Negli ultimi anni si fa un gran parlare di Big Data, sia da un punto di vista tecnico-scientifico che lavorativo. Con la sempre maggior diffusione dell'utilizzo del Web, favorito anche dalla pervasività dei dispositivi mobile, la mole di dati prodotta dagli utenti è in costante crescita e rappresenta una risorsa enorme per le aziende, che dall'analisi di questi dati possono trarre indicazioni utili.
Per analizzare tutti questi dati e trarne informazioni significative servono però nuove professionalità. Si apre così in prospettiva un ambito lavorativo promettente, ma tutto da scoprire. Approfittando della sua partecipazione alla conferenza "Data Driven Innovation | Rome 2016 Open Summit" che è in corso in queste ore, ne abbiamo voluto parlare con Azzurra Ragone, ricercatrice presso l'Università degli Studi di Milano-Bicocca ed esperta del settore.
Dottoressa Ragone, partiamo dai Big Data, perché sono importanti per le aziende?
In Rete si produce quotidianamente una mole di dati enorme, la cui analisi può aiutare le aziende a comprendere meglio i desideri e gli interessi delle persone, la direzione in cui va un determinato mercato e il modo in cui i consumatori si rapportano ai prodotti.
Analizzare questi dati e trarne informazioni significative può aiutare significativamente le aziende a realizzare prodotti maggiormente in grado di soddisfare i bisogni reali del mercato di riferimento, così come sono espressi dai consumatori, ma per farlo sono necessarie nuove figure professionali.
Parliamo di queste ultime: quali sono, di cosa si occupano e che competenze dovrebbero avere?
Le figure principali sono essenzialmente tre: Data Analyst, Data Scientist e Data Engineer. Il primo si occupa principalmente di estrarre dal flusso dei dati, tramite diverse tecniche di analisi, le informazioni che saranno poi utili a chi prende le decisioni in azienda. Il Data Analyst dunque si occupa sostanzialmente di fare data mining, ed ha conoscenze essenzialmente di tipo statistico e/o matematico, ma deve comunque avere familiarità anche con tool di analisi e visualizzazione dati come SAS o Tableau.
Il Data Engineer è una figura complementare, più tecnica, che si occupa di organizzare il flusso di dati e possiede conoscenze più tecniche, ad esempio dei principali linguaggi di programmazione come Python, R, Javascript, etc. e ovviamente delle tecnologie correlate alla gestione dei Big Data tra cui NoSQL, MongoDB, oppure Cassandra, Hadoop ed altri ancora.
Il Data Scientist infine è un ruolo che negli Stati Uniti è maggiormente codificato rispetto alla realtà italiana e si sovrappone in parte a entrambi i precedenti. Come il Data Engineer infatti possiede conoscenze tecniche specifiche, mentre rispetto al Data Analyst deve avere una maggior capacità creativa. Deve cioè essere in grado di sviluppare anche nuovi strumenti e algoritmi e di immaginare nuovi modi di analizzare i dati per far emergere aspetti nascosti ma fondamentali.
Se infatti il Data Analyst si limita generalmente a produrre una foto del passato o del presente, il Data Scientist deve essere in grado di fare analisi predittive, comprendendo in anticipo l'emergere di alcuni trend ad esempio.
Il Data Scientist poi deve in un certo senso avere anche doti di divulgatore, perché deve poi necessariamente rendere comprensibili e interessanti i propri risultati a un pubblico non settoriale formato da dirigenti, responsabili di settore etc. che dovranno poi necessariamente tradurre in misure e iniziative pratiche i suggerimenti del Data Scientist.
un ragazzo che volesse indirizzarsi verso quest'ambito lavorativo cosa dovrebbe fare, ci sono già dei percorsi di studio istituzionali come lauree o master?
Per avvicinarsi a questa professione non c'è un percorso unico. In generale c'è bisogno di possedere una laurea in materie tecniche o scientifiche come ingegneria informatica, matematica, statistica o fisica ad esempio, e magari anche un dottorato post-laurea negli stessi ambiti o in computer science o machine learning.
Parliamo infatti di figure professionali che devono aver appreso soprattutto come tradurre in pratica le conoscenze teoriche, acquisite magari in esperienze accademiche post-lauream, per produrre risultati che siano realmente utili all'azienda.
In teoria si può diventare Data Analyst o Data Scientist anche da autodidatti. Online infatti ultimamente sono disponibili diversi corsi (MOOC, Massive Online Open Courses o corsi aperti online su larga scala) organizzati ad esempio da siti quali Coursera, Udacity, edX, solo per citarne alcuni, che non hanno nulla da invidiare in termini qualitativi a quelli accademici.
Molte università italiane inoltre negli ultimi anni stanno organizzando master su queste materie, tra cui quella di Bologna o di Tor Vergata a Roma, mentre La Sapienza ha recentemente attivato un vero e proprio corso di laurea Magistrale in Data Science.
Com'è la situazione attuale del mercato italiano per quanto riguarda l'uso dei Big Data?
La realtà aziendale italiana è composta come sappiamo da PMI (piccole e medie imprese), che spesso non hanno le risorse economiche per avvalersi di consulenze di questo tipo. I poli mondiali al momento sono invece rappresentati da Stati Uniti e Regno Unito, che agli inizi del nuovo millennio per primi hanno iniziato a creare metodologie e procedure.
Anche nel resto d'Europa comunque la richiesta è elevata. In Italia le aziende sono sempre più consapevoli di potere acquisire vantaggi competitivi dall'analisi dei dati, ma per i motivi detti prima cercano di formarla al proprio interno, anche se sono sempre di più le imprese che iniziano a rivolgersi alle università per chiedere i dati di chi frequenta i corsi.
Per concludere, quali sono quindi le prospettive di sviluppo e di conseguenza di impiego nel settore?
Non c'è dubbio che queste siano, tra tutte le professioni emergenti, quelle più promettenti. Con l'attuale sviluppo tecnologico infatti è ormai impossibile immaginare un futuro in cui non si svolgano attività aziendali di questo tipo e non si impieghino dunque professionisti del settore, tanto che già ora la domanda è di gran lunga superiore alla reale disponibilità di materiale umano.
Il McKinsey Global Institute ad esempio ha previsto che nel 2018 in USA potrebbero mancare all'appello 1.5 milioni di persone che hanno come competenza proprio quella di sfruttare l'analisi dei dati per prendere decisioni efficaci, mentre secondo una recente indagine della Commissione Europea, nel 2016 vi saranno 75.000 posti di lavoro nel campo degli Open Data, che dovrebbero arrivare poi a 100.000 nel 2020 e questi posti di lavoro riguardano anche l'Italia.
In conclusione, se si vuole scommettere su un lavoro per il futuro, quello del data specialist è sicuramente la scommessa più sicura.