Kushal Chakrabarti, Vice-Président de la Recherche et de la Science des Données chez Opendoor – Série d’entretiens

Kushal Chakrabarti est le Vice-Président de la Recherche et de la Science des Données chez Opendoor, une plateforme numérique de premier plan pour l’immobilier résidentiel.

Qu’est-ce qui vous a initialement attiré vers l’apprentissage automatique et la science des données ?

J’ai toujours vu le monde en chiffres, mais ce n’est qu’à l’université que j’ai réalisé que la science des données était ma véritable vocation. Et je peux presque préciser le moment : « Introduction à la programmation avec MATLAB ». En voyant cette courbe de contour 3D sur l’écran de démarrage de MATLAB, j’ai pensé : « Minute, attends une minute… » C’était comme un coup de foudre pour moi.

À mes yeux, la science des données est la chose la plus proche que je pourrai jamais approcher de l’« esprit de Dieu ». Quelle que soit votre croyance, il y a clairement un mécanisme sous-jacent à la façon dont le monde fonctionne. Nous n’avons pas le privilège de le voir directement, mais nous pouvons observer ses artefacts — les données. Et la science et l’art de reconstruire ce mécanisme sous-jacent, c’est la science des données.

Pouvez-vous discuter de certaines des évolutions que vous avez personnellement constatées dans le domaine de la science des données au fil des ans ?

J’ai remarqué deux tendances générales au cours de mes près de deux décennies dans le domaine.

La première est la création de sous-disciplines. Lorsque je suis arrivé dans le domaine, il n’y avait pas de distinction entre l’ingénierie des données, la science de la décision et l’apprentissage automatique. Si vous vouliez faire les mathématiques complexes, vous deviez faire le reste également — il n’y avait simplement pas d’autre option. Aujourd’hui, étant donné à quel point le domaine a évolué, les gens commencent à se spécialiser dans des sous-disciplines. C’est inévitable dans tout domaine en maturation — il y avait seulement quelques types de médecins il y a un siècle, mais il y en a des dizaines aujourd’hui.

La deuxième est la large démocratisation du domaine. Aujourd’hui, un large éventail d’outils existe qui rendent le domaine exponentiellement plus accessible aux nouveaux arrivants. Même si j’apprécie certainement de ne pas avoir à écrire du code C++ pour l’algorithme avant-arrière, c’est en réalité une épée à deux tranchants : de nombreux praticiens d’aujourd’hui traitent ces outils comme des boîtes noires et ne comprennent pas pourquoi certaines choses ont été conçues pour fonctionner de certaines manières, et ont donc des difficultés à choisir l’outil approprié pour le travail approprié.

Quelle est votre vision actuelle pour l’avenir de la science des données chez Opendoor ?

Ce qui me motive chaque matin, c’est de construire des technologies pour aider les Américains ordinaires dans le monde réel. Acheter ou vendre une maison est l’un des plus grands jalons de la vie d’une personne, et le travail que nous faisons aide les gens à travers les États-Unis à accéder à la propriété de manière plus simple, plus certaine et plus rapide.

Chez Opendoor, nous prenons des centaines de décisions fondées sur les données chaque jour. Nos équipes utilisent tout, de l’inférence causale aux modèles économétriques structurels, en passant par l’apprentissage profond qui alimente nos modèles de tarification de pointe.

Mais lorsque vous jetez un coup d’œil sous le capot, il y a beaucoup d’heuristiques. Les gens utilisent des heuristiques parce qu’elles fonctionnent, mais les heuristiques fonctionnent au milieu et échouent aux extrémités. Lorsque vous réfléchissez profondément aux mécanismes sous-jacents de la façon dont les gens se comportent, vous pouvez commencer à abstraire des cadres principielles qui généralisent strictement ces heuristiques. C’est ma vision et mon espoir que nous développons ces cadres principielles pour débloquer une propriété plus facile, meilleure et plus rapide pour des millions d’Américains supplémentaires.

Sur votre profil LinkedIn, vous invitez les scientifiques des données à travailler avec vous pour résoudre un problème de science des données d’une valeur de mille milliards de dollars qui concerne cent millions d’Américains ordinaires. Qu’est-ce que vous recherchez chez les candidats potentiels ?

Nous recherchons fondamentalement des personnes ayant deux traits distinctifs : un superpouvoir pour expliquer de manière quantitative et systématique le monde, et la capacité de travailler de manière pragmatique à rebours à partir du client.

Je crois profondément en la gestion des superpouvoirs. Selon mon expérience, les meilleurs scientifiques des données sont en forme de T : ils connaissent un peu de tout et beaucoup de peu. Et dans mon cas, beaucoup de très peu ! Nous n’attendons pas que les gens sachent tout. Nous attendons cependant qu’ils soient exceptionnels en quelque chose. Et si vous mettez les choses en place de la bonne manière, vous pouvez assembler une équipe de personnes ayant des superpouvoirs complémentaires qui — ensemble — peuvent faire des miracles.

Ce n’est pas un cliché. Comme le dit la citation d’Isaac Asimov : « Toute technologie suffisamment avancée est indiscernable de la magie. » L’immobilier est une industrie d’une valeur de mille milliards de dollars qui n’a pas changé pendant des décennies. Nous n’avons fait que gratter la surface, mais nous avons déjà fixé la norme pour les années à venir. Alors que nous embauchons des équipes superpuissantes et que nous poursuivons notre vision, nous allons faire de la magie.

Découvrez nos offres d’emploi ici.

Y a-t-il autre chose que vous aimeriez partager sur Opendoor ?

Étant donné mon passé plutôt inhabituel — recherche en biologie computationnelle, personnalisation d’Amazon (AMZN ), fondateur de deux startups et conseiller de plus d’une douzaine d’autres startups —, j’ai probablement vu l’intérieur de 15 à 20 organisations de science des données. Je peux affirmer sans équivoque que Opendoor a les défis techniques les plus fascinants de toute organisation que j’aie jamais vue.

Associé à cela, il y a l’ampleur et l’impact de ce que nous faisons. Il n’y a simplement pas beaucoup de problèmes d’une valeur de mille milliards de dollars dans notre monde. Il n’y a certainement pas beaucoup qui opèrent dans un statu quo aussi archaïque. En seulement quelques années, nous avons renversé ce modèle et démontré qu’il existe une façon plus rapide, plus simple et plus certaine de faire les choses qui combine le meilleur de la science des données sophistiquée et des opérations centrées sur le client. Mais nous venons de commencer. Déterminer comment nous pouvons utiliser de nouveaux ensembles de données et une science des données de classe mondiale pour passer au niveau suivant est un défi technique passionnant qui aidera des millions d’Américains à travers les États-Unis.