Shaping the Future of Work: Insights From Meta's Arpit Agarwal

Genudgivet af Platon

Abonnenter: 0

COVID-19-pandemien har forvandlet arbejdspladsen, hvor fjernarbejde er blevet en varig norm. I dette afsnit af Førende med data, Arpit Agarwal fra Meta diskuterer, hvordan fremtidens arbejde involverer virtual reality, hvilket muliggør fjernsamarbejde, der afspejler personlige oplevelser. Arpit deler indsigt fra sin rejse og lægger vægt på centrale øjeblikke og udfordringerne ved analyse i produktudviklingens tidlige stadier.

[Indlejret indhold]

Du kan lytte til denne episode af Leading with Data på populære platforme som Spotify, Google Podcastsog Apple. Vælg din favorit for at nyde det indsigtsfulde indhold!

Nøgleindsigter fra vores samtale med Arpit Agarwal

Fremtidigt arbejde afhænger af virtual reality til fjernsamarbejde.
Lancering af et datavidenskabsteam fremmer innovation og forretningseffekt.
Datavidenskab i tidlig produktfase prioriterer kvalitet ved hjælp af interne tests og feedback.
Ansættelse til datavidenskab kræver teknisk dygtighed, problemløsning og stærk karakter.
Data science karrierevækst kræver bred udforskning efterfulgt af specialiseret ekspertise.

Deltag i vores kommende Leading with Data-sessioner for indsigtsfulde diskussioner med AI- og Data Science-ledere!

Lad os nu se de spørgsmål, Arpit Agarwal besvarede om hans karriererejse og brancheerfaring.

Hvordan har COVID-19-pandemien omformet den måde, vi arbejder på?

Pandemien har fundamentalt ændret vores arbejdsdynamik. Vi er gået fra kontorcentrerede miljøer til at omfavne fjernarbejde som en ny virkelighed. Selv med tilbagevenden til kontoret vil en betydelig del af arbejdsstyrken fortsætte med at operere eksternt. Udfordringen ligger i at opretholde produktiviteten og skabe forbindelser, der engang blev bygget inden for kontorvægge. De nuværende værktøjer kommer til kort i at gentage den personlige oplevelse, og det er her Metas vision kommer i spil. Vi udvikler produkter, der giver følelsen af at arbejde side om side, forstå hinandens kropssprog og samarbejde effektivt, alt sammen i et virtuelt rum.

Min rejse begyndte på BITS Goa, hvor jeg tog en uddannelse i datalogi. Til at begynde med var jeg akademisk fokuseret, men BITS gav mig mulighed for at udforske andre interesser, herunder datafortolkning. Jeg ledede en puslespilsklub, hvilket vakte min interesse for data. Efter gymnasiet kom jeg til Oracle, hvor jeg arbejdede med data warehousing og business intelligence, hvor jeg hjalp kunder med at tage datadrevne beslutninger. Denne oplevelse styrkede min interesse for analytics og dets forretningsapplikationer. Jeg tog en MBA for at uddybe min forretningsforståelse og kom senere til Mu Sigma, hvor jeg finpudsede mine analytiske færdigheder. Min karriere udviklede sig gennem konsulentroller og lederstillinger i startups som Zoomcar og Katabook, hvor jeg tacklede forskellige datavidenskabelige udfordringer.

Hvad var de vigtigste øjeblikke i din karriere, der formede din vej?

At slutte sig til Zoomcar var et afgørende øjeblik. Jeg fik til opgave at opbygge datavidenskabsteamet fra bunden, hvilket gav mig mulighed for at arbejde på innovative projekter som f.eks. førerscoringssystemer ved hjælp af bildata. Denne erfaring gav mig muligheden for at arbejde tæt sammen med ledere på C-niveau og påvirke forretningsbeslutninger direkte. Et andet væsentligt øjeblik var min tid hos Katabook, hvor jeg hjalp virksomheden med at blive datadrevet og lancerede forskellige analyseinitiativer, herunder lånetilbud baseret på maskinlæringsmodeller.

Metas vision for fremtidens arbejde kredser om virtual reality, der sigter mod at skabe et rum, hvor fjernsamarbejde er lige så naturligt og effektivt som personligt samspil. Datavidenskab spiller en afgørende rolle i at sætte ambitiøse organisatoriske mål for produkter, der er forud for deres tid. Det involverer at tilpasse produktstrategien til disse mål, sikre produktkvalitet og lede forskellige, globale teams. Data science adresserer også udfordringen med analyser for produkter, der er i de tidlige udviklingsstadier, hvor kundedata er knappe.

Hvad er udfordringerne ved at lave analyser for produkter, der er i 0 til 1-fasen?

Analyse for produkter i 0 til 1-fasen er udfordrende, fordi der er begrænsede kundedata til at vejlede beslutningstagningen. Fokus er på at sikre produktkvalitet og funktionalitet, hvilket er afgørende for virksomhedsprodukter. Vi er afhængige af intern test (dogfooding), alfa- og betatest med udvalgte grupper og brugerundersøgelser for at indsamle feedback og validere produktets retning. Når vi har et solidt fundament, kan vi lancere produktet til et bredere publikum og bruge datavidenskab til at måle adoption, fastholdelse og iteration baseret på brugerfeedback.

Hvordan vurderer du kandidater til datavidenskabsroller, især inden for nye områder som generativ AI?

Når jeg ansætter til datavidenskabsroller, leder jeg efter kandidater med stærke problemløsningsevner, en dyb forståelse af grundlæggende maskinlæring og færdigheder i programmeringssprog og datamanipulation. Specifikt for generativ AI bør kandidater have ekspertise inden for det relevante domæne, såsom naturlig sprogbehandling eller computersyn. Derudover værdsætter jeg karakter og arbejdsmoral, som jeg vurderer gennem adfærdsspørgsmål, referencetjek og en kandidats evne til at forklare deres projekter i dybden.

Hvilke råd har du til personer, der starter deres karriere inden for datavidenskab?

For begyndere inden for datavidenskab, udforsk forskellige interesser, før du specialiserer dig. Udnyt rigelige gratis læringsressourcer, prioriter færdigheder for værdi og opfyldelse frem for hurtige økonomiske gevinster. Grib muligheder, selv i mindre projekter eller virksomheder, for betydelig vækst. Erkend, at hårdt arbejde danner grundlaget for held; succes er en løbende rejse for læring og forbedring.

Opsummering

Arpit Agarwals rejse eksemplificerer datavidenskabens indvirkning på forskellige industrier. Metas vision for fremtidens arbejde fremhæver den afgørende rolle, datavidenskab spiller. Håbende datavidenskabsmænd kan hente værdifulde råd fra Arpits vægt på færdighedsudvikling, omfavnelse af muligheder og den varige rejse med kontinuerlig læring.

For mere engagerende sessioner om AI, datavidenskab og GenAI, hold dig opdateret med os om Leading with Data.

Se vores kommende sessioner her.