Sei sulla pagina 1di 2

Il matematico nellera informatica

di Daniel Krasner Al giorno doggi diverse aziende stanno raccogliendo informazioni contribuendo ad accrescere la valanga di dati acquisiti nell'ultimo decennio. Ogni secondo enormi quantit di nuovi dati vengono registrate e documentazioni pi antiche vengono estratte dal passato. Un tipico esempio sono le societ come Google, Facebook e Twitter che salvano ogni ricerca effettuata, ogni azione e ogni movimento fatto, come pure gli enti nel settore governativo, medico e commerciale, che digitalizzano collezioni storiche, archiviandole in formati che consentono un accesso ed unanalisi pi semplice. Le ragioni sul perch questo stia accadendo e sul perch stia accadendo ora sono le seguenti: in primo luogo, diventato relativamente facile e poco costoso raccogliere e memorizzare i dati, ed in secondo luogo, diventato chiaro il potenziale valore nel fare questo. All'interno di tali dati possibile infatti trovare intuizioni che possono portare a una comprensione del presente ed a delle previsioni del futuro ad un livello senza precedenti. La struttura portante di questa analisi, conosciuta come estrazione di dati (data mining), una combinazione di matematica, statistica e informatica. Le persone con una formazione scientifica in una di queste tre discipline, o meglio ancora in tutte e tre, e con un forte interesse nella soluzione dei problemi, sono sempre pi richieste, e le opportunit lavorative in tale ambito sono in continua crescita. Anche il numero di termini nel settore privato che si riferiscono alla scienza dei dati forma una lista sempre crescente. Parole come: estrazione di dati, inferenza statistica, analisi, grandi dati, modellistica predittiva e matematica, apprendimento automatico e intelligenza artificiale, si leggono e si sentono in decine di annunci di conferenze, siti web aziendali, periodici, seminari, ecc. Tutti si riferiscono essenzialmente alla stessa cosa ed il gran numero di termini riflette linfluenza della matematica, della statistica e dellinformatica. La ragione per cui questi termini ricorrono continuamente che le aziende si sono rese conto di come i dati siano una moneta di valore e cercano quindi disperatamente di ottenere un vantaggio nel mercato, capitalizzando su questo nuovo ambito. Gli esperti di dati convertono tale moneta in qualcosa di utile. I problemi sono diversi, cos come i settori: sistemi di raccomandazione dei contenuti, come quelli utilizzati da Amazon e Netflix, sono stati sviluppati per fornire un uso delle risorse online pi individuale, i dati dei social-media vengono utilizzati al fine di conoscere qualsiasi cosa, dai mercati finanziari al commercio, fino alla difesa nazionale; modelli comportamentali vengono utilizzati per capire come i clienti reagiranno ad una pubblicit 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 la previsione delle colture, la crescita delle popolazioni ed ottimizzare quindi la distribuzione 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 i dati sono memorizzati su molteplici server virtuali) e di soluzioni computazionali, come i sistemi S3 di Amazon e EC2, grandi e piccole imprese possono competere ora pi equamente. Le grandi aziende con la capacit di creare i propri centri dati sono ora in competizione con nuove piccole aziende con infrastrutture pi ridotte. Di conseguenza, il numero di aziende che cerca persone con una formazione matematica, conoscenze di probabilit e statistica ed abilit informatiche sempre pi grande. Queste aziende cercano persone che abbiano la passione di affrontare problemi complessi, la capacit di assimilare rapidamente le informazioni tecniche e il desiderio di sviluppare nuove soluzioni. I pi apprezzati sono quelli che possiedono

non solo le competenze essenziali, ma anche la visione e la creativit necessarie per portare la scienza dei dati e le sue applicazioni verso nuove mete. Sono in aumento anche le opportunit al di fuori del settore privato. I problemi provenienti dalle industrie, le nuove tecniche di raccolta dati e la complessit computazionale dellelaborazione di grandi masse di dati, richiedono costantemente soluzioni innovative. Gran parte di questa ricerca viene effettuata nei vari dipartimenti di matematica applicata, statistica e informatica degli Stati Uniti. Programmi accademici orientati verso la scienza dei dati stanno cominciando ad emergere ed quasi inevitabile che lauree, e forse anche interi dipartimenti, saranno creati per sostenere tale settore. Inoltre, campi interdisciplinari quali la neuroscienza computazionale 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 necessit di nuove strutture giuridiche 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 Intellectual Property Act of 2011) presentati al Congresso degli Stati Uniti nel mese di gennaio, nonch il recente annuncio di Google sulle nuove procedure relative alla privacy. Tutte queste sono indicazioni interessanti che portano a problemi di difficile risoluzione e che richiederanno una combinazione di conoscenze e di abilit scientifiche, tecniche e non. La professione di esperto di dati nata solo recentemente, ma decisamente destinata a restare. Ci sono molte cose che si possono fare avendo una formazione matematica e le possibilit sopra riportate non costituiscono un elenco esaustivo. Infatti nuovi sviluppi nel mondo dell'informatica spianano la strada ad un gran numero di opportunit. Spero che andando avanti nel proprio ciclo di studi e facendo delle scelte lungo il percorso, avrete il tempo di notare la variet delle porte che la matematica pu aprire.

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