A CDO 2021 parleremo non solo di data strategy ed evoluzione del chief data officer ma anche della next generation: qual è il punto di vista dei giovani che affrontano per la prima volta il mercato? Quali sono le aspettative in termini di skills e competenze formative?
“Le analisi di mercato, in ambito occupazionale, mostrano che la figura del Data scientist è sempre più ricercata (con un incremento dei posti di lavoro del 650% dal 2012, secondo LinkedIn). Le aziende, che vogliono occupare una posizione dominante, sanno che la figura del Data officer è indispensabile per poter ricavare un importante valore aggiunto dai dati.”
Ne abbiamo parlato con Matteo Serra e Fabio Caironi, studenti dell’Università degli Studi di Milano che parteciperanno il 30 giugno a una tavola rotonda su queste tematiche
Chi è Fabio Caironi e quali sono le differenti esperienze prima e durante la formazione di ByteNite?
Sono uno studente laureando del Corso di Laurea Magistrale in Data Science and Economics all’Università degli Studi di Milano. La mia carriera è iniziata dalla Matematica, materia in cui ho conseguito la Laurea breve, e dalla musica, avendo frequentato il corso accademico di Pianoforte al Conservatorio di Milano. Il CdLM in Data Science and Economics mi ha aperto un ventaglio di possibilità grazie alle competenze acquisite e agli agganci con il mondo del lavoro. Oggi ai giovani candidati vengono sempre di più richieste conoscenze orizzontali, spalmate in più settori e ben collegate. L’emergente figura del Data Scientist si colloca qui: un analista esperto di dati che sappia utilizzare gli strumenti IT, individuare modelli statistici e di Machine Learning, infine riconoscere patterns economici e interpretarli. Grazie al potenziamento che questo corso di laurea mi ha dato ho avuto la spinta giusta per mettermi in proprio e fondare un’azienda basata su un’idea innovativa nel campo del cloud computing e della data science, ByteNite.
Cos’è ByteNite?
ByteNite è una start-up fondata nel 2021 che opera nel campo del grid computing. ByteNite nasce da un’idea innovativa sull’utilizzo della capacità computazionale degli smartphone ed è co-fondata e sponsorizzata da Ksenia Security S.p.A. La start-up si prefigge l’obiettivo di implementare un’infrastruttura cloud che realizzi l’acquisizione di capacità computazionale attraverso una rete di dispositivi, mobili o fissi (smartphones, tablets, laptops, ecc.), messi a disposizione da generici utenti; quindi, permette la distribuzione su tale rete di carichi computazionali da parte di aziende ed enti committenti, come servizio di utility computing. La soluzione, dunque, è rivolta a qualsiasi impresa che lavori con i Big Data e necessiti di delegare al cloud le proprie computazioni, oppure si sia già affidata a soluzioni di cloud computing ma voglia incrementare le prestazioni attraverso una maggiore parallelizzazione.
Chi è Matteo Serra da un punto di vista di esperienza formativa e lavorativa?
Il mio background accademico è da economista: sono laureato triennale in scienze politiche e magistrale in economia manageriale.
L’università mi aveva formato per la mansione che ho esercitato fino all’iscrizione al master: il consulente bancario. Era un lavoro affascinante, soprattutto per quanto riguardava il rapporto con la clientela, il lavoro di squadra per raggiungere i budget e l’analisi del trend degli asset sul mercato.
Al contempo, sono appassionato di informatica fin da ragazzino ed il mio interesse è aumentato durante il periodo di studio all’estero nel 2016-2017. È una passione che seguivo solo nel tempo libero, applicandola ad ambiti marginali (assemblaggio di computer, gaming competitivo, studio di HTML/CSS e di software per newsletters, fotoritocco, disegno tecnico ecc).
Il Covid ha cambiato la mia realtà: dapprima, iniziando a lavorare in remoto, ho avuto più tempo per dedicarmi al mio computer e alla mia passione. Poi, il mancato rinnovo del mio contratto mi ha convinto a professionalizzarmi proprio in un ambito intermedio fra informatica ed economia.
L’iscrizione al master in Data Science è il risultato di questa scelta. Sono serviti tanta forza di volontà e tantissimo impegno per imparare concetti nuovi, completamente ricompensati dalla bellezza e dall’attualità della materia.
Quali sono gli obiettivi computazionali del grid computing?
L’ingente quantità di dati memorizzati in loco o in cloud spesso non è opportunamente bilanciata dalla capacità di processarli efficientemente; per questo motivo si rende necessario affidarsi a providers di servizi di utility computing, i quali si possono basare su sistemi distribuiti per generare alta capacità di calcolo. Tra i vantaggi del grid computing, abbiamo sicuramente la scalabilità, la tolleranza di errore e le alte prestazioni. Oggi l’ambito in cui il grid computing è maggiormente utilizzato è quello scientifico, con progetti come BOINC o HTCondor, che permettono la simulazione di un supercalcolatore per affrontare obiettivi di calcolo ambiziosi, come l’analisi di segnali radio in cerca di segni di intelligenze extraterrestri.
Quali sono le aspettative dal mercao?
Le analisi di mercato, in ambito occupazionale, mostrano che la figura del Data scientist è sempre più ricercata (con un incremento dei posti di lavoro del 650% dal 2012, secondo LinkedIn). Le aziende, che vogliono occupare una posizione dominante, sanno che la figura del Data officer è indispensabile per poter ricavare un importante valore aggiunto dai dati.
Il mercato ha quindi bisogno di queste figure emergenti che, con molta concretezza, definirei poliedriche: conoscitrici di linguaggi di programmazione (Python ed R in primis), appassionate di statistica, dotate di buone basi economico-finanziarie, curiose e predisposte al teamworking. Queste competenze sono indispensabili per un Data officer visto che, per esercitare la sua mansione, egli dovrà affrontare grossi databases o datawarehouses, saper gestire gli small o i big data ivi contenuti tramite un linguaggio di programmazione, analizzarne le proprietà statistiche e verificare la coerenza del procedimento utilizzato e dei risultati ottenuti tramite le sue competenze economiche. Infine, egli dovrà essere in grado di mostrare gli output del suo lavoro al team, ai responsabili ed ai clienti: per ottimizzare questa fase, sarà indispensabile una buona conoscenza di strumenti di business intelligence (quali Power BI, Oracle Analytics Cloud, Qlik, Apache Spark ecc).