Данные - как продукт или про будущее аналитики.
Чаще всего работа с данными это что-то, что происходит внутри организации, поэтому теряется одна из основополагающих компонент “продуктовости” - определение ценности для клиента через продажу, а еще лучше через вторичную продажу.
На настоящем “рынке” требуется (надеюсь, не задеть глубоко погруженных в тему упрощением):
- осознавать и создавать ценность
- привлекать клиентов
- а для этого анализировать целевую аудиторию, проводить интервьюирование
- анализировать цены и условия конкурентов
- создавать маркетенговые стратегии (включающие многоходовые прогревы, создание бренда, сети рекомендаций)
- собирать реальную обратную связь с целью усовршенстования продукта
- заботиться о последующих продажах и в целом лояльности к бренду
- исследовать новые фичи, втч из “голубого океана” (т. е. те о которых клиент может и не догадываться) - так называемый cust dev
- считать pnl
Это все про продуктовое мышление и клиентоцентричность. Профит рыночной экономики именно в том, что она позволяет за счет конкуренции создавать наиболее качественные и доступные продукты.
Давайте подумаем. Как обычно выглядит заказ данных внутри организации?
В зависимости от зрелости дата платформы, наличие core команды инженеров и в целом компетенции у сотрудников в написание кода цепочка получения ценности может быть чуть разной.
Если обобщить, то всего четыре варианта:
- клиент описывает свой дата заказ и ждет выполнения
- клиент описывает свой дата заказ, получает частичную раелизацию, и что-то доделывает на инструментах платформы или в ас Excel
- клиент описывает свой дата заказ, ему предоставляют инструменты, он делает все “сам”
- клиент описывает свой дата заказ и его находят в доступе в дата платформе (скорее редкость)
Согласитесь, кроме последнего это все больше похоже на проектный подход, где интеллектуальную ценность(т.е. те самые бизнес требования) для клиента он сам и формулирует. Никто не говорит о том, что реализация не важна, отчет считается за 10 минут или 10 часов есть больщая разница.
Про 4 пункт хочется сказать отдельно. Действительно, чаще всего в DWH есть детальный(единая модель для нескольких источников) или базовый (сохраненная историчность по отдельным источникам и какими то универсальными ключами) слой данных. Более того, например, у teradata есть FSLDM которая по сути не только описывает корректно масштабируемое решение, но и подсказывает компании ее бизнес сущности. Но очень часто все эти даты объекты (особенно если это что-то сильно нормализованное) требуют значительных трансформаций для получения ценности.
Переходя на уровень организации - можно увидеть, что даже выполняя запросы от разных клиентов (разные проекты) производитель становится носителем понимания ценности данных всей компании. Качественно работающий дата каталог https://inoursky.com/helenlovedata/datamanagementsystem , и сами датааналитики как суперхабы организации могут знать ответы на те вопросы, до которых бизнес аналитки в целом не могут дойти.
В моем понимание, данные как продукт это когда
- Фокусы мониторинга смещаются с слежения за тем как данные грузятся, на то как они потребляются (в тч числе в количественных метриках - сколько запросов к дата сету/просмотров итд). Скорее всего потребляемых - значительно меньше чем тех, что грузятся))
- Данные обязательно имеют качественные метаданные, отражающие сущность продукта.(Естественно, это же как маркеры товара на прилавке!)
- Продукт менеджер погружается глубже в клиентский опыт, потребность и собственно сам бизнес и используя свою экспертизу в области данных и доступных данных - предлагает клиенту как и какие витрины ему нужны.
- Продукт менеджер думает про стратегию развития данных в контексте увеличения их потребления разными клиентами, в контексте сокращения стоимости производства - в общем, чтоб PnL был хорош!
- Наиболее типичной ситуацией “заказа” становится: клиент описывает свой дата заказ, его находят (передают в доступ) в дата платформе.
Когда в прошлом году завела свой профиль на linked in - мне хотелось именно так описать то, зачем ко мне нужно обращаться. Но вообще, это настоящий вызов сделать дата платформу адаптивной для быстрого созданий на ней ценности(чаще всего скорость критический фактор развития всяких “очень полезных песочниц”), и культуры вовлеченности дата команд в общий бизнес результат.
Мне кажется первым шагом на этом пути может стать оценка/осознание(а может и проверка гипотезы) ценности того или иного атрибута для аналитики в момент появления его в процессинговой системе.
Надеюсь пройти его вместе с какой нибудь компанией! Helen love data.