Responsabile Data scientist
Descrizione
Il Responsabile Data scientist si occupa di modellizzare problemi complessi, a supporto della presa di decisioni, progettando modalità di analisi matematica e statistica, relativi a dati a differente strutturazione, fra cui i big data. Individua, sviluppa ed applica metodi e tecniche di raccolta, organizzazione e standardizzazione di dati, sui quali applica protocolli di data mining, rivolti alla produzione di analytics descrittivi, diagnostici, predittivi e prescrittivi. Implementa algoritmi e software di analisi e machine learning applicato. Comunica i risultati delle analisi, individuando ed applicando tecniche di data visualization. Definisce ed implementa le caratteristiche organizzative dei processi stabili di data analytic
ADA associate alla qualificazione
ADA.14.01.20Data Science and Analytics
Competenze
Raccolta dati ed applicazione di metodi e tecniche di data mining
Mostra abilità e conoscenzeMostra attività
Mostra abilità e conoscenzeMostra attività
Conoscenze
- Caratteristiche della business intelligence
- Principi della business intelligence applicati all'economia aziendale
- Basi di dati relazionali (RDBMS) e No-SQL
- Linguaggio SQL e strumenti di interazione con basi dati No-SQL
- Metodi e tecniche di Data Gathering, Transformation e Configuration
- Strumenti di memorizzazione e recupero dati
- Metodi e tecniche di data mining
- Metodi di analisi di informazioni non strutturate
- Normativa vigente in materia di privacy
- Diritto in materia di proprietà intellettuale dei dati
- Lingua inglese di settore
Abilità
- Definire, sulla base delle esigenze aziendali e dei sistemi informativi, i fabbisogni di data mining
- Identificare e caratterizzare le sorgenti informative
- Svolgere operazioni di Data Gathering, Data Transformation e Data Configuration, sulla base di caratteristiche ed eterogeneità delle fonti grezze, utilizzando il linguaggio SQL e altri strumenti di interazione con basi di dati
- Selezionare i dati in ragione degli obiettivi di analisi
- Preparare i dati selezionati, eliminando possibili errori e stabilendo dei meccanismi di comportamento in caso di dati mancanti, anche attraverso approcci campionari
- Applicare tecniche data mining, anche adattando gli algoritmi sulla base delle esigenze di analisi
- Tracciare le operazioni compiute e valutarne gli esiti, anche in vista del consolidamento del processo
- Garantire proprietà intellettuale e rispetto della privacy
| ADA |
|---|
ADA.14.01.20 - Data Science and AnalyticsRA1: Eseguire operazioni di raccolta dati e data mining, provvedendo alla preparazione per i successivi trattamenti Ricerca e raccolta dati Data mining Preparazione dati per il trattamento RA2: Realizzazione di analisi avanzate di data set (anche di notevoli dimensioni e di big data), anche a partire dalla creazione di modelli, algoritmi e strumenti di raccolta e analisi dati, provvedendo, successivamente, a realizzare rapporti per supportare i processi decisionali Implementazione di procedure data curation and data quality control Implementazione di procedure di data integrity and interoperability Utilizzo di big data analytics platforms Creazione di modelli, algoritmi, strumenti per la raccolta e l’analisi dei dati Cura di rapporti di sintesi e di comunicazione dell’esito dell’analisi dati a supporto delle decisioni RA3: Pianificare e coordinare i processi di data analytics, assicurando il corretto feeding dei livelli strategici e decisionali Pianificazione e coordinamento della funzione di data analytics Cura del trasferimento degli esiti delle analisi ai livelli aziendali in cui avviene l’elaborazione delle strategie di business |
Realizzazione di analisi complesse e su big data
Mostra abilità e conoscenzeMostra attività
Mostra abilità e conoscenzeMostra attività
Conoscenze
- Linguaggio SQL e strumenti di interazione con basi dati No-SQL
- Linguaggi di programmazione (R, Python, …) orientati ai data analytics
- Problematiche e specificità dei big data: dimensione e destrutturazione dei data set
- Metodi e tecniche di data curation, data quality control, data integrity and interoperability
- Metodi e tecniche di data mining
- Modelli analitici matematici e statistici, descrittivi e inferenziali: Forecasting modeling, Natural Language Processing, Clustering modeling, Classification modeling
- Elementi di machine learning e deep learning
- Tipologie di analisi: Descriptive Analytics; Diagnosic Analytics; Predictive Analytics; Prescriptive Analytics
- Metodi, tecniche e strumenti di Data visualization
- Normativa vigente in materia di privacy
- Lingua inglese di settore
Abilità
- Standardizzare ed ottimizzare i processi di gestione ed aggiornamento dei dati, implementando procedure di data curation, data quality control, data integrity and interoperability
- Creare modelli, algoritmi, strumenti per la raccolta e l'analisi di big data, sulla base delle esigenze aziendali, utilizzando linguaggi di programmazione
- Sviluppare, sulla base delle esigenze, algoritmi di machine learning
- Utilizzare big data analytics platforms
- Rappresentare gli esiti dell'analisi utilizzando tecniche e strumenti di data visualization
| ADA |
|---|
ADA.14.01.20 - Data Science and AnalyticsRA1: Eseguire operazioni di raccolta dati e data mining, provvedendo alla preparazione per i successivi trattamenti Ricerca e raccolta dati Data mining Preparazione dati per il trattamento RA2: Realizzazione di analisi avanzate di data set (anche di notevoli dimensioni e di big data), anche a partire dalla creazione di modelli, algoritmi e strumenti di raccolta e analisi dati, provvedendo, successivamente, a realizzare rapporti per supportare i processi decisionali Implementazione di procedure data curation and data quality control Implementazione di procedure di data integrity and interoperability Utilizzo di big data analytics platforms Creazione di modelli, algoritmi, strumenti per la raccolta e l’analisi dei dati Cura di rapporti di sintesi e di comunicazione dell’esito dell’analisi dati a supporto delle decisioni RA3: Pianificare e coordinare i processi di data analytics, assicurando il corretto feeding dei livelli strategici e decisionali Pianificazione e coordinamento della funzione di data analytics Cura del trasferimento degli esiti delle analisi ai livelli aziendali in cui avviene l’elaborazione delle strategie di business |
Sviluppo dei processi di data analytic
Mostra abilità e conoscenzeMostra attività
Mostra abilità e conoscenzeMostra attività
Conoscenze
- Principi della business intelligence applicati all'economia aziendale
- Modelli di organizzazione dei processi di data analytics (data-driven; centralizzato, matriciale, ...)
- Metodi di trasferimento degli esiti delle analisi ai livelli aziendali in cui avviene l'elaborazione delle strategie di business
- Lingua inglese di settore
Abilità
- Pianificare i processi di data analytics di una organizzazione, sulla base delle proprie esigenze strategiche
- Definire ed implementare il modello organizzativo dei processi di data analytics
- Trasferire gli esiti delle analisi ai livelli aziendali in cui avviene l'elaborazione delle strategie di business
- Monitorare i processi di data analytics ed il loro impatto su business
| ADA |
|---|
ADA.14.01.20 - Data Science and AnalyticsRA1: Eseguire operazioni di raccolta dati e data mining, provvedendo alla preparazione per i successivi trattamenti Ricerca e raccolta dati Data mining Preparazione dati per il trattamento RA2: Realizzazione di analisi avanzate di data set (anche di notevoli dimensioni e di big data), anche a partire dalla creazione di modelli, algoritmi e strumenti di raccolta e analisi dati, provvedendo, successivamente, a realizzare rapporti per supportare i processi decisionali Implementazione di procedure data curation and data quality control Implementazione di procedure di data integrity and interoperability Utilizzo di big data analytics platforms Creazione di modelli, algoritmi, strumenti per la raccolta e l’analisi dei dati Cura di rapporti di sintesi e di comunicazione dell’esito dell’analisi dati a supporto delle decisioni RA3: Pianificare e coordinare i processi di data analytics, assicurando il corretto feeding dei livelli strategici e decisionali Pianificazione e coordinamento della funzione di data analytics Cura del trasferimento degli esiti delle analisi ai livelli aziendali in cui avviene l’elaborazione delle strategie di business |
