Crescita professionale

Seconda un'analisi realizzata nel 2014 da Hanna Smigala, responsabile della comunicazione globale e dei media in IBM, ha previsto che per il 2015 sarebbero stati offerti 4,4 milioni di posti di lavoro a livello globale per fronteggiare il bisognio di professionalità per quanto riguarda l’analisi dei Big Data.

Molte università nel mondo stanno riconoscendo il bisogno di inserire competenze analitiche sui Big Data nel curriculum dei nuovi laureandi.

2.3.1 Big Data e Business Education Curriculum

L'esponenziale aumento dei dati, diventanti "big" e della loro crescente importanza per le aziende, crea inevitabilmente offerte di lavoro. Aumentano le richieste da parte delle aziende di figure con competenze analitiche, i data

scientist, il cui ruolo è la gestione e l'analisi dei Big Data.

Tali affermazioni sono fondate su recenti previsioni. Una proiezione per il 2015 negli Stati Uniti prevedeva la creazione di 1,4 milioni di posti di lavoro. Secondo il professor N. Lazar, in uno studio del 2013, gli Stati Uniti avranno una carenza di personale specializzato in lavori di analisi dei dati tra le 140.000 e le 190.000 unità entro il 2018, un gap che deve essere colmato.

36

E' arrivato il momento per le università di capire cosa possono fare per preparare gli studenti a carriere di questo tipo.

Molti datori di lavoro come Taco Bell, General Electric, Boeing e Walt Disney stanno cercando figure con competenze di analisi in Big Data. Perciò è evidente che tale domanda di personale deve essere fronteggiata con un'altrettanta consistente offerta da parte dei futuri laureati (Lazar, 2013).

Alcune, ma ancora poche, delle maggiori business school americane come Arizona State University, University of Southern California, e Michigan State University hanno recentemente intrapreso programmi di laure specialistiche in

Business-Analytics (Lazar, 2013).

Gli insegnanti si devono impegnare a riempire quel gap di cui parlavamo, mettendo a punto un curriculum adatto a confrontarsi con le richieste del mercato del lavoro.

Secondo la visione di Steve Weber (2013), è necessario effettuare un forte

upgrande nelle abilità analitiche. I Big Data richiedono persone con avanzate

capacità analitiche che comprendono i dati e sanno come estrarli (mining), cosa cercare e inseguire, quali modelli sviluppare e quali fonti di informazioni sono le più valide per rispondere al nuovo set di domande.

Molte aziende stanno assumendo "data scientist" per rispondere a tali necessità. Diverse università stanno progettando di avviare “data science programs”, mentre programmi già esistenti di analisi, come ad esempio il “Master of Science

in Analytics Program” alla North Carolina State, sono stati arricchiti

aggiungendo esercitazioni e corsi sui Big Data (Davenport, 2012).

Alcune aziende stanno inoltre cercando di sviluppare i propri “scienziati dei dati”. Così, la divisione “Education Services” della EMC ha promosso training di analisi su data science e Big Data e un programma di certificazioni. La “EMC” ha reso il programma usufruibile sia da dipendenti che clienti, e alcuni

37

dei suoi laureati sono già al lavoro su iniziative di Big Data interni (Davenport, 2012).

Grazie alla proliferazione di diverse offerte formative, queste nuove abilità dovrebbero iniziare ad espandersi. I fornitori di tecnologie di Big Data stanno anche lavorando per renderli più facili da usare (Davenport, 2012).

La “Insight Data Science Fellows Program”, un borsa di studio post laurea progettata da Jake Klamka, prende gli scienziati dall’università e in sei settimane li prepara ad avere successo come data scientist. Il programma combina tutor esperti in dati, provenienti da aziende locali (come Facebook, Twitter, Google e LinkedIn) con l'esposizione a reali sfide di Big Data. Originariamente Klamka ha accettato 30 borsisti, da un pool di candidati superiore a 200. Molte organizzazioni sono in coda per partecipare (Davenport, 2012).

Il data scientist ideale, secondo Steve Weber (2013), oltre alle capacità basilari quali il data management, l'analytics modelling e il business analytics, deve possedere un certo numero di skills:

 Comunicazione: sia “verso l'alto” che “verso il basso” della catena di fornitura delle informazione. Coloro che emergono in questo ambito sono molto abili nella persuasione, nella gestione delle aspettative e nel "confezionare" i risultati per il pubblico.

 Collaborazione: per far bene il loro lavoro, gli scienziati dei dati, devono impiegare tempo e attenzione in entrambe le comunità tecniche e dirigenziali. Devono essere considerati come partner e consulenti di valore.

 Leadership: a causa della natura complessa e a tempo non programmato del loro lavoro, i data scientist sono spesso chiamati a guidare squadre di professionisti qualificati verso uno scopo o obiettivo comune.

38

 Creatività: per loro stessa natura, il successo dei data scientist dipende dall'analisi orientata all'innovazione seguendo un percorso poco, o per niente, chiaro. Inoltre devono essere creativi nella ricerca dei dati, nel testare i vari modelli e nell'utilizzare certe tecniche analitiche.

 Disciplina: come la creatività è cruciale, così lo sono anche approcci e metodi scientifici adeguati. Ciò garantirà la validità degli insights e delle conclusioni.

 Passione: può sembrare una qualità insolita, ma le organizzazione al momento dell'assunzione dovrebbero cercare figure con un'insaziabile curiosità analitica, che adorino risolvere problemi apparentemente insormontabili e che siano quasi ossessionati dall'idea di trovare vie sempre più originali per accelerare i risultati di business.

L'analisi dei Big Data può avere un impatto incredibile nel successo di ogni impresa, oppure può diventare un'importante voce di spesa. Ma, come abbiamo visto, nessuna di queste chiavi di successo hanno a che fare con la tecnologia. Quindi è bene che le università in impegnino a formare i futuri data scientist e che le aziende scelgano tra questi le figure migliori.