Oggi è sempre più difficile orientarsi per le aziende in questa fase di forte evoluzione del mercato, che abbiamo definito Rivoluzione Industriale 4.0. Tutto evolve rapidamente e le competenze tecniche (hard skill) vanno in obsolescenza rapidamente.

Ho deciso dunque di scrivere questo articolo confrontando con Pietro Marinelli (AI expert and Data Scientist, ranked 216th e top 3 in Italy Data Scientists in Kaggle ranking), per capire un data science oggi come faccia a rimanere aggiornato e quali sono i trend del mercato.

Quest’ambito è uno di quelli che forse evolve più rapidamente. Da qui la mia idea di studiare e capire meglio il mondo di Kaggle,una consociata di Google LLC.

Si tratta a tutti gli effetti di una comunità online di Data Scientist e professionisti che utilizzano machine learning predittivi. La laurea non è uno dei parametri fondamentali. Già qui vediamo la prima differenza con la selezione e gestione del personale italiana, molto spesso inutilmente formalista.

La condivisione di idee tra professionisti:network puro

Per community online intendiamo la presenza di un gruppo di persone che si possono relazionare tra loro ed hanno un profilo, in cui possono agire secondo delle regole in libertà. Nella piattaforma sono presenti vari spazi virtuali a seconda dell’azione che si vuole intraprendere: formazione o competizione.

Infatti, esistono momenti di confronto in cui gli utenti si scambiano: best pratice, informazioni o soluzioni nei problemi incontrati che hanno risolto. La logica è simile a quella del forum, che implementa una parte di learning più diretta.

In pratica che significa formazione in questo caso? Su Kaggle è possibile accedere a database (big data) e pezzi di codice da utilizzare (code snippets, detti anche kernels su Kaggle).

L’interesse verso Kaggle deriva anche dal fatto che sia una piattaforma che segue la logica dell’inclusività e permette anche ai non top player di crescere e confrontarsi con sfide “scolastiche”, da affrontare anche formandosi con qualità. Infatti l’area formazione di Kaggle Learn spinge molto per un’educazione sull’intelligenza artificiale (AI Education).

Ogni profilo ha vari valori diversi: si tende a premiare chi vince le competizioni, tuttavia si premia anche chi offre supporto formativo o spunti validi nei forum. La condivisione è vista come creazione di valore aggiunto per l’intera categoria di professionisti.

Più è matura la categoria e mercato professionale, maggiori saranno le opportunità per gli attori.

Infatti puoi anche non aver vinto nessuna competizione, ma se hai dato valore aggiunto con le tue risposte agli altri vieni comunque valorizzato e considerato.

Nello specifico nella parte di Knowbook condividi soluzioni che usi, si possono consigliare e votare. Soluzioni condivise, non sono quelle vincenti, ma quelle utili per gli altri per crescere tutti. Nel momento in cui condividi sei “rispettato”, perché si partecipa sulle discussioni e ti metti in gioco pubblicamente.

Dunque la piattaforma premia ed incentiva il confronto come mossa di Personal Branding e creazione di Opinion Leader (persone che sono punti di riferimento professionale per gli altri). Fondamentale per chi non sia già un professionista affermato, iniziare a farsi una reputazione che possa attirare un HR recruiter o aziende.

Infatti anche se non trovi la soluzione vincente le tue opinioni, impattano sul Kernel granmaster che è una figura specifico per supporto, molto apprezzata e stimata. Sali di livello e diventi Working data science. Qui mostri le tue competenze proto-lavorative. Utilissimo colleghi della selezione del personale per valutare figure tecniche e complesse da trovare come i data science.

Partendo dal profilo di Kuggle un HR o Manager può valutare un professionista sulla base di quello che ha fatto e sulla base di valutazioni sia quantitative (ranking ecc.) ma anche qualitative (leggere i suoi post ecc.).

Senza entrare in particolari virtuosismi tecnici è importante capire che il ranking è modellato su funzioni matematiche, che influenzano l’assegnazione o sottrazione di punti.
Con questi algoritmi il comportamento dell’utente favorito ed incentivato nei comportamenti collaborativi ed un uso regolare della piattaforma stessa, anche solo per mantenere le perfomance. La logica è molto simile a quella del ranking mondiale nello sport del Tennis.

A tutti gli effetti queste sono informazioni anche per capire il mercato e i suoi trend, specialmente nella parte di Leaderboard, metriche di riferimento di best pratics.

Costruzione della competizione tra professionisti

Dall’altra troviamo le aree di competizione e di sfida, in cui emerge binomio etica-business. Infatti Kaggle innova un modello di business in quanto ospita sulla sua piattaforma numerose aziende che possono commissionare dei lavori. Delle aziende mettono in palio dei premi (denaro principalmente, raramente posti di lavoro proprio) che verranno erogati ai vincitori secondo una classifica basata sui punteggi ottenuti basate su regole il più possibili oggettive e trasparenti.

Un poco come nei secoli scorsi si commissionavano opere con sfide tra artisti. Il modus operandi è molto simile alla leggendaria competizione del 1401 per la costruzione della Porta Nord di Firenze Questa competizione, alla quale parteciparono tantissimi professionisti ed artisti, che porto al duello tra i grandi dell’epoca Filippo Brunelleschi e Lorenzo Ghiberti per la costruzione della Porta Nord di Firenze. Alert Spoiler sul vincitore: fu Ghiberti.

Ironico, il meccanismo è molto noto in Italia, ma le aziende italiane non hanno ancora commissionato nessun lavoro.

La logica è sempre la stessa. Abbiamo un committente, una piattaforma digitale (arena) in cui i vari professionisti si sfidano con le proprie analisi e competono con gli altri. Nei secoli scorsi era un’opera artistica, oggi un problema di attualità delle aziende.
L’aspetto ulteriormente etico da sottolineare è che la gara ha una valenza fortemente paritaria, nel senso che sono permessi l’utilizzo di strumenti gratuiti o open source, per minimizzare i vantaggi circa la strumentazione un partecipante rispetto ad un altro.
La meritocrazia non è che tutti abbiano gli stessi risultati (quello anzi appiattisce il merito), ma che tutti potenzialmente abbiano le stesse possibilità (iniziali) di partenza per concorrere alla vittoria in base all’uso delle proprie capacità.

Dal 2017 Kaggle ha superato i 1.000.000 iscritti registrati. Il forte livello di attrattività deriva da più fattore: sistema incentivante, confronto e aggiornamento continuo, libertà di scelta di come usare la piattaforma (nei tempi e scelta delle sfide o corsi).

Spesso è un elemento che viene sottovalutato, ma la libertà di scelta delle proprie azioni è un valore aggiunto nel mercato, basti pensare alla morte dei processi di standardizzazione dei prodotti.
In tal senso potremmo definire il meccanismo di Kaggle come un’estremizzazione del concetto di lavorare per obiettivi e non per tempo. Qui hai solo l’obiettivo e decidi tu quale perseguire. Fantascienza per la mentalità padronale italiana.

Il senso di libertà è fortemente ripreso da Alberto Danese, uno degli italiani con un ranking su Kaggle più elevati ed attualmente Head of Data Science at Nexi.

“Apprezzo in particolare la completa libertà sulle metodologie e sugli strumenti che si vogliono utilizzare (a patto che siano free ed open source) e la modalità di valutazione, completamente oggettiva e senza preclusioni per età, genere, esperienza o nazione di appartenenza. Le soluzioni migliori vengono almeno in parte rese pubbliche e quindi si può imparare molto sullo stato dell’arte nel mondo della data science. “ Alberto Danese

Qui emerge proprio il punto, ossia le soluzioni migliori vengono in parte rese pubbliche, quindi è possibile “rubare” il mestiere dai migliori e crescere trovando soluzioni nuove studiando casi reali. Si inizia dunque a creare una continuità tra leader di opinione e follower che crescono assorbendo il knowhow dai top player o in generale dalle persone con maggiore esperienza.

Kaggle come fonte di informazione e formazione

L’aspetto interessante è che questo modo di operare rompe ancora il vecchio monopolio del Sapere nelle Istituzioni formative come l’Università. Kaggle diventa un riferimento autorevole che si impone nella letteratura alimentando nuovi focolai di sapere gratuiti ed integrativi a quelli ordinari (corsi, blog, laurea, amici).
Un caso assolutamente di primo livello è quello di Luca Massaron (qui il profilo su Kaggle) numero 1 in Italia attualmente e noto anche perchè autore di molti libri di primissimo livello tecnico. Numerosi sono i suoi libri che per gli addetti ai lavori sono fonte di ispirazione ed approfondimento di elevato spessore (vedi qui) che nulla hanno da invidiare ai testi universitari.

Interessante notare che il suo livello di attendibilità per gli addetti ai lavori è tale “molti di questi ricercatori pubblicano le proprie ricerche su dei paper proprio sulla base di perfomance avute in competizioni su Kaggle” (qui). A tutti gli effetti è diventato anche un sintomo di prestigio che aiuta il personal branding.

Se si imbroglia che succede?

Il bello della tecnologia è che traccia moltissime informazioni e dunque imbrogliare è sempre più complesso e costoso.
Nei modelli a forte connotazione etica è importante andare a capire come vengono gestite le eccezioni, ossia la devianza (deviazione rispetto agli standard e regole accettate) di un comportamento rispetto alle regole etiche scritte e non scritte.

L’azienda infatti deve tutelare il proprio marchio e la reputazione del proprio sistema. Un caso interessante è stato quello di un esperto di Data Science (alto nel ranking) che ha imbrogliato utilizzando una soluzione che ha trovato online ad una competizione, senza dichiararla e spacciandola per propria. (qui per approfondire).

In questo caso sono state effettuale le rigide procedure di controllo e il professionista bannato da piattaforma, perso lavoro per aziende che collaborata di Kaggle.

Cambiamento delle logiche del mercato

Un aspetto interessante è capire come Kaggle sia un modo innovativo di fare impresa e consulenze. Infatti a tutti gli effetti il prestigio della piattaforma lo rende un datore di lavoro di altissimo spessore.
Piuttosto che avere un lavoro per una azienda potenzialmente un professionista potrebbe pensare di risolvere un certo numero di sfide all’anno da freelancer, assicurandosi un ranking stabile nel tempo. Più sfide prestigiosi vinci, più fai punti e guadagni.

Dunque possiamo dire che Kaggle sia un esperimento interessante. Spero che presto queste logiche vengano implementate anche in altri settori (con i giusti adattamenti), per favorire i processi di condivisione, crescita e libertà che vengono portati avanti.