Il dato è tratto? L’importanza di un buon data scientist

di Massimo Marigo - 4 agosto 2016

Un paio di anni fa iniziai questa “avventura” con un articolo nel quale ponevo l’accento su quella moltitudine di dati che generiamo grazie al costante utilizzo di smartphone e tablet e sul come la nostra vita pubblica e privata – il confine oramai è sempre più sottile – siano online a prescindere dalla nostra volontà e/o azione.

Ma se dal punto di vista privato l’attenzione alla tutela della privacy deve tenere la guardia ben alzata, il rovescio della medaglia è divenuto il pane quotidiano per ogni azienda che voglia non solo mantenere ma sviluppare il proprio mercato.

I social media sono ormai un essenziale veicolo di comunicazione, una vetrina, un laboratorio e un osservatorio ampio e privilegiato se si sanno utilizzare le lenti giuste.

Rinnovo un concetto a me caro, i triumviri per una proficua gestione social di un brand sono:

  • marketing per creare i contenuti;
  • social media manager per valutare come, quando e a chi diffonderli;
  • data scientist per analizzare prima e dopo i dati e definire le strategie.

Mi concentro stavolta su quest'ultimo per chiudere il cerchio ma... una premessa doverosa: sono contrario alla smania di reportistica che affligge molte aziende, non in linea di principio, che comprendo e approvo, ma per il fatto che raccogliere troppi dati senza un filo unitario predefinito causa più dispersione e vicoli ciechi che effettivi vantaggi.

Ecco perché ritengo che ogni azienda che tenga al proprio futuro debba dotarsi di un data scientist.

Serve colui che fa il rabdomante tra i dati, colui il quale ha l’incarico di analizzarli e comprenderli.

Anticipo la richiesta: e perché non raccoglierli? Lo fa, anzi, è suo preciso compito dare indicazioni in merito al come e quanti raccoglierli solo che per farlo in modo proficuo occorre che sia chiaro l’assunto “per raccogliere buoni dati bisogna iniziare dal porsi le giuste domande”.

Quindi il buon data scientist deve:

  • essere adattabile, ovvero, visto che ognuno utilizza strumenti e tecniche diverse così come avviene per le aziende, capire quale metodo utilizzare a seconda dei casi e delle richieste.
  • creare uno standard perché “la pulizia dei dati” è ancora una delle fasi più complesse e delicate di questo lavoro . L’utilizzo di format unito alla individuazione di quali e quante rilevazioni effettuare costituisce il primo passo per ottenere la migliore collaborazione e il migliore risultato.
  • conoscere l’ambiente; i numeri sono molto ma non tutto. Ogni azienda, ogni settore ha parametri, logiche e interessi differenti. Comprenderle serve a tarare le ricerche e a soddisfare le aspettative.
  • Aggiungo una postilla data dall’esperienza: non presupponete che tutti vi comprendano subito quindi siate più chiari possibili e non esitate a utilizzare infografiche per veicolare i concetti

Ergo, perché serve un data scientist al tuo business?

  • Perché non tutti i dati sono utili.
  • Perché, per un “buon raccolto” è necessario valutare quali obiettivi e in quali ambiti fare le ricerche.

Le buone intuizioni possono giungere anche per caso, ma se le si aiutano è meglio e chi cerca con oculatezza trova quello di cui ha bisogno.

 

Massimo Marigo

@massimoemme

prev
next

0 Commenti :

Commento

Captcha