Façonner l'avenir du travail : aperçus d'Arpit Agarwal de Meta

Republié par Platon

Suiveurs: 0

La pandémie de COVID-19 a transformé le lieu de travail, le travail à distance devenant une norme durable. Dans cet épisode de Diriger avec les données, Arpit Agarwal de Meta explique comment l'avenir du travail implique réalité virtuelle, permettant une collaboration à distance qui reflète les expériences en personne. Arpit partage les enseignements de son parcours, en mettant l'accent sur les moments cruciaux et les défis de l'analyse dans les premières étapes du développement de produits.

[Contenu intégré]

Vous pouvez écouter cet épisode de Leading with Data sur des plateformes populaires comme Spotify, Podcasts Googleet une Apple. Choisissez votre favori pour profiter du contenu perspicace !

Points clés de notre conversation avec Arpit Agarwal

Les travaux futurs reposent sur la réalité virtuelle pour la collaboration à distance.
Le lancement d’une équipe de science des données favorise l’innovation et l’impact commercial.
La science des données au stade précoce du produit donne la priorité à la qualité, en utilisant des tests et des commentaires internes.
L'embauche pour la science des données nécessite des prouesses techniques, une capacité de résolution de problèmes et un caractère fort.
La croissance de carrière en science des données exige une exploration approfondie suivie d’une expertise spécialisée.

Rejoignez nos prochaines sessions Leading with Data pour des discussions approfondies avec des leaders de l'IA et de la science des données !

Voyons maintenant les questions auxquelles Arpit Agarwal a répondu sur son parcours professionnel et son expérience dans l'industrie.

Comment la pandémie de COVID-19 a-t-elle transformé notre façon de travailler ?

La pandémie a fondamentalement modifié notre dynamique de travail. Nous sommes passés d'environnements centrés sur le bureau à l'adoption du travail à distance comme une nouvelle réalité. Même avec des politiques de retour au bureau, une partie importante de la main-d’œuvre continuera de travailler à distance. Le défi consiste à maintenir la productivité et à favoriser les liens qui étaient autrefois établis entre les murs des bureaux. Les outils actuels ne parviennent pas à reproduire l’expérience en personne, et c’est là que la vision de Meta entre en jeu. Nous développons des produits qui donnent la sensation de travailler côte à côte, de comprendre le langage corporel de chacun et de collaborer efficacement, le tout dans un espace virtuel.

Mon parcours a commencé au BITS Goa, où j'ai poursuivi des études en informatique. Au départ, j'étais axé sur les études, mais BITS m'a permis d'explorer d'autres intérêts, notamment l'interprétation des données. J'ai dirigé un club d'énigmes, ce qui a éveillé mon intérêt pour les données. Après mes études universitaires, j'ai rejoint Oracle, où j'ai travaillé dans l'entreposage de données et la business intelligence, aidant les clients à prendre des décisions basées sur les données. Cette expérience a solidifié mon intérêt pour l'analytique et ses applications métiers. J'ai poursuivi un MBA pour approfondir ma compréhension des affaires, puis j'ai rejoint Mu Sigma, où j'ai perfectionné mes compétences en analyse. Ma carrière a progressé à travers des rôles de consultant et des postes de direction dans des startups comme Zoomcar et Katabook, où j'ai relevé divers défis en matière de science des données.

Quels ont été les moments clés de votre carrière qui ont façonné votre parcours ?

Rejoindre Zoomcar a été un moment charnière. J'ai été chargé de constituer l'équipe de science des données à partir de zéro, ce qui m'a permis de travailler sur des projets innovants tels que des systèmes de notation des conducteurs utilisant les données des voitures. Cette expérience m'a donné l'opportunité de travailler en étroite collaboration avec des cadres supérieurs et d'influencer directement les décisions commerciales. Un autre moment important a été mon passage chez Katabook, où j'ai aidé l'entreprise à s'orienter vers les données et à lancer diverses initiatives d'analyse, notamment des offres de prêt basées sur des modèles d'apprentissage automatique.

La vision de Meta pour l'avenir du travail s'articule autour de la réalité virtuelle, visant à créer un espace où la collaboration à distance est aussi naturelle et efficace que les interactions en personne. La science des données joue un rôle crucial dans la définition d’objectifs organisationnels ambitieux pour des produits en avance sur leur temps. Cela implique d’aligner la stratégie produit sur ces objectifs, de garantir la qualité des produits et de gérer des équipes mondiales diversifiées. La science des données relève également le défi de l’analyse des produits qui en sont aux premiers stades de développement, pour lesquels les données clients sont rares.

Quels sont les défis liés à l'analyse des produits qui sont dans la phase 0 à 1 ?

L'analyse des produits dans la phase 0 à 1 est un défi car les données client sont limitées pour guider la prise de décision. L'accent est mis sur la garantie de la qualité et de la fonctionnalité des produits, ce qui est essentiel pour les produits d'entreprise. Nous nous appuyons sur des tests internes (dogfooding), des tests alpha et bêta avec des groupes sélectionnés et des recherches auprès des utilisateurs pour recueillir les commentaires et valider l'orientation du produit. Une fois que nous disposons d'une base solide, nous pouvons lancer le produit auprès d'un public plus large et utiliser la science des données pour mesurer l'adoption, la rétention et l'itération en fonction des commentaires des utilisateurs.

Comment évaluez-vous les candidats à des postes en science des données, en particulier dans des domaines émergents comme l’IA générative ?

Lors du recrutement pour des postes en science des données, je recherche des candidats possédant de solides compétences en résolution de problèmes, une compréhension approfondie des principes fondamentaux de l'apprentissage automatique et une maîtrise des langages de programmation et de la manipulation de données. Pour l’IA générative en particulier, les candidats doivent avoir une expertise dans le domaine concerné, tel que le traitement du langage naturel ou la vision par ordinateur. De plus, j'apprécie le caractère et l'éthique de travail, que j'évalue au moyen de questions comportementales, de vérifications de références et de la capacité du candidat à expliquer ses projets en profondeur.

Quels conseils donneriez-vous aux personnes qui débutent leur carrière dans la science des données ?

Pour les débutants en science des données, explorez divers intérêts avant de vous spécialiser. Utilisez de nombreuses ressources d’apprentissage gratuites, donnez la priorité aux compétences pour leur valeur et leur épanouissement plutôt que pour des gains financiers rapides. Saisissez les opportunités, même dans les petits projets ou entreprises, pour une croissance substantielle. Reconnaissez que le travail acharné constitue la base de la chance ; le succès est un voyage continu d’apprentissage et d’amélioration.

résumer

Le parcours d'Arpit Agarwal illustre l'impact de la science des données sur diverses industries. La vision de Meta pour l'avenir du travail met en évidence le rôle central que joue la science des données. Les aspirants data scientists peuvent glaner de précieux conseils grâce à l'accent mis par Arpit sur le développement des compétences, la saisie des opportunités et le parcours durable de l'apprentissage continu.

Pour des sessions plus intéressantes sur l'IA, la science des données et GenAI, restez à l'écoute avec nous sur Leading with Data.

Consultez nos prochaines sessions ici.