BLOG > M4U Magazine

Advanced Analytics: il futuro della consulenza

di Mentors4u- Carlotta Siniscalco, Federica Salvati | Team Mentors4u

Intervista ad Alessio Botta, Partner di McKinsey & Company dal 2008 dopo una carriera da docente universitario e software developer, è oggi responsabile dello sviluppo di una nuova practice in Advanced Analytics.

 
Tra le carriere del futuro ci sono sicuramente quelle data driven, ovvero professioni che hanno alla base l’analisi, l’interpretazione e l’utilizzo dei big data. Per conoscere meglio questo profilo di carriera, abbiamo intervistato Alessio Botta – Partner di McKinsey – che ci ha parlato della practice McKinsey Analytics, in Italia nata da solo un anno ma con un riscontro più che positivo, a dimostrazione che nei prossimi anni ci sarà una grande espansione in questo ambito. Il team ad oggi è composto da 10 data scientist, ma la volontà è quella di crescere attraverso la selezione di candidati ideali che Alessio Botta ha cercato di descriverci.

• Come nasce McKinsey Analytics e quali sono gli obiettivi che persegue?
Al cuore della consulenza ci sono sempre stati gli analytics: con la nostra nuova practice globale, abbiamo deciso di far evolvere questo aspetto del mestiere del consulente, sfruttando l’esplosione della disponibilità di dati e di algoritmi innovativi per elaborarli. L’obiettivo è di mettere a disposizione dei clienti la nostra capacità di elaborare grandi quantità di dati attraverso algoritmi avanzati, sia di tipo statistico sia più innovativi, per aiutarli a migliorare le proprie performance in maniera strutturale.
 
• Alessio, quale è stato il percorso che ti ha portato oggi in questa practice?
Per me McKinsey Analytics è il naturale approdo di un percorso iniziato all’università. Infatti, dopo aver conseguito la Laurea di I Livello in Ingegneria Informatica e quella di II Livello in Ingegneria Informatica per la Gestione d’Azienda – entrambe presso l’Università di Pisa – ho svolto un PhD in Computer Science and Engineering presso l’IMT Institute for Advanced Studies Lucca. La mia tesi di dottorato, svolta nell’ambito della computational intelligence, era focalizzata sull’ottimizzazione di sistemi fuzzy attraverso algoritmi di ottimizzazione euristici. Ho avuto quindi prima una formazione tecnico-ingegneristica, poi in un secondo momento ho sviluppato la componente teorica e algoritmica. Quando sono entrato in McKinsey nel 2008, mi sono dedicato per i primi anni a progetti negli ambiti Strategy e Business Technology, mettendo momentaneamente da parte i miei studi di dottorato che ho poi “rispolverato” in occasione dell’avvio di McKinsey Analytics.
 
• Quali sono i profili ricercati per il team di data analytics? Perché è importante per un giovane di oggi sviluppare profonde capacità analitiche?
Il candidato ideale per la nostra practice rappresenta un’evoluzione del profilo che cerchiamo tradizionalmente per l’attività di consulenza. In particolare, i nostri data scientist devono possedere tre caratteristiche:
1. Una profonda conoscenza dei principali linguaggi di programmazione utilizzati nella comunità della data science (quali, ad esempio, R e Python), nonché la capacità di sviluppare software per trattare grandi quantità di dati;
2. Un forte profilo quantitativo, con una vasta conoscenza sia di metodologie statistiche più tradizionali sia di algoritmi avanzati di machine learning;
3. Un business acumen sviluppato e la capacità relazionale necessaria per interagire in maniera indipendente in un ambito con standard di professionalità molto elevati.
In aggiunta, un plus è rappresentato dall’esperienza nella gestione di grandi database e dalla conoscenza dei relativi linguaggi (quali SQL). Tali competenze sono infatti critiche per noi nelle fasi di data ingestion e data validation and cleaning. Assumere il profilo giusto per noi richiede attualmente uno sforzo importante, perché l’offerta sul mercato del lavoro è ancora limitata. Spesso nel processo di selezione ci rendiamo conto che alcuni candidati hanno pro li molto tecnici, ma carenti in termini di business acumen o capacità relazionali. In realtà i tre ambiti hanno per noi eguale importanza e pertanto il candidato ideale deve avere un profilo completo. Per il futuro ci aspettiamo che la ricerca diventi progressivamente più semplice, anche grazie allo sforzo che stanno compiendo alcune università per offrire corsi di laurea volti a conferire ai ragazzi le competenze richieste. Per un giovane che si approccia oggi a scegliere la facoltà universitaria, penso che la scelta migliore sia quella di puntare su un percorso che consenta di acquisire competenze da data scientist: i big data acquistano un’importanza sempre maggiore nel mercato e queste figure professionali diventeranno sempre più richieste in futuro. Il data scientist ha infatti davanti a sé una scelta molto ampia di possibili carriere da intraprendere, sia in ambito consulenziale sia nelle aziende, anche se è presto per poterne definire gli sviluppi nel medio-lungo termine.
 
• Il team di Data Analytics ha l’obiettivo di costruire analytics driven organizations che facciano dell’analisi dei big data il loro vantaggio competitivo. Come lavora il team per ottenere questi risultati?
Gli elementi fondamentali su cui si sviluppa il lavoro del nostro team sono due. Il primo è rappresentato dall’approccio per use case, nel quale si identificano problemi da risolvere con approcci di advanced analytics in un ambito molto circoscritto. Esemplificando, un problema da risolvere potrebbe essere una migliore segmentazione della clientela, oppure definire la priorità delle pratiche da lavorare per avere maggiore probabilità di successo. Una volta circoscritto il problema, si procede a ritroso: si estraggono i dati, si “puliscono”, si integrano con fonti esterne per poi giungere allo sviluppo del modello analitico, spesso basato su algoritmi che letteralmente “imparano” dai dati. Il secondo elemento è quello del lavoro di squadra. Il data scientist infatti non lavora mai da solo, ma è sempre affiancato da almeno un business translator, ovvero un consulente tradizionale che ha sviluppato capacità in ambito big data e advanced analytics. L’integrazione delle due figure ha come obiettivo quello di rendere la presentazione della soluzione più fruibile per il cliente e in linea con la strategia di business.
 
• Chi sono i professionisti che lavorano nel team Data Analytics? Come si svolge il training?
Semplificando in maniera netta, il nostro team comprende tre tipologie di profili: ingegneri informatici e gestionali, spesso con forti competenze di programmazione ed esperienza progettuale, statistici e matematici con una propensione per la modellistica e capacità di scrivere software e, infine, profili misti che, partendo da background anche diversi, abbiano progressivamente sviluppato le tre caratteristiche chiave che ricerchiamo. Come per tutte le practice di McKinsey, non mancano le occasioni di training per imparare alcuni aspetti che non si è potuto approfondire nel corso degli studi universitari. Il training si svolge sia attraverso corsi di formazione e opportunità di scambio (esistono programmi di shadowing in cui si affiancano dei colleghi per agevolare l’apprendimento), sia attraverso il learning by doing sfruttando il fatto che i data scientist lavorano quasi sempre in team: in questo modo si instaura un confronto istruttivo.
 
In che modo l’analisi dei big data può creare valore per un’azienda? Perché pensate che il team Data Analytics avrà sempre più importanza?
I big data saranno sempre più utili per sviluppare nuove aree di business o per migliorare la performance sia commerciale sia operativa (si pensi, ad esempio, a una gestione più efficiente del magazzino), e in futuro la pervasività dei dati sarà fondamentale e determinerà la performance. A oggi però le aziende non sono ancora pronte a sfruttare questo potenziale: se attualmente l’approccio per singolo use case è il più gestibile e comprensibile, presto il mercato si tarerà su una visione più olistica, in cui il modello di business verrà letteralmente costruito intorno e a partire dai dati. Di conseguenza, la nostra attività professionale non potrà fare a meno delle competenze di advanced analytics e le attuali figure di business analyst saranno sempre più spesso affiancate da data scientist.
 
• Quale consiglio daresti ai nostri Mentee?
Il mio consiglio deriva da una lezione che ho imparato a mia volta: coltivare sempre le proprie passioni perché un giorno potranno diventare un’opportunità. Io, ad esempio, ho studiato computational intelligence durante il dottorato dieci anni fa, in un momento in cui questa competenza era poco richiesta dal mercato del lavoro. Oggi posso dire di essere stato ripagato per quella scelta. È fondamentale cercare di essere lungimiranti e tentare di prevedere, fin dalle proprie scelte accademiche, quali saranno le competenze che in futuro rappresenteranno un valore aggiunto per il mercato.




Carlotta Siniscalco e Federica Salvati
Team Mentors4u




 
 

Hai trovato interessante questo articolo?
Condividilo sui social o invialo a chi preferisci: