Kształtowanie przyszłości pracy: spostrzeżenia Arpita Agarwala z Meta

Opublikowane ponownie przez Plato

Obserwuje: 0

Pandemia COVID-19 zmieniła miejsce pracy, a praca zdalna stała się trwałą normą. W tym odcinku Wiodący dzięki danym, Arpit Agarwal z Meta omawia przyszłość pracy wirtualna rzeczywistość, umożliwiając zdalną współpracę odzwierciedlającą osobiste doświadczenia. Arpit dzieli się spostrzeżeniami ze swojej podróży, podkreślając kluczowe momenty i wyzwania związane z analityką na wczesnych etapach rozwoju produktu.

[Osadzone treści]

Możesz posłuchać tego odcinka Leading with Data na popularnych platformach, takich jak Spotify, Podcasty Google, Apple. Wybierz swój ulubiony i ciesz się wnikliwą zawartością!

Kluczowe wnioski z naszej rozmowy z Arpitem Agarwalem

Przyszła praca zależy od wirtualnej rzeczywistości w zakresie zdalnej współpracy.
Utworzenie zespołu analityki danych sprzyja innowacjom i wpływowi na biznes.
Analiza danych na wczesnym etapie produktu stawia na pierwszym miejscu jakość, korzystając z wewnętrznych testów i informacji zwrotnych.
Zatrudnienie do analityki danych wymaga sprawności technicznej, umiejętności rozwiązywania problemów i silnego charakteru.
Rozwój kariery w dziedzinie analityki danych wymaga szerokiej eksploracji, a następnie specjalistycznej wiedzy.

Dołącz do naszych nadchodzących sesji Leading with Data, aby wziąć udział w wnikliwych dyskusjach z liderami AI i Data Science!

Przyjrzyjmy się teraz pytaniom, na które odpowiedział Arpit Agarwal, na temat swojej kariery i doświadczenia w branży.

Jak pandemia Covid-19 zmieniła sposób, w jaki pracujemy?

Pandemia zasadniczo zmieniła dynamikę naszej pracy. Przeszliśmy ze środowisk biurowych na pracę zdalną jako nową rzeczywistość. Nawet przy założeniu zasad powrotu do biura znaczna część pracowników będzie nadal pracować zdalnie. Wyzwanie polega na utrzymaniu produktywności i wspieraniu połączeń, które kiedyś budowano w ścianach biurowych. Obecne narzędzia nie są w stanie odtworzyć osobistych doświadczeń i tu właśnie pojawia się wizja Meta. Tworzymy produkty, które zapewniają poczucie wspólnej pracy, wzajemnego zrozumienia mowy ciała i efektywnej współpracy, a wszystko to w wirtualnej przestrzeni.

Moja podróż rozpoczęła się w BITS Goa, gdzie zdobyłem dyplom z informatyki. Początkowo skupiałem się na nauce, ale BITS pozwolił mi rozwinąć inne zainteresowania, w tym interpretację danych. Prowadziłem klub łamigłówek, co rozbudziło moje zainteresowanie danymi. Po ukończeniu studiów dołączyłem do Oracle, gdzie pracowałem w obszarach hurtowni danych i analityki biznesowej, pomagając klientom w podejmowaniu decyzji opartych na danych. To doświadczenie ugruntowało moje zainteresowanie analityką i jej zastosowaniami biznesowymi. Ukończyłem studia MBA, aby pogłębić wiedzę biznesową, a później dołączyłem do Mu Sigma, gdzie doskonaliłem swoje umiejętności analityczne. Moja kariera rozwijała się poprzez role konsultantów i stanowiska kierownicze w startupach takich jak Zoomcar i Katabook, gdzie stawiałem czoła różnorodnym wyzwaniom związanym z analityką danych.

Jakie były kluczowe momenty w Twojej karierze, które ukształtowały Twoją ścieżkę?

Dołączenie do Zoomcar było kluczowym momentem. Otrzymałem zadanie zbudowania od podstaw zespołu data science, co umożliwiło mi pracę nad innowacyjnymi projektami, takimi jak systemy oceniania kierowców wykorzystujące dane samochodowe. To doświadczenie dało mi możliwość ścisłej współpracy z menedżerami wyższego szczebla i bezpośredniego wpływania na decyzje biznesowe. Kolejnym ważnym momentem był mój czas w Katabook, gdzie pomogłem firmie w wykorzystaniu danych i uruchomiłem różne inicjatywy analityczne, w tym oferty pożyczkowe oparte na modelach uczenia maszynowego.

Wizja Meta dotycząca przyszłości pracy koncentruje się wokół rzeczywistości wirtualnej, a jej celem jest stworzenie przestrzeni, w której zdalna współpraca jest tak naturalna i skuteczna, jak interakcje osobiste. Analityka danych odgrywa kluczową rolę w wyznaczaniu ambitnych celów organizacyjnych dla produktów, które wyprzedzają swoją epokę. Obejmuje to dostosowanie strategii produktu do tych celów, zapewnienie jakości produktu i zarządzanie zróżnicowanymi, globalnymi zespołami. Analityka danych odpowiada również na wyzwania związane z analityką produktów znajdujących się na wczesnych etapach rozwoju, w przypadku których brakuje danych o klientach.

Jakie wyzwania wiążą się z przeprowadzaniem analiz produktów znajdujących się w fazie 0 do 1?

Analityka produktów w fazie 0 do 1 jest trudna, ponieważ istnieje ograniczona ilość danych o klientach, które pomagają w podejmowaniu decyzji. Koncentrujemy się na zapewnieniu jakości i funkcjonalności produktów, które mają kluczowe znaczenie w przypadku produktów dla przedsiębiorstw. Opieramy się na testach wewnętrznych (dogfooding), testach alfa i beta z wybranymi grupami oraz badaniach użytkowników, aby zebrać opinie i potwierdzić kierunek rozwoju produktu. Gdy będziemy mieli solidne podstawy, możemy udostępnić produkt szerszemu gronu odbiorców i wykorzystać analizę danych do pomiaru przyjęcia, utrzymania i iteracji w oparciu o opinie użytkowników.

Jak oceniasz kandydatów na stanowiska związane z analityką danych, zwłaszcza w nowych dziedzinach, takich jak generatywna sztuczna inteligencja?

Zatrudniając osoby na stanowiska związane z analityką danych, szukam kandydatów posiadających duże umiejętności rozwiązywania problemów, głębokie zrozumienie podstaw uczenia maszynowego oraz biegłość w językach programowania i manipulacji danymi. W szczególności w przypadku generatywnej sztucznej inteligencji kandydaci powinni posiadać wiedzę specjalistyczną w odpowiedniej dziedzinie, takiej jak przetwarzanie języka naturalnego lub widzenie komputerowe. Ponadto cenię sobie charakter i etykę pracy, które oceniam na podstawie pytań behawioralnych, kontroli referencji oraz umiejętności kandydata do szczegółowego wyjaśniania swoich projektów.

Jakie masz rady dla osób rozpoczynających karierę w dziedzinie analityki danych?

Początkujący w dziedzinie nauki o danych powinni poznać różnorodne zainteresowania przed specjalizacją. Korzystaj z obfitych bezpłatnych zasobów edukacyjnych, przedkładaj umiejętności pod kątem wartości i spełnienia przed szybkimi zyskami finansowymi. Wykorzystuj możliwości, nawet w mniejszych projektach lub firmach, w celu uzyskania znacznego wzrostu. Uznaj, że ciężka praca jest podstawą szczęścia; sukces to ciągła podróż polegająca na nauce i doskonaleniu.

Reasumując

Podróż Arpita Agarwala jest przykładem wpływu nauki o danych na różne branże. Wizja Meta dotycząca przyszłości pracy podkreśla kluczową rolę, jaką odgrywa nauka o danych. Aspirujący badacze danych mogą uzyskać cenne rady, kładąc nacisk firmy Arpit na rozwój umiejętności, wykorzystywanie możliwości i trwałą drogę ciągłego uczenia się.

Aby uzyskać bardziej angażujące sesje na temat sztucznej inteligencji, nauki o danych i GenAI, bądź na bieżąco z nami w temacie Leading with Data.

Sprawdź nasze nadchodzące sesje tutaj.