Additionally, paste this code immediately after the opening tag: Skip to main content

La Data Science è indubbiamente associata ad una tecnologia all’avanguardia, la quale permette di combinare e analizzare, in tempi ragionevoli e con mezzi idonei, grandi volumi di dati di vario tipo generati rapidamente da fonti diverse. L’aspetto tecnologico è quindi imprescindibile, soprattutto nelle grandi aziende dove i sistemi gestionali sono complessi e spesso non così interconnessi come dovrebbero.

Potrà la Data Science fare a meno dei Data Scientist?

Ci si chiede, nell’ambito della Data Science, fino a che punto ci si possa spingere nell’automazione dell’analisi dei dati. In altre parole, potrà la Data Science fare a meno dei Data Scientist?

Sebbene ci si stia riferendo ad una disciplina piuttosto nuova, la questione della macchina che sostituisce l’uomo è tra le più ricorrenti da quando l’automazione ha iniziato a riscuotere interesse in ambito industriale. La storia ci insegna che le macchine non hanno mai davvero sostituito l’uomo, ma hanno cambiato il modo in cui il lavoro viene concepito, richiedendo figure sempre più specializzate che fossero in grado di utilizzare una tecnologia via via più complessa. Questa logica è senz’altro applicabile anche alla Data Science. Non si potrà mai fare a meno delle persone, anche se probabilmente il mercato potrà aver bisogno di profili sempre più settoriali e con conoscenze tecnologiche elevate.

Questa previsione è in linea con la recente ascesa della figura del Data Engineer, un ruolo molto più tecnico che analitico. Da un punto di vista analitico, quindi più strettamente vicino al Data Scientist, si potrebbe invece pensare che l’automazione possa prendere il sopravvento più facilmente, poiché alcuni passi meccanici quali quello della pulitura dei dati e dell’elaborazione di semplici analisi descrittive potrebbero essere delegate ad una macchina ben “addestrata”.

Persone e algoritmi: si può “democratizzare” l’analisi dei dati?

Questo tipo di ragionamento molto riduttivo, applicato da chi, a parer mio, non ha mai fatto Data Science in realtà complesse, rappresenta il filo conduttore di questo articolo apparso a gennaio 2019 su Il Sole 24 ore. Secondo l’articolo, i Data Scientist “non servono più”, in quanto i compiti di uno statistico o di un Data Scientist junior sarebbero talmente routinari da essere potenzialmente eseguibili da un algoritmo che ha solo bisogno di dati in entrata. L’obiettivo sarebbe quello di “democratizzare” l’analisi dei dati, andando quindi a fidarsi di ciò che un algoritmo totalmente avulso dalla realtà aziendale ha deciso di descrivere e/o prevedere.

data scientist presenta i dati

Democratizzare la Data Science non deve significare convincersi che il lavoro di profili qualificati possa essere completamente delegato a delle macchine. La vera democratizzazione può essere possibile solo se si cerca di trovare un punto di incontro tra l’aspetto meramente tecnico appartenente alla Data Science e quello più di business che contraddistingue chi ha compiti di gestione. Vuol dire quindi creare una Data Science “comunicabile e alla portata del management”, cioè sempre più inserita nella realtà aziendale come supporto alle scelte atte a creare valore nel tempo.

Il Data Scientist deve anche e soprattutto saper comunicare

Chiunque abbia un minimo di vissuto in un qualsiasi contesto moderno sa quanto esso possa essere pieno di relazioni, di contraddizioni e di conoscenze specifiche che sono alla base di qualunque flusso informativo. Già da una prima e superficiale riflessione circa l’esigenza di avere persone calate appieno nel contesto aziendale si può intuire quanto una macchina possa essere indietro in questo rispetto all’uomo.

Cosa descrivere non è mai uguale: anche avendo come fonte la stessa base di dati, l’informazione che ne può derivare è estremamente variegata e sarà quindi potenzialmente plasmata in modo diverso a seconda della domanda di ricerca e di chi pone il quesito. Riguardo a ciò, il Data Scientist non deve solo conoscere cosa analizzare e con quali strumenti, ma deve soprattutto essere in grado di stabilire cosa comunicare, in che modo e a che livello. Una macchina non sostituirà mai la sensibilità nel ricercare sempre la forma di comunicazione migliore affinché ciascun flusso informativo sia subito comprensibile e fruibile per orientare decisioni critiche.