Kushal Chakrabarti, Phó Chủ tịch Nghiên cứu và Khoa học Dữ liệu tại Opendoor – Loạt Phỏng vấn

Kushal Chakrabarti là Phó Chủ tịch Nghiên cứu và Khoa học Dữ liệu tại Opendoor, một nền tảng số hàng đầu cho bất động sản dân cư.

Điều gì ban đầu thu hút bạn đến máy học và khoa học dữ liệu?

Tôi luôn nhìn thế giới qua con số, nhưng cho đến khi tôi đi học đại học, tôi mới nhận ra rằng khoa học dữ liệu là sự nghiệp thực sự của tôi. Và tôi có thể xác định chính xác khoảnh khắc đó: “Giới thiệu về Lập trình với MATLAB.” Khi nhìn thấy đồ thị 3D trên màn hình MATLAB, tôi nghĩ: “Đợi một chút…” Đó là như một cái nhìn đầu tiên cho tôi.

Đối với tôi, khoa học dữ liệu là thứ gần nhất tôi có thể đạt được để nhìn thấy “tâm trí của Thượng đế.” Bất kể bạn có tín ngưỡng hay không, rõ ràng có một cơ chế cơ bản về cách thế giới hoạt động. Chúng ta không có đặc quyền nhìn thấy nó trực tiếp, nhưng chúng ta có thể quan sát các hiện tượng của nó – dữ liệu. Và khoa học và nghệ thuật tái tạo cơ chế cơ bản đó là khoa học dữ liệu.

Bạn có thể thảo luận về một số sự tiến hóa mà bạn đã chứng kiến trong lĩnh vực khoa học dữ liệu trong những năm qua?

Đã có hai xu hướng rộng lớn mà tôi đã nhận thấy trong gần hai thập kỷ trong lĩnh vực này.

Thứ nhất là sự tạo ra các chuyên ngành con. Khi tôi bắt đầu sự nghiệp, không có sự phân biệt giữa kỹ sư dữ liệu, khoa học quyết định và máy học. Nếu bạn muốn làm toán học phức tạp, bạn phải làm tất cả các việc khác – không có lựa chọn nào khác. Ngày nay, với sự phát triển của lĩnh vực này, người ta đã bắt đầu chuyên môn hóa trong các chuyên ngành con. Đó là điều không thể tránh khỏi trong bất kỳ lĩnh vực nào đang trưởng thành – đã có một số ít các loại bác sĩ cách đây một trăm năm, nhưng ngày nay có hàng chục.

Thứ hai là sự phổ biến rộng rãi của lĩnh vực này. Ngày nay, có rất nhiều công cụ tuyệt vời giúp lĩnh vực này trở nên dễ tiếp cận hơn với những người mới. Mặc dù tôi chắc chắn đánh giá cao việc không phải viết mã C++ cho thuật toán forward-backward, nhưng đó thực sự là một con dao hai lưỡi: nhiều nhà thực hành ngày nay coi những công cụ đó như các hộp đen và không hiểu tại sao một số thứ được thiết kế để hoạt động theo cách nhất định, và do đó họ gặp khó khăn trong việc chọn công cụ phù hợp cho công việc phù hợp.

Tầm nhìn hiện tại của bạn cho tương lai của khoa học dữ liệu tại Opendoor là gì?

Điều khiến tôi thức dậy mỗi sáng là xây dựng công nghệ để giúp người Mỹ bình thường trong thế giới thực. Mua hoặc bán một ngôi nhà là một trong những cột mốc quan trọng nhất trong cuộc đời của một người, và công việc chúng tôi làm giúp người dân trên toàn nước Mỹ đạt được quyền sở hữu nhà ở một cách đơn giản, chắc chắn và nhanh chóng hơn.

Tại Opendoor, chúng tôi đưa ra hàng trăm quyết định dựa trên dữ liệu mỗi ngày. Các đội của chúng tôi sử dụng mọi thứ từ suy luận nguyên nhân đến mô hình kinh tế cấu trúc đến học sâu để thúc đẩy các mô hình định giá tiên tiến của chúng tôi.

Nhưng khi bạn nhìn kỹ dưới bề mặt, có rất nhiều quy tắc kinh nghiệm. Người ta sử dụng quy tắc kinh nghiệm vì chúng hoạt động, nhưng quy tắc kinh nghiệm hoạt động ở giữa và thất bại ở các cạnh. Khi bạn suy nghĩ sâu về các cơ chế cơ bản về cách con người hành xử, bạn có thể bắt đầu trừu tượng hóa các khuôn khổ nguyên tắc mà quy tắc kinh nghiệm khắt khe hơn. Đó là tầm nhìn và hy vọng của tôi rằng chúng tôi xây dựng các khuôn khổ nguyên tắc đó để chúng tôi có thể mở khóa quyền sở hữu nhà ở dễ dàng, tốt hơn và nhanh hơn cho hàng triệu người Mỹ.

Trên hồ sơ LinkedIn của bạn, bạn mời các nhà khoa học dữ liệu làm việc với bạn để giải quyết một vấn đề khoa học dữ liệu trị giá một nghìn tỷ đô la mà quan trọng đến một trăm triệu người Mỹ bình thường. Bạn tìm kiếm những gì ở các ứng viên tiềm năng?

Chúng tôi cơ bản tìm kiếm những người có hai đặc điểm nổi bật: siêu năng lực để giải thích thế giới một cách định lượng và hệ thống, và khả năng làm việc ngược từ khách hàng.

Tôi tin sâu sắc vào việc quản lý siêu năng lực. Trong kinh nghiệm của tôi, các nhà khoa học dữ liệu tốt nhất là hình chữ T: họ biết một chút về mọi thứ và biết rất nhiều về một chút. Và trong trường hợp của tôi, biết rất nhiều về rất ít! Chúng tôi không mong đợi mọi người biết mọi thứ. Chúng tôi kỳ vọng mọi người sẽ xuất sắc trong một điều gì đó. Và nếu bạn thiết lập mọi thứ theo cách đúng, bạn có thể tập hợp một đội ngũ những người có siêu năng lực bổ sung mà – cùng nhau – có thể tạo ra phép thuật.

Đó không phải là một cụm từ sáo rỗng. Như câu trích dẫn của Isaac Asimov: “Bất kỳ công nghệ nào đủ tiên tiến đều không thể phân biệt được với phép thuật.” Bất động sản là một ngành công nghiệp trị giá nghìn tỷ đô la đã không thay đổi trong nhiều thập kỷ. Chúng tôi chỉ mới bắt đầu chạm vào bề mặt, nhưng chúng tôi đã đặt ra tiêu chuẩn cho những năm tới. Khi chúng tôi đưa vào các đội siêu năng lực và thúc đẩy tầm nhìn của mình, chúng tôi sẽ tạo ra phép thuật.

Xem các vị trí mở của chúng tôi tại đây.

Có điều gì khác mà bạn muốn chia sẻ về Opendoor?

Được lợi từ nền tảng khá kỳ lạ – nghiên cứu sinh học tính toán, cá nhân hóa Amazon (AMZN ), người sáng lập startup hai lần và cố vấn cho hơn một chục startup khác – tôi đã có thể nhìn thấy bên trong 15-20 tổ chức khoa học dữ liệu. Tôi có thể nói một cách không thể phủ nhận rằng Opendoor có những thách thức kỹ thuật thú vị nhất trong bất kỳ tổ chức nào tôi đã từng thấy.

Kết hợp với điều đó là quy mô và tác động của những gì chúng tôi làm. Chỉ có một số ít vấn đề trị giá nghìn tỷ đô la trong thế giới của chúng tôi. Và chắc chắn không có nhiều vấn đề đang hoạt động trong một trạng thái hiện trạng lỗi thời như vậy. Trong chỉ vài năm, chúng tôi đã lật đổ mô hình đó và chứng minh rằng có một cách nhanh hơn, đơn giản hơn và chắc chắn hơn để làm việc đó. Nhưng chúng tôi mới chỉ bắt đầu. Việc tìm ra cách chúng tôi có thể sử dụng các tập dữ liệu mới và khoa học dữ liệu hàng đầu để đạt đến cấp độ tiếp theo là một thách thức kỹ thuật thú vị sẽ giúp hàng triệu người Mỹ trên toàn nước Mỹ.