Il big data analyst è un professionista sempre più importante nelle aziende che si trovano a gestire una quantità di dati in continuo incremento. Si tratta di una figura professionale nuova che non è semplice reperire sul mercato, essa infatti è caratterizzata da un mix di competenze che le Università hanno iniziato a offrire da non molto tempo.
Data analyst, chi è e cosa fa
Il data analyst è colui che si occupa di interpretare i dati e di analizzare i risultati dell’elaborazione delle informazioni mediante l’utilizzo di tecniche statistiche al fine di produrre report per i propri colleghi.
Nello specifico, il suo lavoro consiste nel disegno e nella costruzione di database (sistemi per la raccolta dei dati) e nello studio di strategie che ottimizzino la qualità dei dati rendendoli il più possibile utili alle varie business unit aziendali.
L’acquisizione dei dati è compiuta da varie fonti il che comporta l’avere set di dati complessi che, una volta filtrati e puliti permettono di costruire modelli e di delineare tendenze che possono servire per la definizione di strategie aziendali, per individuare opportunità per il miglioramento dei processi interni e di business nonché permettere all’azienda di meglio allinearsi a nuovi trend di mercato.
Data analyst le competenze specifiche
Le competenze di un data analyst sono prima di tutto tecnologiche ma non solo. Più nello specifico, un data analyst deve sicuramente avere, oltre a abilità statistiche e capacità di utilizzare pacchetti per l’analisi dei dati (da Excel agli applicativi SAS, per esempio), conoscenze relative allo sviluppo di database e alle tecniche di data mining e segmentazione dei dati; inoltre è essenziale che abbia esperienza nei pacchetti di reporting per restituire ai colleghi l’esito del proprio lavoro (PowerBI, Tableau, Business Objects).
A tutto questo vanno però affiancate forti capacità analitiche, di raccolta, organizzazione e analisi di quantità significative di informazioni con particolare attenzione e precisione sui dettagli e anche spiccate doti comunicative e conoscenze approfondite del business per porre le domande più corrette al management e poi scrivere report e presentazioni dei risultati in generale che siano efficacemente condivisibili all’interno dell’azienda.
Data scientist vs data analyst
Il data scientist ha competenze più tecniche, è un programmatore esperto e ha conoscenze in campo artificial intelligence e machine learning. Il data analyst si contraddistingue per la sua conoscenza di business, in quanto è capace di relazionarsi con i vari responsabili di business, ha insomma skill economici e manageriali e soft skills che gli facilitino la comunicazione interna.
Nelle organizzazioni più mature e strutturate il data analyst inizia il proprio lavoro dopo che il data scientist ha completato il proprio.
Applicazioni della big data analysis, marketing e non solo
Il valore di un data analyst in azienda si esprime in diverse business unit. Le aziende stanno attualmente sperimentando quanto possa essere utile la big data analysis in ambito marketing, per mettere a frutto le informazioni raccolte sui clienti e in base a queste profilare i contatti e poi indirizzare messaggi e promozioni mirate.
Sempre più però si stanno attivando progetti di analisi dei dati anche in ambito controllo di gestione, nei reparti produttivi. Gli scopi in questi casi sono rappresentati dall’ottimizzazione delle risorse, dalla possibilità di fare manutenzione predittiva eccetera.
Come diventare un data analyst?
I percorsi formativi che portano alla definizione della figura del data analyst possono essere tre.
Oggi alcuni atenei offrono corsi universitari specifici (ve ne sono per esempio a Milano, Torino, Pisa, Verona, Napoli), si tratta di percorsi nuovi, basti pensare che all’Università degli Studi Milano-Bicocca quest’anno viene laureata la sola seconda ondata di iscritti al corso di Data Scientist e per avere quindi un certo numero di laureati con esperienza bisognerà aspettare qualche anno.
In secondo luogo, un big data analyst può essere un laureato in discipline scientifiche (informatica, matematica, statistica, fisica eccetera) che poi si appassioni alla programmazione e segua corsi ad hoc.
Infine, è possibile essere data analyst senza laurea, al momento succede soprattutto guardando a coloro che lavorano nell’IT e si sono via via dedicati all’analisi dei dati, unendo competenze di programmazione e relative ai database e attività di business intelligence.
Quanto guadagna un data analyst, lo stipendio in media
Attualmente, secondo stime redatte dai ricercatori degli Osservatori Digital Innovation del Politecnico di Milano, i data analyst in Italia hanno uno stipendio in media pari a 27.000 euro annui. Al momento, essi scontano il fatto di essere figure nuove, profili junior, per lo più ancora con poca esperienza.
La visione di eNetworks
“Nel 2020 – ha spiegato Luca Franzese, CTO & Special Project Director dell’azienda – eNetworks ha impostato un cambio di posizionamento strategico teso a mettere a frutto la propria esperienza in ambito consulenziale e, in particolare, per quanto riguarda i progetti di business intelligence, occupandosi dell’analisi dei dati, dalla loro raccolta alla data visualization”.
L’azienda che conta un centinaio di persone ha quindi riviste tutte le competenze di cui disponeva per individuare eventuali lacune, lavorare sul fronte del reskilling (anche grazie alla Tech School interna che propone al mercato corsi per le professioni emergenti del settore ICT dal data scientist al cloud computing expert o cyber security expert eccetera) in modo da mettere a punto una squadra che avesse competenze specifiche sugli strumenti più avanzati per la big data analysis. In particolare, eNetworks imposta i suoi progetti su Microsoft Azure e Power BI.
“Il nostro obiettivo – ha spiegato Franzese – è quello di affiancare le aziende nei loro progetti e lo facciamo mediante il nostro modello TEM (Team Extension Model). Riteniamo che l’unicità di tale modello dipenda dal fatto che mettiamo a disposizione dei nostri clienti risorse esperte che si integrano direttamente con le persone interne all’azienda. Siamo sufficientemente flessibili da creare team remoti o in loco dedicati (selezionando i set di competenze più opportuni a seconda delle occasioni) e comunque poi ci adattiamo a metodologie, strumenti e requisiti stabiliti insieme. Il nostro supporto è infatti completo, va dalla consulenza tecnologica alla progettazione dell’architettura, all’aiuto nella migrazione sino a tutto ciò che serve nella fase di post implementazione”.
