Chiara Galimberti: dalla statistica alla Data Science, costruire valore attraverso i dati

INTERVISTA PER L'INIZIATIVA  "CHE GENERE DI LAVORO FAI?" ORGANIZZATA IN COLLABORAZIONE CON BICOCCA JOB PLACEMENT

Chiara Galimberti ha svolto in Bicocca l’intero percorso universitario in Statistica, dalla laurea triennale alla magistrale, fino al dottorato. Oggi è Senior Data Scientist e lavora in PriceHubble, azienda attiva nel mercato immobiliare, dove si occupa dello sviluppo di modelli di previsione dei prezzi per diversi mercati europei.

Abbiamo intervistato Chiara Galimberti, Alumna Bicocca, per farci raccontare il suo percorso nella Data Science, un ambito professionale nato e cresciuto anche durante i suoi anni di formazione, e il ruolo sempre più centrale dei dati nei processi decisionali e nello sviluppo di nuovi prodotti.

Chi sei e quale ruolo ricopri?

Sono Chiara Galimberti e sono Senior Data Scientist. Attualmente lavoro in PriceHubble, un’azienda che opera nel mercato immobiliare. Nello specifico mi occupo di sviluppare modelli di previsione dei prezzi per diversi mercati europei, lavorando sull’analisi dei dati e sulla costruzione di strumenti predittivi. Quello che mi piace molto di questa professione è la possibilità di confrontarmi con applicazioni sempre diverse. Nel mio percorso ho lavorato in aziende e settori differenti, dagli ambiti industriali e ingegneristici fino al mercato immobiliare, e questa varietà rappresenta una sfida continua.

Qual è stato il tuo percorso di studi in Bicocca?

Il mio percorso di studi in Bicocca ha riguardato tutti e tre i cicli universitari: laurea triennale, laurea magistrale e dottorato in Statistica. Quando ho dovuto scegliere il mio percorso universitario ero interessata alla matematica, che era una mia grande passione, ma ero anche molto affascinata dalle sue applicazioni. Durante l’Open Day, il percorso proposto dalla Bicocca mi ha colpita per il modo in cui era strutturato e per la possibilità di unire solide basi teoriche e applicazioni concrete. La parte finale del mio percorso, in particolare il dottorato, è stata molto importante per collegare la formazione accademica al lavoro che svolgo oggi. Ho infatti seguito un dottorato industriale, che mi ha permesso di portare avanti attività di ricerca accademica e, allo stesso tempo, di confrontarmi con il mondo aziendale, comprendendo meglio come costruire il ruolo professionale che ricopro attualmente.

Raccontaci meglio di cosa ti occupi e come sei arrivata all’attuale professione

La figura del Data Scientist si è costruita quasi parallelamente al mio percorso di studi. Quando ho iniziato l’università, si parlava soprattutto della figura dello statistico, spesso associata ad ambiti più istituzionali o a ruoli meno diffusi in azienda. Con la crescita dell’intelligenza artificiale e delle potenzialità di calcolo, si è progressivamente affermata questa nuova figura professionale. Il Data Scientist si occupa, semplificando, di tutto ciò che riguarda i dati: analizzarli, comprenderne il significato, individuare le informazioni utili e trasformarle in valore per l’azienda. Questo può servire per svolgere analisi di mercato, costruire un prodotto o sviluppare modelli predittivi. Oggi temi come intelligenza artificiale, capacità di previsione e modelli generativi sono molto presenti nel dibattito quotidiano, ma quando ho iniziato il mio percorso erano ambiti ancora in evoluzione. Ho avuto quindi la possibilità di vedere questa professione nascere e trasformarsi. Il mio percorso di studi mi ha dato basi teoriche solide, fondamentali per una disciplina così quantitativa. Allo stesso tempo, il dottorato industriale mi ha permesso di mettere in pratica queste conoscenze e di sviluppare competenze trasversali, come la capacità di comunicare i risultati, collaborare con figure non tecniche e tradurre analisi complesse in informazioni comprensibili e utilizzabili. Nel mio lavoro sviluppo modelli, analizzare dati e costruisco previsioni. È una professione che richiede competenze tecniche, ma anche capacità di adattamento, comunicazione e comprensione del contesto in cui i dati vengono applicati.

Quali sono le sfide per una donna nel tuo settore?

Il contesto in cui lavoro è ancora a prevalenza maschile, anche se molto dipende dal settore di applicazione. La figura del Data Scientist può operare in ambiti molto diversi, dalla finanza all’ingegneria, dal marketing al prodotto. Nella mia esperienza ho lavorato spesso nel settore ingegneristico, dove la presenza maschile è ancora molto forte. Non nego che le sfide ci siano state, sia per un confronto tra figure professionali diverse, sia per un’abitudine, talvolta inconsapevole, a vedere poche donne nei gruppi di lavoro. Il consiglio che mi sento di dare è di non farsi abbattere e di vivere queste sfide in modo costruttivo. È vero che, in alcuni contesti, può essere necessario fare più fatica per dimostrare il proprio valore, crescere e affermarsi. Ma quando ci si riesce, la soddisfazione è ancora più grande. Credo sia importante, per le donne ma anche per chiunque sia all’inizio della propria carriera, cercare ambienti di lavoro che permettano una reale crescita professionale, che valorizzano le competenze e che non si basino su preconcetti o abitudini radicate. Il mercato del lavoro sta cambiando e scegliere il contesto giusto può fare una grande differenza.

Quale consiglio daresti alle giovani e ai giovani che vogliono iniziare una carriera in questo settore?

La professione del Data Scientist non nasce soltanto sui libri. Il primo consiglio è costruire basi solide a livello formativo, scegliendo un percorso universitario come Statistica o altri percorsi quantitativi e trasversali che permettano di sviluppare una buona conoscenza teorica. Allo stesso tempo, però, questa professione si costruisce molto anche attraverso l’esperienza. Per questo è utile partecipare ad attività pratiche, come hackathon o eventi pubblici, che permettono di sperimentare il lavoro in gruppo, confrontarsi con un progetto concreto e misurarsi con obiettivi e scadenze reali. Oggi esistono anche moltissime risorse online che possono aiutare a sperimentare, approfondire e mettersi alla prova. Allo stesso modo, meetup e incontri con professionisti del settore sono occasioni preziose per creare una rete, capire come viene applicata la Data Science nelle aziende e orientarsi tra i diversi ambiti in cui è possibile lavorare. Rimanere aggiornati è fondamentale. Le basi teoriche sono indispensabili, ma negli ultimi anni il mondo dell’intelligenza artificiale è cambiato molto rapidamente e ogni giorno emergono nuove tecnologie, strumenti e applicazioni. Continuare a imparare è quindi un vantaggio importante per non restare indietro e costruire progressivamente il proprio percorso professionale. A chi vuole intraprendere questa carriera consiglierei quindi di unire formazione solida, esperienza pratica, curiosità e capacità di confronto. Sono questi elementi, insieme, a permettere di crescere davvero nel mondo della Data Science.