Le interviste di BicoccAlumni: Leonardo di Matteo e la passione per la Data Science

Tornano le "Interviste di BicoccAlumni", quest'oggi abbiamo deciso di intervistare uno dei protagonisti dell'evento di lunedì 8 ottobre "MEET DATA: The Science and The Scientists", il nostro Alumno Leonardo Di Matteo.

Leonardo completa gli studi magistrali presso l'Università degli Studi di Milano-Bicocca in Fisica delle Particelle Elementari nel 2009 sotto la guida di M. Paganoni, con una tesi ai laboratori del CERN di Ginevra. Decide di proseguire gli studi al CERN, focalizzandosi sulla ricerca del bosone di Higgs (scoperto nel 2013), con un dottorato di ricerca sempre con il gruppo di M. Paganoni. Finito il dottorato, nel 2013, si sposta al MIT di Boston con C. Paus per proseguire le ricerche di nuove particelle, nell’ambito della materia oscura. Dopo due anni di Postdoc a Boston torna in Europa, in Germania, iniziando la carriera aziendale come Data Scientist in un’azienda biotecnologica – QIAGEN – dove opera attualmente come Senior Manager nel gruppo di Data Science.

- Raccontaci del tuo percorso universitario e di come e perché ti sei appassionato al Data Science

Vengo da un percorso in fisica delle particelle elementari, con focus su analisi di grandi quantitativi di dati da collisioni di protoni registrate presso gli esperimenti di LHC, al CERN di Ginevra. In questo settore la capacità e l’abilità di analisi nel contesto Big Data è determinante per fare scoperte scientifiche di importanza fondamentale. Vedere il potere di queste tecniche in ambito scientifico ha acceso per la prima volta il mio interesse per la Data Science. Coincidenza vuole che durante i miei studi il settore privato è cambiato enormemente per via dell’informatizzazione, digitalizzazione e l’abbassamento dei costi per le tecnologie di trattamento dati. Per la prima volta abbiamo enormi sfide, dalla medicina alla biotecnologia, dalla pianificazione urbana al trasporto senza pilota, dalla logistica alla riduzione degli sprechi energetici, che possono essere in parte risolte con approcci riconducibili alla Data Science. Così ho deciso di specializzarmi in questo settore per provare ad affrontare alcuni di questi problemi aperti.

- Come ti trovi e come percepisci l'importanza che viene data al tema del Data Science in Germania?

Chiaramente il tema Data Science va oggi molto di moda e le aziende rincorrono gli esperti in materia per ammodernarsi. I cambiamenti ci sono ma siamo ancora in una fase prematura per l’applicazione della Data Science al suo pieno potenziale. La Germania, come altri paesi al di fuori di alcune isole avanzate (Silicon Valley e alcune aree in Cina), sta ancora attraversando una grande fase di cambiamento del settore privato perché qui la rivoluzione digitale è arrivata con ritardo e ancora vi sono resistenze da parte delle culture non data-driven ad accettare il potenziale offerto dalla Data Science. Direi che la sfida principale è per me questa: promuovere nuovi approcci a problemi noti da tempo e finora affrontati con il solo utilizzo dell’esperienza dei singoli e la conoscenza sul campo.

- Come pensi si evolverà il tuo lavoro nel tempo e cosa vedi nel tuo futuro?
Sicuramente il futuro della Data Science è un futuro di importanza crescente nelle organizzazioni, private e non. Il campo si evolve in diverse direzioni: prima di tutto si va verso la semplificazione di alcuni strumenti di analisi dati per aprire un settore ostico anche ai meno preparati, in modo da rendere i benefici della Data Science accessibili anche a piccole organizzazioni che non possono permettersi di assumere specialisti dedicati. In parallelo, diverse università stanno iniziando veri e propri percorsi di studi con l’obiettivo di preparare i Data Scientist del futuro, cosa che porterà ad un forte aumento della qualità e quantità delle applicazioni di Data Science in diverse discipline e settori. Nel mio futuro vedo meno interesse a problemi “facili” e standardizzati, che potranno essere affrontati da strumenti quasi completamente automatici e lasciati ai meno esperti, e invece maggiore focus su problemi complessi ma con un ritorno molto alto. Per queste sfide mi immagino come un tramite fra gli esperti classici (da ambiente Business) e i futuri giovani Data Scientist, più preparati nelle tecniche di analisi ma meno esperti nel tradurre i requisiti dei dirigenti e manager in problemi quantitativi definiti.    

- Cosa consigli a chi si vuole approcciare a questo mondo?
In primis viene la preparazione di base, che passa attraverso la matematica, la statistica e le scienze naturali. I fondamenti richiedono tempo e focus per essere costruiti in maniera solida, mentre il resto necessario per la Data Science, come gli strumenti di programmazione o la conoscenza specifica nelle  discipline applicative, può essere acquisito in maniera relativamente facile. Un altro consiglio è di avere una mente aperta e curiosa perché la Data Science offre prospettive di lavoro in diversi settori, con culture e applicazioni molto disparate. Questo è un grande dono della Data Science: con una specializzazione unica si possono toccare diversi temi nel corso della carriera. L’altro consiglio è di cercare di capire al più presto quali sono i propri interessi profondi per indirizzare la propria carriera: siete dei veri amanti del codice? Focalizzatevi su Data Engineering. Avete un dono per la matematica e vi piace leggere gli ultimi sviluppi nel Machine Learning? Costruite un curriculum di puro Data Scientist. Vi piace vedere i prodotti di Data Science all’opera e volete avere più influenza sulle decisioni della vostra organizzazione? Pensate anche a una carriera come Business Analyst.

Per conoscere Leonardo Di Matteo e saperne di più su Data Science, vi consigliamo di partecipare all'evento MEET DATA: The Science and The Scientists, lunedì 8 ottobre alle ore 16.30 presso la biblioteca di Ateneo.(L'evento è a numero chiuso, per partecipare occorre iscriversi compilando il modulo a questo link)