Shaping The Future Of Work: Insights From Meta's Arpit Agarwal

Publisert av Platon

Følgere: 0

COVID-19-pandemien har forvandlet arbeidsplassen, og fjernarbeid har blitt en varig norm. I denne episoden av Leder med data, diskuterer Arpit Agarwal fra Meta hvordan fremtidens arbeid innebærer virtuell virkelighet, som muliggjør eksternt samarbeid som gjenspeiler personlige opplevelser. Arpit deler innsikt fra reisen sin, og legger vekt på sentrale øyeblikk og analyseutfordringene i produktutviklingens tidlige stadier.

[Innebygd innhold]

Du kan lytte til denne episoden av Leading with Data på populære plattformer som Spotify, Google Podcastsog eple. Velg din favoritt for å nyte det innsiktsfulle innholdet!

Nøkkelinnsikt fra vår samtale med Arpit Agarwal

Fremtidig arbeid er avhengig av virtuell virkelighet for eksternt samarbeid.
Å lansere et datavitenskapsteam fremmer innovasjon og forretningseffekt.
Datavitenskap på tidlig produktstadium prioriterer kvalitet ved å bruke interne tester og tilbakemeldinger.
Ansettelse for datavitenskap krever teknisk dyktighet, problemløsning og sterk karakter.
Karrierevekst innen datavitenskap krever bred utforskning etterfulgt av spesialisert ekspertise.

Bli med på våre kommende Leading with Data-økter for innsiktsfulle diskusjoner med AI- og Data Science-ledere!

La oss nå se spørsmålene Arpit Agarwal svarte om sin karrierereise og bransjeerfaring.

Hvordan har COVID-19-pandemien omformet måten vi jobber på?

Pandemien har fundamentalt endret arbeidsdynamikken vår. Vi har gått over fra kontorsentrerte miljøer til å omfavne fjernarbeid som en ny virkelighet. Selv med retningslinjer for retur til kontoret, vil en betydelig del av arbeidsstyrken fortsette å operere eksternt. Utfordringen ligger i å opprettholde produktiviteten og fremme forbindelser som en gang ble bygget innenfor kontorvegger. Nåværende verktøy kommer til kort i å gjenskape den personlige opplevelsen, og det er her Metas visjon kommer inn. Vi utvikler produkter som gir følelsen av å jobbe side ved side, forstå hverandres kroppsspråk og samarbeide effektivt, alt i et virtuelt rom.

Reisen min begynte på BITS Goa, hvor jeg tok en informatikkgrad. Til å begynne med var jeg akademisk fokusert, men BITS tillot meg å utforske andre interesser, inkludert datatolkning. Jeg ledet en puslespillklubb, noe som vekket interessen min for data. Etter college begynte jeg i Oracle, hvor jeg jobbet med datavarehus og business intelligence, og hjalp kunder med å ta datadrevne beslutninger. Denne erfaringen styrket min interesse for analyse og forretningsapplikasjoner. Jeg tok en MBA for å utdype min forretningsforståelse og begynte senere i Mu Sigma, hvor jeg finpusset mine analytiske ferdigheter. Karrieren min utviklet seg gjennom konsulentroller og lederstillinger i startups som Zoomcar og Katabook, hvor jeg taklet ulike datavitenskapelige utfordringer.

Hva var nøkkeløyeblikkene i din karriere som formet veien din?

Å bli med i Zoomcar var et sentralt øyeblikk. Jeg fikk i oppgave å bygge datavitenskapsteamet fra bunnen av, noe som gjorde at jeg kunne jobbe med innovative prosjekter som førerscoringssystemer ved å bruke bildata. Denne erfaringen ga meg muligheten til å jobbe tett med ledere på C-nivå og påvirke forretningsbeslutninger direkte. Et annet viktig øyeblikk var tiden min i Katabook, hvor jeg hjalp selskapet med å bli datadrevet og lanserte ulike analyseinitiativer, inkludert lånetilbud basert på maskinlæringsmodeller.

Metas visjon for fremtidens arbeid dreier seg om virtuell virkelighet, og tar sikte på å skape et rom der eksternt samarbeid er like naturlig og effektivt som personlig interaksjon. Datavitenskap spiller en avgjørende rolle i å sette ambisiøse organisatoriske mål for produkter som er forut for sin tid. Det innebærer å samkjøre produktstrategien med disse målene, sikre produktkvalitet og administrere ulike, globale team. Datavitenskap tar også opp utfordringen med analyse for produkter som er i tidlige utviklingsstadier, hvor kundedata er knappe.

Hva er utfordringene med å gjøre analyser for produkter som er i 0 til 1-fasen?

Analyse for produkter i 0 til 1-fasen er utfordrende fordi det er begrenset kundedata som veileder beslutningstaking. Fokuset er på å sikre produktkvalitet og funksjonalitet, noe som er avgjørende for bedriftsprodukter. Vi er avhengige av intern testing (dogfooding), alfa- og betatesting med utvalgte grupper og brukerundersøkelser for å samle tilbakemeldinger og validere produktets retning. Når vi har et solid grunnlag, kan vi lansere produktet til et bredere publikum og bruke datavitenskap til å måle adopsjon, oppbevaring og iterasjon basert på tilbakemeldinger fra brukere.

Hvordan vurderer du kandidater til datavitenskapsroller, spesielt i nye felt som generativ AI?

Når jeg ansetter for datavitenskapsroller, ser jeg etter kandidater med sterke problemløsningsevner, en dyp forståelse av grunnleggende maskinlæring og ferdigheter i programmeringsspråk og datamanipulering. For generativ AI spesifikt, bør kandidater ha ekspertise på det relevante domenet, for eksempel naturlig språkbehandling eller datasyn. I tillegg verdsetter jeg karakter og arbeidsmoral, som jeg vurderer gjennom atferdsspørsmål, referansesjekker og en kandidats evne til å forklare sine prosjekter i dybden.

Hvilke råd har du til enkeltpersoner som starter sin karriere innen datavitenskap?

For nybegynnere innen datavitenskap, utforsk ulike interesser før du spesialiserer deg. Bruk rikelig med gratis læringsressurser, prioriter ferdigheter for verdi og oppfyllelse fremfor raske økonomiske gevinster. Grip mulighetene, selv i mindre prosjekter eller selskaper, for betydelig vekst. Erkjenne at hardt arbeid danner grunnlaget for flaks; suksess er en pågående reise for læring og forbedring.

Oppsummering

Arpit Agarwals reise eksemplifiserer virkningen av datavitenskap på ulike bransjer. Metas visjon for fremtidens arbeid fremhever den sentrale rollen datavitenskap spiller. Aspirerende dataforskere kan hente verdifulle råd fra Arpits vekt på ferdighetsutvikling, omfavne muligheter og den varige reisen med kontinuerlig læring.

For mer engasjerende økter om AI, datavitenskap og GenAI, følg med oss på Leading with Data.

Sjekk våre kommende økter her.