De COVID-19-pandemie heeft de werkplek getransformeerd, waarbij werken op afstand een blijvende norm is geworden. In deze aflevering van Leidinggeven met data, Arpit Agarwal van Meta bespreekt hoe de toekomst van werk inhoudt virtual reality, waardoor samenwerking op afstand mogelijk wordt gemaakt die persoonlijke ervaringen weerspiegelt. Arpit deelt inzichten uit zijn reis, waarbij hij de nadruk legt op cruciale momenten en de uitdagingen van analytics in de vroege stadia van productontwikkeling.

[Ingesloten inhoud]

Je kunt deze aflevering van Leading with Data beluisteren op populaire platforms zoals Spotify, Google Podcasts en Apple. Kies je favoriet en geniet van de inzichtelijke inhoud!

Belangrijkste inzichten uit ons gesprek met Arpit Agarwal

• Toekomstig werk hangt af van virtual reality voor samenwerking op afstand.
• Het lanceren van een data science-team bevordert innovatie en zakelijke impact.
• Datawetenschap in de vroege productfase geeft prioriteit aan kwaliteit, met behulp van interne tests en feedback.
• Aanwerven voor datawetenschap vereist technische bekwaamheid, probleemoplossing en een sterk karakter.
• De carrièregroei in datawetenschap vereist een brede verkenning, gevolgd door gespecialiseerde expertise.

Neem deel aan onze komende Leading with Data-sessies voor inzichtelijke discussies met leiders op het gebied van AI en Data Science!

Laten we nu eens kijken naar de vragen die Arpit Agarwal beantwoordde over zijn carrière en ervaring in de sector.

Hoe heeft de COVID-19-pandemie de manier waarop we werken veranderd?

De pandemie heeft onze werkdynamiek fundamenteel veranderd. We zijn overgestapt van kantooromgevingen naar het omarmen van werken op afstand als een nieuwe realiteit. Zelfs met het ‘return-to-office’-beleid zal een aanzienlijk deel van de beroepsbevolking op afstand blijven werken. De uitdaging ligt in het handhaven van de productiviteit en het bevorderen van verbindingen die ooit binnen de kantoormuren werden opgebouwd. De huidige tools schieten tekort in het repliceren van de persoonlijke ervaring, en dat is waar Meta's visie in het spel komt. We ontwikkelen producten die het gevoel geven naast elkaar te werken, elkaars lichaamstaal te begrijpen en effectief samen te werken, allemaal binnen een virtuele ruimte.

Kunt u uw reis van de universiteit naar een leider in datawetenschap delen?

Mijn reis begon bij BITS Goa, waar ik een graad in computerwetenschappen behaalde. Aanvankelijk was ik academisch gericht, maar dankzij BITS kon ik andere interesses verkennen, waaronder data-interpretatie. Ik leidde een puzzelclub, waardoor mijn interesse in data ontstond. Na mijn studie ging ik bij Oracle werken, waar ik werkte op het gebied van datawarehousing en business intelligence, waarbij ik klanten hielp bij het nemen van datagestuurde beslissingen. Deze ervaring versterkte mijn interesse in analytics en de zakelijke toepassingen ervan. Ik volgde een MBA om mijn inzicht in het bedrijfsleven te verdiepen en ging later bij Mu Sigma werken, waar ik mijn analytische vaardigheden aanscherpte. Mijn carrière ontwikkelde zich via adviesrollen en leiderschapsposities bij startups als Zoomcar en Katabook, waar ik diverse uitdagingen op het gebied van datawetenschap aanging.

Wat waren de sleutelmomenten in uw carrière die uw pad bepaalden?

Deelnemen aan Zoomcar was een cruciaal moment. Ik kreeg de opdracht om het data science-team helemaal opnieuw op te bouwen, waardoor ik aan innovatieve projecten kon werken, zoals scoresystemen voor bestuurders die gebruik maken van autogegevens. Deze ervaring gaf mij de kans om nauw samen te werken met leidinggevenden op C-niveau en zakelijke beslissingen rechtstreeks te beïnvloeden. Een ander belangrijk moment was mijn tijd bij Katabook, waar ik het bedrijf hielp datagedreven te worden en verschillende analyse-initiatieven lanceerde, waaronder leningaanbiedingen op basis van machine learning-modellen.

Meta's visie op de toekomst van werk draait om virtual reality, met als doel een ruimte te creëren waar samenwerking op afstand net zo natuurlijk en effectief is als persoonlijke interacties. Datawetenschap speelt een cruciale rol bij het stellen van ambitieuze organisatiedoelstellingen voor producten die hun tijd ver vooruit zijn. Het gaat om het afstemmen van de productstrategie op deze doelstellingen, het waarborgen van de productkwaliteit en het aansturen van diverse, mondiale teams. Datawetenschap richt zich ook op de uitdaging van analyses voor producten die zich in de beginfase van ontwikkeling bevinden en waar klantgegevens schaars zijn.

Wat zijn de uitdagingen bij het uitvoeren van analyses voor producten die zich in de 0-naar-1-fase bevinden?

Analyses voor producten in de 0-1-fase zijn een uitdaging omdat er beperkte klantgegevens beschikbaar zijn als leidraad voor de besluitvorming. De nadruk ligt op het waarborgen van de productkwaliteit en functionaliteit, wat van cruciaal belang is voor bedrijfsproducten. We vertrouwen op interne tests (dogfooding), alfa- en bètatests met geselecteerde groepen en gebruikersonderzoek om feedback te verzamelen en de richting van het product te valideren. Zodra we een solide basis hebben, kunnen we het product lanceren voor een breder publiek en datawetenschap gebruiken om de adoptie, retentie en iteratie te meten op basis van gebruikersfeedback.

Hoe beoordeelt u kandidaten voor functies in de datawetenschap, vooral in opkomende vakgebieden als generatieve AI?

Bij het aannemen van data science-functies zoek ik naar kandidaten met sterke probleemoplossende vaardigheden, een diep begrip van de grondbeginselen van machine learning en vaardigheid in programmeertalen en datamanipulatie. Specifiek voor generatieve AI moeten kandidaten expertise hebben op het relevante domein, zoals natuurlijke taalverwerking of computervisie. Daarnaast waardeer ik karakter en werkethiek, die ik beoordeel aan de hand van gedragsvragen, referentiecontroles en het vermogen van een kandidaat om zijn projecten diepgaand uit te leggen.

Welk advies heb je voor individuen die hun carrière in de datawetenschap beginnen?

Voor beginners in datawetenschap: verken verschillende interesses voordat u zich specialiseert. Maak gebruik van overvloedige gratis leermiddelen en geef voorrang aan vaardigheden die waarde en voldoening opleveren boven snelle financiële winst. Grijp kansen, ook bij kleinere projecten of bedrijven, voor substantiële groei. Erken dat hard werken de basis van geluk vormt; Succes is een voortdurende reis van leren en verbeteren.

Opsommen

De reis van Arpit Agarwal is een voorbeeld van de impact van datawetenschap op diverse industrieën. Meta's visie op de toekomst van werk benadrukt de cruciale rol die datawetenschap speelt. Aspirant-datawetenschappers kunnen waardevol advies opdoen uit de nadruk die Arpit legt op de ontwikkeling van vaardigheden, het omarmen van kansen en de duurzame reis van continu leren. 

Voor boeiendere sessies over AI, datawetenschap en GenAI kunt u ons volgen op Leading with Data.

Bekijk hier onze komende sessies.

Verwant

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.analyticsvidhya.com/blog/2023/11/shaping-the-future-of-work-insights-from-metas-arpit-agarwal/