Perché Studiare "Data Science"

Tutti gli studi di settore prevedono nei prossimi anni una crescita sostenuta dell'offerta di lavoro nel campo dei "Big Data" e della "Data Science".
Questa crescita è facilmente comprensibile se si tiene conto del fatto che nel 2013 il 98% delle informazioni è di tipo digitale e ci si aspetta che il volume di dati immagazzinati nella rete crescerà del 40% all'anno fino al 2020. ll possesso delle competenze necessarie per scegliere ed accedere a questi dati, integrarli, analizzarli ed estrarne conoscenza utile al fine di erogare servizi basati su dati digitali e migliorare la qualità della vita delle comunità e di singole persone, è diventato quindi uno dei principali volani della crescita sociale ed economica.
 
La crescente diffusione dei big data ha prodotto la creazione di nuove tipologie di lavoro, al punto che un'analisi presentata da Data Science Central, ricostruisce 105 figure professionali legate alla produzione, analisi e interpretazione dei dati: la prima per frequenza è "Data Scientist", seguito da "Business Analyst" "Analyst", "Data Analyst', "Statistician", "Business lntelligence manager" e "Analytics specialist''. Nel 2011, il McKinsey Global Institute (MGl) in un rapporto intitolato "Big data: The next frontier for innovotion, competition, and productivity" si dichiarò preoccupato per la carenza di figure professionali adeguate a svolgere l'analisi dei dati necessaria per migliorare il processo decisionale. A livello europeo, nel 2013, la UNECE, in collaborazione con Eurostat e l'OECD, ha sottolineato sia il forte ritardo europeo nelle tecnologie legate alla Data Science, che la centralità della figura del Data Scientist per la raccolta e l'analisi statistica dei dati.
 
Questa posizione è stata ribadita nel memorandum di scheveningen on "Big Data and of Official Statistics", adottata dallo ESSC (la Europeon Statistical System Committee di EUROSTAT). Nel rapporto dell'OCSE, su "Data-Driven lnnovotion: Big Data for Growth and Well-Being", pubblicato nel 2015, si sostiene la necessità di formare un numero maggiore e migliore di data scientists, di ridurre le barriere al flusso dei dati e di incoraggiare gli investimenti necessari rendere la data analytics parte integrante del processo decisionale. ll quadro tracciato dalle grandi organizzazioni internazionali ha precisi riscontri anche nel nostro paese.
Uno studio della situazione italiana condotto dal CRISP rileva che complessivamente gli annunci di lavoro sul web, per le professioni nell'area Big Data sono stati oltre 2 mila nel periodo che va da febbraio 2014 a marzo 2016. ll trend complessivo per l'area Big Data è in aumento; in particolar modo nel I trimestre 2015 si osserva un aumento del 97% rispetto allo stesso periodo dell'anno 2014. Rispetto all'anno 2015 l'aumento è del 73%".
 
E' importante notare a questo proposito che l'interesse per la figura (o figure) dello scienziato dei dati ha origine non solo nei settori economici più vicini al modello della cosiddetta "industria 4.0", ma anche in settori più tradizionali come, ad esempio, quello delle compagnie assicurative. Infine, diverse previsioni relative ai prossimi trenta anni assegnano ai servizi "data intensive", ad esempio le applicazioni accessibili sul telefono cellulare, oltre il 70% del mercato del lavoro. Sulla base dei già menzionati studi, si prevede fino almeno al 2025 una crescita dell'offerta di lavoro nei Big Data del 23% all'anno, contro il 19% di tutto il settore dell'Information Technology (IT) e il 6% globale.
 
 

PRESENTATION OF DATA SCIENCE (LAUREA MAGISTRALE) IN DATA SCIENCE

 
 

La presentazione degli studenti del primo anno della laurea magistrale in Data Science

che hanno ottenuto il migliore risultato al Data Challenge organizzato dalla Società FATER.


Cosa è un "Data Scientist" ?

Un "Data scientist" è un professionista altamente specializzato in possesso di conoscenze approfondite relative a: infrastrutture hardware per la gestione dei big data; metodologie software per il loro trattamento; statistica avanzata; data mining; machine learning.
 
A queste vanno aggiunte le conoscenze di dominio e cioè la capacità di interagire in modo efficace con esperti di un ben preciso settore in quanto in possesso delle conoscenze di base necessarie e una padronanza del linguaggio specialistico del settore.

La Laurea Magistrale in Data Science

ll Corso di Laurea Magistrale in Data Science dell'Università degli Studi di Napoli Federico ll risponde ad una precisa richiesta da parte del mondo del lavoro nazionale, €uropeo e mondiale. La Laurea Magistrale sarà svolta in stretta collaborazione con industrie, aziende ed enti di ricerca che saranno coinvolti nel processo formativo attraverso corsi, stage e tirocini, tesi di laurea.
La Laurea sarà in lingua Inglese.
 
Le competenze acquisite dagli studenti saranno:
  • capacità di analizzare gli elementi che concorrono alla formazione dei dati oggetto distudio e di valutare la qualità degli stessi individuando possibili fonti di rumore, distorsione ed incertezza;
  • capacità di utilizzare le piattaforme informatiche per la memorizzazione, gestione e trasformazione dei dati, essendo consci dei limiti prestazionali e/o dei vantaggi offerti dalle varie piattaforme;
  • capacità di individuare obiettivi strategici che possono essere meglio perseguiti grazie all'analisi dei dati;
  • capacità di analizzare i dati con i metodi provenienti dalla Statistica, dal Data Mining e dalla Ricerca Operativa;
  • capacità di comunicare con chiarezza irisultati è le linee strategiche piil opportune risultanti dall'analisi dei dati, anche attraverso adeguate visualizzazioni dei risultati.
La Laurea verrà avviata nel 2019 e prevede almeno per i primi anni tre curnculum:
  1. Data science per le pubbliche amministrazioni, l'economia e le aziende
  2. Data sclence per le scienze di base e l'ingegneria
  3. Real World evidence per farmacologia ed oncologia
  • ll primo anno prevede i seguenti corsi: Hardware and software architecture per i big data; Data management and computer networks; data mining, Statistical analysis of the data; Laboratorio di programmazlone; Teoria e etica dei big data.
  • ll secondo anno, invece, è dedicato all'acquisizione delle conoscenze di dominio relatlve ad uno dei sopra elencati curricula. Tutto il corso prevede un'intensa attività di laboratorio, la partecipazione a seminari specialistici ed una continua interazione con il mondo della produzione e dell'imprenditoria.
  • L'accesso alla laurea Magistrale prevede I'acquisizione di un numero ridotto di Crediti in Matematica, statistica e scienze dell'informazione.

Sbocchi Occupazionali

  1. Aziende/ centri di ricerca che operano nel settore dell'elaborazione dell'informazione
  2. Società che richiedono la gestione di grandi moli di dati
  3. Enti pubblici che richiedono la gestione di grandi moli di dati (per esempio: agenzia entrate, istat, poste, protezione civile e agenzie ambientali)
  4. Laboratori di ricerca e sviluppo pubblici (Es. INAF, INFN, ENEA, INGV, CNR, Stazione Zoologica, Aziende Ospedaliere) e privati
  5. Assicurazioni e istituzioni finanziarie
  6. Industrie in ambito ingegneristico, biomedico e farmaceutico
  7. Società di consulenza

 


Contatti