Kushal Chakrabarti, VP för forskning och data science på Opendoor – Intervju serie

Kushal Chakrabarti är Vice President för forskning och data science på Opendoor, en ledande digital plattform för bostadsfastigheter.

Vad var det som initialt drog dig till maskinlärning och data science?

Jag har alltid sett världen i siffror, men det var inte förrän jag gick på college som jag insåg att data science var min sanna kallelse. Och jag kan nästan exakt peka ut ögonblicket: “Introduktion till programmering med MATLAB.” När jag såg den 3D-konturplott på MATLAB-splashskärmen var det “Vänta en minut…” Det var som om jag blev kär vid första ögonkastet.

För mig är data science det närmaste jag kommer att få se “Guds sinne.” Oavsett om du är religiös eller inte, så finns det tydligt en underliggande mekanism för hur världen fungerar. Vi har inte privilegiet att se den direkt, men vi får observera dess artefakter – data. Och vetenskapen och konsten att rekonstruera den underliggande mekanismen är data science.

Kan du diskutera några av de utvecklingssteg du personligen har sett i data science-fältet under åren?

Jag har märkt två breda trender under min nästan två decennier i fältet.

Först är skapandet av subdiscipliner. När jag började min karriär fanns det ingen distinktion mellan data engineering och beslutsfattande eller maskinlärning. Om du ville göra den fancy matematiken var du tvungen att göra resten också – det fanns inget annat alternativ. Idag, med tanke på hur långt fältet har kommit, börjar människor specialisera sig inom subdiscipliner. Det är oundvikligt i vilket moget fält som helst – det fanns bara ett fåtal olika typer av läkare för hundra år sedan, men idag finns det dussintals.

Sedan är den breda demokratiseringen av fältet. Idag finns det ett stort urval av verktyg som gör fältet exponentiellt mer tillgängligt för nybörjare. Även om jag uppskattar att inte behöva skriva C++-kod för forward-backward-algoritmen, så är det faktiskt en dubbeleggad svärd: många praktiker idag behandlar dessa verktyg som svarta lådor och förstår inte varför vissa saker är utformade för att fungera på vissa sätt, och därmed har svårt att välja rätt verktyg för rätt jobb.

Vad är din nuvarande vision för data science-framtid på Opendoor?

Det som får mig att stiga upp varje morgon är att bygga teknologi för att hjälpa vanliga amerikaner i den riktiga världen. Att köpa eller sälja ett hem är en av de största milstolparna i en persons liv, och det arbete vi gör hjälper människor över hela USA att uppnå äganderätt på ett enklare, mer säkert och snabbare sätt.

På Opendoor fattar vi hundratals data-drivna beslut varje dag. Våra team använder allt från kausala inferenser till struktur-ekonometriska modeller till djupinlärning som driver våra state-of-the-art-prismodeller.

Men när du tittar under huven finns det många heuristiker. Människor använder heuristiker för att de fungerar, men heuristiker fungerar i mitten och misslyckas i kanterna. När du tänker djupt på de underliggande mekanismerna för hur människor beter sig, kan du börja abstrahera ut principiella ramar som strikt generaliserar dessa heuristiker. Det är min vision och förhoppning att vi bygger ut dessa principiella ramar så att vi kan låsa upp enklare, bättre och snabbare äganderätt för miljontals fler amerikaner.

På din LinkedIn-profil inbjuder du data scientists att arbeta med dig för att lösa ett trillion-dollars data science-problem som är viktigt för hundra miljoner vanliga amerikaner. Vad letar du efter i potentiella ansökningar?

Vi letar efter människor med två distinkta egenskaper: en superkraft att kvantitativt och systematiskt förklara världen, och en förmåga att pragmatiskt arbeta bakåt från kunden.

Jag tror djupt på att hantera superkrafter. Enligt min erfarenhet är de bästa data scientisterna T-formade: de vet lite om mycket och mycket om lite. Och i mitt fall, mycket om väldigt lite! Vi förväntar oss inte att människor ska veta allt. Vi förväntar oss dock att människor ska vara exceptionella på något. Och om du ställer in saker på rätt sätt, kan du samla ett team av människor med kompletterande superkrafter som tillsammans kan göra magi hända.

Det är inte en kliché. Som Isaac Asimov-citaten säger: “Any sufficiently advanced technology is indistinguishable from magic.” Fastighetsbranschen är en trillion-dollarsindustri som har förblivit oförändrad i decennier. Vi har bara börjat skrapa på ytan, men vi har redan satt standarden för åren som kommer. När vi tar med superkraft-team och driver vår vision framåt, kommer vi att göra magi.

Kolla in våra öppna roller här.

Finns det något annat du vill dela om Opendoor?

Med tanke på min ganska ovanliga bakgrund – komputationsbiologisk forskning, Amazon-personalisering, tvåfaldig startup-grundare och rådgivare till ett dussin plus startups – har jag förmodligen sett insidan av 15-20 data science-organisationer. Jag kan utan tvekan säga att Opendoor har de mest fascinerande tekniska utmaningarna av någon organisation jag har sett.

Kombinerat med det är den rena skalan och påverkan av vad vi gör. Det finns helt enkelt inte många trillion-dollarsproblem i vår värld. Det finns inte heller många som fungerar i en så föråldrad status quo. På bara några år har vi vänt på modellen och visat att det finns ett snabbare, enklare och mer säkert sätt att göra saker som kombinerar det bästa av avancerad data science och kundcentrerad verksamhet. Men vi har bara börjat. Att ta reda på hur vi kan använda nya dataset och världsklass data science för att komma till nästa nivå är en spännande teknisk utmaning som kommer att hjälpa miljontals amerikaner över hela USA.