Chi trova il valore nei dati26 Novembre 2020Chi trova il valore nei dati

La raccolta e l’analisi dei dati sono aspetti sempre più di vitale importanza per ogni azienda pubblica e privata. Gli evidenze che emergono dall’analisi dei dati, se ben interpretati, possono portare a scelte decisionali significative, a prima vista non così evidenti, per il futuro di un’impresa, che può trarre da tali analisi gli elementi per costruire un’efficace strategia di lavoro, in ambiti anche molto diversi tra loro, quali una campagna pubblicitaria o di vendita al dettaglio. Oppure, se i dati raccolti riguardano i processi di funzionamento aziendali, possono essere la chiave di risoluzione per migliorare i processi interni. Per queste ragioni, è in costante aumento la quantità di aziende che cercano figure specializzate nello studio dei dati. Stiamo parlando in particolare dei profili di Data Analyst, Data Scientist, Data Administrator e Data Architect.

IL DATA ANALYST

Il lavoro del Data Analyst parte dall’individuazione degli obiettivi di analisi di concerto con i suoi i referenti superiori, dirigenti e Project Manager. Può servire un’analisi sui clienti attuali, in modo tale da analizzarne la loro customer satisfaction e capire se ci sono degli aspetti da correggere. Può capitare, invece, che l’analisi sia rivolta a scoprire le caratteristiche di un nuovo segmento di mercato a cui l’azienda vuole rivolgersi, per fare in modo che il prodotto e la comunicazione siano ottimali. Un altro esempio, invece, è l’analisi dei processi interni dell’azienda. Soprattutto negli ultimi anni, il Data Analyst collabora sempre di più con l’area HR delle imprese, per scoprire eventuali conflitti tra i diversi compartimenti e risolverle, evitando in tal modo ripercussioni sul lavoro interno e, di conseguenza, nel rapporto con stakeholders e clienti.

Dopo aver fissato gli obiettivi, il Data Analyst si occupa di raccogliere i dati da fonti interne (banca dati aziendali, ricerche pregresse) ed esterne (questionari e sondaggi somministrati al campione di riferimento). La raccolta e il filtraggio dei dati sono seguiti dalla loro organizzazione. Ogni questionario può presentare risposte viziate da qualche problema (il response set è tra i più frequenti) o che addirittura sono mancanti.

Il Data Analyst ha quindi il compito di fare pulizia di tutti i dati irrilevanti o mancanti, perché da dati ripuliti e adatti allo scopo della ricerca, si avvia un’analisi che non presenta vizi di partenza. Una volta effettuato il processo di pulizia, può procedere alla costituzione del nuovo dataset (l’insieme complessivo dei dati che verranno processati) su cui opererà i calcoli, tramite software specifici (i più utilizzati, sia in ambito professionale che accademico, sono SPSS e Stata, prodotti professionali a pagamento, ma ne esistono tanti altri free). A questo punto, il Data Analyst è pronto per procedere con la sua indagine. Per arrivare all’obiettivo finale, fissato inizialmente con il Project Manager e con il board, egli fissa degli obiettivi intermedi, tramite delle ipotesi, e utilizzerà i dati per confermarle o confutarle, così come si procede in ambito scientifico.

Se l’obiettivo finale è affacciarsi ad un nuovo mercato, e il Data Analyst sta lavorando sui dati derivati dai questionari rivolti agli individui facenti parte di quel target, una fase intermedia può consistere nel capire se determinate abitudini quotidiane hanno effetto sull’acquisto di alcuni prodotti. La conferma/smentita di questa ipotesi, determinerà una tesi utile allo sviluppo della successiva campagna di promozione. In questa fase, il Data Analyst individua gli schemi e i trend generali per disegnare lo scenario più simile possibile alla realtà attuale. Una volta compiuto questo, il Data Analyst creerà un report con tutti i risultati da sottoporre ai dirigenti e al team di marketing, al fine di procedere con l’attuazione dell’obiettivo iniziale.

La formazione del Data Analyst consiste in un percorso di studi economico-manageriali, in modo da poter parlare la stessa lingua delle figure per cui lavora e fa ricerca. Sarà, quindi, laureato in discipline come marketing, economia, scienze sociali. Tramite tali percorsi, inoltre, acquisirà le competenze per poter ideare, pianificare ed effettuare delle ricerche qualitative o quantitative, a seconda di qual è più utile allo scopo finale. Per quanto concerne la retribuzione del Data Analyst, si aggira intorno ad una RAL annua media di 35.000 euro (circa 1.800 euro mensili netti), superiore del 16% rispetto alla retribuzione mensile media in Italia. Ma la cifra minima annua reale è di appena 14.000 euro lordi, anche se può arrivare ad un massimo di 65.000 euro, a seconda dell’esperienza maturata e della posizione contrattuale (Junior o Senior).

IL DATA SCIENTIST

Nella definizione delle professioni legate ai dati può nascere la confusione tra la figura del Data Analyst e quella del Data Scientist. Tra le due figure, ci sono tante cose in comune, ma anche delle differenze che ne caratterizzano le competenze e, di conseguenza, alcune mansioni. Innanzitutto, la formazione delle due figure è diversa. Il Data Scientist. Possiede solitamente una laurea in Ingegneria, Informatica, Matematica e Statistica, anche se il suo percorso quasi mai termina con gli studi accademici, ma prosegue con master o corsi per l’utilizzo specifico di software per l’analisi dei dati. Il Data Scientist analizza i dati passati, cercando di prevedere andamenti futuri. Nel suo lavoro di analisi iterativa e multifasica (si torna indietro se, durante la ricerca, ci si trova ad un punto di non ritorno, per generare nuove ipotesi), crea e risponde a nuove domande che egli stesso si pone. Il suo obiettivo è quello di conferire all’azienda il massimo valore attraverso l’analisi dei dati, con attenzione alle condizioni ipotetiche future.

Da un punto di vista strettamente operativo, il lavoro del Data Scientist è molto simile a quello del Data Analyst, mentre è l’obiettivo finale a cambiare radicalmente, visto che il secondo si occupa dei dati relativi allo scenario attuale, non futuro. Al Data Scientist, inoltre, è chiesto di estrapolare dati da database MySQL, avere conoscenze base di ingegneria del software, metodi di machine learning, tutte competenze solitamente estranee alla figura del Data Analyst.

Infine, anche il guadagno è differente: lo stipendio medio è simile a quello del Data Analyst, poiché si aggira intorno ad una RAL annua di 40.000 euro lordi. Tuttavia, lo stipendio massimo rappresenta la maggiore differenza, visto che i Data Scientist più esperti possono arrivare a percepire fino a 110.000 euro lordi annui, contro i 65.000 del Data Analyst.

LA DATA VISUALIZATION

Tra le mansioni del Data Scientist c’è quella della Data Visualization. Quando la ricerca e l’analisi hanno prodotto i loro risultati, una chiara presentazione grafica assume un’importanza rilevante, per far sì che l’interpretazione degli stessi sia immediata e di facile comprensione.

“La Data Visualization cambierà per sempre il modo in cui gli analisti lavorano con i dati. Potranno rispondere ai problemi più rapidamente. E potranno analizzare più nel dettaglio per ulteriori approfondimenti. E guardare i dati in un modo diverso, più creativo. La data visualization promuoverà un’esplorazione creativa dei dati”, ha dichiarato nel 2019 Simon Samuel, responsabile del Customer Value Modeling per una grande banca del Regno Unito. La Data Visualization, quindi, aiuta le aziende a leggere meglio i loro dati, a dare loro un senso e include più tecniche per la rappresentazione grafica. Eccone alcuni esempi:

Serie storiche: facili da interpretare, sono utili, ad esempio, per tracciare l’andamento di un fenomeno nel tempo e per valutare le tendenze di aumento e diminuzione delle variabili. Danno la possibilità, inoltre di inserire più linee e quindi di analizzare più fenomeni contemporaneamente. Una modalità di visualizzazione di questo tipo predilige il grafico a linee;
Ranking: ottimi per confronti semplici. Un esempio è la piramide demografica, usata per rappresentare tendenze sociali su larga scala. I grafici a barre vengono invece preferiti quando ci sono molteplici variabili in gioco e ognuno degli elementi viene valutato in un dato periodo di tempo. In quest’ambito è molto utilizzato l’istogramma o il grafico a barre;
Quote: compara la quota di un fenomeno rispetto al totale e viene quasi sempre rappresentato tramite un grafico a torta. Il caso d’uso tipico è la suddivisione del budget aziendale;
Correlazione: il singolo elemento deve essere individuato in un contesto che rappresenta una tendenza. Per le correlazioni tra due elementi, si usa il grafico a dispersione, dove è facile determinare se le due variabili si muovono nella stessa direzione o in senso opposto;
Distribuzione di frequenza: tramite istogrammi il diagramma a scatola con baffi, viene usata per mostrare il numero delle osservazioni effettuate;
Comparazione nominale: è il metodo più utilizzato per i confronti tra due elementi. Due barre che vanno in direzioni opposte mostrano istantaneamente la differenza tra uno stesso elemento condiviso fra due categorie. Un esempio potrebbe essere il confronto della quantità di pasta venduta da due aziende concorrenti. Anche qui è frequente l’utilizzo di grafici a barre;
Rappresentazione geografica: viene usata una rappresentazione termica su una mappa geografica, con l’utilizzo di gradazioni differenti dello stesso colore per indicare l’intensità di un fenomeno su una mappa.

Grazie a queste modalità è molto più semplice individuare nuove tendenze, condividere nuovi obiettivi con gli stakeholders, interagire con i dati in modo più efficace, analizzare la customer satisfaction e tutto quello che può servire alla crescita e al miglioramento di un’impresa.

IL DATABASE ADMINISTRATOR

Un’altra professione fortemente richiesta nel settore dei dati è quella del Database Administrator. L’Administrator si occupa proprio di sviluppare, gestire e “manutenzionare” il database, assicurandosi che i dati conservati siano accessibili agli utenti nelle modalità stabilite e siano recuperabili in caso di malfunzionamenti e imprevisti. I compiti del DA si sviluppano su più fasi. Innanzitutto, per creare il database, l’Administrator è chiamato ad identificare, insieme ai dirigenti dell’organizzazione per cui lavora, le necessità di conservazione e accessibilità dei dati, creando un database che risponda alle loro esigenze. Ad esempio, si può costruire un database con dati sui consumatori, per le analisi che riguardano il mercato, oppure un database con dati ricavati dai questionari di gradimento dei dipendenti, in modo tale da poter fare delle ricerche sulle aree aziendali interne. Dopo la pianificazione, va progettata la banca dati. In questo caso, l’Administrator deve gestire due momenti diversi:

nel primo, definisce l’architettura sottesa al database, il formato e come le diverse variabili si relazionano (backend, il “dietro le quinte” del sistema, accessibile solo all’amministratore);
nel secondo, deve fare in modo che chiunque ne faccia richiesta (e ne sia autorizzato) possa avere accesso ai dati e consultarli facilmente, trovando tutto ciò che serve per interrogare velocemente il database (front-end).

Tra le sue mansioni, c’è anche l’installazione dei software per la gestione dei dati, chiamati DataBase Management Systems (DBMS). Non solo, implementa il software, lo aggiorna lo modifica e adatta in base alle richieste specifiche. Il Database Administrator si occupa, inoltre, di verificare costantemente l’integrità dei dati conservati, tramite processi di controllo dell’origine degli stessi. Se dovesse notare errori, sarà chiamato a procedere con il data recovery, ovvero al ripristino dei dati, cercando di recuperarli tutti o la maggior parte da eventuali danni al database.

Poiché i dati che appartengono a un database possono essere di tutti i tipi, il database Administrator può lavorare per svariate organizzazioni, di qualunque grandezza, pubbliche o private. Il guadagno di questa figura può variare in funzione dell’inquadramento. Le cifre si stagliano tra i 26.000 euro e i 36.200 euro lordi annui, se il DA è un dipendente. Se lavora come consulente o libero professionista, le tariffe variano a seconda dell’esperienza e del tipo di intervento richiesto, raggiungendo picchi di 70.000 euro.

IL DATA ARCHITECT

Il Data Architect è la figura che crea l’architettura dei sistemi di archiviazione dei dati e influenza la loro organizzazione, in modo che si raggiungano gli obiettivi richiesti dal board. Il suo compito è quello di fornire con precisione gli strumenti da utilizzare per coprire le basi di dati, assicurarsi che questi si integrino con altri sistemi e che esprimano chiaramente ciò che vogliono indicare (cosa significano e rappresentano). Secondo il Data Management Body of Knowledge, il Data Architect “fornisce un vocabolario aziendale comune, esprime i requisiti dei dati strategici, delinea progetti integrati di alto livello per soddisfare tali requisiti e si allinea con la strategia aziendale e la relativa architettura aziendale”.

Questa è la definizione accademica socialmente accettata, alla quale si è aggiunta l’esperienza di ulteriori manager. Su tutti, è la descrizione di Robert Lambert, Responsabile dell’analisi dei dati per la Anthem Inc., ad essere riportata più volte su articoli scientifici e ulteriori fonti. Secondo Lambert, è la modellazione dei dati ad essere l’unico denominatore comune per descrivere il Data Architect:

conosce fondamenti nello sviluppo dei sistemi, comprende il loro ciclo di vita e si approccia alla loro gestione. Ha i requisiti per progettare ed eseguire tecniche di test. Gli viene chiesto di concettualizzare e influenzare i progetti di applicazioni e interfaccia, e quindi deve capire quale consiglio dare e dove collegarsi per orientarsi verso i risultati desiderabili;
la sua abilità principale è fornire profondità nella modellazione dei dati e nella progettazione del database. Partecipa in tutte le fasi della modellazione dei dati, dalla concettualizzazione all’ottimizzazione del database. Questa abilità si estende anche allo sviluppo di programmi basati sul linguaggio SQL;
ha capacità di concepire il quadro dei big data, avvia, valuta e influenza i progetti, lo fa dal punto di vista dell’intera organizzazione. L’architetto dei dati mappa i sistemi e le interfacce utilizzati per gestire i dati, definisce gli standard per la gestione dei dati, analizza lo stato attuale del data base, concepisce lo stato futuro desiderato e i progetti necessari per colmare il divario tra lo stato attuale e gli obiettivi futuri.

La formazione del Data Architect prevede sempre almeno una Laurea Magistrale informatica, cui segue un Master specifico sull’architettura dei dati. Secondo PayScale, il salario medio del Data Architect è superiore, almeno negli Stati Uniti, a quelli delle figure precedenti, aggirandosi intorno ai 120.000 dollari all’anno. In Italia, invece, la retribuzione è molto più bassa ed ha, secondo Glassdoor, un valore medio di circa €40.000. La differenza di retribuzione tra Stati Uniti ed Europa è relativa all’importanza che la figura assume nel contesto aziendale. In America, infatti, così come descritto anche da Robert Lambert, il Data Architect ha ruoli manageriali, gestisce in toto le ricerche di mercato e supervisiona il lavoro di tutte le componenti che collaborano all’indagine, a differenza di quanto accade nel mercato del lavoro europeo.

PER APPROFONDIRE

cover image credit: Smithsonian (Accession number: 1920-36-315)