Differenze tra le versioni di "Scienza dei dati"

Aggiunto qualche collegamento iper.
(Storia della data science)
(Aggiunto qualche collegamento iper.)
 
== Storia ==
Il termine "data science" è stato introdotto per la prima volta nel [[1974]] dall'informatico danese [[Peter Naur]] nel suo libro "Concise Survey of Computer Methods" come evoluzione del concetto di "datalogy" utilizzato dallo stesso Peter Naur qualche anno prima<ref>{{Cita pubblicazione|autore=Peter Naur|anno=1966|titolo=The science of datalogy|rivista=Communications of the ACM|volume=9|numero=7}}</ref> per contrapporlo al concetto più limitativo di informatica o "computer science". In questa prima definizione, Naur intende la scienza dei dati come una disciplina relativa alla gestione e alla manipolazione dei dati così come costituiti<ref>{{Cita libro|autore=Peter Naur|titolo=Concise Survey of Computer Methods|data=1974|editore=Studentlitteratur}}</ref>, ponendo poca enfasi alla possibilità di estrarre, dagli stessi dati, informazioni di utilità commerciale.
 
La scienza dei dati è stata riconosciuta disciplina indipendente e slegata da informatica e statistica soltanto nel [[2001]], quando William Clevaland stabilì i campi di competenza della data science, inscrivendoli in 6 diverse aree: ricerca multidisciplinare, modelli, elaborazione dati, pedagogia, valutazione degli strumenti e teoria<ref>{{Cita pubblicazione|autore=William S. Cleveland|anno=2001|titolo=Data science: An action plan for expanding the technical areas of the field of statistics|rivista=International Statistical Review|volume=|numero=|url=https://www.semanticscholar.org/paper/Data-science%3A-An-action-plan-for-expanding-the-of-Cleveland/915cd8e2b39eb02723553913d592b2237d4d9960}}</ref>.
 
Con l'avvento dei big data e dell'idea di "valore del dato" propria di questo paradigma, evolve il concetto stesso di data science, che diviene così una scienza olistica, il quale principio fondante non è la mera gestione del dato, ma una più ampia valorizzazione della grande mole eterogenea di dati proveniente dalle diverse fonti (data warehouse, sensori, web, ecc...). La data science al giorno d'oggi va quindi intesa come una disciplina trasversale a cui fanno capo sia le sfere dell'informatica, della statistica e della matematica, come nell'accezione originale, sia un set di competenze più manageriali e astrattive, legate alla più recente necessità di sapere leggere, interpretare e capitalizzare i dati a fini di business.
 
L'Osservatorio Big Data Analytics & Business Intelligence del [[Politecnico di Milano]] nel [[2018]] ha svolto un’analisi delle offerte di lavoro pubblicate su [[LinkedIn|Linkedin]] individuando le figure professionali più richieste in ambito data science dalle aziende. Da quest'analisi è possibile individuare almeno tre tipi di profili professionali distinti: il Data Scientist, il Data Engineer e il Data Analyst.<ref>{{Cita web|url=https://blog.osservatori.net/it_it/data-science-must-have|titolo=Data Science: i must have per la gestione dei Big Data}}</ref>
 
== Note ==
 
== Voci correlate ==
[[Big data|Big Data]]
 
* [[Big data analytics|Big Data Analytics]]
* [[Big data analytics|Big Data Analytics]]
 
* [[Analisi dei dati|Analisi dati]]
 
== Altri progetti ==
334

contributi