Kushal Chakrabarti, VP van Onderzoek en Data Science bij Opendoor – Interviewreeks

Kushal Chakrabarti is de Vice President van Onderzoek en Data Science bij Opendoor, een toonaangevende digitale platform voor residentieel vastgoed.

Wat trok je aanvankelijk aan tot machine learning en data science?

Ik heb altijd de wereld in cijfers gezien, maar het was pas op de universiteit dat ik besefte dat data science mijn ware roeping was. En ik kan het moment vrijwel precies aanwijzen: “Inleiding tot programmeren met MATLAB.” Toen ik die 3D-contourplot op het MATLAB-scherm zag, was het “Wacht even…” Het was alsof ik verliefd werd op het eerste gezicht.

Voor mij is data science het dichtstbijzijnde dat ik ooit zal komen om de “geest van God” te zien. Ongeacht of je gelovig bent of niet, er is duidelijk een onderliggende mechanisme voor de manier waarop de wereld werkt. We hebben niet het voorrecht om het direct te zien, maar we krijgen wel de kans om de artefacten ervan te observeren – data. En de wetenschap en kunst van het reconstrueren van die onderliggende mechanisme is data science.

Kun je enkele van de evolutie bespreken die je persoonlijk in het veld van data science hebt meegemaakt?

Er zijn twee brede trends die ik in mijn bijna twee decennia in het veld heb opgemerkt.

De eerste is de creatie van subdisciplines. Toen ik in het veld begon, was er geen onderscheid tussen data engineering, beslissingswetenschap en machine learning. Als je het fancy wiskunde wilde doen, moest je alles zelf doen – er was geen andere optie. Tegenwoordig, gezien de vooruitgang die het veld heeft geboekt, zijn mensen begonnen met specialisatie in subdisciplines. Dat is onvermijdelijk in elk volwassen veld – er waren een paar verschillende soorten artsen een eeuw geleden, maar tegenwoordig zijn er tientallen.

De tweede is de brede democratisering van het veld. Tegenwoordig bestaat een geweldige reeks tools die het veld exponentieel toegankelijker maken voor nieuwkomers. Hoewel ik het zeker waardeer om geen C++-code te hoeven schrijven voor de forward-backward-algoritme, is het eigenlijk een tweesnijdend zwaard: veel beoefenaars behandelen die tools vandaag de dag als zwarte dozen en begrijpen niet waarom bepaalde dingen zijn ontworpen om op bepaalde manieren te werken, en hebben dus moeite met het kiezen van het juiste instrument voor de juiste taak.

Wat is uw huidige visie voor de toekomst van data science bij Opendoor?

Wat me elke ochtend uit bed haalt, is het bouwen van technologie om alledaagse Amerikanen in de echte wereld te helpen. Het kopen of verkopen van een huis is een van de grootste mijlpalen in iemands leven, en het werk dat we doen helpt mensen in de VS om huisbezit te verwerven op een eenvoudigere, zekerder en snellere manier.

Bij Opendoor nemen we honderden gegevensgestuurde beslissingen elke dag. Onze teams gebruiken alles, van causale inferentie tot structurele econometrische modellen en diepe leerlingen die onze state-of-the-art-prijsmodellen aandrijven.

Maar als je onder de motorkap kijkt, zijn er veel heuristieken. Mensen gebruiken heuristieken omdat ze werken, maar heuristieken werken in het midden en falen aan de randen. Als je diep nadenkt over de onderliggende mechanismen van hoe mensen zich gedragen, kun je beginnen met het abstract maken van principiële kaders die die heuristieken strikt generaliseren. Het is mijn visie en hoop dat we die principiële kaders uitbouwen, zodat we gemakkelijker, beter en sneller huisbezit voor miljoenen meer Amerikanen kunnen ontgrendelen.

Op uw LinkedIn-profiel nodigt u data scientists uit om met u samen te werken om een triljarddollar data science-probleem op te lossen dat voor honderd miljoen alledaagse Amerikanen van belang is. Wat zoekt u in potentiële sollicitanten?

We zoeken fundamenteel naar mensen met twee onderscheidende kenmerken: een superkracht om de wereld kwantitatief en systematisch te verklaren, en de mogelijkheid om pragmatisch vanuit de klant te werken.

Ik geloof diep in het beheren van superkrachten. Uit mijn ervaring zijn de beste data scientists T-vormig: ze weten een beetje van veel dingen en veel van een paar dingen. En in mijn geval, veel van heel weinig! We verwachten niet dat mensen alles weten. We verwachten wel dat mensen uitzonderlijk zijn in iets. En als je dingen op de juiste manier instelt, kun je een team van mensen met complementaire superkrachten samenstellen die – samen – magie kunnen creëren.

Dat is geen cliché. Zoals het citaat van Isaac Asimov luidt: “Elke voldoende geavanceerde technologie is niet te onderscheiden van magie.” Vastgoed is een triljarddollarindustrie die onveranderd is gebleven in decennia. We hebben alleen maar het oppervlak geschampt, maar we hebben al de standaard gezet voor de komende jaren. Terwijl we superkrachtige teams aan boord nemen en onze visie naar voren brengen, zullen we magie creëren.

Check onze open posities hier.

Is er nog iets dat u over Opendoor wilt delen?

Gezien mijn vrijwel unieke achtergrond – onderzoek naar computationele biologie, Amazon (AMZN ) -persoonlijkheid, tweemaal startup-oprichter en adviseur van een tiental andere startups – heb ik waarschijnlijk het interieur van 15-20 data science-organisaties gezien. Ik kan zonder enige twijfel zeggen dat Opendoor de meest fascinerende technische uitdagingen heeft van elke organisatie die ik heb gezien.

In combinatie met dit alles is de schaal en impact van wat we doen. Er zijn gewoon niet veel triljarddollarproblemen in onze wereld. Er zijn zeker geen veel die in zo’n archaïsche status quo opereren. In slechts een paar jaar hebben we dat model op zijn kop gezet en laten zien dat er een snellere, eenvoudigere en zekerder manier is om dingen te doen die het beste van geavanceerde data science en klantgerichte operaties combineren. Maar we zijn pas begonnen. Uitvinden hoe we nieuwe datasets en wereldklasse data science kunnen gebruiken om naar het volgende niveau te gaan, is een spannende technische uitdaging die miljoenen Amerikanen in de Verenigde Staten zal helpen.