Oblikovanje prihodnosti dela: vpogled Metine Arpit Agarwal

Ponovno objavil Platon

Spremljevalci: 0

Pandemija COVID-19 je spremenila delovno mesto, delo na daljavo pa je postalo trajna norma. V tej epizodi Vodenje s podatki, Arpit Agarwal iz Mete razpravlja o tem, kaj vključuje prihodnost dela navidezna resničnost, ki omogoča sodelovanje na daljavo, ki odraža osebne izkušnje. Arpit deli vpoglede s svojega potovanja, pri čemer poudarja ključne trenutke in izzive analitike v zgodnjih fazah razvoja izdelkov.

[Vgrajeni vsebina]

To epizodo Leading with Data lahko poslušate na priljubljenih platformah, kot je Spotify, Google Podcastiin Apple. Izberite svojo najljubšo in uživajte v pronicljivi vsebini!

Ključni vpogledi iz našega pogovora z Arpitom Agarwalom

Prihodnje delo je odvisno od virtualne resničnosti za sodelovanje na daljavo.
Ustanovitev ekipe podatkovne znanosti spodbuja inovacije in poslovni učinek.
Podatkovna znanost v zgodnji fazi izdelka daje prednost kakovosti z uporabo notranjih testov in povratnih informacij.
Zaposlovanje v znanosti o podatkih zahteva tehnično moč, sposobnost reševanja problemov in močan značaj.
Karierna rast podatkovne znanosti zahteva široko raziskovanje, ki mu sledi specializirano strokovno znanje.

Pridružite se našim prihajajočim srečanjem Leading with Data za pronicljive razprave z voditelji AI in Data Science!

Zdaj pa si oglejmo vprašanja, na katera je odgovoril Arpit Agarwal o svoji poklicni poti in izkušnjah v industriji.

Kako je pandemija COVID-19 preoblikovala naš način dela?

Pandemija je temeljito spremenila našo dinamiko dela. Iz pisarniških okolij smo prešli na delo na daljavo kot novo realnost. Tudi s politiko vračanja v pisarno bo velik del delovne sile še naprej deloval na daljavo. Izziv je v ohranjanju produktivnosti in spodbujanju povezav, ki so bile nekoč vzpostavljene znotraj zidov pisarne. Trenutna orodja ne uspejo posnemati osebne izkušnje, kjer nastopi Metina vizija. Razvijamo izdelke, ki zagotavljajo občutek, da delamo drug ob drugem, razumemo govorico telesa drug drugega in učinkovito sodelujemo, vse v virtualnem prostoru.

Moja pot se je začela v BITS Goa, kjer sem študiral računalništvo. Sprva sem bil akademsko osredotočen, vendar mi je BITS omogočil raziskovanje drugih zanimanj, vključno z interpretacijo podatkov. Vodil sem ugankarski krožek, kar je vzbudilo moje zanimanje za podatke. Po končanem študiju sem se pridružil podjetju Oracle, kjer sem delal na področju skladiščenja podatkov in poslovnega obveščanja ter strankam pomagal sprejemati odločitve na podlagi podatkov. Ta izkušnja je okrepila moje zanimanje za analitiko in njene poslovne aplikacije. Vpisal sem MBA, da bi poglobil svoje poslovno razumevanje, kasneje pa sem se pridružil Mu Sigmi, kjer sem izpilil svoje analitične sposobnosti. Moja kariera je napredovala prek svetovalnih vlog in vodilnih položajev v startupih, kot sta Zoomcar in Katabook, kjer sem se spopadal z različnimi izzivi podatkovne znanosti.

Kateri so bili ključni trenutki v vaši karieri, ki so zaznamovali vašo pot?

Pridružitev Zoomcarju je bil ključni trenutek. Imel sem nalogo, da iz nič sestavim skupino za podatkovno znanost, kar mi je omogočilo delo na inovativnih projektih, kot so sistemi točkovanja voznikov z uporabo podatkov avtomobilov. Ta izkušnja mi je dala priložnost za tesno sodelovanje z vodstvenimi delavci na ravni C in neposredno vplivanje na poslovne odločitve. Drug pomemben trenutek je bil moj čas v Katabooku, kjer sem pomagal podjetju, da je postalo podatkovno vodeno, in sprožil različne analitične pobude, vključno s ponudbami posojil, ki temeljijo na modelih strojnega učenja.

Metina vizija za prihodnost dela se vrti okoli virtualne resničnosti, s ciljem ustvariti prostor, kjer je sodelovanje na daljavo tako naravno in učinkovito kot osebne interakcije. Podatkovna znanost igra ključno vlogo pri postavljanju ambicioznih organizacijskih ciljev za izdelke, ki so pred svojim časom. Vključuje usklajevanje produktne strategije s temi cilji, zagotavljanje kakovosti produkta in vodenje raznolikih globalnih ekip. Podatkovna znanost obravnava tudi izziv analitike za izdelke, ki so v zgodnjih fazah razvoja, kjer je podatkov o strankah malo.

Kakšni so izzivi izvajanja analitike za izdelke, ki so v fazi 0 do 1?

Analitika za izdelke v fazi 0 do 1 je zahtevna, ker je na voljo malo podatkov o strankah, ki vodijo odločanje. Poudarek je na zagotavljanju kakovosti in funkcionalnosti izdelkov, kar je ključnega pomena za poslovne izdelke. Za zbiranje povratnih informacij in potrjevanje smeri izdelka se zanašamo na interno testiranje (dogfooding), testiranje alfa in beta z izbranimi skupinami ter raziskavo uporabnikov. Ko imamo trdne temelje, lahko izdelek predstavimo širšemu občinstvu in uporabimo znanost o podatkih za merjenje sprejemanja, zadrževanja in ponavljanja na podlagi povratnih informacij uporabnikov.

Kako ocenjujete kandidate za vloge podatkovne znanosti, zlasti na nastajajočih področjih, kot je generativna umetna inteligenca?

Pri zaposlovanju za vloge v znanosti o podatkih iščem kandidate z močnimi veščinami reševanja problemov, globokim razumevanjem osnov strojnega učenja ter znanjem programskih jezikov in obdelave podatkov. Konkretno za generativno umetno inteligenco morajo kandidati imeti strokovno znanje na ustreznem področju, kot je obdelava naravnega jezika ali računalniški vid. Poleg tega cenim karakter in delovno etiko, ki ju ocenjujem z vedenjskimi vprašanji, preverjanjem referenc in sposobnostjo kandidata, da poglobljeno razloži svoje projekte.

Kaj svetujete posameznikom, ki začenjajo kariero v podatkovni znanosti?

Za začetnike v znanosti o podatkih raziščite različne interese, preden se specializirate. Uporabite obilo brezplačnih učnih virov, dajte prednost veščinam za vrednost in izpolnitev pred hitrimi finančnimi dobički. Izkoristite priložnosti, tudi v manjših projektih ali podjetjih, za znatno rast. Zavedajte se, da trdo delo tvori osnovo sreče; uspeh je stalna pot učenja in izboljšav.

Sumiranje gor

Potovanje Arpita Agarwala ponazarja vpliv podatkovne znanosti na različne industrije. Metina vizija za prihodnost dela poudarja ključno vlogo podatkovne znanosti. Nadobudni podatkovni znanstveniki lahko pridobijo dragocene nasvete iz Arpitovega poudarka na razvoju spretnosti, izkoriščanju priložnosti in trajni poti nenehnega učenja.

Za bolj privlačne seje o AI, znanosti o podatkih in GenAI ostanite z nami na Leading with Data.

Preverite naše prihajajoče seje tukaj.