Il Data Scientist/Data Analyst nelle diverse realtà aziendali – parte 3

Data Analyst

Nell’articolo precedente abbiamo indagato la figura professionale del Data Scientist che, con le sue capacità di analizzare e interpretare dati, diviene sempre più una figura professionale centrale e richiesta nel mondo aziendale; ora ne approfondiamo la versatilità delle competenze a seconda delle esigenze aziendali.

L’attività di analisi e consulenza svolta dal Data Scientist a supporto del business aziendale consente di:
  • Identificare problemi di sistema o processo che possono essere meglio indirizzati e guidati grazie all’analisi dei dati;
  • Analizzare i dati con metodi scientificamente provati: Statistica, Data Mining, Ricerca Operativa;
  • Comunicare con chiarezza al top management i risultati e le raccomandazioni di business conseguenti;
  • Ideare applicazioni automatizzate, che analizzano e suggeriscono le decisioni in ambienti complessi:

A seconda delle diverse tipologie aziendali la stessa figura di Data Scientist può declinarsi in diverse specializzazioni e fungere da supporto sia operativo sia strategico.

  • Aziende per le quali il Data Scientist è il Data Analyst, estraendo dati utilizzando linguaggi come MySQL e passandoli in tabelle pivot in Excel;
  • Aziende interessate da una grande mole di dati. Dove oltre alla conoscenza dei tool di base, è necessario un contributo importante nelle aree dell’ingegnerizzazione e dello sviluppo di programmi software specifici, ed è richiesta una competenza particolare nella normalizzazione dei dati per renderli effettivamente lavorabili;
  • Aziende che fanno dei dati la loro mission, il cui prodotto principale è proprio la piattaforma con cui gestiscono i propri dati.
  • Aziende completamente Data-Driven, che a differenza del gruppo precedente non fanno dei Big Data il loro business, ma considerano lo sviluppo di nuovi algoritmi per il migliore utilizzo del dato, una leva competitiva importante e uno elemento strategico per rafforzare il modello di business.

Certamente ogni Data Scientist avrà maggiori abilità in alcuni di questi campi e minori in altri, ma deve evidentemente avere la consapevolezza che tutti questi aspetti sono parte della sua professione, combinati con un’attitudine di fondo fatta curiosità e creatività nel problem solving basato sull’analisi dei fatti.

Tutte queste competenze fanno parte del mondo Sme.UP, che segue tutta la “filiera” del dato

Con l’utilizzo del software Qlik, leader nel campo della Business Intelligence, il dato viene agevolmente estratto da fonti diverse (tabelle excel, tabelle SQL, gestionali di diverso tipo, etc..), centralizzato e normalizzato. A questo punto il Data Scientist implementa algoritmi statistici specifici, grazie all’integrazione di Qlik con R, programma specifico per la Computer Science e il Data Mining, utili ad intercettare pattern nascosti nei dati e a fare prediction. Infine, sempre con Qlik, l’analista realizza report finali a consumo del front- end user.

Se ti sei perso le altre puntate, leggi qui:
Il Data Scientist: una nuova figura professionale
L’esplosione delle Big Data Analytics e il Data Scientist

Sara Pea

Sara Pea
Specialista Business Intelligence – Gruppo Sme.UP
My LinkedIn Profile


Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *