Il matematico nell’era informatica

di Daniel Krasner

Al giorno d’oggi diverse aziende stanno raccogliendo informazioni contribuendo adaccrescere la valanga di dati acquisiti nell'ultimo decennio. Ogni secondo enormiquantità di nuovi dati vengono registrate e documentazioni più antiche vengonoestratte dal passato. Un tipico esempio sono le società come Google, Facebook e

 Twitter che salvano ogni ricerca effettuata, ogni azione e ogni movimento fatto, comepure gli enti nel settore governativo, medico e commerciale, che digitalizzanocollezioni storiche, archiviandole in formati che consentono un accesso ed un’analisipiù semplice. Le ragioni sul perché questo stia accadendo e sul perché stia accadendoora sono le seguenti: in primo luogo, è diventato relativamente facile e poco costosoraccogliere e memorizzare i dati, ed in secondo luogo, è diventato chiaro il potenzialevalore nel fare questo.All'interno di tali dati è possibile infatti trovare intuizioni che possono portare a unacomprensione del presente ed a delle previsioni del futuro ad un livello senzaprecedenti. La struttura portante di questa analisi, conosciuta come estrazione di dati(data mining), è una combinazione di matematica, statistica e informatica. Le personecon una formazione scientifica in una di queste tre discipline, o meglio ancora in tuttee tre, e con un forte interesse nella soluzione dei problemi, sono sempre più richieste,e le opportunità lavorative in tale ambito sono in continua crescita.Anche il numero di termini nel settore privato che si riferiscono alla scienza dei datiforma una lista sempre crescente. Parole come: estrazione di dati, inferenza statistica,analisi, grandi dati, modellistica predittiva e matematica, apprendimento automatico eintelligenza artificiale, si leggono e si sentono in decine di annunci di conferenze, sitiweb aziendali, periodici, seminari, ecc. Tutti si riferiscono essenzialmente alla stessacosa ed il gran numero di termini riflette l’influenza della matematica, della statisticae dell’informatica. La ragione per cui questi termini ricorrono continuamente è che leaziende si sono rese conto di come i dati siano una moneta di valore e cercano quindidisperatamente di ottenere un vantaggio nel mercato, capitalizzando su questo nuovoambito.Gli esperti di dati convertono tale moneta in qualcosa di utile. I problemi sono diversi,così come i settori: sistemi di raccomandazione dei contenuti, come quelli utilizzati daAmazon e Netflix, sono stati sviluppati per fornire un uso delle risorse online piùindividuale, i dati dei social-media vengono utilizzati al fine di conoscere qualsiasicosa, dai mercati finanziari al commercio, fino alla difesa nazionale; modellicomportamentali vengono utilizzati per capire come i clienti reagiranno ad unapubblicità e a far luce su un settore fino a ora considerato non scientifico,organizzazioni no-profit stanno usando dati satellitari e non solo per modellizzare laprevisione delle colture, la crescita delle popolazioni ed ottimizzare quindi ladistribuzione degli aiuti. Questi sono solo alcuni esempi ma, guardando intorno,possiamo notare come i dati scientifici siano una soluzione applicabile a qualsiasi cosa.Con l'avvento dei Cloud Storage (conservazione dei dati su computer in rete dove idati sono memorizzati su molteplici server virtuali) e di soluzioni computazionali, comei sistemi S3 di Amazon e EC2, grandi e piccole imprese possono competere ora piùequamente.Le grandi aziende con la capacità di creare i propri centri dati sono ora incompetizione con nuove piccole aziende con infrastrutture più ridotte. Diconseguenza, il numero di aziende che cerca persone con una formazionematematica, conoscenze di probabilità e statistica ed abilità informatiche è sempre piùgrande. Queste aziende cercano persone che abbiano la passione di affrontareproblemi complessi, la capacità di assimilare rapidamente le informazioni tecniche e ildesiderio di sviluppare nuove soluzioni. I più apprezzati sono quelli che possiedono

 

non solo le competenze essenziali, ma anche la visione e la creatività necessarie perportare la scienza dei dati e le sue applicazioni verso nuove mete.Sono in aumento anche le opportunità al di fuori del settore privato. I problemiprovenienti dalle industrie, le nuove tecniche di raccolta dati e la complessitàcomputazionale dell’elaborazione di grandi masse di dati, richiedono costantementesoluzioni innovative. Gran parte di questa ricerca viene effettuata nei varidipartimenti di matematica applicata, statistica e informatica degli Stati Uniti.Programmi accademici orientati verso la scienza dei dati stanno cominciando ademergere ed è quasi inevitabile che lauree, e forse anche interi dipartimenti, sarannocreati per sostenere tale settore. Inoltre, campi interdisciplinari quali la neuroscienzacomputazionale e la bioinformatica si basano molto sulla scienza dei dati per l'analisi,e continueranno ad esserne influenzati anche in futuro.La raccolta e la diffusione dei dati ha creato inoltre la necessità di nuove strutturegiuridiche ed etiche, come ad esempio i disegni di legge SOPA (Stop Online Piracy Act)e PIPA (Preventing Real Online Threats to Economic Creativity and Theft of IntellectualProperty Act of 2011) presentati al Congresso degli Stati Uniti nel mese di gennaio,nonché il recente annuncio di Google sulle nuove procedure relative alla privacy. Tuttequeste sono indicazioni interessanti che portano a problemi di difficile risoluzione eche richiederanno una combinazione di conoscenze e di abilità scientifiche, tecniche enon.La professione di esperto di dati è nata solo recentemente, ma è decisamentedestinata a restare. Ci sono molte cose che si possono fare avendo una formazionematematica e le possibilità sopra riportate non costituiscono un elenco esaustivo.Infatti nuovi sviluppi nel mondo dell'informatica spianano la strada ad un gran numerodi opportunità. Spero che andando avanti nel proprio ciclo di studi e facendo dellescelte lungo il percorso, avrete il tempo di notare la varietà delle porte che lamatematica può aprire.

 ____________________________________________________________________ Daniel Krasner ha ottenuto il suo dottorato di ricerca presso la Columbia Universityinteressandosi alla topologia in basse dimensioni e alla teoria della rappresentazione.Attualmente è il capo di esperti di dati di Sailthru, una piattaforma di analisi con sedea New York, e consulente indipendente nel campo. Inoltre è il co-fondatore diKfitsolutions, una società di consulenza di scienza dei dati.