Cos’è e a che cosa serve un Data Team?
Il vertiginoso aumento del volume di dati genera continuamente nuove sfide che coinvolgono direttamente le imprese e di conseguenza anche la cybersecurity. Denise Schlesinger, Senior Director di R&S di SentinelOne, a capo del team di AI e Big Data, ne è più che consapevole. La manager, affiancata da un team specializzato, in grado di risolvere proattivamente le minacce attraverso la raccolta di dati su larga scala, affronta queste sfide quotidianamente.
Formazione professionale
Cresciuta in Argentina, e arrivata a Israele all’età di 18 anni per studiare informatica, Schlesinger inizia a lavorare a 24 anni come software ingineener. Nel giro di 5 anni diventa team leader e R&D Director.
Nel corso della sua carriera, ha assunto ruoli di progettista e VP di R&D in numerose startup di differenti settori, quali Agrotech, Adtech e Cybersecurity, supportando grandi infrastrutture, supervisionando la pianificazione e l’implementazione di servizi SaaS cloud-based e definendo la strategia tecnica e la roadmap delle applicazioni distribuite, garantendo sempre alta disponibilità e scalabilità.
Per tenersi aggiornata, legge abitualmente blog legati a tematiche di Big Data e machine learning, come quelli di Uber, Netflix, Lyft e Wix.
Una giornata tipo in SentinelOne
Nonostante Schlesinger sia entrata a far parte della famiglia di SentinelOne durante la pandemia, il suo passaggio è avvenuto con grande entusiasmo, grazie anche alla disponibilità del team interno e alla condivisione di skill e competenze.
In qualità di Senior Director del settore engineering, guida il gruppo responsabile delle pipeline di dati, dei servizi di pre-elaborazione, aggregazione e rilevamento di tutti i dati raccolti, registrando centinaia di milioni di eventi al minuto.
Quotidianamente è coinvolta in tutti gli aspetti di progettazione e sviluppo di software e hardware, intervenendo anche sui tempi di distribuzione delle applicazioni su larga scala. In aggiunta, supervisiona i progetti di sviluppo del suo team al fine di garantire affidabilità, efficacia e ritorni d’investimenti.
Il kit di strumenti necessario
A livello tecnico, gli strumenti utilizzati dal Data team sono Presto, Spark, Kafka, ElasticSearch e Kubernetes, impiegato per gestire tutti i loro servizi. In aggiunta, si avvalgono di Databricks, AWS Sagemaker e Spark per il machine learning, mentre l’AI viene utilizzata per risolvere i problemi più complessi, legati alla gestione della moltitudine di dati. La possibilità di poter provare tecnologie e framework differenti sono gli aspetti del lavoro più apprezzati dal manager.
Come costruire un Data Team competente
Oltre ad assumere il ruolo di mentore dei team e dei manager che dirige, Schlesinger lascia alla propria squadra la libertà di operare in autonomia, con la possibilità di incorrere in alcuni sbagli. Questo atteggiamento facilita l’individuazione e lo sviluppo dei punti di forza di ciascuno, stimolando la crescita professionale.
Schlesinger lavora anche a stretto contatto con gli stakeholder aziendali per pianificare nuove soluzioni, puntando sull’importanza delle relazioni e spronando i membri del team a dare il massimo.
I Big Data e l’AI sono argomenti sfidanti, poiché grandi dati implicano grande scalabilità e, di conseguenza, grandi problemi da risolvere. Per riuscire ad affrontare queste complicazioni, il manager e il suo team investono molto nella costruzione di un’infrastruttura di dati scalabile, affidabile ed efficiente. Uno dei detti preferiti dal Senior Director di R&D, nonché elemento per comprendere a fondo il suo approccio professionale, recita: “la cultura si mangia la strategia a colazione”; questo concetto spiega come si può sviluppare una cultura fondata sul dato, attraverso l’implementazione di decisioni data-driven.
Le skill richieste
Le caratteristiche più ricercate dal manager sono senso critico, responsabilità e spirito innovativo. Inoltre, secondo Schlesinger, essere in grado di guardare le cose da una prospettiva a “volo d’uccello”, immergendosi allo stesso tempo nei dettagli per arrivare a ottenere un quadro completo, sono requisiti fondamentali. Infine è importante mostrarsi curiosi e collaborativi nell’affrontare i problemi più complessi, assegnando priorità assoluta alla mission.
L’attuale panorama dell’AI e della cybersecurity
Ad oggi, gli innumerevoli attacchi degli hacker possono danneggiare gravemente il business di un’azienda, mostrando i limiti dei team IT nell’individuazione delle minacce.
Le aziende devono, quindi, analizzare e tracciare le attività del cloud, della rete e delle workstation al fine di proteggersi da hacker e software pericolosi. A questo riguardo, l’AI è in grado di analizzare miliardi di eventi, identificando diversi tipi di minacce, tra cui i malware che sfruttano vulnerabilità zero-day e i comportamenti rischiosi che possono condurre a un attacco di phishing o al download di un codice dannoso.
Inoltre, l’AI consente di rilevare autonomamente eventuali minacce, vagliando enormi quantità di dati, generando alert per proteggere i dati sensibili aziendali. In aggiunta, il machine learning e il deep learning consentono di comprendere tempestivamente il comportamento della rete, aiutando a riconoscere gli schemi degli attacchi, rilevare le anomalie e rispondere ad esse.
