Documentazione Tecnica e Architetturale
Career Intelligence Platform
per l'Orientamento Professionale Data-Driven
Dicembre 2025
Versione 1.0 — Documento Confidenziale
Documentazione Tecnica e Architetturale
Career Intelligence Platform
per l'Orientamento Professionale Data-Driven
Dicembre 2025
Versione 1.0 — Documento Confidenziale
Abstract
Il presente documento descrive l'architettura tecnica e il modello di elaborazione dati della piattaforma HR Trails, un sistema di orientamento professionale data-driven destinato a giovani professionisti nelle fasi cruciali delle loro scelte formative e di carriera. A differenza degli approcci tradizionali basati su test attitudinali e percezioni soggettive, HR Trails sfrutta una base dati proprietaria di mappature di competenze reali per generare insight personalizzati e benchmark comparativi. Il cuore del sistema è il Career Intelligence Engine, un modulo di elaborazione che implementa algoritmi proprietari per lo scoring dei percorsi formativi, l'analisi dei gap di competenze e la predizione delle traiettorie professionali. Il documento presenta l'architettura a microservizi, il catalogo dei datapoint disponibili, le modalità di integrazione dati e la roadmap di sviluppo.
Indice
HR Trails è una piattaforma di Career Intelligence progettata per supportare giovani professionisti (17-27 anni) in decisioni formative e di carriera ad alto impatto. A differenza degli approcci tradizionali basati su test attitudinali e valutazioni qualitative, HR Trails utilizza dati empirici del mercato del lavoro per generare benchmark quantitativi e predizioni evidence-based.
La piattaforma si fonda su tre pilastri metodologici:
La piattaforma integra quattro dataset proprietari (skill mappings, career histories, compensation benchmarks, labour market trends) per generare cinque categorie di output:
Il modello di segmentazione è articolato su tre coorti di utenti, differenziate per fase del lifecycle professionale:
Tabella 1. Segmentazione del target e relative esigenze informative.
| Segmento | Età | Momento Decisionale | Domande Chiave |
|---|---|---|---|
| Pre-universitari | 17-19 | Scelta dell'università e del corso di laurea | Quale ateneo? Quale corso? Quali sbocchi? |
| Studenti / Neolaureati | 20-25 | Ingresso nel mercato del lavoro e prime esperienze | Cosa mi manca? Quanto chiedere? Quale primo lavoro? |
| Giovani professionisti | 24-27 | Crescita professionale e ottimizzazione carriera | Sono pagato bene? Come crescere? Posso cambiare ruolo? |
L'architettura operativa si articola in tre layer sequenziali (Figura 1):
Figura 1. Il flusso operativo di HR Trails.
Il sistema implementa un'interfaccia guidata basata su query strutturate, eliminando la necessità di competenze analitiche da parte dell'utente finale.
L'architettura della piattaforma implementa un modello modulare: ogni segmento di utenti accede a un set specifico di moduli di analisi, ciascuno dei quali interroga il database di workforce intelligence secondo parametri predefiniti (Figura 2).
Figura 2. Architettura modulare per segmento.
Ciascun modulo esegue query predefinite sul database (filtri per segmento, ruolo, geografia, esperienza) e restituisce aggregazioni statistiche, confronti o gap analysis. L'utente può eseguire più moduli in sequenza per ottenere una vista completa delle proprie opportunità.
Il segmento pre-universitari richiede supporto decisionale nella fase di selezione del percorso formativo. I moduli disponibili implementano confronti multi-dimensionali basati su outcome misurabili post-laurea (placement rate, compensation, mobilità settoriale) derivati da coorti omogenee di dimensione statisticamente significativa (N > 500 per ateneo). L'approccio elimina bias soggettivi tipici dell'orientamento tradizionale, sostituendo valutazioni qualitative con benchmark quantitativi evidence-based.
Marco, 18 anni, deve scegliere tra Economia alla Bocconi, Economia a Bologna, o Ingegneria Gestionale al Politecnico di Milano. Vuole capire quale percorso gli offrirà le migliori opportunità.
Tabella 2. Moduli disponibili per il segmento Pre-Universitari.
| Modulo | Query | Output |
|---|---|---|
| Confronto Università | Filtro per ateneo + corso | Aggregazioni: RAL mediana, placement rate, top employer, settori |
| Analisi Ruolo Target | Filtro per ruolo + città | Percorsi formativi più comuni + outcome (RAL, tempo impiego) |
| Percorsi di Carriera | Filtro per ateneo + corso | Pattern: ruoli tipici a 1/3/5 anni post-laurea |
Il segmento studenti/neolaureati si concentra sull'ottimizzazione dell'ingresso nel mercato del lavoro. I moduli eseguono analisi comparative tra il profilo dell'utente e profili target (skill gap analysis), benchmark retributivi per ruoli entry-level filtrati per geografia e settore, e pattern analysis su traiettorie di carriera post-laurea. Il sistema quantifica distanze skill-based mediante metriche normalizzate (distanza euclidea), restituendo roadmap di upskilling prioritizzate per massimizzare employability e compensation potential.
Sara, 23 anni, neolaureata in Informatica al Politecnico di Milano, vuole capire su quali competenze investire per massimizzare le sue opportunità nella consulenza tech e quanto può aspettarsi come RAL iniziale.
Tabella 4. Moduli disponibili per il segmento Studenti/Neolaureati.
| Modulo | Query | Output |
|---|---|---|
| Gap di Competenze | Confronto: skill utente vs skill mediane ruolo target | Gap analysis + roadmap upskilling prioritizzata |
| Benchmark per Ruolo | Filtro per ruolo entry-level + città + settore | RAL mediana, skill richieste, aziende tipiche |
| Analisi Primi Impieghi | Pattern: "primo ruolo X" → outcome a 3 anni | Career paths tipici + RAL progression + mobilità |
Il segmento giovani professionisti richiede strumenti di ottimizzazione della progressione di carriera. I moduli implementano benchmark retributivi basati su coorti filtrate per ruolo, esperienza, settore e geografia (±1 anno di tenure), analisi di fattibilità per transizioni inter-ruolo (skill gap + success rate + RAL delta), e assessment di readiness per avanzamenti verticali mediante confronto con profili seniority +1. Le distribuzioni percentilari permettono posizionamento preciso rispetto al mercato e identificazione di gap retributivi o competenze statisticamente significativi (> 1 deviazione standard).
Luca, 26 anni, lavora come Data Analyst in una PMI da 2 anni con RAL di 32k. Vuole capire se è pagato correttamente rispetto al mercato e se può fare il salto verso un ruolo di Data Scientist.
Tabella 5. Moduli disponibili per il segmento Giovani Professionisti.
| Modulo | Query | Output |
|---|---|---|
| Benchmark Retributivo | Filtro: ruolo + città + esperienza + settore | Distribuzione percentilica RAL + posizionamento utente |
| Transizioni di Ruolo | Pattern: "da ruolo X a ruolo Y" | Skill gap + tempi medi + success rate + RAL delta |
| Analisi Promozione | Confronto: skill utente vs skill mediane seniority +1 | Gap analysis + timeline tipica + requisiti aziendali |
L'output layer genera un Report Personalizzato strutturato in cinque sezioni:
La delivery avviene su due canali paralleli: interfaccia web interattiva con drill-down su dati granulari, e PDF statico ottimizzato per presentazioni executive.
Il Career Intelligence Engine (CIE) costituisce il nucleo elaborativo della piattaforma. È il componente che trasforma dati grezzi del mercato del lavoro in insight personalizzati e raccomandazioni ordinate per rilevanza. Il CIE riceve in input i dati di profilazione dell'utente e i parametri della sua ricerca, elabora queste informazioni confrontandole con il database di skill maps e career trajectories, e produce output strutturati.
L'architettura del CIE è organizzata in quattro sotto-moduli, ciascuno responsabile di una specifica funzione elaborativa:
Figura 7. Architettura del Career Intelligence Engine.
— Fine del documento —
HR Trails — Documentazione Tecnica v1.0
Dicembre 2025