Le competenze globali e il quadro delle competenze per un mondo digitale

Scienza dei dati DATS Beta

(unchanged)

Applicazione di tecniche matematiche, statistiche, data mining e modelli predittivi per ottenere informazioni, prevedere comportamenti e generare valore dai dati.

Traduzione italiana di SFIA 9: Versione Beta

SFIA 9 in inglese è ora disponibile.

  • Questa è una versione beta di SFIA 9 in italiano.
  • L'abbiamo creata utilizzando la Phrase Localization Platform, combinando:
    • Il contenuto tradotto da SFIA 8
    • I contributi di 7 principali fornitori di traduzione automatica
  • Aggiorneremo questa traduzione dopo la revisione e i controlli di qualità.
  • Vi preghiamo di contattarci se notate errori o avete domande.

Nota: Sebbene la traduzione automatica aiuti a creare versioni iniziali, la revisione professionale garantisce precisione e un linguaggio appropriato al contesto.

Note di orientamento

(unchanged)

La scienza dei dati viene generalmente utilizzata per analizzare dati ad alto volume, alta velocità e alta varietà (numeri, simboli, testo, suoni e immagini).

Le attività possono includere, a titolo esemplificativo ma non esaustivo:

  • integrazione di metodi di matematica, statistica e modellazione probabilistica utilizzando linguaggi, strumenti e tecniche di programmazione specializzati
  • reperimento e preparazione dei dati per l'analisi
  • identificare, convalidare e sfruttare set di dati interni ed esterni generati da una variegata gamma di processi
  • sviluppare informazioni lungimiranti, predittive, in tempo reale e basate su modelli per creare valore e guidare un processo decisionale efficace
  • ricerca, selezione, acquisizione e gestione di origini dati,
  • integrazione e pulizia dei dati per renderli adatti allo scopo
  • sviluppo di ipotesi ed esplorazione dei dati utilizzando modelli e sandbox di analisi
  • perfezionare i requisiti, convalidare, formare ed evolvere i modelli nel tempo per scoprire informazioni più approfondite, fare previsioni o generare consigli.
  • utilizzando tecniche analitiche avanzate tra cui, a titolo esemplificativo ma non esaustivo, data mining, apprendimento automatico, pattern matching, previsione, visualizzazione, analisi semantica, analisi del sentiment, analisi di reti e cluster, statistiche multivariate, analisi di grafici, simulazione, elaborazione di eventi complessi, reti neurali.

Comprendere i livelli di responsabilità di questa abilità

Dove i livelli inferiori non sono definiti...
  • I compiti e le responsabilità specifiche non sono definiti perché l'abilità richiede un livello più elevato di autonomia, influenza e complessità nel processo decisionale rispetto a quanto generalmente previsto a questi livelli. È possibile utilizzare le istruzioni di essenza per comprendere le responsabilità generiche associate a questi livelli.
Dove i livelli più alti non sono definiti...
  • Le responsabilità e le responsabilità non sono definite perché questi livelli superiori implicano una leadership strategica e un'influenza organizzativa più ampia che va oltre l'ambito di questa specifica competenza. Vedi le dichiarazioni di essenza.

Sviluppare competenze e dimostrare le responsabilità relative a questa abilità

I livelli definiti mostrano la progressione incrementale delle competenze e delle responsabilità.

Dove i livelli inferiori non sono definiti...

Puoi sviluppare le tue conoscenze e sostenere gli altri che hanno responsabilità in questo settore:

  • Apprendimento dei concetti e dei principi chiave relativi a questa abilità e al suo impatto sul tuo ruolo
  • Esecuzione di abilità correlate (vedere le competenze SFIA correlate)
  • Supporting others who are performing higher level tasks and activities
Dove i livelli più alti non sono definiti...
  • È possibile progredire sviluppando competenze correlate che sono più adatte ai livelli più elevati di leadership organizzativa.

Mostra/nascondi descrizioni e livelli extra.

2 3 4 5 6

Levels of responsibility for this skill

Scienza dei dati: Livello 2

Livello 2 - Assistere: Essenza del livello: fornisce assistenza agli altri, lavora sotto supervisione ordinaria e usa la loro discrezione per affrontare i problemi di routine. Apprende attivamente attraverso la formazione e le esperienze sul posto di lavoro.

(modified)

Sotto supervisione di routine, applica specifiche tecniche di data science ai dati. Analizza e segnala i risultati e affronta semplici problemi, utilizzando algoritmi inclusi in framework e strumenti software standard.

Scienza dei dati: Livello 3

Livello 3 - Applicare: Essenza del livello: esegue varie attività, a volte complesse e non di routine, utilizzando metodi e procedure standard. Lavora sotto la direzione generale, esercita la discrezione e gestisce il proprio lavoro entro le scadenze. Migliora in modo proattivo le competenze e l'impatto sul posto di lavoro.

(modified)

Applica tecniche standard di data science a nuovi problemi e set di dati utilizzando tecniche di programmazione specializzate. Identifica e seleziona fonti di dati appropriate e prepara i dati da utilizzare nei modelli di data science. Valuta i risultati e le prestazioni dei modelli di data science. Identifica e implementa opportunità per addestrare e migliorare i modelli e i dati che utilizzano. Pubblica e segnala gli output del modello per soddisfare le esigenze dei clienti e conformarsi agli standard concordati.

Scienza dei dati: Livello 4

Livello 4 - Abilitare: Essenza del livello: svolge diverse attività complesse, supporta e guida gli altri, delega i compiti quando appropriato, lavora in modo autonomo sotto la direzione generale e contribuisce con le competenze per raggiungere gli obiettivi del team.

(modified)

Esamina problemi e set di dati per valutare l'utilità delle soluzioni di data science. Applica diverse tecniche di data science e linguaggi di programmazione specializzati. Comprende e applica regole e linee guida specifiche per il settore e l'azienda e anticipa i rischi e altre implicazioni della modellazione. Seleziona, acquisisce e integra i dati per l'analisi. Formula ipotesi e valuta modelli di data science. Fornisce consulenza sull'efficacia di tecniche specifiche in base ai risultati dell'analisi e alla ricerca. Contribuisce allo sviluppo, alla valutazione, al monitoraggio e all'implementazione di soluzioni di data science.

Scienza dei dati: Livello 5

Livello 5: Assicurare, consigliare: Essenza del livello: fornisce una guida autorevole nel loro campo e lavora in un'ampia direzione. Responsabile della fornitura di risultati di lavoro significativi, dall'analisi all'esecuzione fino alla valutazione.

(unchanged)

Pianifica e guida tutte le fasi dello sviluppo di soluzioni di analisi e scienza dei dati. Fornisce consulenza di esperti per valutare i problemi da risolvere e la necessità di soluzioni di scienza dei dati. Identifica quali origini dati utilizzare o acquisire. Specifica e applica tecniche di scienza dei dati appropriate e linguaggi di programmazione specializzati. Esamina i vantaggi e il valore delle tecniche e degli strumenti di scienza dei dati e consiglia miglioramenti. Contribuisce allo sviluppo di politiche, standard e linee guida per lo sviluppo, la valutazione, il monitoraggio e l'applicazione di soluzioni di scienza dei dati.

Scienza dei dati: Livello 6

Livello 6 - Avviare, influenzare: Essenza del livello: ha un'influenza organizzativa significativa, prende decisioni di alto livello, modella le politiche, dimostra leadership, promuove la collaborazione organizzativa e accetta la responsabilità in aree chiave.

(modified)

Sostiene e guida l'introduzione e l'uso della scienza dei dati per guidare l'innovazione e il valore aziendale. Sviluppa e guida l'adozione e l'aderenza alle policy, agli standard, alle linee guida e ai metodi organizzativi per la scienza dei dati. Stabilisce la direzione e guida l'introduzione e l'uso di tecniche, metodologie e strumenti di scienza dei dati. Guida lo sviluppo delle capacità organizzative per la scienza dei dati. Pianifica e guida iniziative di scienza dei dati strategiche, ampie e complesse per generare intuizioni, creare valore e guidare il processo decisionale.