업무의 미래 형성: Meta의 Arpit Agarwal에서 얻은 통찰력

플라톤에 의해 재발행

팔로워 : 0

코로나19(COVID-XNUMX) 팬데믹은 직장을 변화시켰고 원격 근무가 지속적인 표준이 되었습니다. 이번 에피소드에서는 데이터로 선도하다, Meta의 Arpit Agarwal이 업무의 미래가 어떻게 관련되는지 논의합니다. 가상 현실, 직접 경험을 반영하는 원격 협업을 가능하게 합니다. Arpit은 자신의 여정에서 얻은 통찰력을 공유하고 제품 개발 초기 단계에서 분석의 중추적인 순간과 과제를 강조합니다.

[포함 된 콘텐츠]

다음과 같은 인기 플랫폼에서 Leading with Data 에피소드를 들을 수 있습니다. 스포티 파이, Google 포드 캐스트및 Apple. 마음에 드는 것을 골라 통찰력 있는 콘텐츠를 즐겨보세요!

Arpit Agarwal과의 대화에서 얻은 주요 통찰력

미래의 작업은 원격 협업을 위한 가상 현실에 달려 있습니다.
데이터 과학 팀을 시작하면 혁신과 비즈니스 영향력이 강화됩니다.
초기 제품 단계 데이터 과학은 내부 테스트와 피드백을 사용하여 품질을 우선시합니다.
데이터 과학 분야의 채용에는 기술적 역량, 문제 해결 및 강한 성격이 필요합니다.
데이터 과학 경력을 쌓으려면 광범위한 탐구와 전문적인 전문 지식이 필요합니다.

AI 및 데이터 과학 리더와의 통찰력 있는 토론을 위해 다가오는 데이터 선도 세션에 참여하세요!

이제 Arpit Agarwal이 그의 경력 여정과 업계 경험에 대해 답변한 질문을 살펴보겠습니다.

코로나19 팬데믹으로 인해 우리가 일하는 방식이 어떻게 바뀌었나요?

팬데믹은 우리의 업무 역학을 근본적으로 변화시켰습니다. 우리는 사무실 중심 환경에서 원격 근무를 새로운 현실로 수용하는 환경으로 전환했습니다. 사무실 복귀 정책에도 불구하고 인력의 상당 부분은 계속해서 원격으로 운영될 것입니다. 문제는 생산성을 유지하고 한때 사무실 벽 내에 구축되었던 연결을 육성하는 것입니다. 현재 도구는 Meta의 비전이 작용하는 대면 경험을 복제하는 데 부족합니다. 우리는 가상 공간 내에서 나란히 일하고, 서로의 신체 언어를 이해하고, 효과적으로 협업하는 느낌을 제공하는 제품을 개발하고 있습니다.

나의 여정은 BITS Goa에서 시작되었으며, 그곳에서 컴퓨터 과학 학위를 취득했습니다. 처음에는 학문에 중점을 두었지만 BITS를 통해 데이터 해석을 포함한 다른 관심 분야를 탐색할 수 있었습니다. 저는 퍼즐 클럽을 이끌었고, 그 덕분에 데이터에 대한 관심이 촉발되었습니다. 대학 졸업 후 저는 Oracle에 입사하여 데이터 웨어하우징 및 비즈니스 인텔리전스 분야에서 일하며 고객이 데이터 기반 의사 결정을 내릴 수 있도록 지원했습니다. 이 경험을 통해 분석 및 비즈니스 애플리케이션에 대한 관심이 확고해졌습니다. 저는 비즈니스 이해를 심화하기 위해 MBA를 취득했고 나중에 Mu Sigma에 합류하여 분석 기술을 연마했습니다. 내 경력은 Zoomcar 및 Katabook과 같은 스타트업에서 컨설팅 역할과 리더십 직책을 맡아 다양한 데이터 과학 문제를 해결하면서 발전했습니다.

당신의 경력에서 당신의 길을 형성하게 된 중요한 순간은 언제였나요?

Zoomcar에 합류한 것은 매우 중요한 순간이었습니다. 나는 처음부터 데이터 과학 팀을 구성하는 임무를 맡았고, 이를 통해 자동차 데이터를 사용한 운전자 채점 시스템과 같은 혁신적인 프로젝트를 수행할 수 있었습니다. 이 경험을 통해 저는 최고 경영진과 긴밀하게 협력하고 비즈니스 결정에 직접 영향을 미칠 수 있는 기회를 얻었습니다. 또 다른 중요한 순간은 Katabook에서 회사가 데이터 중심이 되도록 돕고 기계 학습 모델을 기반으로 한 대출 상품을 포함한 다양한 분석 이니셔티브를 시작한 때였습니다.

업무의 미래에 대한 Meta의 비전은 가상 현실을 중심으로 이루어지며, 원격 협업이 대면 상호작용만큼 자연스럽고 효과적인 공간을 만드는 것을 목표로 합니다. 데이터 과학은 시대를 앞선 제품에 대한 야심찬 조직 목표를 설정하는 데 중요한 역할을 합니다. 여기에는 제품 전략을 이러한 목표에 맞춰 조정하고, 제품 품질을 보장하고, 다양한 글로벌 팀을 관리하는 것이 포함됩니다. 데이터 과학은 고객 데이터가 부족한 개발 초기 단계의 제품에 대한 분석 과제도 해결합니다.

0~1 단계에 있는 제품에 대한 분석을 수행할 때 어려운 점은 무엇입니까?

0~1 단계의 제품 분석은 의사 결정을 안내할 고객 데이터가 제한되어 있기 때문에 어렵습니다. 기업 제품에 매우 중요한 제품 품질과 기능을 보장하는 데 중점을 두고 있습니다. 우리는 내부 테스트(dogfooding), 일부 그룹을 대상으로 한 알파 및 베타 테스트, 사용자 연구를 통해 피드백을 수집하고 제품 방향을 검증합니다. 기반이 탄탄해지면 더 많은 고객에게 제품을 출시하고 데이터 과학을 사용하여 사용자 피드백을 기반으로 채택, 유지 및 반복을 측정할 수 있습니다.

특히 생성 AI와 같은 신흥 분야에서 데이터 과학 역할 후보자를 어떻게 평가합니까?

데이터 과학 역할을 채용할 때 저는 강력한 문제 해결 능력, 기계 학습 기초에 대한 깊은 이해, 프로그래밍 언어 및 데이터 조작에 능숙한 지원자를 찾습니다. 특히 생성 AI의 경우 후보자는 자연어 처리 또는 컴퓨터 비전과 같은 관련 도메인에 대한 전문 지식을 갖추고 있어야 합니다. 또한 저는 행동 질문, 신원 조회, 자신의 프로젝트를 깊이있게 설명하는 후보자의 능력을 통해 평가하는 인성과 직업 윤리를 중요하게 생각합니다.

데이터 과학 분야에서 경력을 시작하는 개인에게 어떤 조언을 해주시나요?

데이터 과학 초보자의 경우 전문화하기 전에 다양한 관심 분야를 탐색하세요. 풍부한 무료 학습 리소스를 활용하고 빠른 금전적 이익보다 가치와 성취를 위한 기술을 우선시하세요. 소규모 프로젝트나 회사에서도 실질적인 성장을 위한 기회를 포착하세요. 열심히 일하는 것이 행운의 기초가 된다는 것을 인식하십시오. 성공은 학습과 개선의 지속적인 여정입니다.

합산

Arpit Agarwal의 여정은 데이터 과학이 다양한 산업에 미치는 영향을 보여줍니다. 미래의 업무에 대한 Meta의 비전은 데이터 과학이 수행하는 중추적인 역할을 강조합니다. 야심 찬 데이터 과학자는 기술 개발, 기회 포용 및 지속적인 학습의 지속적인 여정에 대한 Arpit의 강조로부터 귀중한 조언을 얻을 수 있습니다.

AI, 데이터 과학 및 GenAI에 대한 더 흥미로운 세션을 보려면 Leading with Data를 계속 지켜봐 주시기 바랍니다.

여기에서 예정된 세션을 확인하세요.