La scienza dei dati in azienda: tre consigli per introdurla con successo

La scienza dei dati sta trasformando il mondo del business. Grazie alle nuove tecnologie digitali e all’accesso a una quantità di informazioni senza precedenti, le organizzazioni stanno operando in modi che in passato erano inimmaginabili.

Senza eccezione, ogni grande industria è stata colpita in un modo o nell’altro da questa esplosione di informazioni, rese rapidamente disponibili dalla data science, la scienza dei dati. E praticamente ogni aspetto della società è stato rimodellato con un approccio data-driven, grazie all’intelligenza artificiale (AI) e al machine learning.

Eppure, per molti – compresi i leader aziendali – la scienza dei dati rimane ancora oggi qualcosa che appartiene a un film di fantascienza. È vero, per alcuni l’idea di confrontarsi con una così grande quantità di informazioni sembra opprimente – non sanno cosa farci. Ma la verità è che, se usata in modo efficace, la scienza dei dati può essere sfruttata per reimmaginare il lavoro delle aziende, ridefinire i confini stessi delle aziende e i modelli di riferimento di interi settori.

Sfruttare al meglio le nuove tecnologie e informazioni sarà fondamentale per il futuro successo delle organizzazazioni. Richiederà un nuovo modo di pensare, dato che i sistemi iniziano ad avere un impatto non solo sui lavori a basso reddito, ma anche su quelli più qualificati che richiedono una formazione significativa.

Utilizzare con successo la scienza dei dati in un contesto aziendale può essere sfidante. Ecco tre punti chiave per i business leader e i professionisti che vogliono cogliere le opportunità della data science nella loro organizzazione.

Scienza dei dati, la competenza tecnica è fondamentale

Il mondo del business sta cambiando. Poiché sempre più organizzazioni cercano di implementare l’automazione e ottenere insight dall’AI, la domanda di professionisti qualificati che lavorano in questo campo, i data scientist e non solo, non fa che crescere.

C’è ancora molta confusione nel mercato su quali siano le competenze necessarie a uno “scienziato dei dati”. Con la richiesta di professionisti in questo campo che ha subito un’impennata negli ultimi tempi, le aziende devono imparare a conoscere cosa dovrebbero cercare. E, soprattutto, gli aspiranti scienziati dei dati devono essere competenti, perché – e va da sé – per utilizzare efficacemente la scienza dei dati in qualsiasi ambito – business o altro – è necessaria la conoscenza tecnica.

All’Imperial College Business School, lo schema Data Spark fornisce agli studenti, che studiano varie materie come il programma MSc Business Analytics, competenze affrontando problemi del mondo reale. Lavorando in team con un mentore accademico, così come con uno sponsor cliente, gli studenti cercano di affrontare un problema particolare e forniscono i loro risultati direttamente all’organizzazione committente. E, avendo completato progetti in diversi contenti, come il settore no-profit, i servizi finanziari, l’assistenza sanitaria, l’energia, l’aerospaziale e i servizi professionali come la consulenza, la giurisprudenza e la contabilità, gli studenti, dopo la laurea sono in grado di sfruttare metodologie collaudate e portare esperienza concreta fin dall’inizio.

Sotto la supervisione di accademici e professionisti esperti, questa esposizione al mondo reale dà agli studenti le competenze e la comprensione per svolgere compiti chiave della data science – come il machine learning supervisionato e non supervisionato, così come il know-how per gestire i dati non “puliti” – che ci si aspetta da loro dal primo giorno.

Serve una conoscenza ampia del proprio settore

Ma all’Imperial, non è solo la scienza dei dati che ci interessa. Vogliamo che i nostri studenti capiscano che, per avere successo in qualsiasi ruolo, è necessario avere un interesse e una comprensione ampia del settore in cui si opera.

Che si tratti di vendita al dettaglio, servizi finanziari o anche sanità, è necessario comprendere le sfumature del proprio settore e della propria organizzazione. Serve nel team qualcuno che abbia questa conoscenza, mentre il data scientist deve essere almeno curioso di imparare.

Questo non vuol dire che occorre essere un esperto del settore in cui si opera. Ma i professionisti che hanno il maggiore impatto sono quelli che non stanno semplicemente aspettando che si presenti un problema, o che un manager al di fuori del team data scienti segnali un problema. Occorre imparare abbastanza sul business per portare idee al tavolo, identificando i problemi da risolvere che altri, che non hanno un background di scienza dei dati, non stanno pensando.

Attraverso lo schema Data Spark, gli studenti dell’Imperial sono esposti a una serie di industrie in cui la scienza dei dati è diventata uno strumento fondamentale per la risoluzione dei problemi. Gli studenti sono incoraggiati a pensare oltre i dati, prendendo in considerazione le sfide che potrebbero sorgere per particolari settori e organizzazioni, e poi testando nuove idee per risolvere potenziali problemi.

È qui che risiede il valore della scienza dei dati: lavorare per trovare nuovi problemi da risolvere, sfide da superare e intuizioni da scoprire nel tentativo di rendere la tua organizzazione più efficace, efficiente e resistente.

Saper gestire dati “sporchi”

L’aula o un ambiente di laboratorio possono permetterti il lusso di avere dati ben organizzati, ma nel mondo reale i set di dati hanno dei difetti. Usando le nuove tecniche di “apprendimento dei dati”, è possibile gestire in modo sicuro ed economico anche dati sporchi. Ma è ancora necessario dimostrare quello che noi di Imperial chiamiamo “imprenditorialità dei dati” – trovare modi per aggirare le sfide in modo creativo. Se non sa fare questo, un data scientist non va lontano come

Tuttavia, la dura realtà dei dati sporchi ci ricorda che non possiamo fidarci dei sistemi basati sull’IA se non conosciamo i dati e il modello che c’è dietro. È quindi cruciale che, come scienziato dei dati, quando si ha a che fare con l’IA e il machine learning si pongano queste importanti domande. I dati sono ottenuti in modo etico? I sistemi stanno replicando un comportamento umano che deve essere messo in discussione e cambiato? Il modello sta raggiungendo l’accuratezza o le prestazioni richieste? Il modello è convalidato per le condizioni che affrontiamo ora?

Facendo queste domande, non solo ci si distingue dai modellisti senza scrupoli, che esistono, ma ci si apre a fare un lavoro più consapevole. E questa è la chiave per applicare con successo la scienza dei dati in un contesto aziendale: lavorare consapevolmente. Non bastano tutte le competenze di data science del mondo, una profonda comprensione del mercato in cui stai operando, e un talento per trattare con dati sporchi. Se non approcci il tuo lavoro con coscienza non avrai successo.

Il dottor Kennedy è co-direttore del Data Science Institute all’Imperial College di Londra e professore associato di strategia e organizzazione all’Imperial College Business School.