Business intelligenceData storage

Gartner descrive il citizen data scientist

Giornalista e collaboratore di TechWeekEurope, si occupa professionalmente di IT e nuove tecnologie da oltre vent'anni e ha collaborato con le principali testate italiane di settore

Follow on: Linkedin

Non data scientist ma nemmeno utenti business: i citizen data scientist sono una nuova via di mezzo

Quando si parla della diffusione delle piattaforme di analytics nelle imprese si cita spesso il problema della mancanza di competenze: il data scientist non è una professione che si improvvisa e servono skill ad ampio spettro che non sono semplici da trovare. Per questo le software house spingono soluzioni “semplificate” rivolte agli utenti non tecnici, che aiutano nella creazione e nell’utilizzo dei modelli predittivi. Ma Gartner ora avvisa: tra tecnici e non tecnici sta nascendo una figura intermedia: il citizen data scientist.

Per Gartner il citizen data scientist è chi “crea o genera modelli” che usano sistemi di analytics con funzioni prescrittive e predittive, ma la cui funzione principale in azienda “è fuori dal campo della statistica e degli analytics”. Non è un data scientist nel senso classico del termine, quindi, ma non è neanche un utente business che usa applicazioni self-service semplificate.

SAS Visual Investigator: la rappresentazione di una rete
SAS Visual Investigator: un’interfaccia visuale per i modelli di analisi

Il ruolo del citizen data scientist è infatti, secondo Gartner, fare da ponte tra queste due figure, grazie soprattutto alla crescita nella componente di automazione delle piattaforme analitiche. Si prevede che entro il 2020 oltre il 40 percento dei compiti dei data scientist potrà essere automatizzato e questo permetterà una maggiore diffusione delle soluzioni di analytics e una crescita dei citizen data scientist.

Si tratta di un elemento importante dal punto di vista competitivo, per le aziende. L’analisi dei dati è sempre più un elemento di differenziazione tra imprese, poter sfruttare le sue potenzialità anche senza avere personale ad alta specializzazione è certamente un vantaggio.

Il problema delle competenze infatti resta. La gran parte delle imprese non ha costantemente a disposizione abbastanza data scientist, ha però un buon numero di information analyst che possono trasformarsi in citizen data scientist, se hanno a disposizione gli strumenti adatti. I nuovi citizen data scientist possono poi, nelle grandi organizzazioni, “scaricare” i data scientist veri e propri da parte del lavoro e quindi aumentare complessivamente la produttività.

Una schermata di IBM Data Science Experience
Una schermata di IBM Data Science Experience, strumento per i data scientist

Gartner stima in questo senso che la quantità di informazioni estratte dai citizen data scientist nella applicazioni di analytics avanzate supererà entro il 2019 quella generata dai data scientist. Ne guadagna tutta la loro impresa, che avrà un ambiente più orientato agli analytics in un percorso di evoluzione più breve di quello che avrebbe seguito puntando solo sui data scientist. Che restano comunque indispensabili: ogni progetto più complesso della media ne richiederà sempre un paio, secondo Gartner.

In tutto questo servono tool software di analytics più semplici e con funzioni più automatizzate in alcuni task di base e ripetitivi come l’integrazione tra le sorgenti dati e la definizione di modelli statistici. In tal senso dovrebbero muoversi i software vendor, secondo Gartner, anche per aumentare la loro presenza all’interno delle imprese.

Partecipa alla nostra inchiesta: La tua azienda adotta soluzioni cloud?

… per rispondere alle altre tre domande, clicca qui…