“Il mio ruolo in Engineering è quello del Data Scientist“. Michele Gabusi, 32 anni, una laurea in fisica e un dottorato in tasca, ammette di fare fatica a descrivere puntualmente il proprio lavoro.
“Nel business è una professione abbastanza nuova.” – dice Michele – “Fondamentalmente si tratta di esplorare ed elaborare dati per risolvere problemi e presentare nuove soluzioni. È un lavoro di squadra, in cui ciascuno per le proprie competenze scava in mezzo ai dati utilizzando metodi differenti, ma con uno scopo comune: estrarre valore da essi e produrre un vantaggio per il cliente”.
Quali le competenze necessarie?
“Qualcuno pensa che si debba essere ingegneri per fare questo lavoro, ma ci siamo resi conto di quanto il team ideale sia composto da competenze diverse, che vanno da quelle degli informatici e degli ingegneri, dei fisici, dei matematici e degli statistici, dei laureati in neuroscienze, ma anche di linguisti computazionali laureati in neuroscienze. È fondamentale avere qualche competenza nell’ambito del Machine Learning, della modellistica o qualche base di statistica. Anche conoscere almeno un linguaggio di programmazione è importante, noi usiamo molto python ad esempio. Più in generale, però, credo sia imprescindibile la voglia di leggere, leggere, leggere qualunque cosa; la curiosità per i problemi, la voglia di non accontentarsi di spiegazioni superficiali, di aggiornarsi e la capacità di comunicare con gli altri per presentare risultati e confrontarsi su questi. Le prime due caratteristiche credo siano tipiche delle persone giovani, ancora fresche di studi, mentre la capacità di analisi e quelle più tecniche si trovano spesso nelle persone laureate in STEM“.
Quale percorso di studi consiglieresti a chi vuole intraprendere questo lavoro?
“Non credo ce ne sia uno in particolare, ma da fisico posso dire di essermi trovato molto a mio agio in questo ruolo, forse per la predisposizione a cercare soluzioni anche attraverso il metodo galileiano, e per la confidenza con alcuni metodi matematici e statistici. Una spiccata mentalità matematica e una sensibilità per i numeri e per gli ordini di grandezza sicuramente aiutano, ma sono qualcosa che si può acquisire anche attraverso diversi percorsi professionali”.
Com’è la giornata tipo di un Data Scientist?
“Il bello delle giornate in questo lavoro è che non sono mai monotone e si somigliano poco tra loro. Sicuramente di “fisso” c’è un incontro in prima mattina con i colleghi, che fa da momento di allineamento interno, a cui poi seguono scambi frequenti via chat o telefono. Si lavora poi sui progetti, analizzando dati, costruendo grafici, scrivendo codice, consegnando applicazioni, confrontandosi con i clienti. Ma proprio perché per l’analisi è necessario aggiornamento costante e freschezza mentale, per farlo sono necessarie anche interruzioni alla routine, fatte spesso di approfondimenti, lettura, studio e rianalisi dei problemi. Alla sera, prima di uscire, all’interno del gruppo di lavoro cerchiamo di riallinearci insieme su quanto fatto”.
Quanto conta la formazione continua?
“Come in ogni lavoro, anche in questo formarsi è indispensabile. Lo si fa in tanti modi: sicuramente da autodidatta leggendo, approfondendo aspetti teorici con articoli di letteratura scientifica, formandosi su aspetti più operativi tramite corsi o tutorial, confrontandosi continuamente con altri colleghi e lavorando in gruppo. Onestamente a volte anche momenti di formazione frontale si sono rivelati molto utili”.
Qual è la bellezza di questo lavoro?
“La cosa migliore sta nella varietà dei problemi e nella multidisciplinarità, fatta di analisi, a volte su numeri e tabelle, a volte su testi e immagini e, ovviamente, nello sviluppo di software, con tecnologie e metodi spesso nuovi o meno conosciuti. Capita di dover affrontare compiti ripetitivi naturalmente, ma spesso i contesti cambiano. Di certo è richiesta sempre una buona dose di creatività per svolgere al meglio i progetti”.
La cosa peggiore del lavoro del Data Scientist?
“Credo che l’aspetto peggiore stia in una specie di frustrazione che ogni Data Scientist prova nel non poter perfezionare ulteriormente il proprio lavoro e nel non considerare mai “terminata” una certa cosa perché in continua evoluzione. Che è poi anche uno degli incentivi che spinge a lavorare ancora e con maggiore entusiasmo, ovvero il bello di questa professione”.
Consigli per la lettura?
“Se fosse narrativa direi La montagna incantata di Thomas Mann. L’ho letto molti anni fa e non so se oggi mi piacerebbe allo stesso modo, ma allora lo trovai davvero grandioso. Poi, per deformazione professionale, Relatività, quante storie, di Antonio Sparzani, il libro che mi ha fatto innamorare della fisica, della scienza e anche dello studio dei dati”.
