Shaping The Future Of Work: Insights From Meta's Arpit Agarwal

Αναδημοσίευση από τον Πλάτωνα

Ακολουθούν: 0

Η πανδημία του COVID-19 έχει μεταμορφώσει τον χώρο εργασίας, με την εξ αποστάσεως εργασία να γίνεται διαρκής κανόνας. Σε αυτό το επεισόδιο του Κορυφαίος με δεδομένα, ο Arpit Agarwal από το Meta συζητά πώς περιλαμβάνει το μέλλον της εργασίας εικονικής πραγματικότητας, επιτρέποντας την εξ αποστάσεως συνεργασία που αντικατοπτρίζει τις προσωπικές εμπειρίες. Ο Arpit μοιράζεται πληροφορίες από το ταξίδι του, δίνοντας έμφαση σε κομβικές στιγμές και τις προκλήσεις της ανάλυσης στα αρχικά στάδια ανάπτυξης προϊόντων.

[Ενσωματωμένο περιεχόμενο]

Μπορείτε να ακούσετε αυτό το επεισόδιο του Leading with Data σε δημοφιλείς πλατφόρμες όπως Spotify, Podcasts Google, να Apple. Επιλέξτε το αγαπημένο σας για να απολαύσετε το διορατικό περιεχόμενο!

Βασικές πληροφορίες από τη συνομιλία μας με τον Arpit Agarwal

Η μελλοντική δουλειά εξαρτάται από την εικονική πραγματικότητα για εξ αποστάσεως συνεργασία.
Η δημιουργία μιας ομάδας επιστήμης δεδομένων ενισχύει την καινοτομία και τον επιχειρηματικό αντίκτυπο.
Η επιστήμη δεδομένων πρώιμου σταδίου προϊόντος δίνει προτεραιότητα στην ποιότητα, χρησιμοποιώντας εσωτερικές δοκιμές και σχόλια.
Η πρόσληψη για την επιστήμη δεδομένων απαιτεί τεχνική ικανότητα, επίλυση προβλημάτων και ισχυρό χαρακτήρα.
Η ανάπτυξη της σταδιοδρομίας της επιστήμης δεδομένων απαιτεί ευρεία εξερεύνηση ακολουθούμενη από εξειδικευμένη τεχνογνωσία.

Λάβετε μέρος στις επερχόμενες συνεδρίες Leading with Data για οξυδερκείς συζητήσεις με ηγέτες AI και Data Science!

Τώρα, ας δούμε τις ερωτήσεις που απάντησε ο Arpit Agarwal σχετικά με το ταξίδι σταδιοδρομίας και την εμπειρία του στον κλάδο.

Πώς η πανδημία COVID-19 έχει αναδιαμορφώσει τον τρόπο που εργαζόμαστε;

Η πανδημία έχει αλλάξει ριζικά τη δυναμική της εργασίας μας. Έχουμε περάσει από περιβάλλοντα με επίκεντρο το γραφείο στο να υιοθετήσουμε την απομακρυσμένη εργασία ως μια νέα πραγματικότητα. Ακόμη και με τις πολιτικές επιστροφής στο γραφείο, σημαντικό μέρος του εργατικού δυναμικού θα συνεχίσει να λειτουργεί εξ αποστάσεως. Η πρόκληση έγκειται στη διατήρηση της παραγωγικότητας και στην ενίσχυση των συνδέσεων που κάποτε χτίζονταν μέσα σε τοίχους γραφείων. Τα τρέχοντα εργαλεία υστερούν στην αναπαραγωγή της προσωπικής εμπειρίας, όπου το όραμα του Meta μπαίνει στο παιχνίδι. Αναπτύσσουμε προϊόντα που παρέχουν την αίσθηση ότι δουλεύουμε δίπλα-δίπλα, κατανοούμε ο ένας τη γλώσσα του σώματος του άλλου και συνεργαζόμαστε αποτελεσματικά, όλα σε έναν εικονικό χώρο.

Το ταξίδι μου ξεκίνησε στο BITS Goa, όπου έκανα πτυχίο πληροφορικής. Αρχικά, ήμουν ακαδημαϊκά συγκεντρωμένος, αλλά το BITS μου επέτρεψε να εξερευνήσω άλλα ενδιαφέροντα, συμπεριλαμβανομένης της ερμηνείας δεδομένων. Οδήγησα μια λέσχη παζλ, η οποία κέντρισε το ενδιαφέρον μου για τα δεδομένα. Μετά το κολέγιο, μπήκα στην Oracle, όπου εργάστηκα στην αποθήκευση δεδομένων και την επιχειρηματική ευφυΐα, βοηθώντας τους πελάτες να λαμβάνουν αποφάσεις βάσει δεδομένων. Αυτή η εμπειρία ενίσχυσε το ενδιαφέρον μου για τα αναλυτικά στοιχεία και τις επιχειρηματικές εφαρμογές τους. Ακολούθησα ένα MBA για να εμβαθύνω την επιχειρηματική μου κατανόηση και αργότερα εντάχθηκα στο Mu Sigma, όπου αλίευσα τις ικανότητές μου στην ανάλυση. Η καριέρα μου προχώρησε μέσω συμβουλευτικών ρόλων και ηγετικών θέσεων σε νεοφυείς επιχειρήσεις όπως η Zoomcar και η Katabook, όπου αντιμετώπισα διάφορες προκλήσεις της επιστήμης δεδομένων.

Ποιες ήταν οι βασικές στιγμές στην καριέρα σας που διαμόρφωσαν την πορεία σας;

Η συμμετοχή στο Zoomcar ήταν μια κομβική στιγμή. Μου ανατέθηκε η δημιουργία της ομάδας επιστήμης δεδομένων από την αρχή, κάτι που μου επέτρεψε να εργαστώ σε καινοτόμα έργα όπως συστήματα βαθμολόγησης οδηγών χρησιμοποιώντας δεδομένα αυτοκινήτου. Αυτή η εμπειρία μου έδωσε την ευκαιρία να συνεργαστώ στενά με στελέχη C-level και να επηρεάσω άμεσα τις επιχειρηματικές αποφάσεις. Μια άλλη σημαντική στιγμή ήταν ο χρόνος μου στο Katabook, όπου βοήθησα την εταιρεία να προσανατολιστεί στα δεδομένα και ξεκίνησα διάφορες πρωτοβουλίες ανάλυσης, συμπεριλαμβανομένων προσφορών δανείων με βάση μοντέλα μηχανικής μάθησης.

Το όραμα της Meta για το μέλλον της εργασίας περιστρέφεται γύρω από την εικονική πραγματικότητα, με στόχο να δημιουργήσει έναν χώρο όπου η εξ αποστάσεως συνεργασία είναι τόσο φυσική και αποτελεσματική όσο και οι διαπροσωπικές αλληλεπιδράσεις. Η επιστήμη των δεδομένων διαδραματίζει κρίσιμο ρόλο στον καθορισμό φιλόδοξων οργανωτικών στόχων για προϊόντα που είναι μπροστά από την εποχή τους. Περιλαμβάνει την ευθυγράμμιση της στρατηγικής προϊόντων με αυτούς τους στόχους, τη διασφάλιση της ποιότητας των προϊόντων και τη διαχείριση διαφορετικών, παγκόσμιων ομάδων. Η επιστήμη δεδομένων αντιμετωπίζει επίσης την πρόκληση των αναλυτικών στοιχείων για προϊόντα που βρίσκονται στα αρχικά στάδια ανάπτυξης, όπου τα δεδομένα πελατών είναι σπάνια.

Ποιες είναι οι προκλήσεις της εκτέλεσης αναλυτικών στοιχείων για προϊόντα που βρίσκονται στη φάση 0 προς 1;

Το Analytics για προϊόντα στη φάση 0 έως 1 είναι προκλητικό, επειδή υπάρχουν περιορισμένα δεδομένα πελατών που καθοδηγούν τη λήψη αποφάσεων. Η εστίαση είναι στη διασφάλιση της ποιότητας και της λειτουργικότητας των προϊόντων, κάτι που είναι κρίσιμο για τα εταιρικά προϊόντα. Βασιζόμαστε σε εσωτερικές δοκιμές (εσωτερικές δοκιμές), δοκιμές άλφα και βήτα με επιλεγμένες ομάδες και έρευνα χρηστών για τη συλλογή σχολίων και την επικύρωση της κατεύθυνσης του προϊόντος. Μόλις έχουμε γερές βάσεις, μπορούμε να παρουσιάσουμε το προϊόν σε ένα ευρύτερο κοινό και να χρησιμοποιήσουμε την επιστήμη των δεδομένων για να μετρήσουμε την υιοθέτηση, τη διατήρηση και την επανάληψη με βάση τα σχόλια των χρηστών.

Πώς αξιολογείτε τους υποψηφίους για ρόλους επιστήμης δεδομένων, ειδικά σε αναδυόμενους τομείς όπως η γενετική τεχνητή νοημοσύνη;

Όταν προσλαμβάνω για ρόλους επιστήμης δεδομένων, αναζητώ υποψηφίους με ισχυρές δεξιότητες επίλυσης προβλημάτων, βαθιά κατανόηση των θεμελιωδών αρχών της μηχανικής μάθησης και επάρκεια σε γλώσσες προγραμματισμού και χειρισμό δεδομένων. Ειδικά για τη γενετική τεχνητή νοημοσύνη, οι υποψήφιοι θα πρέπει να έχουν εξειδίκευση στον σχετικό τομέα, όπως η επεξεργασία φυσικής γλώσσας ή η όραση υπολογιστή. Επιπλέον, εκτιμώ τον χαρακτήρα και την εργασιακή ηθική, τα οποία αξιολογώ μέσω ερωτήσεων συμπεριφοράς, ελέγχων αναφοράς και της ικανότητας ενός υποψηφίου να εξηγεί σε βάθος τα έργα του.

Τι συμβουλές έχετε για άτομα που ξεκινούν τη σταδιοδρομία τους στην επιστήμη των δεδομένων;

Για αρχάριους στην επιστήμη δεδομένων, εξερευνήστε διάφορα ενδιαφέροντα προτού ειδικευτείτε. Χρησιμοποιήστε άφθονους δωρεάν πόρους εκμάθησης, δώστε προτεραιότητα στις δεξιότητες για αξία και εκπλήρωση έναντι των γρήγορων οικονομικών κερδών. Αδράξτε ευκαιρίες, ακόμη και σε μικρότερα έργα ή εταιρείες, για ουσιαστική ανάπτυξη. Αναγνωρίστε ότι η σκληρή δουλειά αποτελεί τη βάση της τύχης. Η επιτυχία είναι ένα διαρκές ταξίδι μάθησης και βελτίωσης.

Ανακεφαλαίωση

Το ταξίδι του Arpit Agarwal αποτελεί παράδειγμα του αντίκτυπου της επιστήμης δεδομένων σε διάφορους κλάδους. Το όραμα της Meta για το μέλλον της εργασίας υπογραμμίζει τον κεντρικό ρόλο που διαδραματίζει η επιστήμη των δεδομένων. Οι επίδοξοι επιστήμονες δεδομένων μπορούν να συλλέξουν πολύτιμες συμβουλές από την έμφαση που δίνει η Arpit στην ανάπτυξη δεξιοτήτων, στην αγκαλιά των ευκαιριών και στο διαρκές ταξίδι της συνεχούς μάθησης.

Για πιο συναρπαστικές συνεδρίες σχετικά με την τεχνητή νοημοσύνη, την επιστήμη δεδομένων και το GenAI, μείνετε συντονισμένοι μαζί μας στο Leading with Data.

Δείτε τις επερχόμενες συνεδρίες μας εδώ.