Shaping the Future of Work: Insikter från Metas Arpit Agarwal

Shaping the Future of Work: Insikter från Metas Arpit Agarwal

Tidsstämpel: 28 november 2023 2:45
Källnod: 2982695

Covid-19-pandemin har förändrat arbetsplatsen, och distansarbete har blivit en bestående norm. I detta avsnitt av Ledande med data, Arpit Agarwal från Meta diskuterar hur framtidens arbete innebär virtuell verklighet, vilket möjliggör fjärrsamarbete som speglar personliga upplevelser. Arpit delar med sig av insikter från sin resa och betonar viktiga ögonblick och utmaningarna med analys i produktutvecklingens tidiga skeden.

[Inbäddat innehåll]

Du kan lyssna på det här avsnittet av Leading with Data på populära plattformar som Spotify, Google Podcastsoch Apple. Välj din favorit för att njuta av det insiktsfulla innehållet!

Viktiga insikter från vårt samtal med Arpit Agarwal

  • Framtida arbete bygger på virtuell verklighet för fjärrsamarbete.
  • Att lansera ett datavetenskapsteam främjar innovation och affärseffekt.
  • Datavetenskap i tidiga produktskede prioriterar kvalitet, med hjälp av interna tester och feedback.
  • Att anställa för datavetenskap kräver teknisk skicklighet, problemlösning och stark karaktär.
  • Karriärtillväxt inom datavetenskap kräver bred utforskning följt av specialiserad expertis.

Gå med i våra kommande Leading with Data-sessioner för insiktsfulla diskussioner med AI- och Data Science-ledare!

Låt oss nu se frågorna som Arpit Agarwal besvarade om sin karriärresa och branscherfarenhet.

Hur har covid-19-pandemin omformat vårt sätt att arbeta?

Pandemin har i grunden förändrat vår arbetsdynamik. Vi har övergått från kontorscentrerade miljöer till att anamma distansarbete som en ny verklighet. Även med policyer för återvändande till kontoret kommer en betydande del av personalstyrkan att fortsätta arbeta på distans. Utmaningen ligger i att upprätthålla produktiviteten och främja förbindelser som en gång byggdes inom kontorsväggar. Nuvarande verktyg misslyckas med att replikera den personliga upplevelsen, vilket är där Metas vision kommer in i bilden. Vi utvecklar produkter som ger känslan av att arbeta sida vid sida, förstå varandras kroppsspråk och samarbeta effektivt, allt inom ett virtuellt utrymme.

Kan du dela din resa från college till att bli ledande inom datavetenskap?

Min resa började på BITS Goa, där jag tog en examen i datavetenskap. Till en början var jag akademiskt fokuserad, men BITS tillät mig att utforska andra intressen, inklusive datatolkning. Jag ledde en pusselklubb, vilket väckte mitt intresse för data. Efter college började jag på Oracle, där jag arbetade med datalagring och business intelligence, och hjälpte kunder att fatta datadrivna beslut. Denna erfarenhet befäste mitt intresse för analys och dess affärsapplikationer. Jag tog en MBA för att fördjupa min affärsförståelse och började senare med Mu Sigma, där jag finslipade mina analytiska färdigheter. Min karriär utvecklades genom konsultroller och ledarskapspositioner i startups som Zoomcar och Katabook, där jag tacklade olika datavetenskapliga utmaningar.

Vilka var nyckelögonblicken i din karriär som formade din väg?

Att gå med i Zoomcar var ett avgörande ögonblick. Jag fick i uppdrag att bygga upp datavetenskapsteamet från grunden, vilket gjorde att jag kunde arbeta med innovativa projekt som förarpoängsystem med hjälp av bildata. Denna erfarenhet gav mig möjligheten att arbeta nära chefer på C-nivå och påverka affärsbeslut direkt. Ett annat viktigt ögonblick var min tid på Katabook, där jag hjälpte företaget att bli datadrivet och lanserade olika analysinitiativ, inklusive låneerbjudanden baserade på maskininlärningsmodeller.

Metas vision för framtidens arbete kretsar kring virtuell verklighet, som syftar till att skapa ett utrymme där fjärrsamarbete är lika naturligt och effektivt som personliga interaktioner. Datavetenskap spelar en avgörande roll för att sätta ambitiösa organisatoriska mål för produkter som ligger före sin tid. Det innebär att anpassa produktstrategin till dessa mål, säkerställa produktkvalitet och leda olika, globala team. Data science tar också upp utmaningen med analys för produkter som befinner sig i ett tidigt utvecklingsstadium, där kunddata är knapphändig.

Vilka är utmaningarna med att göra analyser för produkter som är i 0 till 1-fasen?

Analys för produkter i 0 till 1-fasen är utmanande eftersom det finns begränsad kunddata som vägleder beslutsfattande. Fokus ligger på att säkerställa produktkvalitet och funktionalitet, vilket är avgörande för företagsprodukter. Vi förlitar oss på interna tester (dogfooding), alfa- och betatestning med utvalda grupper och användarforskning för att samla feedback och validera produktens riktning. När vi väl har en solid grund kan vi lansera produkten till en bredare publik och använda datavetenskap för att mäta adoption, retention och iteration baserat på feedback från användare.

Hur bedömer du kandidater för roller inom datavetenskap, särskilt inom framväxande områden som generativ AI?

När jag anställer för roller inom datavetenskap, letar jag efter kandidater med starka problemlösningsförmåga, en djup förståelse för grunderna för maskininlärning och färdigheter i programmeringsspråk och datamanipulation. För generativ AI specifikt, bör kandidater ha expertis inom den relevanta domänen, såsom naturlig språkbehandling eller datorseende. Dessutom värdesätter jag karaktär och arbetsmoral, vilket jag bedömer genom beteendefrågor, referenskontroller och en kandidats förmåga att förklara sina projekt på djupet.

Vilka råd har du till individer som börjar sin karriär inom datavetenskap?

För nybörjare inom datavetenskap, utforska olika intressen innan du specialiserar dig. Använd rikligt med gratis inlärningsresurser, prioritera färdigheter för värde och uppfyllelse framför snabba ekonomiska vinster. Ta vara på möjligheter, även i mindre projekt eller företag, för betydande tillväxt. Inse att hårt arbete utgör grunden för tur; framgång är en pågående resa för lärande och förbättring.

Summering

Arpit Agarwals resa exemplifierar datavetenskapens inverkan på olika branscher. Metas vision för framtidens arbete belyser den avgörande roll som datavetenskap spelar. Aspirerande dataforskare kan hämta värdefulla råd från Arpits betoning på kompetensutveckling, att omfamna möjligheter och den varaktiga resan med kontinuerligt lärande. 

För fler engagerande sessioner om AI, datavetenskap och GenAI, håll ögonen öppna med oss ​​om Leading with Data.

Kolla in våra kommande sessioner här.

Tidsstämpel:

Mer från Analys Vidhya