Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Gli skill di data science per non soccombere alla quarta rivoluzione industriale

pittogramma Zerouno

Mercati

Gli skill di data science per non soccombere alla quarta rivoluzione industriale

L’evoluzione delle tecnologie e dello scenario competitivo chiede alle aziende la creazione di nuove professionalità e competenze nell’ambito dell’analisi dei dati. Dal report “Data Science in the New Economy” pubblicato dal World Economic Forum i ruoli e le competenze emergenti oltre alle raccomandazioni per non rischiare skill shortage nei momenti di trasformazione aziendale

14 Ott 2019

di Piero Todorovich

La data science è oggi in misura crescente strutturale all’evoluzione dei business. Da componente per garantire l’efficienza aziendale e l’ottimizzazione della gestione di prodotti, servizi e relazioni con clienti, è diventata il motore di una nuova economia che si basa sulla raccolta e l’elaborazione dell’informazione.

Un’economia che molti definiscono quarta rivoluzione industriale e che impatta non soltanto le aziende più recenti nate dalla rete, ma un gran numero di realtà di settori più tradizionali che vedono in prima fila i servizi IT, l’energia, la formazione, sanità e molti altri. IoT, tecnologie analitiche e intelligenza artificiale (AI) creano un nuovo scenario competitivo sui mercati e alimentano la domanda di talenti e nuove competenze per ricoprire i ruoli collegati con la data science.

Nella quarta rivoluzione industriale le persone continuano a essere la componente più strategica e importante nel business, per questo diventa strategico riuscire a dare risposte corrette in azienda a una serie di domande cruciali. Quali skill servono oggi all’impresa data driven? Come offrire posizioni di lavoro competitive sul mercato globalizzato dei talenti? Quali sono le competenze realmente necessarie negli specifici ruoli?

La ricerca Data Science in the New Economy pubblicata nello scorso luglio dal World Economic Forum (WEF), Centre for the New Economy and Society come parte del progetto New Metrics CoLab, ci offre alcune risposte, confermando la crescente necessità di competenze di data science nel mercato del lavoro e individuandone i trend di cambiamento.

Point of view: IBM L’infrastruttura aziendale nell’era dell’intelligenza artificiale: sfide e vantaggie  Scarica il white paper

Cambiamenti spesso repentini dettati dall’introduzione di nuove tecnologie. Anche le aziende che negli scorsi anni si sono impegnate nello sviluppo delle competenze di data science devono mantenere continuità d’investimento per potersi avvantaggiare delle nuove tecnologie e avvalersene sui fronti dell’innovazione e della competitività del business.

Come cresce la domanda di nuove competenze nelle imprese

Basandosi sui dati raccolti da Burning Glass Technologies elaborando le offerte di lavoro nei vari settori d’industria, WEF ha analizzato nel periodo 2013-2018 i cambiamenti nella richiesta di competenze, sia per i job legati all’online market (social media, SEO, dell’e-commerce e le capacità nella progettazione di app mobili) sia per gli specialisti di analisi dei dati, i due profili che, secondo il Future Jobs Report 2018, risultano essere tra quelli più richiesti entro il 2022 (figura 1).

grafico figura1 Data
Figura 1 – Come cambia la domanda di competenze nei diversi settori d’industria. A sinistra sono presi in considerazione gli skill utili al commercio online, a destra quelli specialistici nell’analisi dei dati. Fonte World Economic Forum
Dall’indagine si vede come nel periodo in esame le industrie più attive nella ricerca di competenze specialistiche di data science siano state nell’ordine quelle dei settori ICT, media & entertainment, professional services, e servizi finanziari. Nel periodo in esame la domanda di skill in ambito dati è cresciuta del +59% per il settore ICT, +50% nel media e entertainment, +69% nei professional services e +88% nei financial services. Per confronto, la richiesta di figure professionali per l’online market è cresciuta, nello stesso periodo, solo del 18, 14, 7 e 44% rispettivamente (figura 2).

[caption id="attachment_72296" align="alignnone" width="1920"]grafico figura2 Data Figura 2 – I ruoli emergenti nella data science e (per quelli più maturi) e l’evoluzione degli skill necessari tra 2015 e -2018. Fonte World Economic Forum

La domanda di professionalità nell’online market denota inoltre dei momenti di picco in alcune industrie in corrispondenza con l’adozione delle nuove tecnologie, aspetto che si accompagna con un calo della domanda man mano che le tecnologie utilizzate diventano mature: una lezione utile per chi nei compiti apicali dell’azienda deve evitare le carenze di competenze e le difficoltà di reperimento del personale.

Nell’ambito di competenze richieste di data science si riscontrano i maggiori cambiamenti con l’emergere delle conoscenze sulle piattaforme Apache Hadoop, Hives, Oracle Big Data e AWS Elastic MapReduce.

Competenze data science: chi è avanti e chi indietro nei settori d’industria e geografie

Per analizzare la distribuzione degli skill nelle industrie di diverso settore e aree economiche, i ricercatori del WEF si sono basati sul Coursera Global Skills Index; dati che forniscono un quadro di quanto le imprese siano consapevoli delle loro necessità future e dell’importanza di dotarsi o sviluppare competenze per garantire continuità del business e competitività sui mercati.

Secondo WEF, l’acquisizione di nuove competenze nella data science resta in prevalenza un impegno su base individuale, realizzato con mezzi come la formazione online. Tra gli ambiti di competenza in cui c’è stata più innovazione e in cui c’è fame di skill ci sono la programmazione statistica, la data visualization e il machine learning. Il settore d’industria più preparato sul fronte della citata quarta rivoluzione industriale (ossia dotato di figure professionali adatte e skill) è quello tecnologico, seguito dai servizi professionali e dalle telecomunicazioni.

Secondo gli analisti, le aziende che si sono già mosse per dotarsi degli skill tradizionali di data science e analitici, come l’ambito finanziario, dovranno comunque impegnarsi nel futuro per acquisirne dei nuovi, per esempio, negli ambiti della visualizzazione dei dati e della programmazione statistica per sfruttarne il potenziale di business.

A livello geografico l’Europa eccelle sulle altre parti del mondo per la competenza delle persone che operano nell’ambito finanziario. Nei settori tecnologico e delle telecomunicazioni il primato spetta invece alle regioni Asia Pacifico, Medio Oriente e Africa. Queste ultime due regioni ottengono le migliori performance nell’automotive. Negli skill matematici l’industria consumer del Nord America batte quella Europea. Nel campo della sanità è invece l’Europa ad avere migliori skill rispetto al Nord America.

Secondo gli analisti le sfide della quarta rivoluzione industriale richiedono investimenti coordinati per lo sviluppo delle competenze, impegno che deve superare l’attuale dimensione individuale ed essere affrontato più seriamente da aziende e governi.

Le competenze data science necessarie per i nuovi ruoli aziendali

Per capire come cambiano le competenze nei ruoli aziendali, WEF si è servita dello Skills Genome di Linkedin, strumento che permette di tracciare le relazioni tra l’acquisizione di conoscenze e le posizioni di lavoro a partire da ciò che gli utenti pubblicano nei loro profili. Un mezzo per identificare anche ruoli e skill emergenti oltre ai set di competenze che sono richiesti nelle diverse imprese.

Tra i ruoli emergenti a livello mondiale ci sono gli specialisti di machine learning (ML) e i data scientist, figure professionali che indicano, tra gli skill prevalenti, le capacità di creare algoritmi analitici, programmare in linguaggio R e SQL, la conoscenza di piattaforme big data, come Apache Spark e Hadoop. Nel 2018 sono cresciute le competenze nell’elaborazione del linguaggio naturale e nella data visualization, mentre sono calate quelle della programmazione in Pyton. Tra gli specialisti ML sono comparse quelle nella computer vision e nell’utilizzo delle piattaforme TensorFlow e Keras.

Guardando alle posizioni aziendali più apparentemente lontane dalla data science, come lo sviluppo vendite e i consulenti finanziari (entrambe impattate dalle nuove tecnologie per ingaggiare i clienti e vendere prodotti e servizi) il periodo d’analisi consente di rilevare cambiamenti. Alle soft skill su CRM e business development si sono aggiunte le conoscenze delle piattaforme Salesforce.com e delle tecniche di prospezione commerciale, oggi più in voga della lead generation.

Nell’ambito dei consulenti finanziari, l’impatto delle tecnologie risulta più determinate: ha reso meno rilevanti le competenze per la valutazione dell’affidabilità di credito (oggi interamente supportata dai sistemi informatici) e lasciando spazio a conoscenze verticali e d’analisi più specifiche del settore.

Cosa fare per evitare i problemi di skill nel futuro

Al di là dei settori più immediatamente investiti dal cambiamento, è importante che le aziende si dotino di strumenti per gestire l’evoluzione di ruoli e professionalità. La capacità di prevedere e comparare le competenze consente d’identificare le possibili sinergie e percorsi di carriera meno rigidi e più utili all’impresa.

L’85% dei responsabili aziendali intervistati dai ricercatori del WEF ha dichiarato di voler introdurre entro il 2022 nuove tecnologie e strumenti big data nell’impresa, acquisendo le necessarie competenze di AI/ML e di data analytics. Per 7 dei 12 settori d’industria analizzati, questo si traduce nella creazione di nuovi ruoli nell’analisti dei dati e data scientist.

Per rispondere alla domanda di competenze, serve impegno nella formazione e nell’aggiornamento delle persone sui temi della data science. Un investimento che, secondo i ricercatori del WEF, può dare un forte ritorno individuale e aziendale.

grafico figura3 Data

Piero Todorovich

Giornalista

Giornalista professionista dal 91, ha scoperto il Computer negli Anni 80 da studente e se n'è subito innamorato, scegliendo di fare della divulgazione delle tecnologie e dell'informatica la propria professione. Alla passione per la storia delle tecnologie affianca quella per i viaggi e la musica.

Argomenti trattati

Approfondimenti

C
Crm
I
Intelligenza Artificiale
M
Machine Learning

Articolo 1 di 4