Data analyst: cosa fa, come si forma, quanto guadagna

Nel mondo dell’imprenditoria digitale è diffuso un motto, uno slogan: “I dati sono il petrolio del terzo millennio”, il Data analyst è quella figura che ti farà trovare il petrolio.

Cosa significa? Perché i dati, quelli che spargiamo per la rete quando navighiamo, guardiamo un video su YouTube, ascoltiamo musica, usiamo il navigatore satellitare, facciamo un acquisto su Amazon sono così preziosi? Per chi? Come? 

Porsi queste domande è fondamentale per tutti i consumatori di questo servizio. Ma lo è ancora di più per chi questi dati li analizza per lavoro: il Data analyst. 

Questa figura è profondamente intrecciata ad altre, come il Data scientist, o il Data broker. Ognuna ha la sua specificità peculiare, ed è più o meno indispensabile in diversi settori, per diverse tipologie di analisi. 

Vediamo insieme di cosa si occupa un Data analyst, come si forma, quali competenze deve possedere e quali sono le sue possibilità di carriera. 

In cosa consiste la Data analysis

Motori di ricerca, e-commerce, satelliti, istituti bancari, pubbliche amministrazioni e social network raccolgono su ognuno dei propri utenti decine di migliaia di dati al secondo. Non si tratta di manovre illecite: accettando di iscriversi a questi servizi si accetta anche di “cedere” i propri dati di navigazione a queste società o questi enti. 

Tutti i dati, tutti insieme, ricostruiscono la “vita online” di un utente: dove va, con quali mezzi, in quali giorni della settimana e a quali orari, quali luoghi frequenta, se fa sport, cosa preferisce guardare in TV o su YouTube, se ascolta musica, dove e cosa acquista più frequentemente. 

Non tutti i dati sono contemporaneamente rilevanti per tutte le aziende. A seconda della loro specificità o del settore in cui operano le aziende potranno essere interessate a conoscerne solo alcuni, più o meno approfonditi o per un più o meno lungo periodo di tempo. 

La stringa di dati, anche così ridotta, è però troppo vasta. Oltretutto si tratta di microinformazioni, come le piccolissime tessere di un enorme puzzle. Da sole non hanno grande valore. Solamente quando vengono messe una in relazione con l’altra assumono un senso, disegnano un quadro. 

Per creare questo quadro a partire da tante tessere è necessario analizzare i BigData. A farlo e a produrre un report che descrive quell’affresco è proprio il Data analyst. 

Come si svolge la giornata tipo di un Data analyst

Il Data analyst, ogni giorno, si trova davanti a numerose macchine ed algoritmi che hanno raccolto per lui una certa quantità di dati. A seconda della precisione dei parametri di ricerca i dati individuati sono più o meno utili e pertinenti all’attività dell’azienda. 

Quindi, la prima attività da svolgere è capire quali dati sono realmente interessanti e scremarli da quelli finiti nella lista per qualche errore, per un’analisi troppo approfondita o troppo superficiale, per un malfunzionamento degli algoritmi. 

Immediatamente dopo vanno controllati proprio questi algoritmi. Se si sono verificati problemi (l’algoritmo funziona come un colino: trattiene le informazioni per cui le sue maglie sono progettate) è fondamentale risolverli, riprogrammare, riprogettare per evitare che altri dati utili possano non venire intercettati. 

Si passa poi alla vera e propria analisi dei modelli matematici e statistici. La domanda è semplice: “Cosa vogliono dire i dati?”. Di per sé, l’abbiamo detto, i dati sono solo piccoli pezzi, non molto utili se presi singolarmente.

Vanno assemblati in un quadro generale, descrittivo di un certo mercato, per un certo target, in un preciso momento storico, per uno specifico prodotto.

Quest’analisi occupa quasi tutta la giornata. Come abbiamo detto i dati sono migliaia, e per riassumerli e renderli chiari possono essere necessarie anche settimane di lavoro incrociato. 

Si passa poi ad analizzare il report, finalmente completato. A verificarlo non è solo il Data analyst, o uno dei suoi collaboratori di reparto: il report passa per le mani di tutti i settori. 

Facciamo qualche esempio: 

• I dati rilevano che molti utenti, nelle prime dopo dopo il rilascio di un aggiornamento su un prodotto (per esempio, uno smartphone), hanno cercato su Google parole chiave come “Smartphone X ultimo aggiornamento non funziona”, oppure “Smartphone X la batteria non si ricarica”. In questo caso il report evidenzia un probabile malfunzionamento, un bug. Il report sarà particolarmente utile al settore sviluppo, che cercherà la causa del problema e tenterà di correggerla. Sarà utile anche informare il reparto di gestione dei social network e il servizio clienti, perché siano pronti a fare comunicati e ad assistere gli utenti. 
• I dati rilevano che nell’ultima settimana ci sono stati problemi con i pagamenti elettronici per un certo circuito di carte di credito sull’e-commerce. Il report sarà utile a chi si occupa dei contatti con le banche: forse qualcosa non ha funzionato in uno dei due lati, e i pagamenti sono stati rifiutati. Anche il servizio clienti dovrà essere informato: sicuramente i clienti faranno domande e vorranno ricevere aiuto per i propri acquisti.
• Si è lanciato sul mercato un nuovo prodotto, parte di una strategia di marketing precisa. Le vendite però non sono state così entusiasmanti come ci si aspettava. Il report potrebbe individuare problemi nella sponsorizzazione: potevano essere inviati degli sconti? Oppure delle newsletter di avviso agli iscritti? Forse per i prossimi lanci sarà utile collaborare con un influencer, che aumenti il bacino di utenza raggiungibile? 

Come vedi, il Data analyst rende più facile e più proficuo il lavoro di tutti i settori produttivi, organizzativi e pubblicitari della propria società con i propri report. 

Con chi lavora il Data analyst

Comprensibilmente il Data analyst non lavora da solo: la mole di dati è spesso troppo vasta per una sola persona. 

Subito sopra di lui c’è il Data scientist, cioè chi conosce il settore, programma gli algoritmi, crea i modelli matematici, statistici o predittivi. Pensiamo solo al nome che caratterizza questi professionisti: “scienziato” contro “analista”. Il secondo parte dalle “invenzioni” del primo per produrre un’analisi, per l’appunto; il loro lavoro si completa e funziona in gerarchia, ma sono uno indispensabile all’altro. 

Insieme a loro lavorano gli esperti di Machine learning e Deep learning, che forniscono sia pianificazioni che risoluzione di possibili errori. 

Se i dati non sono raccolti direttamente dall’azienda ma da una società di intermediazione e in particolare dai Data broker, forse è necessario ritarare i parametri per ottenere informazioni più precise. 

O ancora, se i dati analizzati fanno parte di quelli sensibili, forse è necessario programmare un sistema di protezione della privacy degli utenti e delle analisi aziendali da potenziali concorrenti. 

Questi sono solamente i colleghi di reparto. Poi, ci sono tutti i lavoratori degli altri settori. In particolare: 

• Marketing: il marketing utilizza le analisi del Data analyst per tarare la propria strategia, puntare al giusto target, proporre annunci e strumenti di vendita
• Servizio clienti: per aiutare davvero i clienti, il Customer care deve essere a conoscenza di cosa viene acquistato, quando, come, attraverso quali canali, quali sono i problemi segnalati più spesso
• Sviluppo: come nel nostro esempio, se i dati indicano che gli utenti trovano difficoltà ad utilizzare un prodotto, il reparto di sviluppo sfrutterà i report per mettere a punto una strategia risolutiva e offrire prestazioni sempre più efficienti e efficaci

La formazione di un Data analyst

La maggior parte dei Data analyst ha seguito una formazione universitaria di tipo economico e manageriale. Le facoltà più appetibili sono: 

• Economia
• Marketing
• Direzione aziendale

Le competenze strettamente tecniche sono meno significative: non è il Data analyst a creare gli algoritmi (il nostro colino che trattiene e filtra i dati), quindi per lui è utile ma non indispensabile conoscerne il funzionamento. 

Le facoltà universitarie sono indietro con la formazione di questi professionisti: probabilmente ci vorranno anni perché vengano aperte facoltà specifiche per questa professione in tutto il mondo. 

Dunque, buona parte della formazione avviene dopo l’università, per esempio con corsi privati, certificazioni esterne oppure con il tirocinio nelle aziende, in modo da acquisire competenze in modo diretto sul campo e mettersi in relazione con esperti con più anni di carriera. 

Le competenze necessarie per operare come Data analyst

Veniamo ora a parlare delle competenze necessarie al Data analyst. Come sempre le divideremo in hard e soft, ricordando che: 

• Le competenze dure sono quelle misurabili: livello linguistico, lauree e corsi conseguiti, qualifiche, utilizzo di programmi. Si acquisiscono con lo studio, le università, i corsi, l’esperienza sul campo.
• Le competenze morbide sono propensioni psicologiche e caratteriali, come l’abilità a gestire lo stress, a guidare un team, a parlare un pubblico, a comunicare efficacemente con un cliente, a mediare nel corso di una trattativa. Si acquisiscono con le esperienze di vita (gli stimoli ricevuti, l’educazione, la famiglia, il gruppo di amici), ma si possono in parte migliorare e limare con l’esperienza.

Competenze specifiche

Le competenze specifiche più importanti per un Data analyst sono: 

• Competenza piena e avanzata di modelli matematici e statistici
• Competenza, non necessariamente per lo sviluppo, di linguaggi di programmazione (i più richiesti sono SQL, Python, R, VBA). Padroneggiare in modo più specifico ed avanzato questi sistemi rende la figura ibridabile a quella del Data scientist, con maggiori possibilità di guadagno
• Conoscenza avanzata dei sistemi per la creazione, la consultazione e la gestione di database

Competenze caratteriali

Le competenze morbide, o caratteriali, più importanti per un Data analyst coincidono con la necessità di trasformare dati complessi e apparentemente troppo tecnici ed astrusi in report comprensibili ai clienti e agli altri settori produttivi. 

Si tratta quindi di visualizzazione, organizzazione e comunicazione semplificata, immediata, intuitiva e che trasforma un dato astratto in un suggerimento pratico o in un’analisi più vicina al campo di lavoro. 

Non possono mancare, ovviamente, la capacità di creare un buon rapporto con il team e con i clienti e un’elevata propensione a comprendere i bisogni aziendali e della clientela. 

Le possibilità di carriera e i guadagni

Abbiamo aperto dicendo che i dati sono il nuovo petrolio: siamo certi che l’analisi dei BigData è il futuro dell’imprenditoria. Tutte le figure che orbitano intorno alla gestione, all’analisi, alla protezione e all’individuazione dei dati avranno fortuna, nei prossimi anni, specie nelle aziende che si stanno aprendo al mondo digitale e devono impostare la propria strategia. 

Meno probabile è invece entrare nelle grandissime multinazionali, che spesso si avvalgono di personale stabilizzato che conosce già a menadito tutti i processi e le richieste. Nulla vieta, però, se si hanno competenze sufficienti, grande voglia di mettersi in gioco in un sistema competitivo e la possibilità di trasferirsi per lavoro di tentare anche questa via. 

I settori più interessanti e in crescita

Analizziamo in quali settori sono ad oggi impiegati, nel mondo, i Data analyst: 

• il 26% è in aziende informatiche o di comunicazione
• il 16% lavora per banche o assicurazioni
• il 14% lavora nella pubblica amministrazione e nei servizi sanitari
• il 20% nel settore dei Servizi
• il 6% funge da consulente, spesso interfacciandosi a numerose realtà, magari come freelancer
• tutti gli altri sono distribuiti tra manifatture, Media, pubblicità e GDO

Le analisi indicano che anche nel nostro paese, circa il 75% delle aziende desidera avere un Data analyst nel proprio organico entro i prossimi 3 anni. Quindi, è probabile che le opportunità non mancheranno nemmeno per chi desidera rimanere a lavorare in Italia. 

Lo stipendio di un Data analyst

Parliamo ora dello stipendio dei Data analyst. Terremo in considerazione il mercato italiano, avendo però in mente che nel mondo statunitense questa professione trova molto più spazio a livello di offerta e opportunità più vantaggiose sul piano della retribuzione (circa il 50% di media). 

• Se si hanno tra gli 0 e i 3 anni di esperienza: 20/25.000 EUR l’anno
• Se si hanno tra gli 4 e i 9 anni di esperienza: 25/30.000 EUR l’anno
• Se si hanno tra gli 10 e i 20 anni di esperienza: 40/50.000 EUR l’anno
• Se si hanno almeno 20 anni di esperienza: 50/55.000 EUR l’anno

C’è però un dato molto interessante da sottolineare: la maggior parte degli impiegati come Data analyst è molto giovane.

Quindi sono pochissimi i professionisti con molti anni di carriera: i loro stipendi, proprio in virtù della loro rarità, sono generalmente ben più elevati di questi dati statistici, specie nelle grandi e grandissime aziende.