Với Dẫn đầu với phiên dữ liệu, gặp David Zakkam, một nhà lãnh đạo với hơn 19 năm kinh nghiệm. David giữ các vai trò quan trọng tại Swiggy, Meta và Uber, hiện là Giám đốc Khoa học Dữ liệu của Uber. Anh chia sẻ những hiểu biết sâu sắc về vai trò năng động của khoa học dữ liệu trong việc giải quyết các thách thức, tối ưu hóa trải nghiệm của khách hàng và xử lý các cuộc khủng hoảng như COVID-19. Hành trình chuyển đổi và giải quyết các vấn đề phức tạp của David mang đến những quan điểm có giá trị cho những người đam mê dữ liệu và các chuyên gia trong ngành.

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 David Zakkam

• Việc chuyển đổi từ tư vấn sang các công ty sản phẩm mang lại vai trò tích hợp và có tác động hơn trong việc áp dụng khoa học dữ liệu vào kinh doanh.
• Trong các cuộc khủng hoảng như COVID-19, khoa học dữ liệu có thể đóng một vai trò then chốt trong việc ra quyết định và phục hồi theo thời gian thực.
• Tùy chỉnh trải nghiệm của khách hàng thông qua những hiểu biết dựa trên dữ liệu có thể tăng cường đáng kể sự tương tác và tăng trưởng.
• Công việc liêm chính trên các nền tảng truyền thông xã hội liên quan đến các vấn đề phức tạp, mang tính đối kháng đòi hỏi sự cảnh giác thường xuyên và phản ứng nhanh chóng.
• Tương lai của khoa học dữ liệu trong lĩnh vực di chuyển bao gồm cải thiện trải nghiệm của khách hàng và tài xế, tích hợp dịch vụ và tận dụng AI cho các giải pháp sáng tạo.

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, chúng ta hãy xem câu trả lời của David Zakkam cho các câu hỏi trong phần Dẫn dắt bằng dữ liệu.

Hành trình khám phá khoa học dữ liệu của bạn bắt đầu như thế nào và những ngày đầu của bạn như thế nào?

Cuộc đời nghề nghiệp của tôi có thể được chia thành ba giai đoạn riêng biệt: 5 năm hình thành, một thập kỷ tư vấn khoa học dữ liệu và 5 năm cuối cùng làm việc tại các công ty công nghệ. Tôi bắt đầu với tư cách là một sinh viên tốt nghiệp ngành kỹ thuật sinh hóa tại IIT Delhi, làm việc về sinh học tính toán, lĩnh vực mà bạn có thể coi là khoa học dữ liệu cho sinh học. Sau MBA, tôi chuyển sang lĩnh vực công nghệ và sau một thời gian làm việc bán hàng, tôi chính thức chuyển sang nghề khoa học dữ liệu.

Quá trình chuyển đổi từ tư vấn tại Mu Sigma sang làm việc tại các công ty tập trung vào sản phẩm như Swiggy như thế nào?

Quá trình chuyển đổi thật phấn khởi. Trong lĩnh vực tư vấn, bạn không có cùng mức độ tích hợp công ty để thực hiện những thay đổi có tác động. Trong một công ty sản phẩm, bạn là một phần của toàn bộ hành trình, làm việc với nhiều nhóm khác nhau để đảm bảo khoa học dữ liệu được áp dụng hiệu quả vào hoạt động kinh doanh. Quyền sở hữu từ đầu đến cuối mang lại trách nhiệm và sự hài lòng cao hơn. Kinh nghiệm rộng rãi của tôi là vô giá, đặc biệt là khi giải quyết các vấn đề phức tạp, chưa được giải quyết.

Bạn có thể chia sẻ một vấn đề thú vị mà bạn đã giải quyết tại Swiggy trong thời gian phong tỏa vì dịch COVID-19 không?

Khi lệnh phong tỏa xảy ra, hoạt động kinh doanh của Swiggy đã giảm hơn 90% chỉ sau một đêm. Chúng tôi đã thành lập nhóm WhatsApp 24/7 với các giám đốc điều hành hàng đầu của công ty để giải quyết cuộc khủng hoảng. Chúng tôi đã giải quyết một loạt vấn đề, từ việc hiểu các diễn giải về lệnh đóng cửa cấp quận cho đến việc theo dõi mô hình di cư của lực lượng lao động, những vấn đề này đã ảnh hưởng đến thị phần của chúng tôi. Những nỗ lực này đã giúp chúng tôi quay trở lại mức trước khi xảy ra dịch COVID trong vòng sáu tháng.

Swiggy đã sử dụng khoa học dữ liệu như thế nào để tối ưu hóa trải nghiệm của khách hàng và phát triển nhà hàng?

Chúng tôi đã sử dụng phân tích để tùy chỉnh các phiếu giảm giá dựa trên hành vi của khách hàng, khuyến khích họ tăng giá trị hoặc tần suất đặt hàng. Đối với các nhà hàng, chúng tôi đã xây dựng một công cụ để mô phỏng và tối ưu hóa chi tiêu của họ cho các tùy chọn quảng cáo khác nhau, cung cấp cho họ thông tin chi tiết hữu ích để phát triển hoạt động kinh doanh của mình.

Những thách thức và khía cạnh thú vị khi làm việc về tính toàn vẹn nội dung tại Meta là gì?

Tại Meta, chúng tôi xử lý nhiều dạng nội dung và hành vi không phù hợp khác nhau, từ tài khoản giả mạo đến các tương tác có hại. Nhóm liêm chính, bao gồm hàng nghìn kỹ sư và nhà khoa học dữ liệu, đã sử dụng các kỹ thuật lấy mẫu và đo lường phức tạp để cải thiện các bộ phân loại của chúng tôi. Thách thức là tính chất đối nghịch của vấn đề, trong đó những kẻ tấn công liên tục phát triển chiến thuật của chúng, đòi hỏi chúng ta phải nhanh nhẹn và phản ứng nhanh.

Bạn hiện đang giải quyết loại vấn đề khoa học dữ liệu nào tại Uber?

Tại Uber, tôi lãnh đạo các nhóm tập trung vào tăng trưởng tính di động, các ngành dọc mới như xe công suất lớn và dịch vụ cho thuê, chất lượng tài xế và chuyển phát nhanh cũng như tăng trưởng thương mại ở khía cạnh giao hàng. Chúng tôi đang nỗ lực nâng cao trải nghiệm của khách hàng và tài xế, cải thiện độ tin cậy và đảm bảo tích hợp liền mạch các dịch vụ như taxi với nền tảng của Uber.

Tương lai sẽ ra sao đối với nhóm của bạn tại Uber và bạn nghĩ gì về AI sáng tạo?

Mặc dù kế hoạch tuyển dụng hiện tại chưa chắc chắn nhưng mục tiêu dài hạn là phát triển đội ngũ khoa học dữ liệu ở Ấn Độ để phù hợp với tỷ lệ hiện diện công nghệ 30%. Đối với AI tổng hợp, tôi thấy tiềm năng của nó trong các trường hợp sử dụng sáng tạo khi nó có thể tạo ra nội dung có ý nghĩa. Tuy nhiên, hầu hết các vấn đề kinh doanh ngày nay đều mang tính quyết định và đòi hỏi các kỹ thuật tối ưu hóa hơn là tính sáng tạo.

Tổng hợp Up 

Hành trình khoa học dữ liệu của David Zakkam, từ sinh học tính toán đến các vai trò công nghệ có tác động mạnh mẽ, kể một câu chuyện hấp dẫn. Kinh nghiệm của ông nêu bật sức mạnh biến đổi của khoa học dữ liệu trong các quyết định kinh doanh quan trọng, đặc biệt là trong các cuộc khủng hoảng. Giải quyết các thách thức của Swiggy trong thời gian phong tỏa vì dịch COVID-19, giải quyết tính toàn vẹn của nội dung tại Meta và các giải pháp dựa trên dữ liệu hàng đầu tại Uber, những hiểu biết sâu sắc của David cho thấy sự đa dạng khoa học dữ liệu các ứng dụng.

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.

Sản phẩm liên quan

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• PlatoSức khỏe. Tình báo thử nghiệm lâm sàng và công nghệ sinh học. Truy cập Tại đây.
• nguồn: https://www.analyticsvidhya.com/blog/2023/12/david-zakkam/