Una delle figure più richieste dal mercato è il data analyst (nel gergo comune, l’analista dati). Lo studio e l’analisi del dato rappresentano oggi i principali valori aggiunti all’interno della quasi totalità delle catene di produzione e più in generale delle aziende.
Viviamo in un mondo sempre più interconnesso: l’interdipendenza dalla rete e dai servizi offerti dalla stessa (siti web, e-commerce, social network, e app di vario genere) crea quotidianamente una mole incredibile di dati, il cui valore cresce esponenzialmente al crescere del numero e della tipologia di dati generati.
Tuttavia, il vero valore dei dati non dipende dalla loro creazione, ma dalla capacità, per i fornitori di prodotti e servizi (non solo digitali) di analizzarne l’andamento e di consentirne l’aggregazione.
Chi è il data analyst
Il data analyst è un professionista dotato delle competenze necessarie ad analizzare e aggregare i dati, al fine di studiare, ad esempio, l’andamento di un determinato prodotto e consentire, così, all’azienda per cui lavora, di progettare i propri modelli di business in modo prospettico, con creazione di un vantaggio competitivo sul mercato.
In assenza del data analyst, infatti, i dati raccolti dall’azienda, del tutto eterogenei e presi singolarmente, non potrebbero “parlare”, ossia diventare informazioni utili e comprensibili.
Proprio in virtù della vastità di dati che possono essere raccolti e dei possibili usi cui gli stessi possono essere destinati all’interno dei diversi settori di mercato, il data analyst possiede competenze trasversali, che possono essere non solo tecniche, ma anche statistiche, gestionali e di comunicazione.
I compiti del data analyst in azienda
A questo professionista si richiede di:
- raccogliere i dati da diverse fonti;
- organizzare e strutturare i dati secondo precise logiche di aggregazione;
- di creare dei metodi statistici di interpretazione dei dati (finalizzati all’individuazione di possibili criticità o punti di forza nel modello di business);
- comunicare, tramite dei report, quanto emerso alle differenti aree aziendali.
Sulla base delle valutazioni e delle analisi svolte dal data analyst, l’azienda sarà, dunque, in grado di prendere delle decisioni c.d. data driven, ovvero guidate dai dati.
Il Data analyst ricopre un ruolo fondamentale nelle aziende
Come anticipato, al data analyst si chiede principalmente di estrapolare i dati ritenuti fondamentali, organizzarli ed elaborarli secondo modelli statistici, facendo confluire quanto emerso all’interno di specifici report.
Sulla base delle indagini condotte dall’Osservatorio Big Data Analystics & Business Intelligence sulle offerte di lavoro presenti su LinkedIn, è emerso che, in concreto, il data analyst svolge compiti differenti (consistenti principalmente nell’utilizzo di software diversi) in base al tipo di settore e contesto aziendale in cui si trova a operare.
All’interno di un’azienda che opera nel settore della Business Intelligence, ad esempio, si richiede al data analyst di utilizzare principalmente Microsoft Excel e database relazionali, o di creare e aggiornare reportistica tramite l’utilizzo di uno o più software di data visualization.
Big data analyst, cosa fa questo professionista
All’interno di contesti maggiormente legati all’analisi dei dati, il data analyst è chiamato anche a implementare modelli statistici complessi o elaborare algoritmi di machine learning, al fine di analizzare enormi quantità di dati (da intendersi, queste, in termini di varietà di fonti, volumi e velocità di raccolta): in tal caso, residuale all’interno del mercato del lavoro attuale, si parla di big data analyst.
In generale, al data analyst si richiede il possesso di conoscenze statistiche e di gestione dei database, sia relazionali sia non relazionali. Più nello specifico, invece i suoi compiti sono:
- collaborare con i dirigenti dei diversi reparti aziendali (marketing, logistica, risorse umane, ricerca e sviluppo, vendite) e con i project manager e i data scientist al fine di identificare quali sono le criticità del business;
- comprendere se tali criticità possano essere risolte tramite l’analisi statistica dei dati;
- raccogliere e analizzare i dati, in base alle differenti fonti da cui provengono (web analytics, sensori ambientali, ecc.);
- strutturare i dati e aggregarli al fine di renderne possibile il confronto e lo studio;
- verificare la qualità dei dati, la loro eventuale duplicazione, individuare errori nella raccolta e i dati irrilevanti (c.d. pulizia dei dati;
- se presenti, segnalare ai reparti competenti eventuali errori nei sistemi di raccolta e conservazione dei dati;
- interpretare i dati secondo modelli statistici che permettano di individuarne il trend, o di riconoscere dei pattern frequenti nella loro struttura, che possano far comprendere l’origine delle criticità individuate nel modello di business;
- presentare e condividere i risultati delle analisi svolte sui dati con i responsabili aziendali, i dirigenti, i project manager, tramite l’ausilio di report, tabelle, schemi e grafici che rendano immediatamente evidenti i risultati statistici (attività di c.d. data visualization).
Le differenze tra data scientist e data analyst
Rispetto al data analyst, il data scientist è una figura professionale strategica di alto livello che si affianca al management nell’attività di pianificazione strategica: mentre il primo si sofferma sull’analisi e l’interpretazione grezza dei dati, il secondo compie un’operazione ulteriore, andando a costruire, sulla base dei dati così strutturati, dei veri e propri modelli strategici previsionali.
Anche le responsabilità e l’inquadramento delle due figure sono differenti all’interno dell’organigramma aziendale: il data scientist, nel concreto, assume, infatti, un ruolo dirigenziale nei confronti dei data analyst, che sono chiamati a compiere una serie di attività proprio sulla base delle assumption determinate dal primo.
Maggiori competenze per il data scientist
Sebbene a entrambe le figure sia richiesto di svolgere delle attività di analisi e interpretazione sui dati contenuti nei database aziendali, e di ricavarne informazioni di vario genere, il data analyst solitamente non provvede alla costruzione di interi modelli statistici o di algoritmi di machine learning o di programmazione avanzata.
Il data scientist, inoltre, deve essere in grado di interpretare i dati anche alla luce dell’intera storia aziendale, al fine di poter elaborare numerose analisi di scenario e una roadmap di business.
Anche le competenze tecniche richieste al data scientist sono maggiori: deve, infatti, essere in grado di utilizzare agevolmente la maggior parte dei sistemi di elaborazione dati, programmare in più linguaggi e conoscere i sistemi di machine learning ed elaborazione statistica.
Come diventare un data analyst
Per diventare data analyst, sebbene non sia strettamente richiesto è opportuno avere una formazione di natura scientifica: nel mercato del lavoro sono privilegiati i laureati in materie come Statistica, Matematica, Informatica, Ingegneria Informatica, data science; ma anche Economia, Finanza o Business Administration, essendo il ruolo del data analyst anche legato alla comprensione delle dinamiche di mercato in cui l’azienda opera.
Resta, in ogni modo, necessario, il possesso di competenze:
- Fondamentali: statistica, probabilità, informatica;
- Tecniche: programmazione e utilizzo di software di analytics e di BI, oltre che di tool di reporting e tecniche di data visualization; conoscenza dei linguaggi di programmazione (SQL, Python, R, VBA); conoscenza dei Database Management Systems;
- Specialistiche: data management, data modeling, data mining e data enrichment, cluster analysis, text mining, sotto il profilo tecnico; finanziarie, amministrativo-contabile o di web-marketing sotto il profilo più strettamente economico;
- Socio-Relazionali: capacità di comunicare in modo semplice, propensione al problem solving, pensiero analitico, cura del dettaglio.
La carriera del data analyst
Il data analyst è oggi una figura molto richiesta in moltissimi settori, dall’informatica, alle banche, all’e-commerce, al retail e GDO, ai media, alla sanità, fino ai trasporti e alla logistica, al manifatturiero e, perfino, alle Pubbliche Amministrazioni.
Secondo le analisi condotte dal Bureau of Labor Statistics degli Stati Uniti, il data analyst è oggi tra le principali specializzazioni in crescita: si stima che le aziende dotate di un data analyst sono aumentate del 57% nel decennio 2010-2020. La crescita digitale del mercato, infatti, rende tale figura necessaria al fine di mantenere una posizione di vantaggio sul mercato.
Tendenzialmente, si inizia come data analyst junior, per poi acquisire gradualmente esperienza e arrivare, nel giro di alcuni anni, a ricoprire ruoli di maggiore responsabilità o di stampo manageriale, come Chief data analyst o data scientist.
All’interno della macrocategoria dei data analyst, poi, molti decidono di specializzarsi in determinati settori: vi è, ad esempio, l’analista di mercato (per la pianificazione delle strategie di vendita e promozione commerciale), l’analista di digital marketing (per la pianificazione delle strategie di marketing sul web), l’attuario (per l’elaborazione di previsioni in ambito assicurativo, previdenziale e finanziario).
Quanto guadagna un analista dei dati
Lo stipendio medio di un data analyst varia in base all’esperienza accumulata, alla specializzazione acquisita, e all’area geografica nella quale opera.
In USA, infatti, lo stipendio medio di tale figura professionale può superare anche i 100mila dollari annui, mentre in Europa, attualmente un mercato in crescita, le retribuzioni sono mediamente più basse.
Sulla base delle statistiche elaborate da PayScale, il data analyst guadagna una media di 66mila dollari negli USA, mentre in Italia le posizioni junior si attestano su una media di 27-30mila euro (con un minimo di circa 24mila euro) e le posizioni senior su una media di 50mila euro.
In Svizzera, Germania e Paesi Bassi, un data analyst è pagato, in media, circa 50mila euro l’anno (35mila per le posizioni junior), con picchi, in Svizzera, di 100mila euro annui per i data analyst che rivestono posizioni di particolare responsabilità.
L’analista dei dati nel futuro
Negli ultimi anni si è assistito a una rapida crescita della figura del data analyst all’interno delle aziende nazionali. Con la corrispondente crescita e con il rapido mutamento delle tecnologie connesse ai dati, è possibile prevedere che anche a tale figura professionale si richiederà un mutamento delle mansioni e degli strumenti da utilizzare.
In particolare, sempre maggior spazio dovrà essere dato ai big data, che rappresentano la principale sfida e opportunità per i professionisti del settore.
Secondo l’Osservatorio Big data analystics & business intelligence, le opportunità offerte anche dai trend tecnologici (come l’intelligenza artificiale) e la diffusione capillare di una cultura di interpretazione e analisi dei dati porranno tale figura professionale in una posizione centrale all’interno della maggior parte dei business, con un’enorme crescita della domanda.