Data Product Manager: Brauchen Sie einen oder sollten Sie einer sein?
Wir leben im goldenen Zeitalter der Daten, daher war es keine Überraschung, als das Fachgebiet des Data Product Managements entstand – eine PM-Rolle, die sich auf das Management von Daten als Produkt spezialisiert. Wie andere PM-Spezialisierungen klingt diese Berufsbezeichnung ziemlich überzeugend. Aber worum geht es dabei wirklich?
Bevor du dich also auf jede Data Product Manager-Stelle bei LinkedIn bewirbst, lass uns einen genaueren Blick auf die Feinheiten dieses relativ neuen Berufs werfen und klären, ob es sich lohnt, die eigene Produktmanagement-Karriere dafür umzugestalten.
Was macht ein Data Product Manager?
Data Product Manager verlassen sich stark auf Daten, um ihre Produkte zu entwickeln. Sie stellen außerdem sicher, dass das gesamte Führungs- und Produktteam über die aktuellen KPIs und erarbeiteten Erkenntnisse informiert ist, um bessere strategische und taktische Entscheidungen zu treffen.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Eine weitere wichtige Rolle, die Data Product Manager übernehmen, ist die Überbrückung der Kluft zwischen Data Scientists und allen anderen im Unternehmen (wie Marketing-Spezialisten, Softwareentwicklern, Produktdesignern usw.), die die Ergebnisse des Datenteams nutzen.
Rollen & Verantwortlichkeiten eines Data Product Managers
Die typische Aufgabenliste für diese Position ähnelt stark der eines gewöhnlichen Product Managers. Allerdings stützen sich alle ihre Aufgaben sehr stark auf Daten.
Ich gehe im Folgenden auf einige dieser Verantwortlichkeiten ein, um das Konzept „Data-First“ zu verdeutlichen.
Erstelle und pflege ein Product Backlog
Data PMs nutzen die Erkenntnisse aus Datenanalysen, um potenzielle neue Features zu identifizieren, Verbesserungen an bestehenden Funktionen zu planen sowie festzulegen, wie sie aussehen und sich verhalten sollen.
Beispiel: Erkenntnisse in Backlog-Items umwandeln
Wenn du als Data Product Manager an der mobilen LinkedIn-App arbeitest, schaust du dir vielleicht die Performance verschiedener Benachrichtigungen auf LinkedIn an. Stell dir vor, dir fällt auf, dass die Öffnungsrate für Benachrichtigungen über ungelesene Nachrichten zur Mittagszeit am höchsten ist. Daraus entwickelst du eine Idee (und ein Feature im Backlog), diese Benachrichtigungen gezielt während dieser Stoßzeiten auszuliefern.
Definiere und verfeinere kontinuierlich User Personas
Data Product Manager arbeiten mit ihrem Analytics-Team zusammen, um gemeinsame Merkmale und Verhaltensweisen der Nutzer ihres Produkts zu finden. Diese Erkenntnisse werden genutzt, um datenbasierte Nutzergruppen und Personas zu erstellen.
Beispiel: Nutzerverhalten zur Persona-Bildung nutzen
Angenommen, du bist als Data Product Manager bei Spotify tätig und analysierst das Musikhörverhalten verschiedener Nutzer. In Zusammenarbeit mit dem Data-Science-Team können so beispielsweise drei verschiedene Gruppen identifiziert werden:
- Diejenigen, die morgens energetische Musik hören (vermutlich Jogger).
- Diejenigen, die werktags zwischen 8 und 17 Uhr entspannte Musik hören (wahrscheinlich Büroangestellte am Schreibtisch).
- Und diejenigen, die freitags und samstags abends elektronische und Tanzmusik bevorzugen (höchstwahrscheinlich Partyveranstalter oder Partygäste).
Voilà! Damit hast du drei potenzielle Nutzer-Personas für dein Produkt gefunden, kannst deren Besonderheiten beschreiben und gezielte Features für sie entwickeln.
Setze OKRs und KPIs
Data Product Manager gehen hier besonders gründlich vor: Anstatt einfach nur einige Basiskennzahlen festzulegen und Ziele für das kommende Quartal zu bestimmen (wie zum Beispiel „die Retentionsrate um 5 % erhöhen“), bauen sie ein vollumfängliches Framework zur Nachverfolgung und Auswertung von Kennzahlen auf.
Zwei gängige Wege, solche Frameworks zu etablieren, sind entweder das Festlegen einer North-Star-Metrik für das eigene Produkt oder der Aufbau von KPI-Bäumen.
Beispiel: Der KPI-Baum
Ein KPI-Baum ist eine visuelle Hierarchie verschiedener Kennzahlen, die für das Produkt verfolgt werden sollen. Man beginnt in der Regel mit der wichtigsten Metrik, die verbessert werden soll, und definiert dann mehrere Untermessgrößen, deren Wachstum wiederum zum Wachstum der Hauptmetrik beiträgt.
Diese Übung wird einige Male wiederholt, bis ein Baum entsteht, der die Zusammenhänge und Abhängigkeiten zwischen den KPIs deutlich zeigt.
So könnte ein KPI-Baum für den Geldtransferdienst Wise aussehen:
Wie wir sehen können, besteht der Hauptzweck darin, Ihre Hauptkennzahl in KPI-Bäume zu unterteilen, um die untergeordneten Kennzahlen zu entdecken, die relativ einfach zu verbessern sind (z. B. die Verbesserung der Conversion-Rate beim Versenden einer Überweisung).
Zusammenfassend lässt sich sagen, dass Data Product Manager die Evangelisten der datengesteuerten Entscheidungsfindung im Unternehmen sind.
Nachdem wir nun den Charakter dieses Berufs geklärt haben, wollen wir die Frage beantworten, die Ihnen vielleicht unter den Nägeln brennt—„Habe ich die notwendigen Fähigkeiten, um einer zu werden?“
Welche Fähigkeiten zeichnen großartige Data Product Manager aus?
Wie der Name schon sagt, vereint Data Product Management die Disziplinen Data Science und Produktmanagement. Daher können wir davon ausgehen, dass ein hervorragender Produktmanager einen Kompetenzmix aus beiden Bereichen besitzt.
Es dauert nicht lange, diese Annahme zu überprüfen, wenn Sie sich Stellenausschreibungen für Data Product Manager ansehen. Hier ist eine, die ein amerikanisches IT-Unternehmen, Blend360, über SmartRecruiters veröffentlicht hat.
Basierend auf meinen eigenen Erfahrungen sind dies einige der wichtigsten Fähigkeiten für diese Position und warum es sich lohnt, sie vor dem Versenden von Bewerbungen weiter auszubauen.
Datenanalyse
Die meisten Data Product Manager arbeiten mit einem Team von Datenanalysten zusammen. In diesem Fall sind Kenntnisse und Fähigkeiten in der Analyse und Auswertung von Daten ein großes Plus, um besser mit ihnen zu kommunizieren und mit ihnen zu arbeiten.
Es ist jedoch auch möglich, dass Sie als einzige:r für die Datenanalyse in Ihrem Unternehmen verantwortlich sind (das ist bei kleinen Startups üblich). In diesem Fall sind Sie direkt für die Arbeit mit, das Management und die Auswertung der Unternehmensdaten verantwortlich—wodurch analytische Fähigkeiten in diesem Bereich ein Muss für diese Position sind.
Produktentwicklung
Natürlich werden Sie als Produktmanager nicht weit kommen, wenn Sie keine Vorstellung davon haben, wie man ein Produktentwicklungsteam anführt, um etwas zu bauen, das Ihre Nutzer begeistert. Zu den wichtigen Teilkompetenzen gehören hier Nutzerempathie, herausragende Kommunikation, Priorisierung, strategisches Denken und Erfahrung im Management des Produktlebenszyklus, Entwicklung von SaaS-Preisstrategien, A/B-Testing und die anderen üblichen Aufgaben rund um Produktentwicklung.
Kritisches und analytisches Denken
Zu Ihren Aufgaben gehört es, ständig eine Menge unstrukturierter Daten zu betrachten und daraus nützliche Informationen zu filtern. Daher benötigen Sie einen ausgeprägten analytischen Verstand, der in der Lage ist, Muster und Zusammenhänge in Rohdaten zu erkennen.
Darüber hinaus sollten Sie möglichst in der Lage sein, kritisch zu denken und die vorliegenden Informationen und Erkenntnisse anhand objektiver Kriterien zu bewerten.
SQL/Python/R
Sie werden höchstwahrscheinlich direkt mit den Datensätzen Ihres Produktes arbeiten, um deren Struktur zu analysieren und Verbesserungen vorzuschlagen, die dort gespeicherten Daten zu verwalten und zu bereinigen, Ad-hoc-Analysen zu erstellen und aus vielen weiteren Gründen.
Daher ist es wichtig, dass Sie wissen, wie Sie SQL-Abfragen schreiben und ausführen, um auf die Ihnen zur Verfügung stehenden Daten zuzugreifen und sie zu verwalten. Bei komplexeren Aufgaben rund um Datenverarbeitung und verschiedene Berechnungen reicht SQL möglicherweise nicht aus und Sie müssen Skripte in einer allgemeinen oder spezialisierten Programmiersprache schreiben.
Im Bereich der Datenarbeit ist die beliebteste allgemeine Programmiersprache Python und die beliebteste spezialisierte Sprache R.
Wie wir sehen können, verlangt das Feld Data Product Management, dass die Fachleute sowohl produktorientierte Fähigkeiten wie Nutzerempathie als auch datenorientierte Fähigkeiten wie den sicheren Umgang mit SQL und Python mitbringen.
An diesem Punkt gehe ich davon aus, dass Sie nun ein recht gutes Verständnis davon haben, worum es beim Data Product Management geht.
Ich gehe aber auch davon aus, dass Sie argumentieren werden, dass datengetriebene Aktivitäten auch für gewöhnliche Produktmanager wichtig sind, und Sie sich fragen, worin eigentlich der Unterschied zwischen einem normalen Produktmanager, der datengestützte Entscheidungen trifft, und einem spezialisierten Data Product Manager besteht.
Data Product Manager vs. Produktmanager
Der Unterschied zwischen diesen beiden Rollen im Unternehmen kann auf den ersten Blick unscharf erscheinen. Wenn man jedoch einige der wichtigsten Aspekte dieser Berufe genauer betrachtet, erkennt man deutliche Unterschiede.
Lassen Sie mich einige dieser Aspekte durchgehen und Ihnen zeigen, wie sich die Arbeit von traditionellen und Data Product Managern unterscheidet.
Verantwortungsbereiche und die angestrebten Ziele
Ähnlichkeiten
Für beide Rollen ist das Hauptziel die Entwicklung, das Wachstum und der gesamte Geschäftserfolg des Produkts. In beiden Fällen steht der Nutzer im Mittelpunkt ihrer Aufmerksamkeit, und sämtliche Funktionen und Verbesserungen zielen darauf ab, die Probleme der Nutzer zu lösen.
Unterschiede
Wenn Sie sich an das berühmte Venn-Diagramm für die Fähigkeiten und Schwerpunkte von Produktmanagern erinnern, so würde es für beide Berufe folgendermaßen aussehen.
Hier sehen wir, dass in beiden Fällen technisches Wissen wichtig ist, da beide Arten von Produktmanagern letztlich mit Softwareentwicklern zusammenarbeiten, um ihre Vision zu verwirklichen.
Dasselbe gilt für das betriebswirtschaftliche Know-how, denn die Bemühungen beider sollten zu geschäftlichem Erfolg führen. Der dritte Punkt ist jedoch der entscheidende Unterschied.
Data Product Manager richten ihr besonderes Augenmerk auf die Art der Daten, die von den Nutzern gesammelt werden. Sie überprüfen ständig die Qualität der Daten und schlagen Verbesserungen an der bestehenden Datenbankarchitektur sowie an den nutzerorientierten Produktfunktionen vor, die diese Daten erfassen, um die Qualität auf hohem Niveau zu halten.
Traditionelle Produktmanager hingegen achten darauf, dass die Benutzerführung gut entwickelt und optimiert ist. Sie achten darauf, wie Nutzer mit ihren Funktionen interagieren und sich problemlos durch die Anwendung navigieren können.
Abhängigkeit von Daten
Ähnlichkeiten
Ja, ich stimme zu – Produktmanager jeglicher Art sollten auf Daten achten und sicherstellen, dass ihre Entscheidungen datenbasiert sind. Beide Arten von Produktmanagern arbeiten daran, ein Datenanalysetool für ihr Produkt einzurichten und überwachen kontinuierlich wichtige Produktkennzahlen wie Aktivierungs- und Konversionsfunnels, Bindung, Auffindbarkeit von Funktionen und mehr.
Unterschiede
Für traditionelle Produktmanager sind Daten eine der Informationsquellen, die sie in ihrem Tagesgeschäft nutzen. Neben der Nutzung von Analysen und SQL-Abfragen aus der Produktdatenbank beziehen sie auch Informationen aus anderen Quellen, wie z. B. Kundenbefragungen, Nutzerinterviews, Usability-Tests und anderen.
Data Product Manager hingegen leben und atmen Daten. Für sie sind Datenbanken sowie die Analysewerkzeuge und Dashboards, die darum entstehen, die wichtigste Quelle für Erkenntnisse und Kundenverständnis. Während traditionelle Produktmanager datenbewusst sind, sind Data Product Manager datengetrieben und setzen Daten an erste Stelle.
Wenn Sie sich selbst als ziemlich datenbesessen betrachten, klingt die Arbeit als Data Product Manager zweifellos nach einer verlockenden Perspektive. Aber ist es auch ein Job, mit dem man seinen Lebensunterhalt bestreiten kann? Ich freue mich, dass Sie fragen.
Wie sieht der Arbeitsmarkt für Data Product Manager aus?
Data Product Manager sind hochqualifizierte Fachkräfte, die erheblichen Einfluss auf das Wachstum und den Erfolg eines Softwareunternehmens nehmen können, und ihre Bedeutung spiegelt sich direkt in ihrer Gehaltsspanne wider.
Laut Glassdoor liegt das mittlere Einkommen für diese Position in den Vereinigten Staaten bei etwa $130.000.
Dies beinhaltet ein Grundgehalt von $103.000 sowie rund $27.000 an Boni und weiteren Vorteilen. Dieser Wert kann je nach Branche und Erfahrung des Data Product Managers stark variieren.
Wenn Sie ein absoluter Profi sind, der bedeutendes Wissen und Erfahrung in das einstellende Unternehmen einbringt, können Sie bis zu $200.000 Vergütung für Ihre Arbeit fordern.
Diese Zahlen unterscheiden sich auch abhängig vom Land, in dem das Unternehmen mit Bedarf an einem Data Product Manager ansässig ist. Auf dem britischen Arbeitsmarkt beispielsweise liegt das mittlere Gehalt bei etwa £63.000 oder ~ $78.000, je nach aktuellem Wechselkurs.
Wie wir sehen, ist die Gehaltsspanne, die Unternehmen für die Position des Data Product Managers anbieten, ziemlich hoch. Aber wie sieht es eigentlich mit den Zukunftsaussichten für diesen Beruf aus? Haben Data PMs eine glänzende Zukunft?
Äh, ja. Haben sie.
Wir leben im Zeitalter der Daten, und viele Makroökonomen betrachten Big Data als das neue Öl.
Es steckt enormes Wachstumspotenzial und Geschäftschancen in den Millionen von Datenzeilen, die in den Datenbanken Ihres Produkts gespeichert sind.
Hinzu kommt der jüngste Goldrausch rund um den Aufbau und die Nutzung von Machine-Learning-Modellen für verschiedene Aufgaben in Produkten. Auch hier kann ein Data Product Manager eine große Hilfe sein, da er für die Qualität und Nutzbarkeit der Daten verantwortlich ist und den KI-Ingenieuren dabei helfen kann, bessere Machine-Learning-Algorithmen zu entwickeln.
Unternehmensperspektive: Warum Sie die Einstellung eines Data Product Managers in Erwägung ziehen sollten
All das sind großartige Neuigkeiten für angehende und derzeitige Data PMs—aber was ist mit den Arbeitgebern? Basierend auf den Gehaltsschätzungen scheint die Rolle des Data Product Managers recht kostspielig für das Unternehmen zu sein, insbesondere für kleinere Start-ups. Es stellt sich also die Frage, ob es sich wirklich lohnt, einen Data Product Manager einzustellen.
Bevor ich die Gründe aufzähle, warum die Einstellung eines guten Data Product Managers eine absolut solide Investition ist, muss ich kurz etwas vorwegnehmen.
Data Product Manager sind in Unternehmen mit vielen Daten wertvoll. Wenn Ihr Unternehmen noch ein kleines Start-up ist und gerade erst die ersten Kunden gewonnen hat, oder Ihr Produkt naturgemäß keine großen Datenmengen generiert, sind Sie wahrscheinlich mit traditionellen Product Managern besser beraten.
Wenn Ihnen jedoch erhebliche Datenmengen zur Verfügung stehen, dann werden Data PMs Ihnen dabei helfen:
- Kundenbedürfnisse besser zu erkennen und die Nutzererfahrung zu verbessern, indem sie das Nutzerverhalten analysieren und Muster identifizieren.
- Die Effektivität der Arbeit Ihrer Data Engineers zu steigern, indem sie die Geschäfts- und Nutzerbedürfnisse sowie Prioritäten kommunizieren und diese gezielt lenken.
- Daten für die Definition Ihrer Produktstrategie zu nutzen, indem sie bei strategischen Entscheidungen der Geschäftsführung und Stakeholder viele wertvolle Erkenntnisse einbringen.
- Die Produktmetriken zu verbessern, indem sie Optimierungspotenziale identifizieren und entsprechende Initiativen entwickeln.
Kurz gesagt: Data Product Manager helfen Ihnen, das Maximum aus Ihren Daten herauszuholen.
PM-Perspektive: Lohnt sich ein Wechsel ins Data Product Management?
„Also,“ höre ich Sie fragen, „Wenn dieser Job so gut bezahlt und für Softwareunternehmen wertvoll ist, sollte ich dann eine Spezialisierung auf Data Product Management in Erwägung ziehen?“
Es kommt darauf an. Die Arbeit von Data Product Managern ist spannend und wirkungsvoll. Allerdings ist sie nicht für jeden geeignet – oder ehrlich gesagt, nicht jeder ist darin gut.
Bevor Sie einen Wechsel ins Data Product Management in Betracht ziehen, sollten Sie Folgendes bedenken:
Mögen Sie die kundenorientierten Aktivitäten, die Product Manager üblicherweise durchführen?
Ich spreche hier von Nutzerbefragungen, dem Aufbau und der Moderation von Discord-Communities und anderen Aufgaben, die viele Soft Skills erfordern. Wenn Sie diese Dinge mögen, bedenken Sie: Data Product Manager beschäftigen sich meist kaum damit. Sie lernen ihre Kunden durch Datenanalyse kennen – nicht durch den direkten Kontakt.
Haben Sie Spaß daran, stundenlang an Problemlösungen zu arbeiten?
Wenn ja, dann ist Data Product Management optimal für Sie, denn Sie werden ständig vor verschiedene logische Herausforderungen gestellt, die Sie analysieren und lösen müssen.
Fühlen Sie sich im Umgang mit Abfrage- und Skriptsprachen wohl?
Wenn nicht, werden Sie als traditioneller Product Manager keinerlei Probleme haben. Python oder SQL zu beherrschen, ist in diesem Bereich nur ein „Nice to have“.
Im Data Product Management hingegen kommen Sie nicht darum herum, fast täglich Abfragen und Scripts zu schreiben. Wenn das für Sie nach Traumjob klingt, haben Sie Ihre Berufung gefunden!
Daten sind wohl aktuell die wertvollste Ressource der Welt.
Data Product Manager können Geschäftsanforderungen in SQL-Queries übersetzen und wertvolle Ideen zur Verbesserung Ihres Produkts und zur Steigerung der Kundenzufriedenheit entwickeln. Vielleicht brauchen Sie also einen – oder Sie sollten selbst einer werden.
Mehr Einblicke zu allem rund um Produkte und Produktmanagement gibt es im Newsletter des CPO Clubs – abonnieren nicht vergessen!
