Skip to content

Il divario di dati

La scienza dei dati o l’analisi dei dati è emersa come il campo più redditizio per i giovani professionisti negli ultimi tempi. Il World Economic Forum prevede che entro il 2022 coloro che sceglieranno una carriera in questo campo saranno i più ricercati e l’aumento dei requisiti di scienza dei dati creerà milioni di posti di lavoro in tutto il mondo nei prossimi cinque anni.

I big data, termine applicato a grandi insiemi di dati raccolti da miliardi di ricerche su Internet, reti di social media, esperienza di vendita al dettaglio e storia medica si sono trasformati in una miniera d’oro per le aziende e un data scientist o analista è praticamente un cercatore d’oro oggi. Tuttavia, se si esamina in profondità questo dominio, c’è un problema chiave.

La sottorappresentanza delle donne nella scienza dei dati significa maggiori possibilità di politiche basate sui dati distorte. La scrittrice e attivista femminista Carolina Criado-Prez ha scritto di questo pregiudizio nel suo libro Invisible Women: Exposing Data Bias in a World Designed for Men. Ha offerto esempi affascinanti. Ad esempio, poiché i manichini per i crash test automobilistici sono progettati per decenni sulla base del corpo degli uomini, è più probabile che le donne subiscano lesioni gravi in ​​incidenti stradali. Allo stesso modo, l’esclusione delle donne dalla maggior parte delle sperimentazioni mediche ha prodotto farmaci meno sicuri o efficaci per loro.

Una volta che i set di dati vengono distorti, diventa difficile da correggere. Un modo per ridurre il pregiudizio è aumentare la diversità di genere nei casi di prova e tra i professionisti che lavorano con i dati. L’inclusione delle donne nel campo aggiungerà sicuramente la prospettiva delle donne nell’analisi dei dati.

Indrani Goswami è il direttore dell’analisi presso Zip Co, una società di servizi finanziari con sede a Sydney, in Australia. Afferma che molti algoritmi di assunzione o reclutamento tendono a selezionare candidati maschi perché i set di dati si basano su candidati maschi. “Ma come data scientist, siamo cognitivamente addestrati a guardare qualsiasi set di dati senza alcun pregiudizio”, afferma.

Mathangi Sri è il responsabile dei dati di GoFood, un’app per la consegna di cibo nel sud-est asiatico. In passato, ha creato team di data science in grandi organizzazioni come Citibank, HSBC e GE e start-up tecnologiche come 247.ai e PhonePe. Dice: “Il pregiudizio viene creato nel processo decisionale in un lavoro. Ma avere una minore rappresentanza di donne nelle organizzazioni è una mancanza più grande che perdere alcune funzionalità nel set di dati”.

Secondo lei, le diverse prospettive sulla squadra, la gestione e le strategie di leadership vanno perse se non ci sono abbastanza donne in una squadra. Aggiunge: “Le donne sono generalmente più organizzate, meticolose e multi-thread, quindi danno un sapore diverso alla cultura dell’organizzazione”.

I semi della disparità di genere sono in realtà incorporati nelle nostre norme sociali. Dice Mathangi: “Contrariamente all’adagio ‘prendili giovani’, la scienza dei dati li ha persi giovani”. Continua spiegando che la nostra società non incoraggia l’istruzione STEM (scienza, tecnologia, ingegneria e matematica) per le ragazze. “Abbiamo ancora stereotipi che compartimentano le belle arti alle ragazze e le materie STEM ai ragazzi. Le scuole dovrebbero incoraggiare le ragazze a sperimentare di più e fallire di più”, afferma.

Secondo Indrani, c’è un mito secondo cui solo chi è bravo in matematica può intraprendere una carriera nella scienza dei dati. “Uno dei migliori data scientist con cui ho lavorato aveva una specializzazione in psicologia”, dice.

Lo scoraggiamento costante rende le donne una minoranza così esigua nel campo. Dice Mathangi: “All’inizio della mia carriera sono stata l’unica donna in diversi periodi di tempo nella mia squadra”. Secondo lei, le donne costituiscono appena il 15% dell’analisi dei dati.

Geetha Joseph si è appena laureata alla Praxis Business School, che offre un programma post-laurea a tempo pieno di nove mesi in scienza dei dati nei suoi campus di Calcutta e Bangalore. Di recente è entrata a far parte di PricewaterhouseCoopers, una multinazionale, come data scientist. Dice: “Il rapporto tra uomini e donne nel mio gruppo era 17:5. È ovvio che c’è un divario di genere”.

Tuttavia, le donne hanno fatto bene nonostante il divario di genere. Geetha dice: “Dei primi cinque studenti nel mio gruppo, tre sono uomini e due donne. Le donne sono competitive quanto gli uomini”.

Aggiunge Ankita Ghosal, che è ingegnere senior di business intelligence presso Amazon e si è laureata alla Praxis nel 2017, “Ho molte amiche sul campo che stanno andando eccezionalmente bene”.

Ma sia Mathangi che Indrani osservano che le cose stanno cambiando ora. Secondo Mathangi, alcuni modelli di cultura del lavoro come stare lunghe ore in ufficio, decisioni chiave prese durante le “pause fumatori” o feste casuali dopo l’orario di ufficio da parte di colleghi maschi stanno cambiando, grazie alla pandemia. Dice: “La pandemia ha mostrato il potere del ‘lavoro a distanza’, in effetti, anche del lavoro senza volto. Sfruttiamo questa opportunità per fornire apertura e flessibilità alle donne in questo campo”.

Non solo le aziende cercano più donne professioniste dei dati, ma anche gli istituti stanno prendendo iniziative per attirare più donne nei loro programmi.

Charanpreet Singh, fondatrice e direttrice della Praxis Business School Foundation, afferma Charanpreet Singh, “Sebbene il nostro programma di scienza dei dati sia ben accolto e ai primi posti nel paese, Praxis si impegna a incoraggiare e consentire a più donne di aderire al programma e costruire carriere nella scienza dei dati per migliorare il rapporto tra i sessi nella professione”.

Hanno introdotto una borsa di studio Women-In-Tech per le candidate donne, poiché ritengono che “più donne nella tecnologia sia un bene per l’istituto, un bene per il dominio della scienza dei dati e un bene per la società”.

Leave a Reply

Your email address will not be published. Required fields are marked *