LaCulturaDelDato #010

Dati & algoritmi attraverso i nostri 5 sensi

Ciao,

io sono Stefano Gatti e questo è il decimo numero della newsletter LaCulturaDelDato: dati & algoritmi attraverso i nostri 5 sensi. Le regole che ci siamo dati per questo viaggio le puoi trovare qui.

Ecco i cinque spunti del decimo numero:

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. - #GreatResignation: not only money!

Chi mi conosce sa che sono un amante dello sketchnoting e dei fumetti: rappresentare storie e concetti in maniera visuale è un’arte molto sottovalutata (per gli amanti del genere consiglio Unflattening, il pensiero visuale e la scoperta della mente grafica di Nick Sousanis). Questo breve e gradevole, dal punto di vista grafico, fumetto visualizza invece molto bene quelli che sono i motivi del fenomeno della “great resignation” che vanno al di là del puro aspetto economico. Mancanza di cultura della collaborazione e della trasparenza, mancanza di adeguato significato del proprio lavoro inteso come scopo e passione, mancanza di opportunità di crescita professionale (assenza di network adeguato e di prospettiva sul mondo) sono le tre macro componenti che vengono evidenziate come cause principali delle dimissioni. Credo sia tutto molto reale e concreto anche nella nostra community di data-expert. Hr-data-expert, se siete arrivati fino a qui, leggetelo anche due volte questo fumetto! 😉  

👀 Data Science. - Machine Learning: visuale & spiegato molto bene
Ci sono alcuni concetti base della data science che devono uscire dalla cerchia dei data-expert per essere compresi da tutti all’interno delle organizzazioni se vogliamo rendere le aziende veramente data-driven. Machine Learning University (MLU), iniziativa di Amazon, lo fa veramente bene con una grafica e un’interazione speciale. Se siete un data scientist e dovete spiegare, per esempio, perché avete bisogno di tanti dati non solo per allenare il vostro modello ma anche per validarlo e testarlo, questo link potrebbe fare al caso vostro. Ma mi sarebbe stato utile, in molte riunioni, anche questo che spiega, in maniera ineccepibile, concetti quali accuracy, precision e F1-Score. Ma in MLU trovate anche molto altro …  

🖐️Tecnologia (data engineering). - Machine learning engineer

Negli ultimi anni è cresciuta molto la richiesta, tra i  data-expert, di questo ruolo che si pone un poco a cavallo tra il data engineer e il data scientist. Se guardiamo Google Trend, per esempio, sono raddoppiate, a livello mondiale, le ricerche di machine learning engineer negli ultimi 3 anni a differenza del termine data scientist il cui trend è rimasto quasi costante, pur essendo più alto in valore assoluto. In molte realtà organizzative, che non fanno ricerca e non sono big-tech, la sovrapposizione delle due figure a volte è molto alta. I progetti di data science, realizzati da machine learning engineer, quando la complessità degli algoritmi non è elevatissima, hanno una probabilità di “failure of integration”, uno dei tre momenti progettuali critici che abbiamo esplorato nel libro la Cultura del dato”, molto più bassa rispetto agli stessi fatti dai soli data scientist. Leggete questo breve articolo che li descrive bene: se avete ancora dubbi capirete il perché!

👅Etica & regolamentazione & impatto sulla società. - Frammentazione europea nella legislazione sui Dati e sull’AI.

“L’operazione è perfettamente riuscita ma il paziente è morto” o SNAFU come si cominciò a dire nella Marina Americana durante la seconda guerra mondiale! Nel Febbraio 2020 L’Unione Europea aveva evidenziato la necessità di un unico apparato di regole applicabile in tutta Europa atte a disciplinare l’economia dei dati. Il problema è che da quel momento sono arrivati il Digital Services Act, che regola reti e servizi, il Digital Market Act, che regola piattaforme e concorrenza, il Data Governance Act, che regola la condivisione di dati fra settore pubblico e privato e poi il Data Act, parte della European Data Strategy. Prima nel 2018 c’era stato il GDPR e l’anno scorso la prima bozza del AI Regulation Act. In tutti questi documenti si parla e si regola tanto sui dati. Ma tutto mi sembra tranne che un unico e facile apparato di regole. Questo è il senso, almeno quello che sono riuscito a cogliere, di questo lungo articolo di Cerrina Feroni, vice presidente del Garante per la protezione dei dati personali. Qualche Legal-data-expert riesce a segnalarci una guida visuale, sintetica e non troppo “legalese” utile a districarsi in questa giungla di documenti soprattutto per capire le dipendenze? Grazie! Se non esiste … provare a farlo insieme può essere un’idea? Se vi va di provare a farlo in maniera collaborativa scrivetemi!

👃Investimenti in ambito dati e algoritmi. - Investimenti in AI: crescita infinita?

In questo articolo scritto da una persona, Kevin Dunlap, che di investimenti in AI ne ha fatti molti ci si chiede quanto durerà la crescita degli investimenti nella nostra area di interesse. Pur non dando la risposta definitiva Kevin è positivo sul futuro e fornisce spunti interessanti con esempi concreti su cui ha investito. Tre sono le aree su cui scommette. La prima è quella dei dati sintetici (personalmente poco d’accordo), la seconda quella dei software AI-driven per robot autonomi che si combinano con sistemi di visione artificiale (d’accordo) e infine quella dei sistemi che usano l’intelligenza artificiale per migliorare produzione e logistica (molto d’accordo).
Credo però sarà ancora più arduo, in futuro, contare bene questi investimenti perché è difficile categorizzare le aziende che ci investono e capire come ci investono. Ma questo è un tema più di metriche che di investimenti …

E per finire🙏per le tantissime risposte che mi sono arrivate alla richiesta di feedback. Sto già riflettendo su come mettere in atto i vostri consigli. Ma ecco una sintesi data-driven:
1) la parte che vi piace di più (40%) è quella sulla cultura dei dati nelle organizzazioni👂🏾: meno male … altrimenti avrei sbagliato a scrivere il libro con Alberto!

2) Avete dato un bel 8,57/10 al progetto 🙇. C’è però anche un 4 da migliorare …

3) Siamo una comunità fatta di profili diversi: ma i più (21%) sono #datalovers! 🤩

4) Aggiungereste al progetto in ordine di gradimento: una “Sezione data-driven well-being” , un podcast, una sezione “MyGuru”, webinar tematici e un Data & AI retreat. Vi prometto che aggiungerò qualcosa di queste cose a poco a poco …

E ragionerò sugli altri consigli qualitativi che mi avete scritto. Se avete ulteriori suggerimenti e riflessioni sui temi di questo numero o per migliorare questa newsletter scrivetemi (st.gatti@gmail.com) o commentate su substack.

Se vi è piaciuta e non siete ancora iscritti lasciate la vostra mail qui sotto e aiutatemi a diffonderla!

Alla prossima!