Формирование будущего работы: идеи Арпита Агарвала из Meta

Переиздано Платоном

Читают: 0

Пандемия COVID-19 изменила рабочее место: удаленная работа стала прочной нормой. В этом эпизоде Лидерство с данными, Арпит Агарвал из Meta обсуждает, как будущее работы включает в себя виртуальная реальность, обеспечивая возможность удаленного сотрудничества, которое отражает личный опыт. Арпит делится впечатлениями о своем путешествии, подчеркивая ключевые моменты и проблемы аналитики на ранних этапах разработки продуктов.

[Встраиваемое содержимое]

Вы можете послушать этот выпуск Leading with Data на таких популярных платформах, как Spotify, Подкасты Googleи Apple. Выберите понравившийся контент и наслаждайтесь познавательным контентом!

Ключевые выводы из нашего разговора с Арпитом Агарвалом

Будущая работа зависит от виртуальной реальности для удаленного сотрудничества.
Создание группы по науке о данных способствует инновациям и положительному влиянию на бизнес.
Обработка данных на ранних стадиях продукта отдает приоритет качеству, используя внутренние тесты и обратную связь.
При приеме на работу в области науки о данных необходимы техническое мастерство, умение решать проблемы и сильный характер.
Карьерный рост в области науки о данных требует широкого изучения, за которым следует специализированный опыт.

Присоединяйтесь к нашим предстоящим сессиям «Лидерство с данными» для содержательных дискуссий с лидерами в области искусственного интеллекта и науки о данных!

Теперь давайте посмотрим на вопросы, на которые ответил Арпит Агарвал о своем карьерном пути и опыте работы в отрасли.

Как пандемия COVID-19 изменила наш подход к работе?

Пандемия фундаментально изменила динамику нашей работы. Мы перешли от офисной среды к удаленной работе как новой реальности. Даже несмотря на политику возвращения в офисы, значительная часть сотрудников продолжит работать удаленно. Задача заключается в поддержании производительности и укреплении связей, которые когда-то были построены в стенах офиса. Существующие инструменты неспособны воспроизвести личный опыт, и именно здесь в игру вступает видение Меты. Мы разрабатываем продукты, которые дают ощущение совместной работы, понимания языка тела друг друга и эффективного сотрудничества — и все это в виртуальном пространстве.

Мой путь начался в BITS Goa, где я получил степень по информатике. Первоначально я был сосредоточен на учебе, но BITS позволил мне изучить другие интересы, включая интерпретацию данных. Я возглавлял клуб головоломок, что пробудило во мне интерес к данным. После окончания колледжа я присоединился к Oracle, где работал в сфере хранилищ данных и бизнес-аналитики, помогая клиентам принимать решения на основе данных. Этот опыт укрепил мой интерес к аналитике и ее бизнес-приложениям. Я получил степень MBA, чтобы углубить понимание бизнеса, а затем присоединился к Mu Sigma, где оттачивал свои аналитические навыки. Моя карьера развивалась благодаря консалтинговым и руководящим позициям в таких стартапах, как Zoomcar и Katabook, где я решал разнообразные задачи в области науки о данных.

Какие ключевые моменты в вашей карьере определили ваш путь?

Присоединение к Zoomcar стало поворотным моментом. Мне было поручено с нуля создать команду по обработке данных, что позволило мне работать над инновационными проектами, такими как системы оценки водителей с использованием данных об автомобилях. Этот опыт дал мне возможность тесно сотрудничать с руководителями высшего звена и напрямую влиять на бизнес-решения. Еще одним важным моментом стало мое время в Katabook, где я помог компании стать управляемой данными и запустил различные аналитические инициативы, включая предложения по кредитам на основе моделей машинного обучения.

Видение Меты будущего работы вращается вокруг виртуальной реальности с целью создать пространство, в котором удаленное сотрудничество будет таким же естественным и эффективным, как личное общение. Наука о данных играет решающую роль в постановке амбициозных организационных целей для продуктов, опережающих свое время. Это предполагает согласование стратегии продукта с этими целями, обеспечение качества продукта и управление разнообразными глобальными командами. Наука о данных также решает проблему аналитики продуктов, находящихся на ранних стадиях разработки, где данных о клиентах недостаточно.

Каковы проблемы с проведением аналитики для продуктов, находящихся на этапе от 0 до 1?

Аналитика продуктов на этапе от 0 до 1 представляет собой сложную задачу, поскольку данные о клиентах, необходимые для принятия решений, ограничены. Основное внимание уделяется обеспечению качества и функциональности продукта, что имеет решающее значение для корпоративных продуктов. Мы полагаемся на внутреннее тестирование (проверку), альфа- и бета-тестирование с избранными группами, а также исследования пользователей для сбора отзывов и подтверждения направления продукта. Когда у нас будет прочная основа, мы сможем запустить продукт для более широкой аудитории и использовать науку о данных для измерения внедрения, удержания и повторения на основе отзывов пользователей.

Как вы оцениваете кандидатов на должности в области науки о данных, особенно в таких новых областях, как генеративный искусственный интеллект?

При приеме на работу в области науки о данных я ищу кандидатов с сильными навыками решения проблем, глубоким пониманием основ машинного обучения, а также знанием языков программирования и манипулирования данными. В частности, что касается генеративного искусственного интеллекта, кандидаты должны обладать опытом в соответствующей области, такой как обработка естественного языка или компьютерное зрение. Кроме того, я ценю характер и трудовую этику, которые я оцениваю с помощью поведенческих вопросов, проверки рекомендаций и способности кандидата подробно объяснять свои проекты.

Какой совет вы дадите тем, кто начинает свою карьеру в области науки о данных?

Новичкам в области науки о данных следует изучить разнообразные интересы, прежде чем специализироваться. Используйте обильные бесплатные учебные ресурсы, отдавайте предпочтение ценным навыкам и их реализации, а не быстрой финансовой выгоде. Используйте возможности, даже в небольших проектах или компаниях, для существенного роста. Признайте, что упорный труд составляет основу удачи; Успех – это постоянный путь обучения и совершенствования.

Подведение итогов

Путешествие Арпит Агарвал иллюстрирует влияние науки о данных на различные отрасли. Видение Меты будущего сферы труда подчеркивает ключевую роль, которую играет наука о данных. Начинающие специалисты по данным могут почерпнуть ценные советы из акцента Arpit на развитии навыков, использовании возможностей и продолжительном пути непрерывного обучения.

Чтобы узнать о более интересных занятиях по искусственному интеллекту, науке о данных и генному искусственному интеллекту, следите за обновлениями на нашем канале «Лидерство с данными».

О наших предстоящих сессиях можно узнать здесь.