Työn tulevaisuuden muokkaaminen: näkemyksiä Metan Arpit Agarwalista

Työn tulevaisuuden muokkaaminen: näkemyksiä Metan Arpit Agarwalista

Aikaleima: 28. marraskuuta 2023 2
Lähdesolmu: 2982695

COVID-19-pandemia on muuttanut työpaikan, ja etätyöstä on tullut pysyvä normi. Tässä jaksossa Johtava datan kanssa, Arpit Agarwal Metalta keskustelee siitä, miten työn tulevaisuus sisältää virtuaalitodellisuus, mikä mahdollistaa etäyhteistyön, joka heijastaa henkilökohtaisia ​​kokemuksia. Arpit jakaa näkemyksiä matkaltaan ja korostaa keskeisiä hetkiä ja analytiikan haasteita tuotekehityksen alkuvaiheessa.

[Upotetun sisällön]

Voit kuunnella tämän Leading with Data -jakson suosituilla alustoilla, kuten Spotify, Google Podcastitja omena. Valitse suosikkisi nauttiaksesi oivaltavasta sisällöstä!

Keskeisiä näkemyksiä keskustelustamme Arpit Agarwalin kanssa

  • Tulevaisuuden työ riippuu virtuaalitodellisuudesta etäyhteistyötä varten.
  • Datatiimin käynnistäminen edistää innovaatioita ja liiketoimintavaikutuksia.
  • Varhaisen tuotevaiheen datatiede asettaa laadun etusijalle käyttämällä sisäisiä testejä ja palautetta.
  • Datatieteen rekrytointi vaatii teknistä osaamista, ongelmanratkaisukykyä ja vahvaa luonnetta.
  • Datatieteen uran kasvu vaatii laajaa kartoitusta ja sen jälkeen erikoisosaamista.

Liity tuleviin Leading with Data -istuntoihin saadaksesi oivaltavia keskusteluja tekoäly- ja datatieteen johtajien kanssa!

Katsotaan nyt kysymyksiä, joihin Arpit Agarwal vastasi uramatkastaan ​​ja alan kokemuksestaan.

Miten COVID-19-pandemia on muuttanut tapaamme työskennellä?

Pandemia on muuttanut perusteellisesti työdynamiikkaamme. Olemme siirtyneet toimistokeskeisistä ympäristöistä etätyön omaksumiseen uutena todellisuutena. Jopa työhönpaluupolitiikassa merkittävä osa työvoimasta jatkaa etätyötä. Haasteena on tuottavuuden ylläpitäminen ja yhteyksien edistäminen, jotka aikoinaan rakennettiin toimiston seinien sisään. Nykyiset työkalut eivät pysty jäljittelemään henkilökohtaista kokemusta, jolloin Metan visio tulee esiin. Kehitämme tuotteita, jotka antavat tunteen työskennellä rinnakkain, ymmärtää toistensa kehonkieltä ja tehdä tehokasta yhteistyötä virtuaalitilassa.

Voitko jakaa matkasi yliopistosta datatieteen johtajaksi?

Matkani alkoi BITS Goassa, jossa suoritin tietojenkäsittelytieteen tutkinnon. Aluksi olin akateemisesti keskittynyt, mutta BITS antoi minulle mahdollisuuden tutkia muita kiinnostuksen kohteita, mukaan lukien tietojen tulkinta. Johdin palapelikerhoa, joka herätti kiinnostukseni dataa kohtaan. Yliopiston jälkeen liityin Oracleen, jossa työskentelin tietovarastoinnin ja liiketoimintatiedon parissa auttaen asiakkaita tekemään tietoihin perustuvia päätöksiä. Tämä kokemus vahvisti kiinnostukseni analytiikkaan ja sen liiketoimintasovelluksiin. Suoritin MBA-tutkinnon syventääkseni liiketoimintaymmärrystäni ja liityin myöhemmin Mu Sigmaan, jossa hioin analytiikkataitojani. Urani eteni konsulttirooleissa ja johtotehtävissä startup-yrityksissä, kuten Zoomcarissa ja Katabookissa, missä kohtasin erilaisia ​​datatieteen haasteita.

Mitkä olivat urasi tärkeimmät hetket, jotka muovasivat polkusi?

Zoomcariin liittyminen oli ratkaiseva hetki. Minulle annettiin tehtäväksi rakentaa datatieteiden tiimi tyhjästä, mikä antoi minulle mahdollisuuden työskennellä innovatiivisissa projekteissa, kuten kuljettajien pisteytysjärjestelmissä, joissa käytetään autotietoja. Tämä kokemus antoi minulle mahdollisuuden tehdä tiivistä yhteistyötä C-tason johtajien kanssa ja vaikuttaa suoraan liiketoimintapäätöksiin. Toinen merkittävä hetki oli aikani Katabookissa, jossa auttelin yritystä muuttumaan datalähtöiseksi ja käynnistin erilaisia ​​analytiikkahankkeita, mukaan lukien koneoppimismalleihin perustuvat lainatarjoukset.

Metan visio työn tulevaisuudesta pyörii virtuaalitodellisuuden ympärillä, ja tavoitteena on luoda tila, jossa etäyhteistyö on yhtä luonnollista ja tehokasta kuin henkilökohtainen vuorovaikutus. Datatieteellä on ratkaiseva rooli kunnianhimoisten organisaatiotavoitteiden asettamisessa aikaansa edellä oleville tuotteille. Siihen kuuluu tuotestrategian yhteensovittaminen näiden tavoitteiden kanssa, tuotteiden laadun varmistaminen ja monipuolisten, globaalien tiimien johtaminen. Datatiede vastaa myös kehitysvaiheessa olevien tuotteiden analytiikan haasteisiin, joissa asiakasdataa on niukasti.

Mitä haasteita analytiikan tekemisessä on tuotteille, jotka ovat 0-1-vaiheessa?

Analyysi 0–1-vaiheen tuotteille on haastavaa, koska päätöksentekoa ohjaavat asiakastiedot ovat rajalliset. Painopiste on tuotteiden laadun ja toimivuuden varmistamisessa, mikä on yritystuotteiden kannalta kriittistä. Luotamme sisäiseen testaukseen (dogfooding), alfa- ja betatestaukseen valituilla ryhmillä sekä käyttäjätutkimukseen kerätäksemme palautetta ja vahvistaaksemme tuotteen suunnan. Kun meillä on vankka perusta, voimme tuoda tuotteen laajemmalle yleisölle ja käyttää datatieteitä mittaamaan omaksumista, säilyttämistä ja iteraatiota käyttäjien palautteen perusteella.

Miten arvioit ehdokkaita datatieteen rooleihin, erityisesti nousevilla aloilla, kuten generatiivinen tekoäly?

Tietotekniikan tehtäviin rekrytoiessani etsin hakijoita, joilla on vahvat ongelmanratkaisutaidot, syvä ymmärrys koneoppimisen perusteista sekä ohjelmointikielten ja tietojenkäsittelytaito. Erityisesti generatiivisen tekoälyn osalta hakijoilla tulee olla asiantuntemusta asiaankuuluvalta alueelta, kuten luonnollisen kielen käsittelystä tai tietokonenäöstä. Lisäksi arvostan luonnetta ja työmoraalia, joita arvioin käyttäytymiskysymyksillä, referenssitarkastuksilla ja hakijan kyvyllä selittää projektejaan perusteellisesti.

Mitä neuvoja sinulla on henkilöille, jotka aloittavat uransa datatieteessä?

Tietotieteen aloittelijoille kannattaa tutustua erilaisiin kiinnostuksen kohteihin ennen erikoistumista. Hyödynnä runsaasti ilmaisia ​​oppimisresursseja, aseta taidot etusijalle arvoa ja täyttymystä varten nopean taloudellisen hyödyn sijaan. Tartu tilaisuuksiin pienemmissäkin projekteissa tai yrityksissä merkittävään kasvuun. Ymmärrä, että kova työ on onnen perusta; menestys on jatkuva oppimisen ja parantamisen matka.

Yhteenvetona

Arpit Agarwalin matka on esimerkki datatieteen vaikutuksesta eri toimialoihin. Metan visio työn tulevaisuudesta korostaa datatieteen keskeistä roolia. Pyrkivät datatieteilijät voivat poimia arvokkaita neuvoja Arpitin painottamisesta taitojen kehittämiseen, mahdollisuuksien omaksumiseen ja jatkuvaan oppimisen kestävään matkaan. 

Jos haluat kiinnostavampia tekoälyä, datatieteitä ja GenAI:ta käsitteleviä istuntoja, pysy kuulolla kanssamme Leading with Datasta.

Tarkista tulevat istunnot täältä.

Aikaleima:

Lisää aiheesta Analyysi Vidhya