Ci sono poche cose certe nel mestiere del futuro. La prima è che nessuno sa con certezza come sarà il lavoro del futuro. Nell’ultimo forum organizzato da Il Sole 24 Ore in collaborazione con Ey è emerso che nel giro di cinque anni i lavoratori vedranno modificare il 50-60% delle attività che svolgono oggi. Secondo: i dati svolgeranno un ruolo di primo piano. È forse questa l’unica certezza, i cosiddetti big data stanno contaminando tutte le professioni e le funzioni in azienda. La tempesta perfetta si spiega con la convergenza di due fenomeni: da un lato l’esponenziale crescita della capacità di elaborazione di grandi moli di dati legata al cloud computing, dall’altro la digitalizzazione del sapere che ha trasformato le informazioni in formato “computer readable”, leggibile da un calcolatore elettronico. Al centro di questa che è a tutti gli effetti una nuova economia c’è un uomo nuovo, o meglio una nuova professione, quella del data scientist o scienziato dei dati, per italianizzare il titolo.

Secondo il rapporto BigData@MIUR datato 2016, entro il 2020, ci sarà una crescita dell’offerta di lavoro nei Big Data del 23% all’anno, contro il 19% di tutto il settore dell’Information Technology (IT) e il 6% globale. Diciamo di più. Un report della società di consulenza Deloitte pronostica una “carenza” di un milione di analisti di dati a livello globale. L’equivalente di due volte i professionisti Ict che saranno richiesti dall’intera Europa entro il 2020. Tutti li vogliono anche se non esiste una ricetta valida per tutti.

Sulla scia del boom di università che si sono mosse all’estero a sfornare data scientist, anche l’Italia si è attivata. Due anni fa i primi corsi di laurea magistrale, oggi sono sette se interroghiamo il sito Universitaly del Miur: due a Milano (Bicocca e Statale) poi Cagliari, l’Aquila, Roma, Trento e Padova. A cui si aggiungono Napoli (Federico II) e, progettato nel 2002, il corso di Data Science and Business Informatics all’Università di Pisa. Se guardiamo agli atenei privati, non mancano le lauree magistrali alla Bocconi e naturalmente ai Politecnici di Milano e Torino.

La laurea magistrale in Data science punta a formare specialisti in grado di utilizzare tecniche matematico-statistico-informatiche all’interno di aziende e amministrazioni pubbliche e private, inclusi enti o istituti di ricerca scientifica e tecnologica, in particolare per quel che riguarda la gestione, il trattamento, l’analisi e l’utilizzo di grandi moli di dati, anche affiancando efficacemente esperti di specifici settori applicativi.

Per semplificare, spiega Carlo Batini, coordinatore del gruppo di lavoro sul corso di Laurea Magistrale in Data Science all’Università Bicocca di Milano, si possono individuare «due profili a seconda che il corso sia più concentrato sulle tecnologie o sui processi aziendali». Nel primo caso si entra in un ambito più informatico-statistico. Gli studenti imparano a maneggiare grandi piattaforme di elaborazione di big data come ad esempio Hadoop. Nel secondo caso il data scientist si pone il problema di estrarre valore dai dati che vuole dire per una azienda individuare nuovi target di mercato, capire quali settori aggredire o come ottimizzare i processi di business aziendali.

Il corso è iniziato due anni fa quindi non esiste una statistica chiara degli sbocchi professionali degli studenti. Tuttavia, le aziende che si sono proposte coprono un po’ tutti i settori, dall’energia al manufacturing. Per esempio, agli operatori di tlc gli scienziati dei dati servono per prevedere in anticipo se un cliente sta abbandonando il servizio per passare alla concorrenza. L’insoddisfazione, spiega Batini, è rilevabile attraverso il comportamento di consumo del cliente che cambiando le sue abitudini di utilizzo comunica anche le sue intenzioni di fedeltà. Con il machine learning le utilities energetiche possono sperimentare la manutenzione predittiva, ossia capire in anticipo la probabilità che una centralina si guasti o abbia bisogno di un intervento tecnico. Correlando i dati meteorologici con quelli di business si può studiare se esistano fattori stagionali in ambito commerciale.

«Accanto al data scientist generalist – sottolinea Batini – sta nascendo un profilo più verticale come il data scientist esperto di marketing o di immagini per il machine learning. O specializzato in ambito scientifico». Il fenomeno non è solo italiano ma globale. I dati sono talmente centrali all’interno della struttura aziendale da diventare una competenza trasversale. Qualcuno definisce questo processo come la conseguenza della democratizzazione del dato. In ogni settore servirà sempre di più un esperto in grado di formulare le giuste domande a grandi moli di dati. In questo senso la data science non è più una disciplina o un insieme di discipline che vivono dentro le divisioni It di una azienda. Ma diventa una forma di sapere diffuso. In un futuro sempre più vicino non esisterà l’idea di un professionista che risponde a domande come fosse un elaboratore elettronico. Ogni settore del sapere imparerà a interrogare i dati del proprio universo di competenza per prevedere e comprenderne meglio fenomeni e dinamiche. «Si parte sempre dai dati – conclude Batini – ma la data science, non mi stancherò mai di ripeterlo, non è informatica. È una disciplina nuova».