A proposito di questo modello
Il modello Mosaico Triangolare è una lettera di presentazione moderna con motivo di testata triangolato in blu tonali, corpo Inter e una sola sommità per marcare la formula di saluto. Geometrica, energica, ma sufficientemente disciplinata per passare uno screening data. Compatibile con gli ATS B2B e data (Workday, Greenhouse, Lever, Avature) maggioritari nelle consulenze e gli editori analytics italiani.
Per quale profilo?
Si adatta ai data scientist (Politecnico di Milano Data Science, Università di Bologna Data Science, Bocconi Master in Artificial Intelligence), consulenti analytics, BI lead (Tableau, Power BI, Looker, Metabase), business analyst, consulenti junior (Bain Milano, BCG Milano, McKinsey Italia, Roland Berger Milano per entry-level) e profili finanza quantitativa che vogliono un tocco di motivo senza cadere nel decorativo. Il triangolo dice rigore geometrico e lettura matematica del mondo.
Come utilizzarlo
La lettera data scientist deve provare il doppio piede scienza + business: citate gli strumenti (Python, R, SQL, dbt, Snowflake, BigQuery, Dataiku), i framework ML (scikit-learn, PyTorch, TensorFlow, JAX) e i casi d'uso con impatto business (€ risparmi, % uplift conversione, guadagno tempo processo). Menzionate due o tre competizioni Kaggle se pertinente (top 10 %, top 5 %), o un progetto OSS pubblicato. Per un BI lead, menzionate il numero di utenti interni serviti dai dashboard.
Domande frequenti
Serve una classifica Kaggle per candidarsi data scientist?
No, ma è apprezzato. Una classifica top 10 % su una competizione pubblica recente è segnale forte per i recruiter (top 5 % diventa segnale di seniority tecnica). Per un profilo senior, l'esperienza industriale prima su Kaggle. Per un junior, due o tre competizioni terminate mostrano l'autonomia di apprendimento.
Il motivo triangolato è troppo visivo per finanza quantitativa?
Per i fondi quant (Quantica Capital, Anthemis Italia partners), sì — il codice visivo sembra troppo decorativo. Preferite Bordo Platino o Griglia Svizzera per queste candidature. Per finanza d'impresa quantitativa (M&A modeling, Treasury, FP&A senior), il triangolo resta accettabile.
Come evocare un progetto ML dispiegato in produzione?
È molto valorizzato — la differenza tra «modello in notebook» e «modello in prod» è maggiore. Indicate lo stack MLOps (MLflow, Kubeflow, Vertex AI, SageMaker, BentoML), la latenza di scoring, il volume di predizioni/giorno e la modalità di monitoring (drift detection, model performance tracking). Il dispiegamento ML è segnale di seniority discriminante.
