I più retribuiti saranno l'esperto di architetture big data e l'esperto di cybersecurity, che potranno guadagnare fino a 200mila euro all'anno. Centocinquantamila euro per Cto (Chief Technology officier), sviluppatore mobile e app, specialista di pagamenti digitali, applied data scientist, esperto di prodotto e interfacce. Un massimo di 120mila euro andranno all'esperto di disegno e di contenuti e a quello di relazioni con gli sviluppatori. Infine, 80mila euro sarà lo stipendio annuale per l'esperto di comunicazione e relazioni pubbliche. Questi i compensi del “dream team” che sta arruolando Diego Piacenti, il manager di Amazon chiamato da Matteo Renzi per “mettere a terra” l'Agenda digitale nella pubblica amministrazione. Una squadra di esperti al cui centro ruota la figura dello specialista di Big Data, figura in parte pressoché sconosciuta in Italia e anche nelle aziende italiane nonostante i numerosi studi che certificano quanto l'utilizzo in chiave di business dei big data sia diventata una leva strategica del business. Ma chi è il data scientis? Come ha spiegato bene Dino Pedreschi, professore ordinario di Informatica parlando del master in Big Data Analytics e Social Mining, dell'Università di Pisa, lo scienziato dei dati è un animale a tante teste ch3 deve avere tre set di skill: una preparazione informatica molto solida, una buona comprensione degli aspetti tecnologici e allo stesso tempo è un conoscitore degli aspetti aziendali. Una figura professionale dotata quindi di competenze trasversali e capace di relazionarsi con il management dell'azienda.

Ma a cosa servono i data scientist? Sulla carta, questi professionisti possono portare un grande valore aggiunto alle aziende, “traducendo” un'enorme e complessa mole di dati in strategie chiave. Ma la risposta più chiara la fornisce Alessandro Curioni, direttore del centro di ricerca di Zurigo: «Prima una premessa: se guardiamo la quantità di dati che vengono prodotti ci accorgiamo che siamo di fronte a uno sviluppo esponenziale senza precedenti. Negli ultimi due anni è stata creata una mole di dati superiore a tutti quelli creati prima. Le differenze rispetto al passato non sono solo quantitative. Quindici anni fa venivano creati dati in modo centralizzato. Dove? Nelle banche, nelle grandi aziende, nelle unversità. Oggi la maggior parte delle informazioni è diffusa in modo decentralizzato da ognuno di noi. Un esempio? Ogni minuto ogni persona genera due Mb di informazioni. E la maggior parte, circo l'80% di queste informazioni non sono strutturate. Tutto questo porta a una complessità per l'analisi di questi dati che richiede una nuovo modo di fare computing e anche nuove professioni in grado di lavorare dentro questa complessità». Lo scienziato spiega che è cambiato anche il modo di estrarre senso dai dati, Mentre nel passato si usava l'inferenza statistica, e quindi le logiche campionarie oggi per riuscire a estrarre valore abbiamo bisogno di persone che sappiano pulire, agglomerare e connettere i dati per analizzare il grafo di conoscenze che emerge. In questo senso il data scientist è importantissimo anche nella fase iniziale. Per implementare le tecnologie di machine learning devi sapere quali sono le piattaforme, le Api e i servizi. Una volta che sono chiare le fonti e la struttura attraverso algoritmi di intelligenza artificiale lo scienziato potrà interrogare i dati.
In questo senso i data scientist oggi sono figure multidisciplinari: devono saper fare un po' di tutte queste cose. Qualche esempio? “Una applicazione che tutti capiscono è quella della sanità - racconta Curioni -. Una cosa che stiamo facendo come Ibm è utilizzare queste tecnologie cognitive per leggere tutte le pubblicazioni scientifiche e integrarle con quelle del profilo genetico del paziente. Si può così aiutare il medico a essere più aggiornato e a prendere decisioni migliori (o più consapevoli). Sulla pubblica amministrazione poi ci sono un sacco di applicazioni. Per esempio, se voglio razionalizzare il sistema sanitario a livello nazionale una cosa importante è prendere tutti i dati sui protocolli, sui costi, confrontare le performance degli ospedali e dei servizi di medicina di base, estrarre best practise. Questo aiuterebbe a migliore e rendere più efficiente la sanità”.
Le aspettative quindi sono altissime. Ma per Piacentini il lavoro di selezione non sarà semplicissimo. Un'indagine McKinsey rileva che, negli Usa, mancano tra i 140 e i 190mila data scientist, ciò testimonia quali prospettive possa avere la professione. Ma anche le difficoltà del sistema dell'istruzione nel formare queste professionalità. Sempre McKinsey stima che entro il 2018 ci sarà una domanda di queste figure professionali superiore del 40-60% rispetto all'offerta. A Facebook e Linkedin i data scientist siano pagati più degli ingegneri informatici.
Tuttavia, come ha scritto il Sole 24 Ore online, secondo Roland Cloutier, capo della sicurezza informatica di ADP, l'alta domanda di scienziati dei dati potrebbe presto crollare per la concorrenza dei robot: «col tempo, i software saranno sempre più in grado di svolgere i lavori oggi appannaggio dei data scientist», spiega. Le nuove generazioni di tools - simili a quelli per esempio di Tableau software - miglioreranno i flussi di lavoro e l'interpretazione algoritmica delle enormi masse di dati raccolti, «e questo è il genere di automazione destinato a eliminare gran parte della domanda per data scientist umani», avverte Sirish Raghuram, ceo della californiana Platform 9. E a spazzare via un bel po' di potenziali posti di lavoro, magari proprio quando molti giovani avranno puntato su questa professione.

© Riproduzione riservata