default-logo

Data Scientist e sperimentazione

People search for certainty. But there is no certainty.
Richard Feynman

Quando ci si trova di fronte al termine Data Scientist, si è spesso portati a concentrarsi molto di più sulla prima parte di questo binomio, sulla parola Data.

Con questo mio post vorrei invece provare a fare il contrario, e a ricercare l’essenza che al termine Data Scientist viene apportata dalla parola Scientist.
Le organizzazioni di qualsiasi tipologia sono alla costante ricerca di risposte che diano sostanza ad una vision, ovvero che la rendano valida a fronte di dati fattuali e che consentano di realizzare significativi vantaggi competitivi. Ma sappiamo quanto sia altrettanto importante porre domande che siano “giuste”, ovvero che permettano di raggiungere uno scopo.

Nessuna contraddizione. L’attitudine alla sperimentazione è il tratto primario di chiunque abbracci il metodo scientifico, e conserva un valore per l’innovazione difficilmente sostituibile.

La bravura di un Data Scientist risiede anche nella capacità di far convergere le proprie ricerche verso uno scopo preciso, mentre la bravura di un C-Level sponsor è in questo caso quella di comprendere come una attività speculativa di questo tipo sia parte integrante della professione del Data Scientist.
Averne consapevolezza da parte delle aziende è fondamentale, perché è proprio grazie a questa capacità che il patrimonio di dati aziendale può essere effettivamente valorizzato e finalizzato.

Diventa fondamentale la capacità del Data Scientist di costruire modelli che siano inclusivi dell’intero set di dati afferente all’azienda, consentendo una accurata valutazione del rischio connaturato in alcuni dei dataset che ne fanno parte e rendendo il rischio accettabile. Questo abilita una sostanziale ampiezza di visione nel momento in cui si prende una decisione ed è, di fatto, vantaggio competitivo.

La Data Science è un robusto metodo per ridurre i rischi

Rischi connessi soprattutto al non aver sufficientemente compreso quale siano le caratteristiche del mercato, quelle della concorrenza e quelle aziendali. Reiterando un approccio, recependo i feedback, apprendendo. Queste consapevolezza e conoscenza sono oggi sempre più importanti ad ogni livello per poter prendere decisioni consistenti e coerenti con il momento e la necessità.

Il Data Scientist è uno scienziato che conosce e sa applicare i metodi propri della ricerca anche ai processi aziendali, atomizzandoli, analizzandoli e ricombinandoli, aiutando così l’azienda a liberare risorse finanziare, consentendo di finalizzarle ad un aumento della competitività complessiva. Questo comporta una decisa attitudine all’azione, che non sempre potrebbe rappresentare l’approccio migliore se non ne seguisse una vera e propria sperimentazione capace di coinvolgere gli utilizzatori finali.

LEGGI ANCHE: Data Scientist. L’anno del contatto tra Scienza e Dati

Ci viene in aiuto, in questo caso, la metodologia Lean Startup [Eric Ries, The Lean Startup, Crown Business 2011].
Concetti come Minimum Viable Product e Customer Validated Learning sono applicabili anche alle attività che un team di Data Scientist può svolgere in azienda, applicandoli alla ricerca e all’identificazione di nuovi modelli di analisi e all’iterazione che questo tipo di attività comporta.

Reiterare un approccio, recependo i feedback degli utenti. Apprendere con continuità e con rapidità. Ci stiamo avvicinando all’essenza della Data Science: supportare un’azienda nel fare scelte il più “giuste” possibili.
Consapevolezza e conoscenza sono elementi fondamentali per rendere le scelte dei decisori consistenti e coerenti con il momento e la necessità.

Le responsabilità del management non si esauriscono qui: la necessaria applicabilità dei risultati del lavoro di un Data Scientist dipende non solo, naturalmente, dal valore intrinseco che risultati hanno e dalla loro adeguata fruibilità, ma anche dall’attitudine che l’azienda, cioè il suo management, dimostra nei confronti di questi risultati. Ovvero nell’uso che realmente ne viene fatto e nei modi in cui questo uso viene incentivato.

L’ingaggio della C-Suite è il miglior modo per rendere l’attività dei Data Scientist proficua e finalizzata. Come ho già detto in altre occasioni, mi raccomando, fate la cosa giusta.

 

Alessandro Giaume
L'Autore
Alessandro Giaume. Autore di #DataScientist. Tra competitività e innovazione. Ha un’esperienza trentennale nel campo dell’innovazione aziendale e della tecnologia; oggi è Innovation Director in Ars et Inventio, divisione di Innovation Management del Gruppo Business Integration Partners. Twitter: @alegiaume