Data scientist , big data , artificial intelligence , machine learning technology concept. Silhouette glasses in front of laptop computer screen with programming coded.

Lavorare con i dati del personale per attuare strategie predittive

, , ,

“Ecco questa è la tua nuova postazione, questi sono i dati a tua disposizione, cosa puoi dirci?” Mi sento un po’ come uno sciamano, chiamato a interpretare i segni lasciati dal passaggio di esseri sconosciuti in una foresta inesplorata; è così che mi guardano quelli intorno a me.

E non so bene cosa si aspettano che tiri fuori dal cilindro, ma di sicuro se anche fosse solo un coniglio dovrebbe essere accompagnato anche da un po’ di fumo e un po’ di odore di zolfo…

Ecco, è proprio così che mi sembra venga interpretato il mestiere del Data Scientist fuori dalla sua cerchia: molta aspettativa, ma non si sa bene per cosa…

In fondo mia mamma non sa spiegare bene cosa faccio e nemmeno mio figlio. Una volta, quando lavoravo in banca al Dipartimento Antifrode sulle carte di credito, la figlia della mia collega ha detto: “Fai la CSI (Crime Scientific Investigation) delle carte di credito!”.

Questa interpretazione copre molti aspetti del ‘mestiere’, ma innesca anche quella diffidenza legata a tutte le investigazioni per cui i risultati estratti (dal cilindro) sono una sorta di arma ‘contro’ gli utilizzatori: un grande fratello.

Il caso Cambridge Analytica certo non aiuta a mettere in luce il potenziale positivo dell’utilizzo dei dati. Se non facciamo un po’ di divulgazione scientifica, se non ci educhiamo all’uso dei nuovi mezzi tecnologici, perdiamo almeno una faccia della medaglia: i dati usati per rintracciare le persone dopo un disastro ambientale, o per supportare politiche economiche e sociali, o per diagnosticare rischi genetici, o per prevedere aree a rischio epidemico…la lista sarebbe molto lunga.

Io, quando sono davanti a nuovi dati, mi sento sempre un po’ emozionata: dopo la prima parte noiosa di preparazione, di normalizzazione, di risultati ovvi, c’è la possibilità di scoprire qualcosa di imprevedibile, che mostra un punto di vista non ancora preso in considerazione sull’universo che sto analizzando.

Ecco, questo stato di parziale illuminazione, quel momento dove si svela l’inaspettato, vale tutto il lavoro. Le domande del business. Ecco dunque che ho a disposizione i dati inesplorati delle Risorse Umane: ma quali sono le domande?

Spesso è qui che manca la connessione con il committente, con il Business, con i risultati possibili. Partire da quello che si ha, dai dati già a disposizione, è un modo di approcciare il problema che non mi darà accesso a tutte le soluzioni possibili.

È come aprire il frigo per cucinare con quello che c’è: magari il risultato è eccellente (magari no), ma se non ho a disposizione gli ingredienti per fare un piatto specifico non lo potrò mai cucinare.

Quindi avrebbe più senso cominciare l’analisi partendo dalla domanda, da ciò che si vuole cambiare o migliorare, facendo prima un assessment sulla possibilità di dare una risposta con quello che ho a disposizione. Se poi non ho tutti gli ingredienti, magari mi preparo ad averli in considerazione dei possibili utilizzi.

Leggi l’articolo completo nel numero di Novembre-Dicembre 2018 di Persone&Conoscenze.
Per informazioni sull’acquisto di copie e abbonamenti scrivi a daniela.bobbiese@este.it (tel. 02.91434400)

Cookie Policy | Privacy Policy

© 2019 ESTE Srl - Via A. Vassallo, 31 - Milano - TEL: 02 91 43 44 00 - FAX: 02 91 43 44 24 - info@este.it - P.I. 00729910158
logo sernicola sviluppo web milano