Kushal Chakrabarti, Vice President of Research and Data Science at Opendoor – Intervista

Kushal Chakrabarti è il Vice President of Research and Data Science di Opendoor, una piattaforma digitale leader per il settore immobiliare residenziale.

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

Ho sempre visto il mondo in numeri, ma non è stato fino al college che ho realizzato che la data science era la mia vera vocazione. E posso quasi indicare il momento esatto: “Introduzione alla programmazione con MATLAB”. Vedere quella trama a contorno 3D sullo schermo di MATLAB è stato “Aspetta un minuto…” È stato come l’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 alcuni degli sviluppi che hai personalmente visto nel campo della data science negli anni?

Ci sono stati due trend generali che ho notato nei miei quasi due decenni nel settore.

Il primo è la creazione di sottodiscipline. 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 come il settore è progredito, le persone iniziano a specializzarsi in sottodiscipline. È inevitabile in qualsiasi settore in via di maturazione – c’erano solo pochi tipi di medici cent’anni fa, ma oggi ce ne sono dozzine.

Il secondo è la democratizzazione generale del settore. Oggi esistono una vasta gamma di strumenti che rendono il settore esponenzialmente più accessibile ai nuovi arrivati. Anche se apprezzo il fatto di non dover scrivere codice C++ per l’algoritmo forward-backward, è in realtà una spada a doppio taglio: molti praticanti 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 in Opendoor?

Ciò che 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 tutto gli Stati Uniti a raggiungere la proprietà di una casa in modo più semplice, certo e veloce.

In 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 molte euristiche. Le persone utilizzano euristiche perché funzionano, ma le euristiche funzionano nel mezzo e falliscono ai bordi. Quando si pensa profondamente ai meccanismi sottostanti di come si comportano le persone, si può iniziare ad astrare framework principiali che generalizzano strettamente quelle euristiche. È la mia visione e speranza che costruiamo quei framework principiali in modo da poter sbloccare una proprietà di casa più facile, migliore e più veloce per milioni di americani.

Nel 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 riguarda cento milioni di americani comuni. Cosa cerchi nei potenziali candidati?

Cerchiamo fondamentalmente 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, è possibile 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 assumiamo team superpotenti e spingiamo avanti la nostra visione, faremo magia.

Controlla i nostri ruoli aperti qui.

C’è qualcos’altro che vorresti condividere su Opendoor?

Considerata la mia esperienza piuttosto insolita – ricerca in biologia computazionale, personalizzazione di Amazon (AMZN ), 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 molte organizzazioni che operano in un settore così arcaico. In pochi anni, abbiamo capovolto quel modello e 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 tutto gli Stati Uniti.