Autore: Fabrizio Sannicolo’ | 19 July 2021
Siamo ormai nell’era dell’Intelligenza Artificiale, del data mining, machine & deep learning: tutte tecnologie che sempre più saranno pervasive nella nostra vita e comportamenti quotidiani. Non c’è stupirsi se AI, data science e i vari concetti appena menzionati sono entrati di diritto nell’agenda politica della EU come fattore cruciale per la crescita dell’Europa.
In questo ambito la Data Science è un sottoinsieme dell'AI e si riferisce in particolare alle sovrapposizione tra le aree di statistica, metodi scientifici e analisi dei dati, che vengono tutte utilizzate per estrarre significato e insight dai dati.
I progetti di data science hanno avuto un aumento esponenziale nell'ultimo quinquennio: ambienti come Anaconda, Jupyter, R hanno evidenziato una modalità di lavoro e di gestione del progetto certamente diversa dai tradizionali canoni dello sviluppo software, agile o tradizionale che sia. Si va dallo sviluppo prototipale agli onnipresenti "Proof of Concept", ma una vera metodologia per gestire la sempre maggiore richiesta di soluzioni di data science non è ancora emersa, o non è certamente comune tra chi sviluppa soluzioni informatiche.
D'altronde, un progetto di sviluppo basato, ad esempio, su un qualche modello di machine learning è comunque e sempre un progetto, con caratteristiche di scope, time, cost, quality ecc. assolutamente comuni.
E’ su questi temi che il 5 maggio 2021 si è svolto un interessantissimo webinar dal titolo “Data Science e Project Management: matrimonio possibile?” organizzato dal branch Trentino Alto Adige/SudTirol con relatore il prof. A. Molinari.
Partiamo dall’inizio, ovvero dalla definizione di che cosa sia un “Progetto di Data Science (DS)”: un progetto che, attraverso l’uso di tecniche di AI, crea un prodotto o servizio che prevede l’aumento del valore dei dati.
Ma qual è il risultato di un progetto di DS? E’ un data product, ovvero un’informazione digitale che può essere acquistata, valorizzata e riutilizzata per aumentare il proprio business, incrociare e conoscere informazioni dei clienti, anticipare i loro comportamenti e fornire consigli e suggerimenti anticipandone le azioni.
E quanto vale questo mercato? McKinsey Global Institute Data stima essere una industria di circa $300 billions per anno.
Grazie alla DS Amazon vi suggerisce cosa acquistare, Netflix che film guardare, ecc…
Gli strumenti antispam di Gmail sono dei data product, cioè grazie agli algoritmi processa un input (la mail) per determinare automaticamente se il messaggio è spam oppure no.
Ma, alla fine, che cos’è il data product?
Il prof. A. Molinari lo definisce come “una soluzione software, completa, perfettamente funzionante, installabile, e manutenibile che facilita l’obiettivo finale del cliente attraverso l’uso preminente e intensivo dei dati”.
Definizione stupenda! Contiene la parte del Software Engineering, di business centrata sugli obiettivi finali del cliente e la centralità dei dati (DS)....alla quale noi aggiungiamo il Project Management, perché come detto all’inizio sempre di progetti stiamo parlando.
Il connubio di questi quattro elemento porta ad una nuova e da esplorare disciplina: Data Science Project Management.
Un progetto di DS è per sua natura “try & error”, rischioso, iterativo, matematico, tecnologico e guidato dai dati (Data-Driven).
E Gartner ci dice che il 60% dei progetti di DS falliscono….le ragioni le potete immaginare.
Se con questo articoli vi siete incuriositi, vi invitiamo ad ascoltare, o a riascolare, il bellissimo webinar del prof. A. Molinari.