A munka jövőjének alakítása: betekintések a Meta Arpit Agarwaljából

Újra kiadta Platón

Követő: 0

A COVID-19 világjárvány átalakította a munkahelyeket, és a távmunka tartós normává vált. Ebben az epizódban Vezetés az adatokkal, Arpit Agarwal a Metától azt tárgyalja, hogyan jár a munka jövője virtuális valóság, amely lehetővé teszi a távoli együttműködést, amely tükrözi a személyes tapasztalatokat. Arpit megosztja utazásának meglátásait, kiemelve a kulcsfontosságú pillanatokat és az analitika kihívásait a termékfejlesztés korai szakaszában.

[Beágyazott tartalmat]

A Leading with Data ezen epizódját olyan népszerű platformokon hallgathatja meg, mint pl Spotify, Google Podcastokés Apple. Válassza ki kedvencét, hogy élvezze a tartalmas tartalmat!

Kulcsfontosságú meglátások az Arpit Agarwallal folytatott beszélgetésünkből

A jövőbeni munka a virtuális valóságon múlik a távoli együttműködés érdekében.
Az adattudományi csapat elindítása elősegíti az innovációt és az üzleti hatást.
A korai termékszakasz adattudománya belső tesztek és visszajelzések felhasználásával a minőséget helyezi előtérbe.
Az adattudományba történő felvételhez technikai felkészültség, problémamegoldó képesség és erős karakter szükséges.
Az adattudományi karrier növekedése széles körű feltárást igényel, amelyet speciális szakértelem követ.

Csatlakozzon a soron következő Leading with Data üléseinkhez, hogy éleslátó megbeszéléseket folytathasson a mesterséges intelligencia és az adattudomány vezetőivel!

Most pedig lássuk azokat a kérdéseket, amelyeket Arpit Agarwal válaszolt karrierútjáról és iparági tapasztalatairól.

Hogyan alakította át munkamódszerünket a COVID-19 világjárvány?

A világjárvány alapvetően megváltoztatta munkadinamikánkat. Az irodaközpontú környezetről áttértünk a távmunka új valóságként való befogadására. Még a hivatalba való visszatérés politikája mellett is a munkaerő jelentős része továbbra is távolról dolgozik. A kihívás a termelékenység megőrzésében és az egykor az iroda falai között épült kapcsolatok előmozdításában rejlik. A jelenlegi eszközök nem képesek megismételni a személyes élményt, amiben Meta víziója lép működésbe. Olyan termékeket fejlesztünk, amelyek az egymás melletti munka érzését, egymás testbeszédének megértését és hatékony együttműködést biztosítanak, mindezt egy virtuális térben.

Utazásom a BITS Goában kezdődött, ahol számítástechnikai diplomát szereztem. Kezdetben a tanulmányokra koncentráltam, de a BITS lehetővé tette, hogy más érdeklődési köröket is felfedezhessek, beleértve az adatok értelmezését. Rejtvényklubot vezettem, ami felkeltette az érdeklődésemet az adatok iránt. Az egyetem után csatlakoztam az Oracle-hez, ahol adattárházzal és üzleti intelligenciával foglalkoztam, és segítettem az ügyfeleket az adatközpontú döntések meghozatalában. Ez a tapasztalat megerősítette érdeklődésemet az analitika és annak üzleti alkalmazásai iránt. MBA fokozatot szereztem, hogy elmélyítsem üzleti ismereteimet, majd később csatlakoztam a Mu Sigmához, ahol az elemzői készségeimet csiszoltam. Pályafutásom tanácsadói és vezetői pozíciókon keresztül haladt előre olyan startup cégeknél, mint a Zoomcar és a Katabook, ahol különféle adattudományi kihívásokkal küzdöttem meg.

Melyek voltak a karriered kulcsfontosságú pillanatai, amelyek meghatározták az utad?

A Zoomcarhoz való csatlakozás döntő pillanat volt. Azt a feladatot kaptam, hogy a nulláról építsem fel az adattudományi csapatot, amely lehetővé tette számomra, hogy olyan innovatív projekteken dolgozzak, mint például az autóadatokat használó vezetői pontozási rendszerek. Ez a tapasztalat lehetőséget adott arra, hogy szorosan együttműködjek C-szintű vezetőkkel, és közvetlenül befolyásoljam az üzleti döntéseket. Egy másik jelentős pillanat a Katabooknál töltött idő volt, ahol segítettem a céget adatközpontúvá válni, és különféle elemzési kezdeményezéseket indítottam el, beleértve a gépi tanulási modelleken alapuló hitelajánlatokat.

A Meta jövőképe a munka jövőjéről a virtuális valóság körül forog, és olyan teret kíván létrehozni, ahol a távoli együttműködés ugyanolyan természetes és hatékony, mint a személyes interakció. Az adattudomány döntő szerepet játszik abban, hogy ambiciózus szervezeti célokat tűzzenek ki a korukat megelőző termékekkel kapcsolatban. Ez magában foglalja a termékstratégia összehangolását ezekkel a célokkal, a termékminőség biztosítását, valamint a sokszínű, globális csapatok irányítását. Az adattudomány a fejlesztés korai szakaszában lévő termékek analitikai kihívásaival is foglalkozik, ahol a vásárlói adatok szűkösek.

Milyen kihívásokat jelent a 0–1 fázisban lévő termékek elemzése?

A 0-tól 1-ig terjedő szakaszban lévő termékek elemzése nagy kihívást jelent, mivel korlátozott számú ügyféladatok állnak rendelkezésre a döntéshozatalhoz. A hangsúly a termékminőség és funkcionalitás biztosításán van, ami kritikus fontosságú a vállalati termékek számára. Belső tesztelésre (dogfooding), kiválasztott csoportokkal végzett alfa- és béta tesztelésre, valamint felhasználói kutatásra támaszkodunk, hogy visszajelzéseket gyűjtsünk és érvényesítsük a termék irányvonalát. Ha szilárd alapot kapunk, szélesebb közönség számára is bevezethetjük a terméket, és adattudomány segítségével mérhetjük az elfogadást, a megtartást és a felhasználói visszajelzések alapján iterálhatjuk.

Hogyan értékeli az adattudományi szerepekre jelölteket, különösen az olyan feltörekvő területeken, mint a generatív AI?

Adattudományi munkakörökre történő felvételkor olyan jelentkezőket keresek, akik erős problémamegoldó készségekkel rendelkeznek, mélyen ismerik a gépi tanulás alapjait, valamint jártasak a programozási nyelvekben és az adatkezelésben. A generatív mesterséges intelligencia esetében a jelölteknek szakértelemmel kell rendelkezniük az adott területen, például a természetes nyelvi feldolgozásban vagy a számítógépes látásban. Emellett nagyra értékelem a karaktert és a munkamorált, amit viselkedési kérdések, referenciaellenőrzések és a jelölt azon képessége révén értékelek, hogy részletesen elmagyarázza projektjeit.

Mit tanácsol azoknak, akik az adattudományban kezdik pályafutásukat?

Az adattudományban kezdők számára a szakosodás előtt fedezze fel a különféle érdeklődési köröket. Használjon bőséges ingyenes tanulási forrásokat, helyezze előnyben a készségek értékét és kiteljesedését a gyors pénzügyi haszon helyett. Ragadja meg a lehetőségeket, még kisebb projektekben vagy cégeknél is, hogy jelentős növekedést érjen el. Ismerje fel, hogy a kemény munka a szerencse alapja; a siker a tanulás és a fejlődés folyamatos útja.

Összegezve

Arpit Agarwal utazása jól példázza az adattudomány különféle iparágakra gyakorolt hatását. A Meta jövőképe a munka jövőjéről kiemeli az adattudomány kulcsszerepét. A törekvő adattudósok értékes tanácsokat meríthetnek abból, hogy Arpit nagy hangsúlyt fektet a készségfejlesztésre, a lehetőségek felkarolására és a folyamatos tanulás tartós útjára.

A mesterséges intelligenciáról, az adattudományról és a GenAI-ról szóló izgalmasabb előadásokért kövesse velünk a Leading with Data című részt.

Tekintse meg közelgő előadásainkat itt.