La realizzazione di un progetto complesso di Data Science non è soltanto una questione di tecnologie impiegate. Anche se quest’ultime sono spesso poste al centro dell’attenzione, un ruolo ancora più rilevante è giocato dalle competenze dei professionisti che guidano l’utilizzo corretto dei dati e dei modelli matematici.
Ma di quali competenze stiamo parlando?
Moxoff, modelli matematici, machine learning e deep learning
L’esperienza di Moxoff, azienda di consulenza in ambito Data Science, specializzata nello sviluppo di modelli matematici, aiuta a comprendere quali caratteristiche intangibili occorra mettere sul piatto. Moxoff nasce come spinoff del MOX Laboratorio di Modellistica e Calcolo Scientifico del Politecnico di Milano e eredita da quest’ultimo l’esperienza nei campi di ottimizzazione e simulazione numerica.
Nel corso degli anni Moxoff si è specializzata anche in modelli statistici avanzati, tecniche di machine learning e deep learning. Questo bagaglio di conoscenze uniche fatte di ottimizzazione numerica e statistica, permette a Moxoff di soddisfare a pieno una delle tre caratteristiche chiave per padroneggiare la Data Science secondo il celebre diagramma di Drew Conway, ovvero l’ambito Mathematic and Statistics, cioè la capacità di utilizzare la matematica e l’analisi statistica per sviluppare tecniche di estrazione ed elaborazione di informazione dai dati. Infatti, al contrario di quello che si pensa comunemente, gli algoritmi di machine learning non funzionano in maniera automatica, cioè senza alcun intervento umano, se non nei casi più semplici. Nella maggioranza dei casi occorre customizzare questi modelli per renderli utilizzabili nel contesto specifico e attraverso l’impiego di dati specifici. Uno sviluppo personalizzato che può essere assicurato soltanto dal possesso di solide competenze matematiche e statistiche.
L’importanza delle Hacking Skills
Ma anche queste ultime, da sole, non bastano: per padroneggiare questo ambito occorre possedere anche le cosiddette Hacking Skills, cioè le capacità di programmazione necessarie per implementare gli algoritmi. I modelli elaborati dai data scientist non restano scritti su un foglio di lavoro, ma devono essere implementati in software funzionanti. I professionisti che lavorano in Moxoff sono in grado di padroneggiare un ampio set di tool, come ad esempio i linguaggi R e Python, ma anche le librerie software per il machine learning come scikit-learn e TensorFlow e i linguaggi SQL per la gestione dei dati in database. Affinché un progetto di data science sia efficace deve durare nel tempo e per questo i software devono essere affidabili e robusti, vanno quindi sviluppati seguendo le best practices dello sviluppo software. I data scientist di Moxoff sono affiancati in questo compito da data engineer, specialisti nelle gestione dei Big Data e strumenti per il calcolo ad alte prestazioni che permette di sfruttare potenti server di calcolo on premises o in cloud. Per realizzare un progetto di data science di successo, insomma, occorre avereanche delle ottime capacità di programmazione.
Indispensabili le Substantive Expertise
C’è poi un terzo segmento meno noto ma estremamente importante per la Data Science: parliamo della Substantive Expertise, cioè della competenza di dominio che consente di definire obiettivi, vincoli e trovare nei dati le chiavi di lettura necessarie per la soluzione dei problemi pratici del dominio in analisi. In parole semplici, è impossibile realizzare un progetto di valore senza conoscere le complesse dinamiche di funzionamento dello specifico settore, sia esso il mondo energetico o la logistica. Questa competenza viene acquisita da Moxoff lavorando a stretto contatto con le persone chiave del business in oggetto. Infatti, la prima fase dei progetti è spesso dedicata alla comprensione dei meccanismi che governano il business. È in questo frangente che le domande e i desiderata delle aziende vengono tradotti in chiave matematica, trasformando, ad esempio, l’esigenza di ridurre il tasso di abbandono dei propri clienti in un algoritmo che calcoli la probabilità di abbandono di un cliente nei prossimi tre mesi e suggerisca quali clienti contattare per proporre scontistiche o prodotti alternativi. Affinché questa fase sia proficua sono necessarie anche competenze meno tecniche, le cosiddette soft skills, in particolare di tipo comunicativo. La comunicazione non è importante solo nella fase iniziale di un progetto ma anche durante lo sviluppo. I migliori data scientist creano prodotti che non sono solo statisticamente corretti, ma che possono essere visualizzati, spiegati e resistono al controllo di una vasta comunità di colleghi.
Dall’esperienza di Moxoff questa è la strada principale affinché i modelli matematici possano essere realmente compresi e quindi adottati nei processi aziendali. Le soft skills diventano quindi fondamentali: nessun professionista dei dati di Moxoff trascorre l’intera giornata isolato davanti a un pc mentre, al contrario, è previsto un costante e quotidiano contatto con i clienti, così da comprenderne le specifiche esigenze. Trovare delle figure professionali di questo tipo, esperti di dati e matematica, ma anche di programmazione e con ottime capacità relazionali e di comunicazione è molto complesso.. Moxoff ha però il vantaggio di seguire questa impostazione fin dalla sua fondazione, dieci anni fa, nonché di poter contare su un bacino di scouting qualificato come il Politecnico di Milano.
