Data Scientist Italia: La Guida Definitiva al Mercato

L’era digitale ha trasformato i dati nel petrolio del XXI secolo, e al centro di questa rivoluzione si trova una figura professionale sempre più cruciale: il Data Scientist. In Italia, come nel resto del mondo, la domanda per questi specialisti è in costante crescita, ma la complessità del ruolo, la rapida evoluzione tecnologica e la carenza di talenti qualificati generano spesso confusione, sia per chi aspira a intraprendere questa carriera sia per le aziende che cercano di reclutarli.

Questa guida completa si propone come la tua “Bussola Definitiva” per navigare il dinamico mercato italiano dei Data Scientist. Dalla comprensione del ruolo e delle competenze essenziali, alle dinamiche di domanda e offerta, passando per stipendi aggiornati, percorsi di formazione e strategie di reclutamento efficaci, esploreremo le peculiarità e le sfide del contesto italiano. Che tu sia uno studente, un professionista in transizione o un manager HR, troverai qui le risposte e gli strumenti per orientarti e avere successo in questo settore in forte espansione.

Nelle prossime sezioni, affronteremo in dettaglio:

• Chi è e cosa fa un Data Scientist in Italia.
• Le dinamiche attuali di domanda e offerta nel mercato italiano.
• Le aspettative salariali e i fattori che le influenzano.
• I migliori percorsi di formazione e sviluppo professionale.
• Strategie vincenti per le aziende nel reclutamento e nella retention dei talenti.

Il Ruolo e le Competenze del Data Scientist in Italia

Il Data Scientist è una figura professionale ibrida che combina competenze in statistica, informatica e conoscenza del dominio aziendale per estrarre insight significativi da grandi volumi di dati. Nel contesto italiano, questo ruolo è diventato sempre più strategico, supportando le aziende nelle decisioni basate sui dati e nell’innovazione.

Chi è il Data Scientist e cosa fa in Italia?

Un Data Scientist in Italia è un professionista che utilizza tecniche avanzate di analisi dei dati, machine learning e intelligenza artificiale per risolvere problemi complessi e guidare la strategia aziendale. Le sue mansioni spaziano dalla raccolta e pulizia dei dati, all’analisi esplorativa, alla creazione di modelli predittivi e prescrittivi, fino alla comunicazione dei risultati a stakeholder non tecnici.

L’impatto del Data Scientist è profondo: consente alle aziende di identificare tendenze di mercato, ottimizzare processi, personalizzare offerte e prevedere scenari futuri. L’Osservatorio Big Data Analytics & Business Intelligence della POLIMI School of Management, un’istituzione accademica di alto livello, ha evidenziato come la figura del Data Scientist sia diventata chiave nell’era dei Big Data ¹. Le loro ricerche mostrano una crescita significativa della presenza di Data Scientist nelle grandi aziende italiane, passando dal 31% nel 2016 al 45% nel 2017, con una sostanziale stabilità nel 2018 ¹.

È fondamentale distinguere il Data Scientist dal Data Analyst. Mentre il Data Analyst si concentra sull’analisi di dati storici per rispondere a domande specifiche (“cosa è successo?”), il Data Scientist va oltre, costruendo modelli per prevedere il futuro (“cosa succederà?”) e suggerire azioni (“cosa dovremmo fare?”). Questa distinzione è cruciale per comprendere le diverse competenze e responsabilità richieste.

Le Competenze Chiave: Hard Skills e Soft Skills Indispensabili

Per eccellere come Data Scientist in Italia, è necessario padroneggiare un mix di competenze tecniche (hard skills) e trasversali (soft skills).

Hard Skills:

• Programmazione: Linguaggi come Python e R sono fondamentali. Python, in particolare, è richiesto nel 7,2% degli annunci a livello nazionale secondo recenti ricerche di mercato ².
• Database: Conoscenza di SQL per l’estrazione e la manipolazione dei dati.
• Machine Learning: Algoritmi di apprendimento supervisionato e non supervisionato, deep learning.
• Statistica e Matematica: Solide basi per l’interpretazione dei dati e la validazione dei modelli.
• Strumenti di Big Data: Familiarità con ecosistemi come Hadoop e Spark.
• Visualizzazione Dati: Tool come Tableau o Power BI per presentare i risultati in modo chiaro ed efficace.
• Cloud Computing: Piattaforme come AWS, Azure o Google Cloud per la gestione di infrastrutture e servizi dati.

Soft Skills:

• Problem Solving: Capacità di identificare problemi complessi e formulare soluzioni basate sui dati.
• Pensiero Critico: Valutare in modo obiettivo i dati e i modelli, riconoscendo limiti e bias.
• Comunicazione: Abilità di tradurre concetti tecnici complessi in un linguaggio comprensibile per i non esperti, sia oralmente che per iscritto.
• Lavoro di Team: Collaborare efficacemente con altri professionisti (ingegneri, manager, esperti di dominio).
• Curiosità e Apprendimento Continuo: Il campo della Data Science è in continua evoluzione, richiedendo un aggiornamento costante.

Il report “AI e Data Skill Report 2025” di Data Masters evidenzia l’importanza di queste competenze nel panorama italiano ².

Dinamiche di Domanda e Offerta nel Mercato Italiano dei Data Scientist

Il mercato dei Data Scientist in Italia è caratterizzato da una crescita rapida e da uno squilibrio significativo tra domanda e offerta, creando un terreno fertile per i professionisti qualificati ma anche sfide per le aziende.

La Crescita del Mercato e i Settori Trainanti

Il mercato italiano dei Big Data e Business Analytics è in forte espansione. Secondo l’Osservatorio Big Data & Business Analytics di Osservatori.net, si prevede una crescita del 20% nel 2025, raggiungendo i 4,1 miliardi di euro ⁴. All’interno di questo ecosistema, la componente Business Intelligence e Data Science sta crescendo a un ritmo ancora più sostenuto, con un aumento del 27% ⁴.

I principali driver di questa crescita includono:

• Investimenti in Intelligenza Artificiale (AI): Le aziende italiane stanno aumentando gli investimenti in soluzioni AI per migliorare l’efficienza e l’innovazione.
• Industry 4.0: La digitalizzazione dei processi industriali genera enormi quantità di dati che richiedono analisi avanzate.
• Trasformazione Digitale: Molti settori stanno abbracciando la trasformazione digitale, rendendo i dati centrali per ogni decisione.

La domanda di Data Scientist è cresciuta oltre il 20% nel 2022 ², e le previsioni future indicano un’ulteriore espansione, spinta dalla necessità di sfruttare i dati per ottenere un vantaggio competitivo.

Domanda di Data Scientist: Uno Sguardo Regionale e per Livello

La domanda di Data Scientist non è uniforme in tutta Italia. Sebbene le grandi città come Milano e Roma rimangano centri nevralgici, si stanno delineando nuove opportunità. Attualmente, su piattaforme come LinkedIn, si contano circa 5.000 offerte di lavoro per “Data Scientist” in Italia ³.

Un dato sorprendente emerge dal Sud Italia: la Calabria e la Puglia mostrano una domanda particolarmente elevata. La Calabria, ad esempio, rappresenta il 27,2% degli annunci di lavoro per Data Scientist, quasi il doppio della media nazionale del 14,3% ⁸, ². La Puglia segue con il 21,2% degli annunci ⁸, ². Questo indica un’opportunità unica per i talenti e le aziende che desiderano investire in queste regioni emergenti.

Per quanto riguarda i livelli di esperienza, la domanda è elevata sia per profili junior che senior, sebbene con sfide diverse. Le aziende cercano sia neolaureati con potenziale da formare, sia professionisti esperti in grado di guidare progetti complessi e team. La richiesta di ruoli specializzati, come Machine Learning Engineer o Data Ethicist, è anch’essa in aumento.

La Carenza di Talenti e lo Squilibrio tra Domanda e Offerta

Nonostante la forte domanda, il mercato italiano soffre di una significativa carenza di Data Scientist qualificati, creando uno squilibrio che impatta sia i professionisti che le aziende. Le cause profonde di questa carenza sono molteplici:

• Gap Formativo: L’offerta formativa non sempre riesce a tenere il passo con la rapida evoluzione delle competenze richieste dal mercato.
• Fuga di Cervelli: Molti talenti italiani scelgono di lavorare all’estero, attratti da opportunità e retribuzioni talvolta più vantaggiose.
• Rapida Evoluzione Tecnologica: Le tecnologie e gli strumenti della Data Science cambiano velocemente, rendendo difficile per i professionisti mantenere le competenze aggiornate.
• Mancanza di Profili Specializzati: Le aziende faticano a trovare profili con competenze di nicchia, come esperti in AI generativa o MLOps.

Questa carenza rende difficile per le aziende internalizzare le competenze necessarie, rallentando l’innovazione e l’adozione di soluzioni basate sui dati ², ⁴. Lo squilibrio si riflette anche sulla qualità dei progetti di Data Science, che possono risentire della mancanza di personale qualificato o sovraccaricato.

L’espansione della Data Science solleva anche importanti sfide etiche e di privacy. La gestione responsabile dei dati, la prevenzione dei bias negli algoritmi e la conformità alle normative come il GDPR sono aspetti cruciali che richiedono competenze specifiche e una cultura aziendale attenta.

L’Impatto dell’Intelligenza Artificiale Generativa sul Mercato

L’Intelligenza Artificiale Generativa (GenAI) sta rivoluzionando molti settori e il ruolo del Data Scientist non fa eccezione. Il 45% delle organizzazioni ha già messo a disposizione strumenti di Generative AI ai propri Data Expert ².

La GenAI può mitigare la carenza di talenti automatizzando alcune attività ripetitive e a basso valore aggiunto, come la pulizia dei dati, la generazione di codice o la creazione di report preliminari. Questo permette ai Data Scientist di concentrarsi su compiti più complessi e strategici, come la progettazione di modelli innovativi e l’interpretazione di risultati complessi.

Tuttavia, l’avvento della GenAI richiede anche nuove competenze. I Data Scientist devono imparare a interagire efficacemente con questi strumenti, a valutarne l’output critico e a integrarli nei flussi di lavoro esistenti. Questo impatterà anche i compensi, valorizzando i professionisti in grado di sfruttare al meglio queste nuove tecnologie per generare valore.

Stipendi e Retribuzioni: Cosa Aspettarsi in Italia

Uno degli aspetti più ricercati da chi si avvicina al mondo della Data Science è la retribuzione. In Italia, gli stipendi dei Data Scientist sono competitivi e in crescita, ma variano significativamente in base a esperienza, località, settore e competenze specifiche.

Secondo Leverage Edu, gli stipendi per i Data Scientist in Italia possono variare da circa €27.000 a €110.000 annui lordi ⁵. La media nazionale si attesta intorno ai €33.000 lordi all’anno ⁵, un dato confermato anche dall’Osservatorio Big Data Analytics & Business Intelligence della POLIMI ¹. Altre fonti, come Jobbydoo, indicano una media di €39.000 lordi all’anno ⁷.

Stipendio Medio per Livello di Esperienza e Località

Le fasce salariali in Italia riflettono chiaramente il livello di esperienza:

• Data Scientist Junior (0-3 anni di esperienza): La Retribuzione Annua Lorda (RAL) si colloca generalmente tra €26.000 e €40.000 ⁶, ⁵, ². Codelabs Academy indica una fascia tra €27.000 e €30.000 lordi annui per un junior ⁶.
• Data Scientist Mid-Level (3-5+ anni di esperienza): La RAL può variare da €40.000 a €50.000 ².
• Data Scientist Senior (5/7+ anni di esperienza): Per i professionisti con maggiore esperienza, la RAL può superare i €50.000, arrivando fino a €75.000+ o anche €110.000 in ruoli di leadership o in aziende di grandi dimensioni ², ⁵. Un Data Scientist con oltre 15 anni di esperienza può superare i €70.000 ¹³.

Le differenze geografiche sono altrettanto rilevanti. Le città con un ecosistema tecnologico più sviluppato, come Milano e Roma, tendono a offrire stipendi più elevati. Tuttavia, come visto, la crescente domanda nel Sud Italia potrebbe portare a una progressiva armonizzazione o a offerte competitive anche in quelle regioni. Fonti autorevoli per questi dati includono Glassdoor, Talent.com e Jobbydoo ⁵, ⁶, ⁷.

L’Influenza di Competenze e Settore sulla Retribuzione

Alcune competenze tecniche e settori industriali possono influenzare significativamente la retribuzione di un Data Scientist:

• Competenze Specialistiche: La padronanza di tecnologie emergenti e di nicchia è altamente remunerativa. Ad esempio, la conoscenza di PyTorch è associata alle retribuzioni più alte, con una media di €50.896 annui ². Competenze in Modelli Generativi, MLOps (Machine Learning Operations) e Cloud Analytics sono fattori che aumentano la paga nel 2025 ⁶.
• Settori: Settori come il Finance, il Pharma e l’E-commerce, caratterizzati da grandi volumi di dati e dalla necessità di analisi complesse, tendono a offrire stipendi più elevati. Anche il Manufacturing e le consulenze strategiche sono settori trainanti.
• Certificazioni: Le certificazioni riconosciute a livello internazionale (es. su piattaforme cloud come AWS, Azure, GCP o su strumenti specifici) possono aumentare l’attrattività del profilo e, di conseguenza, le aspettative salariali.

Previsioni Salariali e Trend Futuri

Le previsioni indicano una crescita continua degli stipendi per i Data Scientist in Italia. L’aumento della domanda, unito alla persistente carenza di talenti, continuerà a spingere al rialzo le retribuzioni.

L’impatto dell’AI generativa sarà duplice: da un lato, automatizzando alcune mansioni, potrebbe ridefinire il valore di alcune competenze; dall’altro, la capacità di integrare e gestire efficacemente strumenti di GenAI diventerà una competenza premium, con un potenziale impatto positivo sui compensi. Si prevede anche una maggiore diffusione di bonus legati alle performance e di “remote premium” per i ruoli che offrono flessibilità e smart working. Report di settore di enti come Gartner e Forrester, sebbene globali, spesso anticipano tendenze che si riflettono anche nel contesto italiano, monitorato attentamente dall’Osservatorio Big Data & Business Analytics ⁹, ¹⁰, ⁴.

Percorsi di Formazione e Sviluppo Professionale per Aspiranti Data Scientist

Diventare un Data Scientist in Italia richiede un percorso formativo solido e un impegno costante nello sviluppo delle proprie competenze. Non esiste un’unica strada, ma diverse opzioni che si adattano a background e obiettivi differenti.

La Commissione BigData@MIUR ha raccomandato di rafforzare l’offerta di corsi di Data Science in Italia, riconoscendo la crescente importanza di questa figura ¹⁴. La base ideale per un Data Scientist include studi in informatica, statistica o matematica ¹³.

Lauree, Master e Corsi di Specializzazione in Italia

• Lauree Triennali e Magistrali: Molte università italiane offrono corsi di laurea specifici in Data Science, Statistica, Informatica, Ingegneria Informatica o Matematica. Questi percorsi forniscono una solida base teorica e metodologica. Esempi includono l’Università degli Studi di Napoli Federico II ¹⁵, l’Università Telematica Mercatorum ¹³, il Politecnico di Milano e la Bologna Business School.
• Master Universitari: I master di I e II livello in Data Science o Big Data Analytics sono particolarmente indicati per chi ha già una laurea in discipline STEM e desidera specializzarsi. Offrono un mix di teoria e pratica, spesso con stage inclusi.
• Corsi Professionalizzanti e Bootcamp: Per chi cerca un percorso più rapido e orientato al mercato del lavoro, esistono numerosi bootcamp intensivi e corsi di specializzazione offerti da scuole private o piattaforme online. Questi si concentrano sull’acquisizione di competenze pratiche e strumenti specifici.

Confronto tra percorsi:

• Università: Offre una base teorica profonda, networking accademico e un titolo riconosciuto. Richiede più tempo.
• Bootcamp: Veloce, pratico, focalizzato sulle competenze richieste dal mercato. Meno approfondimento teorico.
• Autoapprendimento: Flessibile ed economico, ma richiede grande disciplina e capacità di selezionare le risorse.

È consigliabile valutare i curricula offerti, la reputazione dell’istituzione, le testimonianze degli ex studenti e le opportunità di borse di studio o finanziamenti disponibili.

Certificazioni e Competenze Pratiche per Distinguersi

Oltre alla formazione accademica, le certificazioni e l’esperienza pratica sono cruciali per valorizzare il proprio profilo nel mercato italiano.

• Certificazioni Riconosciute: Ottenere certificazioni da fornitori di cloud (es. AWS Certified Machine Learning Specialty, Microsoft Certified: Azure Data Scientist Associate) o da organizzazioni specializzate può dimostrare una padronanza specifica di strumenti e metodologie, aumentando l’attrattività sul mercato.
• Portfolio di Progetti: Un portfolio ben curato di progetti personali, stage o lavori freelance è il modo migliore per dimostrare le proprie competenze pratiche. Include progetti di analisi dati, modelli di machine learning e visualizzazioni, spiegando il problema, l’approccio e i risultati ottenuti.
• Esperienza sul Campo: Stage, tirocini o posizioni entry-level sono fondamentali per acquisire esperienza reale. Partecipare a hackathon o competizioni di Data Science può inoltre offrire opportunità di apprendimento e networking.
• Networking e Mentorship: Connettersi con professionisti del settore, partecipare a conferenze ed eventi, e trovare un mentore può aprire porte e fornire preziosi consigli per lo sviluppo della carriera.

Testimonianze di Data Scientist di successo spesso evidenziano come la combinazione di una solida formazione e un’esperienza pratica tangibile sia la chiave per distinguersi.

Strategie per Aziende: Reclutamento e Retention di Talenti Data Scientist

La carenza di Data Scientist qualificati rende il reclutamento una sfida significativa per le aziende italiane. Per attrarre e trattenere i migliori talenti, è fondamentale adottare strategie mirate e innovative.

Gartner (2021) ha sottolineato che assumere Data Scientist, sia senior che junior, è “molto difficile” ⁹. Forrester (2021) ha rivelato che il 55% delle aziende intervistate stava cercando di assumere Data Scientist, e il 62% aveva bisogno di ingegneri di dati ¹⁰.

Attrarre i Migliori Talenti: Employer Branding e Offerte Competitive

Per competere in un mercato così agguerrito, le aziende devono concentrarsi su:

• Employer Branding: Costruire una reputazione solida come datore di lavoro attraente. Questo include la promozione di una cultura aziendale innovativa, l’attenzione al benessere dei dipendenti e la comunicazione chiara dei valori aziendali. Digital World Italia e AssessFirst offrono suggerimenti esperti sull’assunzione di Data Scientist, enfatizzando l’importanza di presentare un ambiente di lavoro stimolante ¹², ¹¹.
• Offerte di Valore: Oltre a una retribuzione competitiva, è essenziale offrire un pacchetto di benefit completo, che includa:
  • Smart Working e Flessibilità: La possibilità di lavorare da remoto o con orari flessibili è un fattore sempre più determinante.
  • Opportunità di Crescita: Percorsi di carriera chiari, programmi di mentorship e accesso a formazione continua.
  • Progetti Stimolanti: I Data Scientist sono attratti da problemi difficili e critici per il business, dove possono applicare le loro competenze per generare un impatto reale ¹⁷.
• Diversità e Inclusione: Ampliare il pool di talenti promuovendo un ambiente inclusivo e aperto a candidati con background diversi, anche da settori non tradizionali.
• Collaborazione con Istituzioni: Creare partnership con università e centri di ricerca per intercettare i talenti emergenti e contribuire alla loro formazione.

L’impatto della retribuzione e dei benefit sul reclutamento è innegabile; un’offerta competitiva è il primo passo per attirare l’attenzione.

Best Practice per la Selezione e la Valutazione Efficace

Un processo di selezione ben strutturato è cruciale per identificare i candidati più adatti:

• Definizione del Profilo Ideale: Chiarire le competenze tecniche e le soft skills richieste per il ruolo, distinguendo tra quelle indispensabili e quelle desiderabili.
• Colloqui Strutturati: Utilizzare domande di colloquio tecniche e comportamentali per valutare sia le hard skills (es. problem solving con casi studio) che le soft skills (es. capacità di lavorare in team, comunicazione) ¹¹. AssessFirst fornisce guide utili per domande di colloquio con Data Scientist ¹¹.
• Valutazione Tecnica: Test pratici, code challenges o presentazioni di progetti passati sono efficaci per valutare le competenze tecniche in un contesto reale.
• Valutazione Predittiva: Integrare strumenti di valutazione predittiva può ottimizzare il processo di assunzione, identificando il potenziale di crescita e l’allineamento culturale dei candidati ¹¹.
• Coinvolgimento di Esperti di Business: Le grandi aziende come Accenture Italia e ION Group adottano approcci di selezione mirati, coinvolgendo esperti di business per valutare la capacità del candidato di tradurre i dati in valore aziendale ¹⁶, ¹⁷. Per le figure junior, la capacità di lavorare in team e creare sinergie è essenziale ¹⁷.

Strategie di Retention e Sviluppo del Talento

Assumere un Data Scientist è solo il primo passo; la retention è altrettanto critica:

• Upskilling e Formazione Continua: Investire nello sviluppo professionale dei Data Scientist attraverso corsi, certificazioni e conferenze. Accenture Italia sottolinea l’importanza dell’upskilling e della formazione continua come strategie chiave per la retention ¹⁶.
• Opportunità di Crescita: Offrire percorsi di carriera chiari, che possano portare a ruoli manageriali, di leadership tecnica o di specializzazione in aree di nicchia.
• Ambiente di Lavoro Stimolante: Creare un ambiente dove i Data Scientist possano affrontare problemi difficili e critici per il business, sentendosi valorizzati e avendo un impatto reale ¹⁷. Incoraggiare la sperimentazione e l’innovazione.
• Feedback e Riconoscimento: Fornire feedback costruttivi e riconoscere i successi per mantenere alto il morale e l’engagement.
• Cultura dei Dati: Promuovere una cultura aziendale che valorizzi i dati e l’analisi, integrando i Data Scientist nei processi decisionali strategici.

Implementando queste strategie, le aziende italiane possono non solo attrarre i migliori Data Scientist, ma anche creare un ambiente in cui questi talenti possano prosperare e contribuire al successo a lungo termine.

Conclusion

Il mercato dei Data Scientist in Italia è un ecosistema vibrante e in continua evoluzione, caratterizzato da una domanda crescente e da opportunità significative, nonostante le sfide legate alla carenza di talenti e alla rapida innovazione tecnologica. Abbiamo esplorato il ruolo cruciale di questi professionisti, le dinamiche di domanda e offerta che modellano il settore, le aspettative salariali e i percorsi formativi più efficaci.

Per i professionisti, la chiave del successo risiede nella formazione continua, nell’acquisizione di competenze tecniche e soft skills pertinenti, e nella capacità di adattarsi alle nuove frontiere dell’Intelligenza Artificiale Generativa. Per le aziende, è imperativo adottare strategie di reclutamento innovative e programmi di retention solidi, creando un ambiente che valorizzi e sviluppi il talento dei Data Scientist.

Questa guida ha voluto essere la tua bussola definitiva per navigare questo mercato complesso ma ricco di potenziale. Rimanere aggiornati e proattivi è fondamentale per cogliere le opportunità che il futuro dei dati ci riserva.

Sei pronto a navigare il futuro dei dati? Inizia oggi il tuo percorso per diventare un Data Scientist di successo o ottimizza le tue strategie di recruiting per attrarre i migliori talenti in Italia!

---

Le informazioni su stipendi e trend di mercato sono basate su dati disponibili al momento della pubblicazione e possono variare. Si consiglia di consultare fonti ufficiali per decisioni professionali.

References

1. Di Deo, I. (N.D.). Data Scientist: la figura chiave in azienda nell’era Big Data. Osservatorio Big Data Analytics & Business Intelligence della POLIMI School of Management. Retrieved from https://www.osservatori.net/blog/big-data-analytics/data-scientist-cosa-fa-stipendio/
2. Data Masters. (2025). AI e Data Skill Report 2025: il nuovo panorama delle competenze in Italia. Retrieved from https://datamasters.it/blog/ai-e-data-skill-report-2025-il-nuovo-panorama-delle-competenze-in-italia/
3. LinkedIn. (N.D.). Data Scientist offerte di lavoro in Italia. Retrieved from https://it.linkedin.com/jobs/data-scientist-offerte-di-lavoro
4. Osservatori.net. (N.D.). Big Data in Italia: il mercato cresce del 20% nel 2025, raggiungendo i 4,1 miliardi di euro. Osservatorio Big Data & Business Analytics. Retrieved from https://www.osservatori.net/comunicato/big-data-business-analytics/big-data-italia-mercato/
5. Leverage Edu. (N.D.). Data Scientist Salary in Italy. Retrieved from https://leverageedu.com/learn/data-scientist-salary-in-italy/
6. Codelabs Academy. (2025). Stipendio Data Scientist in Italia 2025: cifre, trend e come iniziare. Retrieved from https://codelabsacademy.com/it/blog/stipendio-data-scientist-italia-2025/
7. Jobbydoo. (2025). Quanto Guadagna un Data Scientist? (Stipendio 2025). Retrieved from https://www.jobbydoo.it/stipendio/data-scientist
8. EduNews24. (N.D.). Boom Data Scientist: il Sud Italia guida la domanda. Retrieved from https://edunews24.it/lavoro/boom-data-scientist-sud-italia-guida-la-domanda
9. Gartner. (2021). Assumere Data Scientist senior è “molto difficile”.
10. Forrester. (2021). Il 55% delle aziende intervistate stava cercando di assumere Data Scientist.
11. AssessFirst. (N.D.). Domande per colloqui con Data Scientist. Retrieved from https://www.assessfirst.com/it/blog/domande-per-colloqui-con-data-scientist
12. Digital World Italia. (2021). Suggerimenti degli esperti per l’assunzione di Data Scientist. Retrieved from https://www.digitalworlditalia.it/big-data/big-data-analytics/suggerimenti-degli-esperti-per-assunzione-data-scientist-149648
13. Università Telematica Mercatorum. (N.D.). Come diventare Data Scientist. Retrieved from https://www.unipegaso.it/blog/universita/come-diventare-data-scientist
14. MIUR (Commissione BigData@MIUR). (N.D.). Raccomandazioni per rafforzare l’offerta di corsi di Data Science.
15. Università degli Studi di Napoli Federico II (UNINA). (N.D.). Data Science – Corsi di Studio. Retrieved from https://www.unina.it/-/19392771-data-science
16. Accenture Italia. (N.D.). Come assumere un Data Scientist con Accenture e ION.
17. ION Group. (N.D.). Come assumere un Data Scientist con Accenture e ION.