Formazione

LA DATA SCIENCE COME PROFESSIONE

Nuova laurea magistrale dell’Università di Trento

3 luglio 2018
Versione stampabile
di Claudio Agostinelli e Ivano Bison
Professori rispettivamente presso il Dipartimento di Matematica e presso il Dipartimento di Sociologia e Ricerca Sociale dell’Università di Trento.

La laurea magistrale interdipartimentale in Data Science si rivolge a due tipi di laureati e laureate. Da un lato a chi ha concluso le triennali in Informatica e Statistica o in altre discipline quantitative quali Matematica, Fisica e Ingegneria, che intendano approfondire in maniera sostanziale le applicazioni della Data Science nel campo delle discipline sociali, umane, economiche, psicologiche e giuridiche. Dall'altro la laurea magistrale si rivolge a laureati e laureate in queste ultime discipline che intendano acquisire sostanziali competenze quantitative e informatiche.

Una domanda ricorrente in questo periodo è “Chi o che cosa sono i Data Scientists?” Va sottolineato innanzitutto come non vi sia un'unica​ figura di scienziato o di scienziata universale dei dati. Infatti le competenze matematiche, statistiche, informatiche e quantitative da un lato, e dall'altro quelle dei domini di applicazione (domain knowledge), sono vaste e variegate, da non poter essere riassunte in un'unica figura professionale. Le aziende medio-grandi che impiegano Data Scientists hanno team di esperti con competenze complementari, capaci di comunicare e lavorare efficacemente insieme.

Le figure di Data Scientist che miriamo a formare con questa laurea magistrale sono professionisti e professioniste con competenze in matematica e statistica, per la necessità di utilizzare sofisticati modelli matematici e statistici nell’analisi dei dati, in informatica, poiché sanno gestire e manipolare grandi moli di dati (i cosiddetti Big Data, che sono comunque qualitativamente diversi rispetto a quelli tradizionali), e che padroneggiano almeno un dominio di applicazione della Data Science. Hanno però una quarta e fondamentale caratteristica trasversale alle prime tre: sanno analizzare dati in modo creativo e innovativo. Il loro compito è dare valore economico e sociale ai dati; il loro agire li porta a pensare fuori dagli schemi, a cambiare la prospettiva con cui loro stessi e gli altri osservano il mondo e al contempo a essere rigorosi, in modo che le loro analisi possano fungere da supporto per i processi decisionali. A tal fine sanno mettere in relazione dati eterogeni provenienti da fonti differenziate per produrre informazione nuova e qualitativamente diversa. La loro formazione comprende anche un importante elemento di tecniche della comunicazione, in modo da portarli a essere dei natural story tellers, a saper lavorare in team, ad essere proattivi.

I campi di applicazione del Data Scientist sono già ora svariati e sono sottoposti a una rapida e continua evoluzione. In ambito sociale i Big Data permettono di avere una conoscenza dettagliata e in tempo reale di quello che accade in un territorio e in una comunità e sono utili a elaborare nuovi servizi e nuove politiche in grado di gestire fenomeni complessi o di valutare l’impatto di quelle in corso: dalla disoccupazione all’immigrazione, passando per i servizi alla persona e alla collettività. In ambito economico e manageriale, la disponibilità di informazioni permette la nascita di nuovi canali di comunicazione e interazioni con i consumatori e con gli stakeholder, permette di sviluppare nuovi modelli di business, che le aziende adottano in un mercato sempre più dinamico e complesso, e generano cambiamenti nelle politiche economiche e dei mercati. In ambito industriale, la cosiddetta Industry 4.0 (Smart Manufacturing) è caratterizzata da un continuo adattamento dei processi sulla base di un'analisi costante dei dati provenienti da tutte le fasi della produzione e della commercializzazione. Grazie al miglioramento delle prestazioni e alla riduzione dei costi dei sensori per l'acquisizione dei dati e dei sistemi di elaborazione, l’informazione estratta da grandi quantità di dati è diventata quindi un fattore essenziale per lo sviluppo dell’automazione industriale, della robotica avanzata, della manutenzione predittiva, ed è anche alla base del concetto di Smart City. La disponibilità di grandi quantità di dati è un fattore di aiuto per la riduzione dei costi energetici e dell’impatto ambientale, per l’aumento della produttività, per l’ottimizzazione delle risorse e, in ultima analisi, per poter competere nell’economia globale.

Lo scienziato e la scienziata dei dati che miriamo a formare con questa laurea magistrale vuole dunque rappresentare un elemento centrale nei team di Data Scientists impiegati dalle aziende, una figura di analista capace di fornire al management – pubblico, privato, di terzo settore – le informazioni utili per assumere decisioni e disegnare strategie.

La laurea magistrale in Data Science è stata presentata al Festival dell’Economia di quest’anno, in un incontro coordinato dal professor Ivano Bison. Sono intervenuti inoltre Giuseppina Civardi, Senior Consultant presso The European House-Ambrosetti, Vilma Scarpino, Amministratrice Delegata di Doxa e Marco Simoni della Luiss Business School. Il corso di laurea magistrale in Data Science è un Progetto strategico dell'Università di Trento e vede come proponenti i Dipartimenti di Matematica, Sociologia e Ricerca Sociale, Ingegneria e Scienza dell’informazione, Ingegneria Industriale, Economia e Management,  Psicologia e Scienze Cognitive, del Centro Mente e Cervello (CIMeC) e della Fondazione Bruno Kessler (FBK).
Referente: professor Andrea Caranti, Dipartimento di Matematica. Presidente di corso di laurea: Ivano Bison, Dipartimento di Sociologia e Ricerca Sociale.
Si è parlato di Data Science anche durante l'incontro "La Data Sciense come professione". Per i laureati e le laureate triennali che vogliono partecipare alle selezioni del prossimo anno per la laurea magistrale, ma che non possiedono tutti i crediti formativi necessari, è stata organizzata una Summer School dal 23 luglio al 4 agosto presso il Dipartimento di Sociologia e Ricerca Sociale.