I lavori di domani 09/01/2022

Luigi De Costanzo, la formazione del Data Engineer

  • 0

Luigi de Costanzo, si è laureato in Ingegneria delle Telecomunicazioni nel 2001 presso l'Università Federico II di Napoli e nel 2011 ha conseguito un Executive Master in Business Administration presso il MIP Politecnico di Milano. Dopo aver lavorato a Londra in Procter & Gamble, è entrato in ELIS nel 2003. Attualmente è il direttore di ELIS Innovation Hub, ente specializzato in alta formazione per laureandi e laureati  per favorire l'avvio della loro carriera professionale e in tandem con servizi di consulenza alle aziende, in particolare negli ambiti open innovation e trasformazione digitale. Elis è un Centro di Formazione e Consorzio di aziende che raccoglie oltre 100 tra grandi imprese, start-up e università. Tra formazione professionale, superiore, universitaria e formazione continua, conta oltre 7.000 persone formate ogni anno. Si tratta di un ente non profit che dal 1965 opera nel settore della formazione con l'obiettivo d'inserire giovani nel mondo del lavoro e offrire a persone senza occupazione opportunità di riqualificazione. L'offerta formativa: scuola professionale, istituto tecnico, Laurea in Ingegneria Informatica in collaborazione con il Politecnico di Milano, Master per diplomati e laureati, corsi di formazione su commessa delle aziende, corsi di aggiornamento per professionisti. I principali ambiti di formazione sono: nuove tecnologie e open innovation, ristorazione e hotellerie, attività industriali nei settori meccanica, impiantistica, energia e digitale, risorse umane. Il MASTER Midas è un corso di alta specializzazione che forma la figura professionale del Data Engineer.

 

Siti, app e link utili

Pagina ufficiale del Master MIDAS (per la formazione di Data Engineer)

Sito Ufficiale di ELIS

Linkedin ufficiale

Instagram ufficiale

YouTube ufficiale

Facebook ufficiale

 

La formazione del Data Engineer  

Negli ultimi 5-10 anni e  soprattutto negli ultimi tempi di accelerazione digitale, le nuove tecnologie hanno permesso alle aziende di acquisire grandi quantità di dati su processi e persone coinvolte nel loro business e le hanno spinte a progettare modelli digitali di gestione delle proprie attività grazie al supporto iniziale di Data Scientist. Ma poichè c'è stata una grande maturazione tecnologica e organizzativa proprio in questo ambito, si apre ora la possibilità addirittura di ingegnerizzare i modelli-prototipi e applicarli su grande scala nella gestione reale di processi e attività che costituiscono il core business dell'azienda. Questo vuol dire che per raggiungere questo obiettivo, l'interesse delle aziende si sta spostando dalla figura del Data Scientist a quella del Data Engineer. Quest'ultima è una figura più concreta e dedicata all'applicazione pratica dei modelli sviluppati dal Data Scientist. È infatti un professionista capace di trasformare il modello teorico di digitalizzazione ideato su scala ridotta dal Data Scientist in un sistema funzionante, aggiornato alla complessità quantitativa e qualitativa di dati e funzioni comprese nelle attività quotidiane dell'azienda. Nella progressione di carriera, per accumulo di esperienza, il Data Engineer passa poi ad essere una figura di Business Translator. Quest'ultimo è il professionista che, come "regista esperto", chiude definitivamente il cerchio nel processo che ha portato prima il Data Scientist a estrapolare da attività reali modelli digitali e poi il Data Engineer a trasformare il prototipo in sistema ingegnerizzato e quindi applicabile. Lo fa attraverso nuove piattaforme digitali per la gestione dei dati, sensoristica e altre strutture hardware, formazione del personale, adeguando i processi aziendali alle nuove esigenze della gestione digitale di un'attività tradizionalmente svolta con metodi e strumenti da superare. Per esempio nel settore dei rifiuti, le aziende hanno già sviluppato o stanno sviluppando modelli di trasformazione digitale che permettano di ottimizzare tempi e costi della raccolta differenziata, con tecnologie predittive utilizzando dati riguardanti livelli di riempimento dei raccoglitori presso le case, percorsi ottimali d'instradamento dei mezzi in base anche ai flussi di traffico, capacità ricettiva dei punti di raccolta, gestione di parco mezzi, personale e tecnologie robotiche coinvolte nelle attività e molto altro, fino alla possibilità d'integrare in futuro l'utilizzo di mezzi a guida autonoma. Nel settore assicurativo per prevenire anche le truffe, ad esempio il riconoscimento automatico, per esempio, di fotografie manipolate a supporto della reportistica del sinistro, che oggi sono facilmente realizzabili con software di uso comune. 

  • Puntate precedenti

Ascolta anche

Noi per voi