Töö tuleviku kujundamine: Meta Arpit Agarwali ülevaated

Töö tuleviku kujundamine: Meta Arpit Agarwali ülevaated

Ajatempel: 28. november 2023 2:45
Allikasõlm: 2982695

COVID-19 pandeemia on muutnud töökohta ja kaugtöö on muutunud püsivaks normiks. Selles episoodis Juhtimine andmetega, Arpit Agarwal Metast arutleb selle üle, kuidas töö tulevik hõlmab virtuaalne reaalsus, mis võimaldab kaugkoostööd, mis peegeldab isiklikke kogemusi. Arpit jagab teadmisi oma teekonnast, rõhutades pöördelisi hetki ja analüütika väljakutseid tootearenduse algfaasis.

[Varjatud sisu]

Saate seda sarja Leading with Data episoodi kuulata populaarsetel platvormidel, nagu Spotify, Google Podcastidja õun. Arusaadava sisu nautimiseks valige oma lemmik!

Peamised arusaamad meie vestlusest Arpit Agarwaliga

  • Edasine töö sõltub kaugkoostöö virtuaalreaalsusest.
  • Andmeteaduse meeskonna käivitamine soodustab innovatsiooni ja ärimõju.
  • Toote varase faasi andmeteadus seab esikohale kvaliteedi, kasutades siseteste ja tagasisidet.
  • Andmeteaduse tööle võtmine vajab tehnilist võimekust, probleemide lahendamise oskust ja tugevat iseloomu.
  • Andmeteaduse karjääri kasv nõuab laiaulatuslikku uurimist, millele järgneb eriteadmised.

Liituge meie tulevaste Leading with Data seanssidega, et arutada tehisintellekti ja andmeteaduse juhtidega põhjalikku arutelu!

Nüüd vaatame küsimusi, millele Arpit Agarwal oma karjääriteekonna ja tööstuskogemuse kohta vastas.

Kuidas on COVID-19 pandeemia meie tööviisi ümber kujundanud?

Pandeemia on meie töödünaamikat põhjalikult muutnud. Oleme üle läinud kontorikesksetelt keskkondadelt kaugtööle kui uuele reaalsusele. Isegi kontorisse naasmise poliitika korral jätkab märkimisväärne osa tööjõust kaugtööd. Väljakutse seisneb tootlikkuse säilitamises ja kunagi kontoriseinte vahele rajatud ühenduste edendamises. Praegused tööriistad ei suuda isikliku kogemuse reprodutseerida, mistõttu tuleb mängu Meta nägemus. Arendame tooteid, mis pakuvad kõrvuti töötamise tunnet, üksteise kehakeele mõistmist ja tõhusat koostööd virtuaalses ruumis.

Kas saate jagada oma teekonda kolledžist andmeteaduse juhiks saamiseni?

Minu teekond algas BITS Goas, kus ma omandasin arvutiteaduse kraadi. Algselt olin keskendunud akadeemiliselt, kuid BITS võimaldas mul uurida muid huvisid, sealhulgas andmete tõlgendamist. Juhtisin mõistatuste klubi, mis tekitas minus huvi andmete vastu. Pärast ülikooli lõpetamist liitusin Oracle'iga, kus töötasin andmehoidla ja äriteabe alal, aidates klientidel teha andmepõhiseid otsuseid. See kogemus tugevdas minu huvi analüütika ja selle ärirakenduste vastu. Lõpetasin MBA kraadi, et süvendada oma ärialast arusaamist ja hiljem liitusin Mu Sigmaga, kus lihvisin oma analüütilisi oskusi. Minu karjäär arenes läbi konsultatsioonirollide ja juhtivatel ametikohtadel alustavates ettevõtetes, nagu Zoomcar ja Katabook, kus ma tegelesin erinevate andmeteaduse väljakutsetega.

Millised olid teie karjääri võtmehetked, mis teie teed kujundasid?

Zoomcariga liitumine oli pöördeline hetk. Mulle tehti ülesandeks luua nullist üles andmeteaduse meeskond, mis võimaldas mul töötada uuenduslike projektidega, nagu juhtide punktisüsteemid, mis kasutavad auto andmeid. See kogemus andis mulle võimaluse teha tihedat koostööd C-taseme juhtidega ja mõjutada vahetult äriotsuseid. Teine oluline hetk oli minu aeg Katabookis, kus aitasin ettevõttel muutuda andmepõhiseks ja käivitasin erinevaid analüütilisi algatusi, sealhulgas masinõppe mudelitel põhinevaid laenupakkumisi.

Meta nägemus töö tulevikust keerleb virtuaalse reaalsuse ümber, eesmärgiga luua ruum, kus kaugkoostöö on sama loomulik ja tõhus kui inimestevaheline suhtlus. Andmeteadusel on ülitähtis roll ambitsioonikate organisatsiooniliste eesmärkide seadmisel toodetele, mis on oma ajast ees. See hõlmab tootestrateegia vastavusse viimist nende eesmärkidega, toote kvaliteedi tagamist ja mitmekesiste globaalsete meeskondade juhtimist. Andmeteadus tegeleb ka analüütika väljakutsega nende toodete puhul, mis on arendamise algfaasis, kus kliendiandmeid napib.

Millised väljakutsed on 0 kuni 1 faasis olevate toodete analüüsi tegemisel?

Faasi 0–1 toodete analüüsimine on keeruline, kuna otsuste tegemisel on kliendiandmeid piiratud. Keskendutakse toote kvaliteedi ja funktsionaalsuse tagamisele, mis on ettevõtete toodete puhul kriitilise tähtsusega. Toetume tagasiside kogumiseks ja toote suuna kinnitamiseks sisetestimisele (dogfooding), alfa- ja beetatestimisele valitud rühmadega ning kasutajauuringutele. Kui meil on kindel alus, saame toote laiemale publikule turule tuua ja andmeteaduse abil mõõta kasutuselevõttu, säilitamist ja kordamist kasutajate tagasiside põhjal.

Kuidas hindate andmeteaduse rollide kandidaate, eriti sellistes tärkavates valdkondades nagu generatiivne AI?

Andmeteaduse rollidele palkades otsin kandidaate, kellel on tugevad probleemide lahendamise oskused, sügav arusaam masinõppe põhitõdedest ning programmeerimiskeelte ja andmetega manipuleerimise oskus. Konkreetselt generatiivse tehisintellekti puhul peaksid kandidaatidel olema vastavas valdkonnas, nagu loomuliku keele töötlemine või arvutinägemine, asjatundlikkus. Lisaks hindan iseloomu ja tööeetikat, mida hindan käitumisküsimuste, viitekontrolli ja kandidaadi oskuse kaudu oma projekte põhjalikult selgitada.

Milliseid nõuandeid annate inimestele, kes alustavad oma karjääri andmeteaduses?

Andmeteaduse algajatele uurige enne spetsialiseerumist erinevaid huvisid. Kasutage rikkalikke tasuta õpperessursse, seadke väärtuse ja eneseteostuse oskused kiirele rahalisele kasule prioriteediks. Kasutage märkimisväärseks kasvuks võimalusi isegi väiksemates projektides või ettevõtetes. Tunnistage, et raske töö on õnne aluseks; edu on pidev õppimise ja täiustamise teekond.

Summeerida

Arpit Agarwali teekond illustreerib andmeteaduse mõju erinevatele tööstusharudele. Meta nägemus töö tulevikust tõstab esile andmeteaduse keskset rolli. Püüdlikud andmeteadlased saavad koguda väärtuslikke nõuandeid, kui Arpit keskendub oskuste arendamisele, võimaluste omaksvõtmisele ja kestvale pidevale õppimisele. 

Tehisintellekti, andmeteaduse ja GenAI-teemaliste seansside huvides hoidke meiega kursis teemal Leading with Data.

Vaadake meie tulevasi seansse siit.

Ajatempel:

Veel alates Analüütika Vidhya