Data scientist, un “unicorno”nel mercato italiano

Il data scientist, figura ancora scarsamente codificata, soprattutto nel mercato italiano, facilita la trasformazione digitale grazie a spiccate doti comunicative, competenze analitiche e vicinanza al business. Ecco l'esperienza di Maddalena Amoruso.

Maddalena Amoruso, Head of Analytics Solutions - Assicurazioni Generali

Il nuovo ambito della data science rappresenta finalmente una sintesi tra l’approccio scientific e la sensibilità multidisciplinare di business che ho acquisito attraverso esperienze professionali molto variegate.

Le realtà di consumer internet (Google, Facebook, Amazon, LinkedIn) prima di essere grandi retailer, ci hanno reso evidente come organizzazioni data driven traggono vantaggio competitivo dall’acquisire, processare e valorizzare i dati programmaticamente. Sia per sviluppare nuovi approcci di mercato e nuovi prodotti, sia per creare efficienza operativa nei processi di business, migliorando e facilitando l’esperienza del consumatore.

Qual è il ruolo del data scientist?

Il ruolo del data scientist non è quello di“sacerdote” e “aruspico” del dato, ma di figura chiave asupporto degli esperti di business. Una figura in grado dirispondere in una maniera nuova, che nasce per valorizzare la bottom-up dell’informazione contenuta nei dati e, contemporaneamente, per introdurre elementi di innovazionee discontinuità data driven.

Come si riconosce un buon data scientist? Quali sono i criteri di scelta per i suoi collaboratori?

La figua del data scientist è ancora scarsamente codificata, soprattutto nel mercato italiano, tanto da essere definita un “unicorno”. Un data scientist deve infatti coniugare in se conoscenze statistiche, conoscenze di computer science, abilità da narratore e acume di business. Per la nostra realtà, riteniamo rilevante la dimestichezza con un approccio scientifico al problem solving, ossia l’attitudine a comprendere i fenomeni di business, formulare set appropriati di domande, individuare e collezionare dati e tool necessari e verificare l’accuratezza dei risultati. Oltre a una spiccata capacità di acquisire il punto di vista degli interlocutori di business.

Quali sono state le maggiori difficoltà se pensa alla sua crescita professionale in questo ambito?

Coniugare il mio background scientifico con i ruoli di tipo ingegneristico, business development e commerciale che ho via via ricoperto e che ho sempre affrontato con entusiasmo, curiosità e successo. Il nuovo ambito della data science rappresenta una sintesi tra approccio scientifico e sensibilità multidisciplinare di business acquisita attraverso esperienze professionali molto variegate. Ad oggi la principale sfida che percepisco è convincere in maniera sostanziale i business decision maker del valore della data science come un tassello integrante del processo di produzione di valore.

Come è strutturato il suo team di data scientist e come lavora all’interno dell’azienda? Quali le sfide nel settore insurance?

L’analytic solution center prevede figure di tre tipi: i business analysts, dotati di soft skill e competenze di business. I data scientist più devoti alla manipolazione e analisi dei dati e produzione di algoritmi; i computer scientist per gli aspetti legati alla programmazione avanzata, ai tool, alla loro integrazione e ingegnerizzazione. L’analytic solution center si è dotato di un modello di servizio che prevede supporto e ingaggio flessibili e differenziati sulla base del livello di maturità delle business unit servite. È un modello hub and spoke bilanciato per creare competenze e approcci analitici avanzati. In ambito assicurativo la principale sfida per un data scientist è il confronto con la cultura fortemente quantitativa di stampo attuariale, la sua valorizzazione e il suo superamento a favore di approcci meno vincolati alla modellizzazione tradizionale e aperti all’adozione di tecniche descrittive e predittive di nuova generazione.

 

Il mercato dei Data Scientist in Europa
Assicurazioni Generali
Maddalena Amoruso, Head of Analytics Solutions di Assicurazioni Generali

Maddalena Amoruso, Head of Analytics Solutions di Assicurazioni Generali  

Sotto la lente

Come riconoscere un “vero” data scientist?

Leggi l’articolo

eBook

Scarica l’e-book gratuito “Your data scientist hiring guide”

Download gratuito

Intervista pubblicata su

itasascom

The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies. Per questo articolo: Copyright © SAS Institute Inc. All Rights Reserved. L'articolo non è riproducibile senza il suo consenso.

Back to Top