Kushal Chakrabarti, VP di Ricerca e Data Science presso Opendoor – Serie di Interviste

Kushal Chakrabarti è il Vice Presidente di Ricerca e Data Science presso Opendoor, una piattaforma digitale leader per il settore immobiliare residenziale.

Cosa ti ha inizialmente attirato verso il machine learning e la data science?

Ho sempre visto il mondo attraverso i numeri, ma non è stato fino all’università che ho realizzato che la data science era la mia vera vocazione. E posso praticamente indicare il momento esatto: “Introduzione alla programmazione con MATLAB”. Vedere quella rappresentazione 3D sullo schermo di MATLAB è stato “Aspetta un minuto…” È stato come amore a prima vista per me.

Per me, la data science è la cosa più vicina che potrò mai avere per vedere la “mente di Dio”. Indipendentemente dal fatto che si sia religiosi o no, c’è chiaramente un meccanismo sottostante a come funziona il mondo. Non abbiamo il privilegio di vederlo direttamente, ma possiamo osservare i suoi artefatti – i dati. E la scienza e l’arte di ricostruire quel meccanismo sottostante è la data science.

Puoi discutere alcune delle evoluzioni che hai personalmente osservato nel campo della data science negli anni?

Ci sono state due tendenze generali che ho notato nel mio quasi due decenni nel settore.

Innanzitutto, la creazione di sottocampi. Quando sono entrato nel settore, non c’era una distinzione tra data engineering, decision science e machine learning. Se volevi fare la matematica avanzata, dovevi fare anche il resto – non c’era altra scelta. Oggi, dato quanto il settore è avanzato, le persone iniziano a specializzarsi in sottocampi. È inevitabile in qualsiasi settore in maturazione – c’erano solo pochi tipi di medici cent’anni fa, ma oggi ce ne sono decine.

In secondo luogo, la democratizzazione generale del settore. Oggi esistono una grande varietà di strumenti che rendono il settore esponenzialmente più accessibile ai nuovi arrivati. Anche se apprezzo il non dover scrivere codice C++ per l’algoritmo forward-backward, è in realtà una spada a doppio taglio: molti pratici oggi trattano quegli strumenti come scatole nere e non capiscono perché certe cose sono state progettate per funzionare in certi modi, e quindi hanno difficoltà a scegliere lo strumento giusto per il lavoro giusto.

Qual è la tua visione attuale per il futuro della data science presso Opendoor?

Cosa mi fa alzare ogni mattina è costruire tecnologie per aiutare gli americani comuni nel mondo reale. Comprare o vendere una casa è uno dei più grandi traguardi nella vita di una persona, e il nostro lavoro aiuta le persone in tutta la nazione a raggiungere la proprietà di una casa in modo più semplice, certo e veloce.

Presso Opendoor, prendiamo centinaia di decisioni basate sui dati ogni giorno. I nostri team utilizzano tutto, dalla inferenza causale ai modelli econometrici strutturali all’apprendimento profondo, per guidare i nostri modelli di prezzo all’avanguardia.

Ma quando si guarda sotto il cofano, ci sono molti euristici. Le persone usano euristici perché funzionano, ma gli euristici funzionano nel mezzo e falliscono ai bordi. Quando si pensa profondamente ai meccanismi sottostanti di come le persone si comportano, si può iniziare ad astrare framework principali che generalizzano rigorosamente quegli euristici. È la mia visione e speranza che costruiamo quei framework principali in modo che possiamo sbloccare una proprietà di casa più facile, migliore e più veloce per milioni di altri americani.

Sul tuo profilo LinkedIn, inviti gli scienziati dei dati a lavorare con te per risolvere un problema di data science da un trilione di dollari che interessa cento milioni di americani comuni. Cosa cerchi nei potenziali candidati?

Fondamentalmente cerchiamo persone con due caratteristiche distintive: un superpotere per spiegare quantitativamente e sistematicamente il mondo, e la capacità di lavorare pragmaticamente a ritroso dal cliente.

Credo profondamente nel gestire i superpoteri. Nella mia esperienza, i migliori scienziati dei dati sono a forma di T: sanno un po’ di tutto e molto di poco. E nel mio caso, molto di molto poco! Non ci aspettiamo che le persone sappiano tutto. Ci aspettiamo, tuttavia, che le persone siano eccezionali in qualcosa. E se si impostano le cose nel modo giusto, si può assemblare un team di persone con superpoteri complementari che – insieme – possono fare magia.

Non è un cliché. Come dice la citazione di Isaac Asimov: “Qualsiasi tecnologia sufficientemente avanzata è indistinguibile dalla magia”. Il settore immobiliare è un’industria da un trilione di dollari che non è cambiata per decenni. Abbiamo appena iniziato a graffiare la superficie, ma abbiamo già stabilito lo standard per gli anni a venire. Mentre portiamo a bordo team con superpoteri e spingiamo avanti la nostra visione, faremo magia.

Controlla i nostri ruoli aperti qui.

C’è qualcos’altro che ti piacerebbe condividere su Opendoor?

Data la mia storia piuttosto insolita – ricerca in biologia computazionale, personalizzazione di Amazon, due volte fondatore di startup e consulente di una dozzina di altre startup – ho probabilmente visto l’interno di 15-20 organizzazioni di data science. Posso affermare senza equivoci che Opendoor ha le sfide tecniche più affascinanti di qualsiasi organizzazione che abbia visto.

Abbinato a ciò è la scala e l’impatto di ciò che facciamo. Non ci sono semplicemente molti problemi da un trilione di dollari nel nostro mondo. Non ci sono certamente molti che operano in uno status quo così arcaico. In pochi anni, abbiamo capovolto quel modello e abbiamo dimostrato che c’è un modo più veloce, più semplice e più certo per fare le cose che combina il meglio della data science sofisticata e delle operazioni centrate sul cliente. Ma abbiamo appena iniziato. Capire come possiamo utilizzare nuovi set di dati e una data science di classe mondiale per raggiungere il livello successivo è una sfida tecnica emozionante che aiuterà milioni di americani in tutta la nazione.