การกำหนดอนาคตของการทำงาน: ข้อมูลเชิงลึกจาก Arpit Agarwal ของ Meta

เผยแพร่ซ้ำโดยเพลโต

ผู้ติดตาม: 0

การแพร่ระบาดของโควิด-19 ได้เปลี่ยนสถานที่ทำงาน โดยการทำงานจากระยะไกลกลายเป็นบรรทัดฐานที่ยั่งยืน ในตอนนี้ของ เป็นผู้นำด้วยข้อมูล, Arpit Agarwal จาก Meta จะมาพูดคุยถึงอนาคตของการทำงาน ความเป็นจริงเสมือนช่วยให้สามารถทำงานร่วมกันจากระยะไกลซึ่งสะท้อนประสบการณ์แบบเผชิญหน้ากัน Arpit แบ่งปันข้อมูลเชิงลึกจากการเดินทางของเขา โดยเน้นช่วงเวลาสำคัญและความท้าทายของการวิเคราะห์ในระยะแรกของการพัฒนาผลิตภัณฑ์

[เนื้อหาฝัง]

คุณสามารถฟังรายการ Leading with Data ตอนนี้ได้บนแพลตฟอร์มยอดนิยมเช่น Spotify, Google Podcastและ Apple. เลือกรายการโปรดของคุณเพื่อเพลิดเพลินกับเนื้อหาที่ลึกซึ้ง!

ข้อมูลเชิงลึกที่สำคัญจากการสนทนาของเรากับอาพิต อาการ์วาล

งานในอนาคตขึ้นอยู่กับความเป็นจริงเสมือนสำหรับการทำงานร่วมกันทางไกล
การเปิดตัวทีมวิทยาศาสตร์ข้อมูลส่งเสริมนวัตกรรมและผลกระทบทางธุรกิจ
วิทยาศาสตร์ข้อมูลในระยะเริ่มต้นของผลิตภัณฑ์จะจัดลำดับความสำคัญของคุณภาพ โดยใช้การทดสอบภายในและข้อเสนอแนะ
การจ้างงานด้านวิทยาศาสตร์ข้อมูลต้องอาศัยความสามารถทางเทคนิค การแก้ปัญหา และลักษณะนิสัยที่แข็งแกร่ง
การเติบโตของอาชีพด้านวิทยาศาสตร์ข้อมูลต้องการการสำรวจในวงกว้างตามด้วยความเชี่ยวชาญเฉพาะทาง

เข้าร่วมเซสชัน Leading with Data ที่กำลังจะมีขึ้นเพื่อการสนทนาเชิงลึกกับผู้นำด้าน AI และ Data Science!

ตอนนี้เรามาดูคำถามที่ Arpit Agarwal ตอบเกี่ยวกับเส้นทางอาชีพและประสบการณ์ในอุตสาหกรรมของเขากัน

การแพร่ระบาดของโควิด-19 ได้เปลี่ยนโฉมวิธีการทำงานของเราอย่างไร?

การแพร่ระบาดได้เปลี่ยนแปลงพลวัตในการทำงานของเราโดยพื้นฐาน เราได้เปลี่ยนจากสภาพแวดล้อมที่เน้นสำนักงานเป็นศูนย์กลางไปสู่การทำงานจากระยะไกลในความเป็นจริงใหม่ แม้ว่าจะมีนโยบายการกลับเข้าทำงาน แต่พนักงานส่วนใหญ่จะยังคงทำงานจากระยะไกลต่อไป ความท้าทายอยู่ที่การรักษาประสิทธิภาพการทำงานและส่งเสริมการเชื่อมต่อที่เคยสร้างขึ้นภายในกำแพงสำนักงาน เครื่องมือในปัจจุบันยังขาดการจำลองประสบการณ์แบบตัวต่อตัว ซึ่งเป็นจุดที่วิสัยทัศน์ของ Meta เข้ามามีบทบาท เรากำลังพัฒนาผลิตภัณฑ์ที่ให้ความรู้สึกของการทำงานเคียงข้างกัน เข้าใจภาษากายของกันและกัน และทำงานร่วมกันอย่างมีประสิทธิภาพ ทั้งหมดนี้อยู่ภายในพื้นที่เสมือนจริง

การเดินทางของฉันเริ่มต้นที่ BITS Goa ซึ่งฉันได้ศึกษาระดับปริญญาวิทยาการคอมพิวเตอร์ ในตอนแรก ฉันมุ่งเน้นด้านวิชาการ แต่ BITS ช่วยให้ฉันสามารถสำรวจความสนใจอื่นๆ รวมถึงการตีความข้อมูล ฉันเป็นผู้นำชมรมไขปริศนา ซึ่งจุดประกายความสนใจของฉันในเรื่องข้อมูล หลังเลิกเรียนวิทยาลัย ฉันร่วมงานกับ Oracle โดยทำงานด้านคลังข้อมูลและระบบธุรกิจอัจฉริยะ เพื่อช่วยลูกค้าในการตัดสินใจโดยอาศัยข้อมูล ประสบการณ์นี้ทำให้ฉันสนใจด้านการวิเคราะห์และแอปพลิเคชันทางธุรกิจมากขึ้น ฉันเรียนหลักสูตร MBA เพื่อทำความเข้าใจธุรกิจให้ลึกซึ้งยิ่งขึ้น และต่อมาได้ร่วมงานกับ Mu Sigma ซึ่งฉันได้ฝึกฝนทักษะการวิเคราะห์ อาชีพของฉันก้าวหน้าผ่านบทบาทที่ปรึกษาและตำแหน่งผู้นำในสตาร์ทอัพอย่าง Zoomcar และ Katabook ซึ่งฉันได้รับมือกับความท้าทายด้านวิทยาศาสตร์ข้อมูลที่หลากหลาย

อะไรคือช่วงเวลาสำคัญในอาชีพการงานของคุณที่กำหนดเส้นทางของคุณ?

การเข้าร่วม Zoomcar ถือเป็นช่วงเวลาสำคัญ ฉันได้รับมอบหมายให้สร้างทีมวิทยาศาสตร์ข้อมูลตั้งแต่เริ่มต้น ซึ่งทำให้ฉันสามารถทำงานในโครงการนวัตกรรม เช่น ระบบการให้คะแนนผู้ขับขี่โดยใช้ข้อมูลรถยนต์ ประสบการณ์นี้ทำให้ฉันมีโอกาสทำงานอย่างใกล้ชิดกับผู้บริหารระดับ C และมีอิทธิพลต่อการตัดสินใจทางธุรกิจโดยตรง ช่วงเวลาสำคัญอีกช่วงหนึ่งคือช่วงเวลาที่ฉันอยู่ที่ Katabook ซึ่งฉันได้ช่วยให้บริษัทขับเคลื่อนด้วยข้อมูลและริเริ่มโครงการวิเคราะห์ต่างๆ รวมถึงการเสนอสินเชื่อตามโมเดลการเรียนรู้ของเครื่อง

วิสัยทัศน์ของ Meta สำหรับอนาคตของการทำงานนั้นเกี่ยวข้องกับความเป็นจริงเสมือน โดยมีเป้าหมายเพื่อสร้างพื้นที่ที่การทำงานร่วมกันจากระยะไกลเป็นไปอย่างเป็นธรรมชาติและมีประสิทธิภาพพอๆ กับการมีปฏิสัมพันธ์ต่อหน้า วิทยาศาสตร์ข้อมูลมีบทบาทสำคัญในการกำหนดเป้าหมายขององค์กรที่ทะเยอทะยานสำหรับผลิตภัณฑ์ที่ล้ำหน้า โดยเกี่ยวข้องกับการปรับกลยุทธ์ผลิตภัณฑ์ให้สอดคล้องกับเป้าหมายเหล่านี้ การรับรองคุณภาพของผลิตภัณฑ์ และการจัดการทีมที่หลากหลายในระดับโลก วิทยาศาสตร์ข้อมูลยังจัดการกับความท้าทายในการวิเคราะห์ผลิตภัณฑ์ที่อยู่ในขั้นเริ่มต้นของการพัฒนาซึ่งข้อมูลลูกค้ามีน้อย

อะไรคือความท้าทายในการทำการวิเคราะห์ผลิตภัณฑ์ที่อยู่ในระยะ 0 ต่อ 1?

การวิเคราะห์ผลิตภัณฑ์ในระยะ 0 ต่อ 1 เป็นเรื่องที่ท้าทายเนื่องจากมีข้อมูลลูกค้าที่จำกัดเพื่อเป็นแนวทางในการตัดสินใจ จุดเน้นอยู่ที่การรับรองคุณภาพและฟังก์ชันการทำงานของผลิตภัณฑ์ ซึ่งเป็นสิ่งสำคัญสำหรับผลิตภัณฑ์ระดับองค์กร เราอาศัยการทดสอบภายใน (ลองใช้) การทดสอบอัลฟ่าและเบต้ากับกลุ่มที่เลือก และการวิจัยผู้ใช้เพื่อรวบรวมความคิดเห็นและตรวจสอบทิศทางของผลิตภัณฑ์ เมื่อเรามีรากฐานที่มั่นคงแล้ว เราก็สามารถเปิดตัวผลิตภัณฑ์สู่กลุ่มเป้าหมายที่กว้างขึ้น และใช้วิทยาศาสตร์ข้อมูลเพื่อวัดการนำไปใช้ การรักษา และทำซ้ำตามความคิดเห็นของผู้ใช้

คุณจะประเมินผู้สมัครสำหรับบทบาทด้านวิทยาศาสตร์ข้อมูลอย่างไร โดยเฉพาะอย่างยิ่งในสาขาเกิดใหม่ เช่น generative AI

เมื่อจ้างตำแหน่งด้านวิทยาศาสตร์ข้อมูล ฉันมองหาผู้สมัครที่มีทักษะการแก้ปัญหาที่แข็งแกร่ง มีความเข้าใจอย่างลึกซึ้งเกี่ยวกับพื้นฐานการเรียนรู้ของเครื่อง และมีความเชี่ยวชาญในภาษาการเขียนโปรแกรมและการจัดการข้อมูล สำหรับ generative AI โดยเฉพาะ ผู้สมัครควรมีความเชี่ยวชาญในขอบเขตที่เกี่ยวข้อง เช่น การประมวลผลภาษาธรรมชาติหรือคอมพิวเตอร์วิทัศน์ นอกจากนี้ ฉันให้ความสำคัญกับคุณลักษณะและจรรยาบรรณในการทำงาน ซึ่งฉันประเมินผ่านคำถามเชิงพฤติกรรม การตรวจสอบการอ้างอิง และความสามารถของผู้สมัครในการอธิบายโครงการของตนในเชิงลึก

คุณมีคำแนะนำอะไรบ้างสำหรับบุคคลที่เริ่มต้นอาชีพด้านวิทยาศาสตร์ข้อมูล

สำหรับผู้เริ่มต้นในสาขาวิทยาศาสตร์ข้อมูล ให้สำรวจความสนใจที่หลากหลายก่อนที่จะเชี่ยวชาญ ใช้ทรัพยากรการเรียนรู้ฟรีมากมาย จัดลำดับความสำคัญของทักษะที่มีคุณค่าและเติมเต็ม มากกว่าการได้รับผลประโยชน์ทางการเงินอย่างรวดเร็ว คว้าโอกาส แม้แต่ในโครงการหรือบริษัทขนาดเล็ก เพื่อการเติบโตที่สำคัญ รับรู้ว่าการทำงานหนักเป็นพื้นฐานของโชค ความสำเร็จคือการเดินทางอย่างต่อเนื่องเพื่อการเรียนรู้และการปรับปรุง

ข้อสรุปขึ้น

การเดินทางของ Arpit Agarwal เป็นตัวอย่างผลกระทบของวิทยาศาสตร์ข้อมูลต่ออุตสาหกรรมที่หลากหลาย วิสัยทัศน์ของ Meta สำหรับอนาคตของการทำงานเน้นย้ำถึงบทบาทสำคัญด้านวิทยาศาสตร์ข้อมูล นักวิทยาศาสตร์ข้อมูลผู้มุ่งมั่นสามารถรับคำแนะนำอันมีค่าได้จาก Arpit ที่ให้ความสำคัญกับการพัฒนาทักษะ การเปิดรับโอกาส และการเดินทางที่ยั่งยืนของการเรียนรู้อย่างต่อเนื่อง

หากต้องการเข้าร่วมเซสชันที่น่าสนใจมากขึ้นเกี่ยวกับ AI วิทยาศาสตร์ข้อมูล และ GenAI โปรดติดตามเราในหัวข้อ Leading with Data

ตรวจสอบเซสชันที่กำลังจะมีขึ้นของเราที่นี่