Data Science & AI Specialist (m/f/d) (80-100%)

Questo ruolo è la base del nuovo Advanced Analytics AI Center of Excellence di Accelleron. Questo ruolo richiede esperienza di programmazione e gestione di set di dati strutturati e non strutturati. Questo ruolo trasforma le sfide aziendali in soluzioni basate sui dati: identificare i dati corretti, costruire e validare modelli, tradurre i risultati in intuizioni e valore aziendale misurabile.

L'Advanced Analytics AI CoE costruisce capacità agnostiche rispetto ai processi e agisce come partner esperto per i team di dominio dei processi e le unità aziendali che possiedono le soluzioni. Insieme alla consegna pratica, il ruolo aiuta il programma AI citizen in tutta l'azienda a lavorare in modo sicuro ed efficace con l'IA. Questi ruoli aiuteranno a raggiungere il livello successivo di maturità dei dati IA.

Le tue responsabilità:

Consegna di casi d'uso di IA e machine learning

• Supportare e fornire soluzioni basate sui dati: dalla definizione del problema e la valutazione della fattibilità allo sviluppo del modello, la validazione, la distribuzione e il monitoraggio post-go-live.
• Creare intuizioni azionabili utilizzando metodi di data science & AI: analisi statistica, machine learning, computer vision, Large Language Models applicati a problemi aziendali.
• Consegna della soluzione all'operatività sostenibile: documentazione, approccio di riaddestramento e monitoraggio, e chiara proprietà insieme al dominio del processo e ai team applicativi.

Partnership aziendale e traduzione del valore

• Collaborare con le unità aziendali per comprenderne le esigenze: interagire con Divisioni & Funzioni, chiarire il processo effettivo da migliorare e porre domande critiche quando necessario.
• Tradurre i risultati analitici in valore e azioni aziendali: spiegare i risultati in linguaggio aziendale, quantificare i benefici attesi e definire cosa dovrebbe cambiare di conseguenza.
• Consigliare gli utenti aziendali end to end: dagli input dei dati, alla selezione delle caratteristiche, agli approcci di modellazione, alla valutazione dei risultati e all'implementazione pratica del progetto.
• Contribuire alla qualificazione dei casi d'uso: valutare la disponibilità e la qualità dei dati, lo sforzo, il rischio e il ritorno atteso, e supportare il processo di ricezione e prioritizzazione della domanda. Deve seguire le normative vigenti (EU AI Act, GDPR) e i processi interni (Security).

Sourcing dei dati e collaborazione con la piattaforma

• Identificare e reperire dati rilevanti: individuare i dati interni ed esterni corretti, valutarne la qualità, la proprietà e l'idoneità, e prepararli per l'uso analitico.
• Lavorare attraverso l'Enterprise Data Layer e il Data Product Catalogue: consumare prodotti dati governati quando esistono, segnalare le lacune all'Enterprise Data Architect e ai proprietari dei data-product piuttosto che costruire estratti una tantum (Crea una volta, distribuisci più volte).
• Identificare e reperire dati rilevanti: individuare i dati interni ed esterni corretti, valutarne la qualità, la proprietà e l'idoneità, e prepararli per l'uso analitico.
• Lavorare attraverso l'Enterprise Data Layer e il Data Product Catalogue: consumare prodotti dati governati quando esistono, segnalare le lacune all'Enterprise Data Architect e ai proprietari dei data-product piuttosto che costruire estratti una tantum (Crea una volta, distribuisci più volte).

Strumentazione, ingegneria e standard

• Integrare strumenti come Python e R nel panorama analitico incl. notebook, librerie e il loro utilizzo all'interno di Microsoft Fabric e della piattaforma dati aziendale.
• Applicare solide pratiche di data engineering: controllo di versione, revisione del codice, gestione dell'ambiente, test e pipeline ripetibili per la preparazione dei dati e l'addestramento dei modelli.
• Aiutare a definire i metodi e gli standard del CoE: approcci di riferimento, template, documentazione del modello, criteri di valutazione e il percorso dal prototipo alla produzione.
• Valutare nuovi metodi e strumenti: valutarne l'idoneità per Accelleron e formulare raccomandazioni pragmatiche su cosa adottare.

Abilitazione dei citizen data scientists e condivisione della conoscenza

• Abilitare l'AI citizen: fornire linee guida, template, formazione e coaching in modo che gli utenti aziendali possano applicare l'analisi avanzata in modo sicuro ed efficace.
• Consigliare la comunità citizen sulla scelta del metodo: quando l'analisi self-service è appropriata, quando una soluzione fornita dal CoE è la risposta migliore e dove risiedono i rischi.
• Condividere le best practice e collaborare tra i team Digital e IS MS Copilot Studio CoE, ingegneri di processo, proprietari di applicazioni e il team Digital AI, per riutilizzare gli asset piuttosto che duplicare le capacità.
• Contribuire alle comunità di pratica per aumentare la alfabetizzazione in materia di IA e dati in tutta l'organizzazione.

Come viene misurato il successo:

• Casi d'uso di Data Science & AI consegnati in produzione, con valore aziendale dimostrabile.
• Modelli che sono documentati, monitorati e manutenibili oltre il loro autore originale.
• Soluzioni analitiche costruite su prodotti dati governati piuttosto che su soluzioni su misura una tantum.
• Una comunità AI citizen in crescita, capace e ben governata j4id10417656a j4it0940a j4iy26a