تشكيل مستقبل العمل: رؤى من ميتا أربيت أغاروال

لقد أحدثت جائحة كوفيد-19 تحولا في مكان العمل، حيث أصبح العمل عن بعد قاعدة دائمة. في هذه الحلقة من القيادة بالبيانات، يناقش أربيت أغاروال من ميتا كيف يتضمن مستقبل العمل الواقع الافتراضي، مما يتيح التعاون عن بعد الذي يعكس التجارب الشخصية. يشارك آربيت رؤى من رحلته، مع التركيز على اللحظات المحورية وتحديات التحليلات في المراحل الأولى لتطوير المنتج.

[المحتوى جزءا لا يتجزأ]

يمكنك الاستماع إلى هذه الحلقة من برنامج "القيادة بالبيانات" على منصات شهيرة مثل سبوتيفي, Google Podcastsو تفاح. اختر مفضلتك للاستمتاع بالمحتوى الثاقب!

رؤى أساسية من محادثتنا مع أربيت أغاروال

• يعتمد العمل المستقبلي على الواقع الافتراضي للتعاون عن بعد.
• إن إطلاق فريق علوم البيانات يعزز الابتكار وتأثير الأعمال.
• يعطي علم البيانات في مرحلة المنتج المبكرة الأولوية للجودة، وذلك باستخدام الاختبارات الداخلية والملاحظات.
• يحتاج التوظيف في مجال علم البيانات إلى البراعة التقنية وحل المشكلات والشخصية القوية.
• يتطلب النمو الوظيفي في علوم البيانات استكشافًا واسعًا يتبعه خبرة متخصصة.

انضم إلى جلساتنا القادمة حول القيادة باستخدام البيانات لإجراء مناقشات ثاقبة مع قادة الذكاء الاصطناعي وعلوم البيانات!

الآن، دعونا نرى الأسئلة التي أجاب عنها أربيت أغاروال حول رحلته المهنية وخبرته في الصناعة.

كيف أعادت جائحة كوفيد-19 تشكيل طريقة عملنا؟

لقد غيّر الوباء ديناميكيات عملنا بشكل جذري. لقد انتقلنا من البيئات التي تركز على المكاتب إلى تبني العمل عن بعد كواقع جديد. وحتى مع سياسات العودة إلى المكتب، سيستمر جزء كبير من القوى العاملة في العمل عن بعد. ويكمن التحدي في الحفاظ على الإنتاجية وتعزيز الاتصالات التي كانت تُبنى ذات يوم داخل جدران المكاتب. الأدوات الحالية تعجز عن تكرار التجربة الشخصية، وهنا يأتي دور رؤية ميتا. نحن نعمل على تطوير المنتجات التي توفر الشعور بالعمل جنبًا إلى جنب، وفهم لغة جسد بعضنا البعض، والتعاون بفعالية، كل ذلك ضمن مساحة افتراضية.

هل يمكنك مشاركة رحلتك من الكلية إلى أن تصبح رائدًا في علوم البيانات؟

بدأت رحلتي في BITS Goa، حيث حصلت على شهادة في علوم الكمبيوتر. في البداية، كان تركيزي أكاديميًا، لكن BITS سمحت لي باستكشاف اهتمامات أخرى، بما في ذلك تفسير البيانات. لقد قمت بإدارة نادي الألغاز، مما أثار اهتمامي بالبيانات. بعد التخرج من الجامعة، انضممت إلى شركة Oracle، حيث عملت في مجال تخزين البيانات وذكاء الأعمال، لمساعدة العملاء على اتخاذ القرارات المستندة إلى البيانات. عززت هذه التجربة اهتمامي بالتحليلات وتطبيقات الأعمال الخاصة بها. لقد سعيت للحصول على ماجستير إدارة الأعمال لتعميق فهمي للأعمال التجارية، ثم انضممت لاحقًا إلى Mu Sigma، حيث عززت مهاراتي التحليلية. تقدمت مسيرتي المهنية من خلال الأدوار الاستشارية والمناصب القيادية في الشركات الناشئة مثل Zoomcar وKatabook، حيث تعاملت مع تحديات علم البيانات المتنوعة.

ما هي اللحظات الرئيسية في حياتك المهنية التي شكلت طريقك؟

كان الانضمام إلى Zoomcar لحظة محورية. تم تكليفي ببناء فريق علوم البيانات من الصفر، مما سمح لي بالعمل على مشاريع مبتكرة مثل أنظمة تسجيل السائقين باستخدام بيانات السيارة. لقد منحتني هذه التجربة الفرصة للعمل بشكل وثيق مع المديرين التنفيذيين على المستوى التنفيذي والتأثير على قرارات العمل بشكل مباشر. كانت اللحظة المهمة الأخرى هي الوقت الذي أمضيته في Katabook، حيث ساعدت الشركة في أن تصبح تعتمد على البيانات وأطلقت العديد من مبادرات التحليلات، بما في ذلك عروض القروض القائمة على نماذج التعلم الآلي.

تتمحور رؤية ميتا لمستقبل العمل حول الواقع الافتراضي، وتهدف إلى خلق مساحة يكون فيها التعاون عن بعد طبيعيًا وفعالاً مثل التفاعلات الشخصية. يلعب علم البيانات دورًا حاسمًا في تحديد الأهداف التنظيمية الطموحة للمنتجات التي تسبق عصرها. ويتضمن ذلك مواءمة استراتيجية المنتج مع هذه الأهداف، وضمان جودة المنتج، وإدارة فرق عالمية متنوعة. يعالج علم البيانات أيضًا التحدي المتمثل في تحليلات المنتجات التي هي في المراحل الأولى من التطوير، حيث تكون بيانات العملاء نادرة.

ما هي التحديات التي تواجه إجراء التحليلات للمنتجات الموجودة في المرحلة 0 إلى 1؟

تمثل تحليلات المنتجات في المرحلة 0 إلى 1 تحديًا نظرًا لوجود بيانات محدودة عن العملاء لتوجيه عملية صنع القرار. وينصب التركيز على ضمان جودة المنتج ووظائفه، وهو أمر بالغ الأهمية لمنتجات المؤسسات. نحن نعتمد على الاختبار الداخلي (التجربة التجريبية)، واختبار ألفا وبيتا مع مجموعات مختارة، وأبحاث المستخدمين لجمع التعليقات والتحقق من صحة اتجاه المنتج. بمجرد أن يكون لدينا أساس متين، يمكننا إطلاق المنتج لجمهور أوسع واستخدام علم البيانات لقياس الاعتماد والاحتفاظ والتكرار بناءً على تعليقات المستخدمين.

كيف يمكنك تقييم المرشحين لأدوار علوم البيانات، خاصة في المجالات الناشئة مثل الذكاء الاصطناعي التوليدي؟

عند التوظيف لأدوار علوم البيانات، أبحث عن مرشحين يتمتعون بمهارات قوية في حل المشكلات، وفهم عميق لأساسيات التعلم الآلي، والكفاءة في لغات البرمجة ومعالجة البيانات. بالنسبة للذكاء الاصطناعي التوليدي على وجه التحديد، يجب أن يتمتع المرشحون بالخبرة في المجال ذي الصلة، مثل معالجة اللغة الطبيعية أو رؤية الكمبيوتر. بالإضافة إلى ذلك، فإنني أقدر الشخصية وأخلاقيات العمل، والتي أقوم بتقييمها من خلال الأسئلة السلوكية والتحقق من المراجع وقدرة المرشح على شرح مشاريعه بعمق.

ما هي نصيحتك للأفراد الذين يبدأون حياتهم المهنية في علم البيانات؟

للمبتدئين في علم البيانات، استكشف الاهتمامات المتنوعة قبل التخصص. استخدم موارد التعلم المجانية الوفيرة، وأعط الأولوية للمهارات ذات القيمة والإنجاز على حساب المكاسب المالية السريعة. اغتنم الفرص، حتى في المشاريع أو الشركات الصغيرة، لتحقيق نمو كبير. ندرك أن العمل الجاد يشكل أساس الحظ؛ النجاح هو رحلة مستمرة من التعلم والتحسين.

وتلخيصا

تجسد رحلة أربيت أغاروال تأثير علم البيانات على الصناعات المتنوعة. تسلط رؤية ميتا لمستقبل العمل الضوء على الدور المحوري الذي يلعبه علم البيانات. يمكن لعلماء البيانات الطموحين استخلاص نصائح قيمة من تركيز Arpit على تنمية المهارات واغتنام الفرص والرحلة الدائمة للتعلم المستمر. 

لمزيد من الجلسات الجذابة حول الذكاء الاصطناعي وعلوم البيانات وGenAI، تابع معنا في "القيادة باستخدام البيانات".

تحقق من جلساتنا القادمة هنا.

مقالات ذات صلة

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
• أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
• أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
• أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
• المصدر https://www.analyticsvidhya.com/blog/2023/11/shaping-the-future-of-work-insights-from-metas-arpit-agarwal/