⚡️ Data Science e sanità: come individuare il profilo giusto?

Il Data scientist rappresenta uno dei profili professionali maggiormente rilevanti e di impatto dirompente per le aziende e il mercato del lavoro nel prossimo futuro. Diverse sono le competenze generali e tecniche che questo professionista deve acquisire a seguito del proprio percorso di studi, ma elevato può essere il contributo all’interno di ogni realtà aziendale, sia per finalità di analisi ed elaborazione di informazioni, sia per la realizzazione di modelli predittivi o di strumenti di Business Intelligence. Per l’applicazione in ogni ambito imprenditoriale, però, occorrono abilità specifiche di contesto e in particolare questo si verifica nell’ambito sanitario, nel quale è rilevante poter garantire la presenza di competenze sia di natura gestionale, sia specifiche di dominio.

In questa sede suggeriremo alle aziende uno strumento utile per definire le modalità e i criteri adeguati, per la selezione delle principali competenze necessarie per rispondere alle specifiche esigenze aziendali. La proposta prende le mosse da un progetto rettorale, svolto in seno all’Università Carlo Cattaneo – LIUC.

USARE I DATI PER MIGLIORARE LE DECISIONI
Il processo di digitalizzazione, nonché la diffusione sul mercato di tecnologie smart e innovative, sta trasformando profondamente tutti i settori industriali, e in particolare il settore sanitario, definendo nuove frontiere e delineando nuove opportunità, aventi come obiettivo comune a cui tendere il miglioramento dei processi decisionali e l’ottimizzazione delle risorse. In questo contesto, combinare competenze statistiche e informatiche unitamente allo sviluppo di conoscenze approfondite del mondo sanitario, emerge come una priorità per sfruttare il potenziale dei dati e ricavare informazioni utili per alimentare il processo di presa di decisioni a tutti i livelli dell’organizzazione e per tutti gli operatori (professionisti sanitari, manager, imprenditori e aziende produttrici).

La figura del Data scientist risulta essere la risposta a questa necessità operativa e strategica, non solo nei contesti ospedalieri ma anche e soprattutto all’interno delle aziende produttrici che operano nel mondo sanitario quali aziende farmaceutiche, produttori di dispositivi medici e player importanti nel settore del Digital Health.

Ma come individuare il profilo giusto di un esperto in data science per il settore sanitario? Come identificare un soggetto in grado di trasformare i dati grezzi in insight significativi, guidando le decisioni strategiche e contribuendo a migliorare l’efficienza e l’efficacia delle prestazioni sanitarie?

In primo luogo, la figura del Data scientist, all’interno di un contesto sanitario, deve essere in grado di lavorare a stretto contatto con gli operatori sanitari per estrarre valore dai dati raccolti, analizzando eventuali tendenze e fornendo evidenze a supporto del processo decisionale. Inoltre, tale figura professionale dovrà essere in grado di gestire le sfide e le opportunità legate alla raccolta, gestione ed elaborazione dei dati, considerando gli aspetti etici, le policy esistenti in tema di privacy dei dati e le regolamentazioni di riferimento, a livello sia nazionale sia internazionale.

A livello operativo, disporre di uno strumento a supporto della definizione delle modalità e dei criteri adeguati al fine di selezionare le principali competenze necessarie, permetterebbe di rispondere alle specifiche esigenze aziendali in tema di inserimento di un profilo di Data scientist, quale ponte tra gli aspetti sanitari e le esigenze aziendali.

IDENTIKIT DEL DATA SCIENTIST
Partendo da una revisione della letteratura di riferimento, unitamente alla consultazione del portale indeed.com per comprendere le competenze chiave maggiormente richieste nel contesto italiano, e dei programmi universitari per comprendere i contenuti curriculari, è stata definita una proposta operativa.

Incrociando le tre diverse fonti di dati, per un totale di 17 pubblicazioni scientifiche, 72 offerte di lavoro e 6 corsi universitari, è stato possibile definire uno strumento identificativo delle competenze chiave necessarie per ricoprire il ruolo del Data Scientist nel settore sanitario. Le competenze sono state stratificate in base a differenti livelli di priorità, definendone una struttura a piramide.

Alla base del profilo di un buon Data scientist, si hanno le abilità tecniche e le competenze specifiche, che si possono suddividere in tre cluster principali: 1) Machine learning e statistica, 2) Business Intelligence e dati, e 3) Linguaggi di programmazione e software.

Il secondo livello della piramide riguarda le competenze aziendali e lavorative, ovvero le conoscenze specifiche del settore sanitario legate ai processi e ai sistemi, con particolare attenzione alle questioni legali, etiche e di privacy.

Il terzo livello è rappresentato dalle competenze trasversali e personali, che completano il profilo del Data scientist. Queste competenze sono essenziali per comprendere accuratamente le informazioni e comunicare in modo efficace i risultati ottenuti, da divulgare all’interno dell’azienda.

Riconoscendo l’importanza di questa disciplina e del ruolo del Data scientist nel settore sanitario, è necessario colmare il divario tra le competenze tecniche e la comprensione delle dinamiche specifiche di questo settore. Questo permetterà di sviluppare un percorso di crescita in cui i dati diventano il punto di partenza per favorire il progresso tecnologico, gestionale e il supporto alle decisioni, contribuendo al miglioramento del settore e all’ottimizzazione delle risorse disponibili.

La combinazione delle competenze statistiche e informative diventa un fattore cruciale per lo sviluppo di tutti i settori, al fine di poter estrarre dati, anche grazie all’uso di algoritmi di apprendimento automatico, modelli statistici e strumenti di visualizzazione dei dati, permettendo anche l’identificazione di pattern, il riconoscimento di correlazioni e la formulazione di previsioni accurate.

PERCHÉ I DATI SONO IMPORTANTI
Si rende dunque necessario attuare un cambio di paradigma, il quale all’interno del mondo sanitario risulta incentivato anche dalle opportunità messe in evidenza dalla diffusione del Covid-19, in relazione alla capacità di gestione e analisi di grandi moli di dati. Oltre al livello clinico, la gestione dei dati presenta notevoli implicazioni anche a livello manageriale considerando la possibilità di disporre di dati sanitari, così come di informazioni di natura amministrativa, capaci di fotografare e descrivere anche i differenti segmenti di mercato.

I dati forniscono una finestra verso la comprensione dei fenomeni, permettendo l’individuazione dei fattori critici, proponendo modelli predittivi e ottimizzando i processi, anche grazie alla messa a disposizione di stime puntuali per la definizione delle risorse necessarie (risorse tecnologiche, risorse umane e risorse strutturali). Ma adottare un nuovo approccio permette anche di disporre di informazioni che possano guidare la pianificazione strategica e raggiungere risultati migliori in termini di efficacia ed efficienza, ponendo al centro le organizzazioni e gli individui, nonché generando valore per l’intero sistema.

Nota sulle autrici

FEDERICA ASPERTI

Federica Asperti è laureata magistrale in Ingegneria gestionale (percorso di eccellenza in Health Care System Management). Attualmente è PhD Student in Management, finance and accounting della LIUC Università Cattaneo e collabora con l’Healthcare Datascience LAB – HD LAB, Emergencies, Technologies and Beyond.

ELISABETTA GARAGIOLA

Elisabetta Garagiola è assegnista di ricerca presso la Scuola di Ingegneria industriale della LIUC Università Cattaneo. È lecturer per l’insegnamento “Modelli di funzionamento delle aziende in sanità” del corso di laurea magistrale in Ingegneria gestionale. È altresì coordinatrice dell’Healthcare Datascience LAB – HD LAB, Emergencies, Technologies and Beyond, laboratorio di ricerca ed esperienziale, nato nel 2020 all’interno dell’ateneo, nonché componente della Core Faculty della LIUC Business School.