LOGIN
Non solo le grandi aziende ma anche le PMI sono sempre più interessate alla trasformazione digitale e ai Big Data. Saper utilizzare i dati significa prendere decisioni più consapevoli, migliorare i propri prodotti e servizi, generare più business, soddisfare i propri clienti, ridurre i costi, in sintesi essere un’azienda migliore.
Per essere data-driven è però necessario integrare nel proprio staff quei professionisti digitali che a vario titolo si occupano di dati e di cui c’è molta richiesta e poca disponibilità.
I Big Data sono enormi volumi di dati eterogenei per fonte e formato, analizzabili in tempo reale
In realtà, è una linea sottile a separarle. Del resto, sono nuove professioni per cui una definizione standard e precisa da parte delle aziende non si è ancora raggiunta.
Inoltre,hanno basi comuni e trovano specifica distinzione e applicazione solo in organizzazioni molto grosse. In una PMI è facile che la stessa persona svolga al contempo il ruolo di Data scientist, Data analyst e Data engineer.
Data scientist
Credits Shutterstock
Sostanzialmente il Data scientist è colui che raccoglie ed elabora i Big Data e ne trae informazioni rilevanti per diverse necessità aziendali: strategie di business, marketing e vendita, definizione di nuovi prodotti e servizi, ecc.
Il profilo del Data scientist è piuttosto tecnico e richiede hard skill come la conoscenza di modelli matematico-statistici e algoritmi (soprattutto di machine learning) e dei linguaggi di programmazione necessari per implementarli, come R o Python.
Fondamentale è anche la competenza nelle diverse tecniche di data mining come il clustering, l’analisi della regressione, gli alberi decisionali e le macchine vettoriali di supporto.
Data analyst
Credits Shutterstock
Come il Data scientist, il Data analyst esplora, analizza e interpreta i dati, con l’obiettivo di trasformarli in informazioni utili al business e al processo decisionale, ma le responsabilità sono diverse e spesso anche la leadership, così come le competenze richieste.
Entrambi i ruoli sono tenuti a scrivere query (le interrogazioni ai database), lavorare con i team di ingegneri per ottenere i dati giusti, eseguire il data munging (cioè trasformare i dati grezzi in dati nel formato giusto, utili per l’analisi/interpretazione) e ricavare informazioni dai dati.
Tuttavia, non ci si aspetta che un Data analyst costruisca modelli statistici o sia pratico nel ML e nella programmazione avanzata. Solitamente lavora su database SQL strutturati più semplici o simili o con altri strumenti/pacchetti di BI.
Il ruolo richiede una buona conoscenza di programmi informatici come Microsoft Excel, Microsoft Access, SharePoint e database SQL.
Sono necessarie anche buone doti comunicative e di presentazione, con la capacità di tradurre efficacemente informazioni spesso complesse per gli stakeholder aziendali.
Business Intelligence analyst
Credits Shutterstock
Matematica e psicologia, economia aziendale e capacità strategiche: un Business Intelligence analyst è una figura professionale complessa e multiforme, che racchiude tante diverse capacità. In sostanza, raccoglie dati da fonti interne ed esterne, li analizza con diverse strategie e li interpreta per restituire alle aziende indicazioni chiare sull’andamento del business e sulle decisioni da prendere per migliorarlo.
I BI analyst usano strumenti di IA come cubi OLAP, tabelle pivot, tool di data mining e reportistica per aiutare le aziende a identificare tendenze e monitorare gli obiettivi.
Un background scientifico aiuta a diventare BI analyst, come le capacità di problem solving unite a forti doti relazionali. Saper tradurre le esigenze dei clienti in termini tecnici è il vero cuore del mestiere.
Data engineer
Credits Shutterstock
Il Data engineer utilizza le sue competenze informatiche e ingegneristiche per aggregare, analizzare e manipolare insiemi di big data per usi analitici o operativi. Il suo compito è garantire la disponibilità, nonché la qualità e fruibilità dei dati a chi li utilizza (Data scientist, Data analyst e Project manager) per metterli al servizio del business identificando e gestendo processi, monitorando fenomeni, individuando opportunità e rischi.
Più grande è l’azienda, più complessa è l’architettura analitica e più numerosi saranno i dati di cui l’ingegnere sarà responsabile.
Deve saper costruire, migliorare e progettare interi sistemi di controllo e di data analytics, garantendone la corretta composizione e la qualità delle fonti dalle quali provengono
A lui competono: la creazione di algoritmi informatici, lo sviluppo di processi tecnici per migliorare l’accessibilità dei dati e la progettazione di report, dashboard e strumenti per gli utenti finali.
Deve avere una buona conoscenza dei sistemi Linux, competenza nella progettazione di database SQL e una solida padronanza di linguaggi di programmazione come Java, Python, Kafka, Hive o Storm. Tra le soft skills: eccellenti capacità di comunicazione scritta e verbale, così come la capacità di lavorare sia in modo indipendente che in team.
Data miner
Credits Shutterstock
Per data mining si intende l’insieme di tecniche e metodologie (automatiche e semiautomatiche) che, partendo da grandi moli di dati grezzi, permettono di estrarre informazioni utili a identificare associazioni implicite, anomalie, pattern ricorrenti e prevedere trend futuri. Tali dati possono essere di differenti formati, per esempio, numerici, testuali o fotografici.
Il Data miner è l’esperto che si occupa di analizzare i dati con lo scopo di identificare modelli che siano di supporto, per esempio, alle decisioni di business in molteplici settori (scienza, genetica, healthcare, cibernetica, matematica, marketing, economia, finanza, manifattura).
Generalmente il Data miner possiede conoscenze afferenti a: data science, analisi e statistica, machine Learning e intelligenza artificiale. Tra le soft skill più comunemente possedute si possono trovare: capacità di sintesi, capacità di redigere report, doti di problem solving, mentalità analitica.
Data visualizer
Credits Shutterstock
Un Data visualizer è un professionista che rappresenta graficamente informazioni e dati utilizzando visualizzazione interattive e dinamiche ricche di elementi, come grafici, diagrammi, mappe e infografiche, che rendono più facile interpretare e comprendere i dati. Così anche un pubblico non esperto riesce a identificare tendenze, valori anomali e modelli nei dati e ottenere informazioni utili per decisioni commerciali.
Nel mondo dei Big Data, gli strumenti e le tecnologie di visualizzazione dei dati sono essenziali per analizzare enormi quantità di informazioni e prendere decisioni basate sui dati
Tra le hard skill maggiormente richieste al Data visualizer: competenze nell'utilizzo dei software di data visualization (quali Tableau, Power BI e D3.js, per esempio) e in ambito development, conoscenza delle soluzioni tecnologiche che sfruttano intelligenza artificiale, data analysis e statistica. Riguardo alle soft skill, invece, il Data visualizer dovrebbe saper: comunicare efficacemente, lavorare in team, pensare in modo creativo.
