LaCulturaDelDato #199

Dati & algoritmi attraverso i nostri 5 sensi

For my English speaking friends, click here for the translated version

Ciao,

sono Stefano Gatti e questo è il centonovantanovesimo 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 centonovantanovesimo numero:

👀 Data Science. Il terzo fattore produttivo: la visione di Fabrizio Fantini su dati e tecnologia

Fabrizio Fantini. Sono un imprenditore affascinato dalla possibilità unica di sfruttare la tecnologia per amplificare l’impatto delle nostre idee: un nuovo moltiplicatore, terzo rispetto ai classici due fattori della produzione (capitale e lavoro umano), ad oggi ancora poco studiato e forse per questo, sotto-sfruttato e tassato in modo inefficiente.

Il mio obiettivo, ovvero il filo conduttore della mia carriera, è sempre stato lo stesso: creare valore cercando un appropriato uso dei dati. Ho studiato Ingegneria, poi un breve periodo di ricerca sulla matematica applicata al CNR, dove purtroppo non trovai la giusta ispirazione pur avendo avuto il privilegio di partecipare dal vivo a lavori teorici di grande rilievo: il primo sistema di indicizzazione di Google, l’instradamento efficiente dei traffici Internet globali.

Ho quindi intrapreso una carriera di circa dieci anni nella consulenza in McKinsey, sperimentando come l’uso industriale dei dati possa direttamente portare benefici misurabili. Durante questo periodo ho anche incontrato l’amore della mia vita: i problemi di pricing applicativi, un mondo di affascinante complessità legata al bizzarro modo in cui noi esseri umani prendiamo le nostre decisioni, tanto come consumatori che come manager. Sulla base di queste esperienze, aiutate da un MBA ad Harvard e un PhD nel Regno Unito completati allo stesso tempo, ho accettato che la mia missione da ingegnere fosse di costruire un prodotto. Nel 2013 ho quindi deciso di fondare Evo Pricing, il software che aiuta i manager aziendali ad ottimizzare prezzi e livelli di scorte nella loro supply chain, tramite analisi avanzata e continua dei dati.

Oggi, dopo avere venduto Evo Pricing al fondo Accel-KKR e passato gli ultimi 2 anni a facilitarne la fusione dentro ToolsGroup, sono tornato a ragionare su ricerca e innovazione. Il mondo dei dati e della tecnologia mi pare ancora ricco di opportunità, quindi continuo a coltivare una insaziabile curiosità intellettuale.

Il mio ruolo tra 10 anni sarà...

.... continuare a scoprire cosa accade mentre siamo impegnati a fare altri piani: una bella definizione della vita!
Vedo una macro-trasformazione: la democratizzazione dell’accesso alla programmazione, allo sfruttamento della potenza di calcolo per il beneficio di ciascun individuo. Questa democratizzazione ha avuto come primo punto di svolta la diffusione dello smartphone, di fatto diventato estensione cibernetica del nostro cervello ma solo entro i rigidi limiti imposti dai proprietari delle tecnologie dell’ecosistema.
Tuttavia oggi anche quel vincolo, legato a costo e complessità di programmare i sistemi di calcolo, sta crollando: chiunque può scrivere in modo relativamente facile il proprio codice e implementare a costo relativamente contenuto i propri applicativi, di fatto moltiplicando la propria produttività. Quindi la mia sfida sarà creare ancora maggiore valore, sfruttando questo nuovo e mutevole contesto. L’innovazione mi aiuta a restare allenato!

Qual è la sfida più importante che il mondo dei dati e degli algoritmi ha di fronte a sé oggi?

Da esperto di pricing, vedo un trend preoccupante: l’erosione del valore. Come per qualunque altro bene, anche per i dati vale l’equazione che vede nel lungo periodo l’avvicinamento del valore incrementale al costo marginale. Quindi, il costo di produrre e immagazzinare dati crolla, ma anche il valore di ciò che diventa dato rischia di crollare in modo incontrollato.
L’intuizione è semplice: il dato a valore elevato veniva prodotto già temporibus illis. Quindi mano mano aggiungiamo dati che inizialmente non sarebbero stati economicamente sostenibili.

Esempio illustrativo? Le foto. Quando il costo di produzione e sviluppo era elevato, si catturava un numero relativamente limitato di fotografie, prioritizzando i momenti davvero importanti. Il costo si è ridotto, il numero di foto è esploso… ma abbiamo davvero iniziato a fare foto di maggiore rilevanza?
Oggi chiediamo aiuto ad algoritmi sempre più potenti per sfruttare queste moli di dati sempre maggiori e sintetizzare nuovi indicatori che ci aiutino a governarli. Ma assicuriamoci che sia la tecnologia a lavorare per noi, e non il contrario: così come i social media hanno permesso di condividere milioni di foto, i sofisticati algoritmi di indicizzazione e prioritizzazione di questi contenuti hanno creato altrettanto nuovo benessere economico e sociale? E venendo ai giorni nostri, gli ancora più sofisticati algoritmi che ora permettono di sintetizzare milioni di foto e crearne di ‘nuove’ per inferenza, sfruttando enormi risorse di calcolo, saranno messi al servizio del benessere sociale e psicologico degli individui?
La sfida: continuare ad evolvere la definizione del valore con grande attenzione, e non solo per le foto! Mi auguro quindi che la ricerca e l’innovazione evolvano di pari passo a una attenta evoluzione della misurazione del valore realmente creato.

Segnalaci il progetto o la risorsa nel mondo dei dati di cui non potresti fare a meno

Excel. Uno dei software più incredibili, nel bene e nel male. Strumento imprescindibile nell’armamentario di chiunque, che credo rimarrà fondamentale per ogni practitioner.
Personalmente non riuscirei ancora a competere nelle ‘Microsoft Excel World Championships’ di Las Vegas, ma l’avere acquisito una familiarità industriale con questo strumento rimane la risorsa professionale di cui non potrei fare a meno per aiutarmi a ragionare in modo strutturato.

👂🏾Organizzazione e cultura dei dati e algoritmi nelle organizzazioni. Cassie Kozyrkov e il vero problema della Generative AI: non la tecnologia ma la leadership

“L’intelligenza artificiale generativa non è semplicemente un’ennesima ondata tecnologica, ma una trasformazione profonda della leadership. Richiede leader che:

• Accettino l’ambiguità, invece di temerla.

• Allineino voci diverse, invece di affidarsi a un’unica metrica.

• Si concentrino in modo rigoroso sul valore, più che sugli output.

• Creino chiarezza su chi ha il potere decisionale e su chi è responsabile di cosa.

Man mano che il pensiero “molte-risposte-giuste” passa dall’output umano a quello delle macchine, la scala apre opportunità senza precedenti. Tuttavia, abbandonando il paradigma della risposta migliore unica, le vittorie facili diventano sempre più rare. Se tu e la tua organizzazione siete pronti ad abbracciare questo cambiamento, le opportunità sono ampie. Sta a te definire e inquadrare queste opportunità, affinché l’organizzazione sia in grado di coglierle.”

Questa è la parte finale di una recente riflessione di Cassie Kozyrkov, contenuta in un articolo che partiva commentando il famoso e recente studio del MIT, incentrato su quel 95% di progetti di implementazione di Generative AI senza (ancora) un ROI misurabile.

Cassie Kozyrkov è una delle figure più riconosciute a livello globale nel campo del decision making basato sui dati e dell’AI applicata al management. È stata la prima Chief Decision Scientist di Google, ruolo in cui ha aiutato dirigenti e team a prendere decisioni migliori in contesti complessi, andando oltre l’uso meccanico delle metriche. È apprezzata per la sua capacità di tradurre statistica, AI e incertezza in strumenti pratici per i leader, con un approccio rigoroso ma accessibile. È stata una delle quattro persone che Alberto Danese e io abbiamo suggerito come assolutamente da seguire nel nostro ultimo libro.

Francamente penso che la Kozyrkov abbia saputo esprimere proprio in questo articolo qualcosa di veramente nuovo in questa fase di transizione epocale che stiamo vivendo. Come scrive in maniera diretta, la capacità di usare in azienda questa nuova tecnologia pone alle organizzazioni una grande ed epocale sfida di leadership. Non credo, francamente, che sia così nuova. In fondo il mindset agile e la capacità di sapere gestire sistemi complessi, quali sono tutte le nostre organizzazioni, erano già importanti prima dell’avvento della generative AI. Forse ora questa capacità diventa però necessaria per sopravvivere, almeno nel medio e lungo periodo.

👅Etica & regolamentazione & impatto sulla società. Dal titolo di studio alle skill: perché l’AI spinge a ripensare diversi momenti scolastici, tesi compresa …

“Un tema centrale è stato il passaggio da un’istruzione basata sulla conoscenza a una basata sulle competenze, che potrà aiutare molte persone, imprese e istituzioni educative. … Greg Hart, l’eccellente CEO di Coursera, ha parlato della creazione di un approccio all’istruzione fondato sulle competenze. Per le persone che vogliono migliorare le proprie prospettive professionali, spostare l’attenzione dall’acquisizione di conoscenze all’acquisizione di competenze può essere molto utile. Ho anche visto molte aziende aumentare l’attenzione verso l’assunzione basata sulle competenze e lo sviluppo delle competenze dei dipendenti.
Che cosa significa tutto questo? Gran parte dell’istruzione tradizionale si concentra sulla conoscenza. Dopo aver conseguito una laurea, sai molte cose. Al contrario, un approccio basato sulle competenze si concentra sullo sviluppo di capacità pratiche e sul miglioramento di ciò che sei in grado di fare con quello che sai. La conoscenza, come capire come funziona il RAG, è utile, ma è ancora più preziosa quando sei in grado di farci qualcosa, ad esempio costruire un sistema RAG. L’AI, essendo un ambito molto pratico, ha sempre posto una forte enfasi sulle competenze applicative, ma in un’epoca in cui si mette in discussione il valore dei titoli accademici, anche altri settori trarrebbero beneficio da uno spostamento verso le competenze. Per esempio, invece di chiederci se un laureato in storia dell’arte conosce bene la sua materia, potremmo chiederci quali competenze abbia acquisito che gli consentano di svolgere attività utili. Questo cambio di mentalità può aiutare le istituzioni educative a offrire una formazione più utile per trovare lavoro.”

Immagine generata con Nano Banana Pro

Questo è l’editoriale di Andrea Ng in uno degli ultimi numeri della sua newsletter. La citazione del Ceo di Coursera e il contesto ha chiaramente una polarizzazione, avendo ancora Andrew Ng un ruolo importante nell’azienda ma i concetti espressi nell’editoriale sono particolarmente attuali, significativi e degni di attenzione soprattutto dal mondo accademico.
Personalmente penso sempre con maggior convinzione che la tesi compilativa, che è ancora uno dei più frequenti finali di studio in università dei nostri giovani, abbia sempre meno senso e debba essere gradualmente sostituito da una tesi di vera ricerca o nella maggior parte dei casi dalla risoluzione di un problema pratico o la realizzazione di un progetto concreto. E questo in tutte le facoltà universitarie, non solo quelle tecniche.
Anche dal punto di vista delle conoscenze, quelle che mi sono rimaste più vivide nella memoria sono state quelle che ho appreso risolvendo un problema o facendo un progetto. Nella convinzione che anche le conoscenze, nella giusta misura, servano ma quando legate all’esperienza riescono ad essere usate in modo molto più creativo.
Il tutto per andare a piccoli passi verso un sistema educativo che integri in maniera efficace anche l’uso dell’AI.

👃Investimenti in ambito dati e algoritmi. Skill che cambiano in fretta, mercato che rallenta: cosa dicono PwC, Atomico e ISTAT

back to 78

Tre anni fa, nella newsletter 78, ti avevo consigliato Atlas di Sequoia: una mappa interattiva dei talenti tech europei (14 specialità, 24 città) perché, anche con il remoto, la localizzazione continua a contare. Ed era stato l’approfondimento che ti era piaciuto di più.
Rileggendolo oggi, la parte interessante si sposta: dalla domanda “dove sono i profili” alle domande “quali profili stanno diventando davvero scarsi” e “quanto velocemente cambiano le competenze richieste”. Atlas raccontava che in Europa ci sono circa 3 milioni di ingegneri software e che Milano, nella vista “All specialities”, pesa circa l’1,34% del volume (13ª città nella top list).

Nel 2025 questa fotografia è ancora utile, e i numeri negli ultimi 3 anni non si sono spostati moltissimo in Europa, se guardiamo i report più interessanti usciti quest’anno, che aggiornano e per certi versi espandono la vista che ci aveva dato il documento di Sequoia nel 2023. Di seguito quelli, a mio avviso, più interessanti sul tema. I messaggi chiave sembrano essere che le skill relative al nostro settore cambiano molto in fretta e che il mercato del lavoro tech in Europa, e direi anche in Italia, si è leggermente raffreddato.

Nel Global AI Jobs Barometer 2025 di PwC, le competenze richieste dai datori di lavoro cambiano del 66% più rapidamente nelle occupazioni più esposte all’AI, e i lavoratori con skill AI mostrano un premio salariale medio del 56% (dati 2024). Nello stesso report, le offerte che richiedono skill AI crescono del 7,5%, mentre i job posting complessivi scendono dell’11,3%.
Sul fronte “mercato del lavoro”, Atomico (State of European Tech 2025) segnala un raffreddamento percepito: il 40% degli intervistati dichiara che nell’ultimo anno è diventato più facile reclutare e trattenere talenti di fascia alta in Europa.
In Italia, infatti, il collo di bottiglia è spesso l’adozione nelle imprese: ISTAT stimava l’8,2% di aziende (10+ addetti) che usavano almeno una tecnologia AI nel 2024, e Reuters (su dati ISTAT) parla di un salto al 16,4% nel 2025.

🖐️Tecnologia (data engineering). Cercando di capire e visualizzare Json molto grandi

Aprire un file JSON da 5000 righe per debuggare o usare un’API è una di quelle esperienze che rientrano nella categoria “lo faccio … se proprio devo”. Parentesi graffe ovunque, oggetti nested a sette livelli, array dentro array. E tu lì, a cercare di capire la struttura, imprecando davanti al monitor.

JSON Crack nasce proprio da questa frustrazione. Aykut Saraç, software engineer turco (ora in Trendyol), l’ha creato nel 2022 come side project open source per visualizzare JSON e altri formati strutturati (YAML, CSV, XML, TOML) in grafici interattivi e navigabili. Il progetto è esploso: partito come JSON Visio, ha raggiunto la top di Hacker News con la versione 2.0 ad agosto 2022 e ha dovuto rebrandizzare per evitare problemi di trademark. Oggi conta oltre 42.600 stelle su GitHub. La forza del tool sta nella semplicità: incolli i tuoi dati nell’editor e lui genera istantaneamente un grafico o un albero che puoi esplorare facilmente. Non si limita alla visualizzazione: converte tra formati (JSON to CSV, XML to JSON), genera interfacce TypeScript e Golang, valida e formatta il codice, esegue query jq e JSONPath ed esporta tutto come PNG, JPEG o SVG. Tutto rigorosamente locale: i dati non lasciano mai il tuo browser. Il progetto è completamente open source (licenza Apache 2.0) . C’è anche un prodotto premium chiamato ToDiagram con funzionalità avanzate (cloud storage, collaboration, AI-assisted editing), ma il core rimane gratuito e accessibile a tutti.

Tre spunti pratici:
1) Provalo ora senza installare nulla: vai su jsoncrack.com/editor e incolla il JSON più complesso che hai sottomano. Vedrai subito se, per i tuoi use case, vale la pena usarlo.
2) Self-hosting per dati sensibili: se lavori con dati proprietari e tieni molto alla tua privacy, puoi clonare il repository GitHub e farlo girare in locale con Docker in pochi minuti. Zero dipendenze esterne.
3) Estensione VS Code disponibile: se preferisci non uscire dall’editor, esiste un’estensione ufficiale che ti permette di visualizzare file JSON come grafici direttamente in VS Code con un click.

Se hai ulteriori suggerimenti e riflessioni sui temi di questo numero o per migliorare questa newsletter scrivimi (st.gatti@gmail.com) o commenta su substack.

Se ti è piaciuta e non sei ancora iscritto lascia la tua mail qui sotto e aiutami a diffonderla!

Alla prossima!