Data Scientist

Future Horizons collabora con un importante attore del settore finanziario italiano, impegnato in un percorso di trasformazione digitale orientato alla valorizzazione del dato e all’adozione di tecnologie avanzate. Il cliente sta investendo in modo strutturato nella razionalizzazione delle proprie basi informative, nell’integrazione dell’intelligenza artificiale nei processi analitici e nella costruzione di infrastrutture dati scalabili e intelligenti. L’obiettivo è quello di rendere il dato un asset strategico, capace di supportare decisioni operative e di business in modo più efficace e tempestivo.

Project Description

Il cliente ha avviato una serie di progetti mirati alla razionalizzazione e all’ottimizzazione delle proprie strutture dati, con l’obiettivo di consolidare una base informativa attualmente frammentata in circa 30 anagrafiche distinte. Queste iniziative, già operative, puntano a migliorare la coerenza e la qualità del dato, facilitandone l’integrazione tra sistemi e la rappresentazione in chiave strategica. Parallelamente, sono in corso attività di implementazione di soluzioni di intelligenza artificiale, finalizzate ad arricchire l’analisi e la fruizione del dato attraverso modelli predittivi, agenti AI e strumenti di visualizzazione avanzata. L’adozione di tecnologie come Python, MLOps, Generative AI (LLMs, multimodali), Agentic AI, e strumenti di orchestrazione e deployment, è centrale per garantire scalabilità e automazione.

Il progetto prevede l’inserimento di una figura specializzata che possa rafforzare il team dati esistente, contribuendo all’evoluzione dei progetti in corso e all’ampliamento dei perimetri di intervento. L’ambiente tecnico è già strutturato con componenti di streaming (Kafka, Flink), pipeline ETL/ELT (Airflow, dbt, NiFi), e pratiche CI/CD & DevOps (Docker, Kubernetes), che il consulente dovrà saper navigare e valorizzare. L’obiettivo è potenziare la capacità operativa interna, accelerare l’adozione di soluzioni intelligenti e garantire una gestione del dato più efficiente, scalabile e orientata al futuro.

Consultant Role and Responsibilities

Future Horizons sta cercando un Data Scientist, con almeno 2-3 anni di esperienza, che si integrerà nel team dati del cliente per supportare le attività già in corso e contribuire all’evoluzione delle iniziative in ambito data management e AI. Il consulente sarà coinvolto nell’analisi delle anagrafiche esistenti, nella definizione di modelli di consolidamento e nella progettazione di pipeline di trattamento del dato, con l’obiettivo di migliorare la qualità, la coerenza e l’integrazione delle informazioni. Lavorerà su stack tecnologici basati su Python, orchestratori come Airflow, e strumenti di streaming e trasformazione dati, contribuendo alla costruzione di flussi robusti e monitorabili.

• In parallelo, il Data Scientist collaborerà all’implementazione di tecniche di machine learning, deep learning, NLP e AI generativa, con l’obiettivo di arricchire la rappresentazione del dato e supportare la costruzione di modelli predittivi e dashboard intelligenti. Sarà coinvolto anche in attività di MLOps, per garantire il deployment e il monitoraggio continuo dei modelli, e nell’utilizzo di AI agentici per orchestrare flussi decisionali automatizzati. Il suo contributo sarà fondamentale per rafforzare la capacità analitica del team, automatizzare processi e rendere il dato più fruibile e strategico.

Dettagli Contrattuali

• Sede di lavoro: Hybrid Remote - Prime Settimane on-site, poi almeno 1 giorno a settimana in una delle sedi (Milano/ Torino).
• Tipologia Contrattuale: Consulente Autonomo Libero Professionista (Partita Iva)
• Engagement: Full Time
• Durata: 12 mesi iniziali

Competenze Tecniche Richieste

Core – Data Science & AI

• Sviluppo Python
• Statistica & Modelli predittivi
• Machine Learning
• Deep Learning / NLP / Vision
• MLOps (Deployment & Monitoring)
• Generative AI (LLMs, multimodali)
• Agentic AI (AI agents, orchestration)

Secondarie – Infrastruttura & Streaming

• Streaming (Kafka, Flink)
• CI/CD & DevOps (Docker, Kubernetes)
• Competenze di sviluppo Java

Complementari – Data Engineering

• ETL / ELT (Airflow, dbt, NiFi)
• Python per automazione e scripting