Định hình tương lai công việc: Những hiểu biết sâu sắc từ Arpit Agarwal của Meta

Được xuất bản lại bởi Plato

Người theo dõi: 0

Đại dịch COVID-19 đã biến đổi nơi làm việc, khiến công việc từ xa trở thành một chuẩn mực lâu dài. Trong tập này của Dẫn đầu bằng dữ liệu, Arpit Agarwal từ Meta thảo luận về tương lai của công việc liên quan như thế nào thực tế ảo, cho phép cộng tác từ xa phản ánh trải nghiệm trực tiếp. Arpit chia sẻ những hiểu biết sâu sắc từ hành trình của mình, nhấn mạnh những khoảnh khắc quan trọng và những thách thức của việc phân tích trong giai đoạn đầu phát triển sản phẩm.

[Nhúng nội dung]

Bạn có thể nghe tập Dẫn đầu bằng dữ liệu này trên các nền tảng phổ biến như Spotify, Google Podcastsvà Apple . Chọn mục yêu thích của bạn để thưởng thức nội dung sâu sắc!

Những hiểu biết chính từ cuộc trò chuyện của chúng tôi với Arpit Agarwal

Công việc trong tương lai phụ thuộc vào thực tế ảo để cộng tác từ xa.
Việc thành lập nhóm khoa học dữ liệu sẽ thúc đẩy sự đổi mới và tác động đến hoạt động kinh doanh.
Khoa học dữ liệu ở giai đoạn đầu của sản phẩm ưu tiên chất lượng, sử dụng các thử nghiệm và phản hồi nội bộ.
Tuyển dụng cho ngành khoa học dữ liệu cần có năng lực kỹ thuật, khả năng giải quyết vấn đề và tính cách mạnh mẽ.
Sự phát triển nghề nghiệp khoa học dữ liệu đòi hỏi phải có sự khám phá rộng rãi, sau đó là chuyên môn chuyên sâu.

Hãy tham gia các phiên Dẫn đầu về Dữ liệu sắp tới của chúng tôi để có những cuộc thảo luận sâu sắc với các nhà lãnh đạo Khoa học Dữ liệu và AI!

Bây giờ, hãy cùng xem Arpit Agarwal đã trả lời những câu hỏi nào về hành trình sự nghiệp và kinh nghiệm trong ngành của anh.

Đại dịch COVID-19 đã định hình lại cách chúng ta làm việc như thế nào?

Đại dịch đã thay đổi căn bản động lực làm việc của chúng tôi. Chúng tôi đã chuyển đổi từ môi trường lấy văn phòng làm trung tâm sang làm việc từ xa như một thực tế mới. Ngay cả với các chính sách quay trở lại văn phòng, một phần đáng kể lực lượng lao động sẽ tiếp tục hoạt động từ xa. Thách thức nằm ở việc duy trì năng suất và thúc đẩy các kết nối đã từng được xây dựng trong các bức tường văn phòng. Các công cụ hiện tại không thể tái tạo trải nghiệm trực tiếp, đó là lúc tầm nhìn của Meta phát huy tác dụng. Chúng tôi đang phát triển các sản phẩm mang lại cảm giác làm việc cùng nhau, hiểu ngôn ngữ cơ thể của nhau và cộng tác hiệu quả, tất cả đều trong một không gian ảo.

Hành trình của tôi bắt đầu tại BITS Goa, nơi tôi theo đuổi tấm bằng khoa học máy tính. Ban đầu, tôi tập trung vào học thuật, nhưng BITS cho phép tôi khám phá những sở thích khác, bao gồm cả việc giải thích dữ liệu. Tôi đã lãnh đạo một câu lạc bộ giải đố, điều này đã khơi dậy niềm yêu thích của tôi đối với dữ liệu. Sau đại học, tôi gia nhập Oracle, nơi tôi làm việc trong lĩnh vực lưu trữ dữ liệu và kinh doanh thông minh, giúp khách hàng đưa ra quyết định dựa trên dữ liệu. Trải nghiệm này đã củng cố mối quan tâm của tôi đối với phân tích và các ứng dụng kinh doanh của nó. Tôi theo đuổi bằng MBA để hiểu sâu hơn về kinh doanh của mình và sau đó gia nhập Mu Sigma, nơi tôi mài giũa kỹ năng phân tích của mình. Sự nghiệp của tôi thăng tiến thông qua vai trò tư vấn và vị trí lãnh đạo trong các công ty khởi nghiệp như Zoomcar và Katabook, nơi tôi giải quyết các thách thức đa dạng về khoa học dữ liệu.

Những khoảnh khắc quan trọng trong sự nghiệp đã định hình con đường của bạn là gì?

Tham gia Zoomcar là một thời điểm quan trọng. Tôi được giao nhiệm vụ xây dựng nhóm khoa học dữ liệu ngay từ đầu, điều này cho phép tôi thực hiện các dự án sáng tạo như hệ thống chấm điểm tài xế sử dụng dữ liệu ô tô. Trải nghiệm này đã cho tôi cơ hội làm việc chặt chẽ với các giám đốc điều hành cấp C và ảnh hưởng trực tiếp đến các quyết định kinh doanh. Một khoảnh khắc quan trọng khác là thời gian của tôi tại Katabook, nơi tôi đã giúp công ty phát triển dựa trên dữ liệu và đưa ra nhiều sáng kiến phân tích khác nhau, bao gồm cả các khoản cho vay dựa trên mô hình học máy.

Tầm nhìn của Meta về tương lai công việc xoay quanh thực tế ảo, nhằm tạo ra một không gian nơi cộng tác từ xa diễn ra tự nhiên và hiệu quả như tương tác trực tiếp. Khoa học dữ liệu đóng một vai trò quan trọng trong việc đặt ra các mục tiêu đầy tham vọng của tổ chức cho các sản phẩm đi trước thời đại. Nó liên quan đến việc điều chỉnh chiến lược sản phẩm phù hợp với các mục tiêu này, đảm bảo chất lượng sản phẩm và quản lý các nhóm toàn cầu, đa dạng. Khoa học dữ liệu cũng giải quyết thách thức về phân tích đối với các sản phẩm đang ở giai đoạn phát triển ban đầu, nơi dữ liệu khách hàng còn khan hiếm.

Những thách thức khi thực hiện phân tích các sản phẩm ở giai đoạn 0 đến 1 là gì?

Việc phân tích các sản phẩm trong giai đoạn 0 đến 1 là một thách thức vì dữ liệu khách hàng để hỗ trợ việc ra quyết định còn hạn chế. Trọng tâm là đảm bảo chất lượng và chức năng của sản phẩm, điều này rất quan trọng đối với các sản phẩm của doanh nghiệp. Chúng tôi dựa vào thử nghiệm nội bộ (dogfooding), thử nghiệm alpha và beta với các nhóm chọn lọc và nghiên cứu người dùng để thu thập phản hồi và xác thực hướng đi của sản phẩm. Sau khi có nền tảng vững chắc, chúng tôi có thể giới thiệu sản phẩm tới nhiều đối tượng hơn và sử dụng khoa học dữ liệu để đo lường việc áp dụng, duy trì và lặp lại dựa trên phản hồi của người dùng.

Bạn đánh giá các ứng viên cho vai trò khoa học dữ liệu như thế nào, đặc biệt là trong các lĩnh vực mới nổi như AI sáng tạo?

Khi tuyển dụng cho các vị trí khoa học dữ liệu, tôi tìm kiếm những ứng viên có kỹ năng giải quyết vấn đề tốt, hiểu biết sâu sắc về các nguyên tắc cơ bản của máy học và thành thạo ngôn ngữ lập trình cũng như thao tác dữ liệu. Cụ thể, đối với AI tổng quát, ứng viên phải có chuyên môn trong lĩnh vực liên quan, chẳng hạn như xử lý ngôn ngữ tự nhiên hoặc thị giác máy tính. Ngoài ra, tôi đánh giá cao tính cách và đạo đức làm việc thông qua các câu hỏi về hành vi, kiểm tra tài liệu tham khảo và khả năng giải thích sâu về dự án của ứng viên.

Bạn có lời khuyên nào dành cho những cá nhân bắt đầu sự nghiệp trong lĩnh vực khoa học dữ liệu?

Đối với những người mới bắt đầu làm việc trong lĩnh vực khoa học dữ liệu, hãy khám phá những sở thích đa dạng trước khi chuyên sâu. Sử dụng nguồn tài nguyên học tập miễn phí dồi dào, ưu tiên các kỹ năng có giá trị và sự thỏa mãn hơn là thu được lợi nhuận tài chính nhanh chóng. Nắm bắt cơ hội, ngay cả trong các dự án hoặc công ty nhỏ hơn, để tăng trưởng đáng kể. Nhận thức được rằng làm việc chăm chỉ là nền tảng của may mắn; thành công là một hành trình học hỏi và cải tiến không ngừng.

Tổng hợp Up

Hành trình của Arpit Agarwal minh chứng cho tác động của khoa học dữ liệu đối với các ngành công nghiệp đa dạng. Tầm nhìn của Meta về tương lai công việc nêu bật vai trò then chốt của khoa học dữ liệu. Các nhà khoa học dữ liệu đầy tham vọng có thể thu thập được lời khuyên có giá trị từ sự chú trọng của Arpit vào việc phát triển kỹ năng, nắm bắt cơ hội và hành trình học hỏi liên tục lâu dài.

Để có các phiên hấp dẫn hơn về AI, khoa học dữ liệu và GenAI, hãy theo dõi chúng tôi trên Dẫn đầu về dữ liệu.

Kiểm tra các phiên sắp tới của chúng tôi ở đây.