08162018Thu
Last updateTue, 10 Jul 2018 11am

Il lato umano dei big data: il Data Scientist nelle organizzazioni

La relazione esistente tra i dati e il genere umano sembra farsi sempre più complessa, ma anche più profonda. È innegabile che l’uomo abbia ormai sviluppato un rapporto con il digitale così profondo da essere egli stesso oggetto e soggetto della produzione di gran parte dei Big Data. I dati prodotti nel corso del 2016 hanno superato tutti quelli prodotti nel corso di tutti gli anni precedenti della civiltà umana, e lo stesso traguardo è stato raggiunto nel 2017 alla fine del mese di luglio. Qualsiasi tipo di attività noi si compia, lasciamo tracce digitali, dati. Calvino l’aveva chiamata, con stupefacente intuizione, la memoria del mondo. Le organizzazioni che desiderino competere sul mercato, da tempo si sono rese conto di quanto una capacità di analisi approfondita del dato porti concreti vantaggi in termini di innovazione e competitività.La figura emergente in questo ultimo decennio, e sotto la luce dei riflettori in questi ultimi due o tre anni, è quella del Data Scientist, una delle principali attività della quale è dare una struttura alla relazione esistente tra dati generati e comportamenti umani, permettendo una maggiore conoscenza di questi ultimi.

Non solo competenze, conoscenze e abilità, ma anche personalità e carattere

Per poter svolgere questi compiti, oltre a solide basi di competenze, conoscenze e abilità che potranno essere oggetto di specifici approfondimenti, il Data Scientist è spesso chiamato a metter in campo altri elementi, maggiormente afferenti alla personalità e al carattere, alle ambizioni e alle qualità personali. In una parola alla forma mentis. Il primo di questi elementi è la curiosità, l’istinto di conoscere, comprendere ed essere consapevoli di un fenomeno e delle sue cause. Si tratta di una propensione personale verso ciò che non è conosciuto e che è alla base della conoscenza umana. Analogamente alla curiosità, l’attitudine alla sperimentazione diventa un tratto importante della personalità del Data Scientist. Il disegno e la validazione di nuove modalità di lavoro sono parte fondante delle sue attività quotidiane. La sperimentazione di nuove idee che si originino dai dati stessi: un pensiero affascinante non scevro da rischi, con forti implicazioni in campo etico.E poi pensiero laterale, al di fuori delle regole correnti. In una parola creatività, senza la quale la sperimentazione non potrebbe avere luogo in forma completa, costretta, come sarebbe, nei binari della consuetudine e delle best practice, spesso peraltro tracciati da altri. Ma creatività senza capacità esecutiva non consente di raggiungere risultati concreti. Ed ecco che tra gli asset del Data Scientist non può né deve mancare la sistematicità, la capacità di applicare l’idea ad un processo, rendendola ripetibile e governabile. A queste si aggiunge la comunicazione: la capacità di mettere qualcuno a parte di qualcosa, indipendentemente dal livello di conoscenza pregressa di questo qualcuno, e di farlo stabilendo connessioni in grado di generare a loro volta valore.

Queste caratteristiche e qualità personali devono poi essere complementate da abilità che aiutino il Data Scientist durante lo svolgimento della propria attività.

In primis, la capacità di modellare la realtà, identificando i parametri significativi, quelli che mettono in grado di interpretare i risultati delle analisi, generando modelli che possano essere oggetto di processi iterativi e al tempo stesso di essere capaci di generalizzare un risultato.  predittivo ad esempio, senza però scadere nella genericità. L’adattabilità alle nuove situazioni è un ulteriore elemento fondante, che va coltivato attraverso lo studio e una costante attività di ricerca. Una ricerca pratica, orientata a rendersi sempre capace di governare e di stabilire il nuovo stato dell’arte della professione, trasformando di continuo un nuovo input o una nuova tecnica, anche ideata da altri, in una robusta disciplina, applicabile ai campi di interesse con sistematicità. La necessità di rendere un risultato conseguito adattabile a più contesti fa emergere la flessibilità come ulteriore abilità richiesta al Data Scientist. Rivolta a complementare l’adattabilità di cui abbiamo già detto, soprattutto nel momento in cui ci si trovi ad affrontare per la prima volta un problema non risolvibile con strumenti noti, ma che richieda invece uno sforzo diverso, in termini sia di elasticità mentale, sia di metodo. Già, il problem solving! Rappresenta uno degli asset più importanti del Data Scientist, e mi verrebbe da dire, che nel mondo del lavoro di oggi, dove dinamiche e attori cambiano con grandissima velocità, questa dovrebbe essere tra la capacità più presenti in ogni professione. Una grandezza di valore globale, che consente di essere da un lato efficienti nel trovare una soluzione ad una qualsiasi problematica, e dall’altro efficaci, nel trovare la risposta più giusta tra quelle possibili. Anche a costo di infrangere qualche regola, o di sconvolgere l’uso che facciamo di certi strumenti, ma di farlo non superficialmente, ma piuttosto a ragion veduta. 

 

Alessandro Giaume

Director Innovation

Ars et Inventio Management Consulting

This email address is being protected from spambots. You need JavaScript enabled to view it.

https://www.linkedin.com/company/140165/

 

Pin It