HR

Data Scientist e Chief Data Officer: nuove competenze cercasi

Per trarre vantaggio dall’analisi dei dati servono figure specifiche e nuovi ruoli organizzativi. La ricerca dell’Osservatorio Big Data Analytics e Business Intelligence del Politecnico di Milano ne definisce le caratteristiche e rileva che rispetto allo scorso anno, sono molto più diffuse nelle imprese italiane

Pubblicato il 25 Gen 2016

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
hacker-151216161729

Le opportunità offerte dagli analytics, per essere colte appieno, richiedono nuove competenze e modelli di governance evoluti. Per questa ragione sono sempre più le organizzazioni che stanno introducendo nuovi ruoli di governance, come il Chief Data Officer, e nuove figure professionali come il Data Scientist.

Indice degli argomenti

Il profilo

Il Chief Data Officer è tipicamente un membro dell’executive management team e si occupa principalmente della gestione delle funzioni aziendali correlate alla valorizzazione dei dati come asset strategico aziendale, attraverso la guida di un team multi- funzionale. Il Chief Data Officer possiede un insieme di competenze tecniche, di business e soft skills.

Il Data Scientist, invece, è una figura professionale interdisciplinare che ha il compito di estrarre informazioni dai dati, di modellizzare problemi complessi e di identificare opportunità di business. Oltre alla conoscenza dei sistemi di analytics, nel Data Scientist sono presenti competenze informatiche, matematico-statistiche e di business.

Con riferimento al campione di organizzazioni medio-grandi, la ricerca dell’Osservatorio Big Data Analytics e Business Intelligence e del Politecnico di Milano rileva che rispetto allo scorso anno, vi è una crescita notevole della diffusione di queste figure, a conferma di una maggiore maturità e consapevolezza da parte delle aziende.

La diffusione

In particolare il Data Scientist è presente nel 30% del campione ed il Chief Data Officer nel 26%, sebbene nella maggior parte dei casi siano ancora figure non codificate formalmente (rispettivamente nel 26% e nel 17%). Se confrontata con la scorsa rilevazione, si tratta ad ogni modo di una dinamica molto forte che vede la diffusione dei data Scientist quasi triplicare e quella dei chief data officer quasi raddoppiare.

Complessivamente diminuiscono anche le aziende che non hanno intenzione di inserire queste figure (60% e 56% rispettivamente), dove le motivazioni principali sono da ricercare nel fatto che tali ruoli non vengono ritenuti organizzativamente utili o che non si conoscono le competenze ed i ruoli che devono andare a ricoprire.

Ad oggi, tuttavia, il responsabile delle attività di controllo e gestione dei sistemi di analytics si conferma essere il cio o un IT decision maker nel 52% delle organizzazioni del campione della Ricerca, mentre nel 22% dei casi è il Business intelligence manager; i casi in cui la responsabilità è in mano al chief data officer o un data Scientist sono marginali, pari al 4%. Interessante notare come diminuiscano i casi in cui non vi è un responsabile formalizzato (dal 24% del 2014 all’11%) e come in un 5% dei casi la responsabilità sia in carico ad una linea di business, mentre nel restante 6% è responsabilità di altre figure aziendali.

Il data scientist aiuterà le imprese a "capire" i dati

Il data scientist aiuterà le imprese a "capire" i dati

Guarda questo video su YouTube

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

People&Change

Tutti
Produttività e AI
AI IN AZIENDA
AI E LAVORO
SCENARI
FORMAZIONE
CULTURA AZIENDALE
COMPETENZE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership

Articoli correlati

0
Lascia un commento, la tua opinione conta.x