molte persone che usano quotidianamente computer o smartphone connessi tra loro molti dei quali sono dispositivi intelligenti (dagli smartwatch alle smart city) in grado di generare dati utilizzabili. È stato stimato che ogni giorno, nel mondo, vengono generati 2,5 quintilioni di byte, ovvero la capacità di archiviazione di 5 miliardi degli ultimi smartphone di punta, e la tendenza attesa è che questo volume di dati raddoppierà ogni 2 anni.
Una quantità così impressionante di dati ha un valore ancora più impressionante una volta trasformata in informazioni, ovvero per comprendere le dinamiche di mercato, definire previsioni e strategie di business, prevedere scenari futuri, ecc.
Per gestire efficacemente questi enormi volumi di dati, sono necessarie tecnologie all’avanguardia, ma anche abilità umane per gestire tali tecnologie e dati al fine di estrarne significato ed informazioni utili e per presentare e interpretare adeguatamente le intuizioni. Queste competenze appartengono in genere al Data Scientist, l’attuale professione più richiesta al momento in aumento anche nei prossimi anni.
Un Data Scientist è un professionista con hard skills in matematica, statistica, informatica (programmazione, database, strumenti), soft skills in analisi, problem solving, comunicazione efficace nonché competenze manageriali ma, più degli altri, appassionato di sfide, curiosi del mondo e capaci di capire e dialogare con il Business a proprio agio.
Il percorso per diventare un Data Scientist parte dalla curiosità e dalla passione. Quindi è richiesto un solido background formativo, ovvero una laurea (BSc o BA) tipicamente in Informatica, Ingegneria, Matematica, Statistica o altro campo quantitativo. Ma anche Finanza, Economia, Marketing, ecc. Sono un buon punto di partenza se le competenze mancanti vengono successivamente acquisite attraverso l’istruzione post-laurea.
Nel corso della mia carriera professionale ho incontrato diversi colleghi che attualmente lavorano come Data Scientist iniziando negli uffici tecnici, cioè come Ingegneri dell‘Information Technology e che si sono poi rivolti al business seguendo la loro passione e curiosità per l’analisi dei dati, dinamiche, trend, ecc.; hoinoltre incontrato ottimi Data Scientist che lavorano nei reparti aziendali (Marketing, Business Unit, ecc.), che hanno imparato a gestire gli strumenti tecnici e la tecnologia per perseguire gli stessi obiettivi della gestione dei Dati ed estrarre preziose informazioni e approfondimenti.
Un percorso formativo come un Master in Data Science è altamente consigliato in quanto completa la propria formazione di base con tutte le competenze necessarie e richieste per raggiungere il successo in uno specifico ambiente professionale: un Master non punta solo su abilità e conoscenze tecniche ma siconcentra anche e soprattutto sulle Soft Skills e competenze manageriali, più difficili da padroneggiare rispetto a quelle hard e quindi, ma in grado una volta acquisite di fare la differenza. Pertanto, in fase di valutazione di un programma didattico, è fondamentale verificare se sono presenti lezioni su competenze manageriali, aziendali, trasversali (es. Aspetti legali), attività di team working, progetti che richiedono di lavorare insieme agli altri studenti, ecc: sicuramente tutte tipologie di attività che favoriscono lo sviluppo di competenze Soft e Manageriali.
Infine, per essere o diventare un abile Data Scientist, è fortemente consigliato acquisire una profonda conoscenza dell’ambiente in cui si lavora (industria, mercato, ecc.): Un modo efficace è praticare e lavorare all’interno dell’ambiente di interesse, al fine di apprendere linguaggi aziendali preicisi, dinamiche, problemi principali, punti deboli e sfide, ecc.
“Un consiglio personale: nella scelta del campo, per il Bachelor, per la Laurea Magistrale o per le esperienze lavorative, non seguire solo il mercato del lavoro (es. Tendenze, offerte di lavoro, stipendi, ecc.): Segui invece la tua passione!”
La leva motivazionale che viene da se stessi (passione, attitudine, ecc.) È sempre più forte di quella esterna (lavoro, stipendio, ecc.). In conclusione, se senti di avere una mente analitica, se sei curioso di capire meglio i meccanismi dietro il funzionamento delle cose e se ti piace affrontare continuamente nuove stimolanti sfide, segui la tua passione e costruisci il tuo percorso per diventare un Data Scientist di successo!
Ti interessa l’argomento? Approfondisci l’argomento con il Master in Data Science.
Articolo a cura di Francesco Amendola, Program Director del Master in Data Science.
