Elämme datan kulta-aikaa, joten kukaan ei yllättynyt, kun datatuotehallinnan ala syntyi – kyseessä on tuotepäällikön rooli, jossa dataa hallitaan tuotteena. Kuten muutkin tuotepäällikön erikoistumisalat, tämä tehtävänimike kuulostaa varsin houkuttelevalta. Mutta mistä siinä oikeastaan on kyse?
Ennen kuin siis alat hakea jokaista LinkedInissä julkaistua datatuotepäällikön työpaikkaa, perehdytään tämän suhteellisen uuden ammatin yksityiskohtiin ja selvitetään, kannattaako sinun muuttaa tuotepäällikön urapolkusi suuntaa.
Mitä datatuotepäällikkö tekee?
Datatuotepäälliköt hyödyntävät dataa vahvasti tuotteidensa kehittämisessä. He myös varmistavat, että kaikki johto- ja tuotetiimin jäsenet ovat tietoisia uusimmista KPI-mittareista ja dataan perustuvista havainnoista, jotta he voivat tehdä parempia strategisia ja taktisia päätöksiä.
Toinen tärkeä tehtävä, jota datatuotepäälliköt hoitavat, on kuilun umpeen kurominen datatieteilijöiden ja kaikkien muiden yrityksen työntekijöiden (kuten markkinoinnin asiantuntijoiden, ohjelmistoinsinöörien, tuotesuunnittelijoiden ja muiden) välillä, jotka hyödyntävät datatiimin tuottamia havaintoja.
Huomautus
Yleisin tapa, jolla datatuotepäälliköt tekevät tämän, on edustaa datatiimiä monialaisissa kokouksissa.
Datatuotepäällikön roolit & vastuut
Tämän tehtävän tyypillinen vastuualue näyttää hyvin samanlaiselta kuin tavallisen tuotepäällikön vastuualue. Kaikki heidän tekemänsä työ perustuu kuitenkin vahvasti dataan.
Käyn läpi muutamia näistä vastuista havainnollistaakseni tätä ”data edellä” -ajattelutapaa.
Luo ja ylläpidä tuotteen tehtävälistaa
Datatuotepäälliköt hyödyntävät data-analyysien tuloksia tunnistaakseen mahdollisia uusia ominaisuuksia, suunnitellakseen olemassa olevien ominaisuuksien parannuksia sekä määritelläkseen, miltä niiden tulisi näyttää ja miten niiden tulisi toimia.
Esimerkki: havaintojen muuttaminen tehtävälistan tehtäviksi
Jos työskentelisit datatuotepäällikkönä LinkedInin mobiilisovelluksen parissa, voisit tarkastella erilaisten ilmoitusten toimivuutta LinkedIn-alustalla. Kuvitellaan, että huomaat lukemattomista viesteistä muistuttavan ilmoituksen avausprosentin olevan korkeimmillaan lounasaikaan. Tämä antaisi sinulle idean (ja tehtävän tuotteen tehtävälistalle): näytä nämä ilmoitukset lounasajan vilkkaimpina hetkinä.
Määrittele ja kehitä jatkuvasti käyttäjäpersoonia
Datatuotepäälliköt työskentelevät analytiikkatiiminsä kanssa löytääkseen tuotteensa käyttäjien yhteisiä ominaisuuksia ja käyttäytymismalleja. He hyödyntävät näitä havaintoja dataan perustuvien käyttäjäryhmien ja käyttäjäpersoonien luomisessa.
Esimerkki: käyttäytymisen hyödyntäminen käyttäjäpersoonien määrittelyssä
Kuvitellaan, että työskentelet Spotifylla datatuotepäällikkönä ja alat analysoida, miten eri käyttäjät kuuntelevat musiikkia. Kun ryhmittelet käyttäjiä data-analytiikkatiimisi kanssa heidän käyttäytymisensä perusteella, saatat huomata, että käyttäjät jakautuvat kolmeen selkeään ryhmään:
- Heihin, jotka kuuntelevat energistä musiikkia aamuisin (todennäköisesti lenkkeilijöitä).
- Heihin, jotka kuuntelevat rauhallista musiikkia arkisin kello 8–17 (todennäköisesti työpöydän ääressä työskenteleviä).
- Ja heihin, jotka pitävät elektronisesta ja tanssimusiikista perjantai- ja lauantai-iltaisin (todennäköisesti juhlien järjestäjiä tai osallistujia).
Siinä se! Olet juuri löytänyt tuotteellesi kolme mahdollista käyttäjäpersoonaa. Voit nyt dokumentoida niiden erityispiirteet ja rakentaa niille ominaisuuksia.
Have an account? Log In
Aseta OKR-tavoitteet ja KPI-mittarit
Datatuotepäälliköt vievät tämän vielä pidemmälle. Sen sijaan, että he asettaisivat vain muutaman seurattavan perusmittarin ja seuraavalle vuosineljännekselle saavutettavan tavoitteen (kuten ”nosta asiakaspysyvyysastetta 5 %”), he rakentavat kokonaisen viitekehyksen mittareiden seurantaa ja niiden perusteella toimimista varten.
Kaksi yleistä tapaa luoda tällaisia viitekehyksiä ovat North Star -mittarin asettaminen tuotteelle tai KPI-puiden rakentaminen.
Esimerkki: KPI-puu
KPI-puu on visuaalinen hierarkia tuotteen eri mittareista, joita haluat seurata. Yleensä aloitat päämittarista, jota haluat parantaa, ja määrittelet sitten useita alamittareita, joiden kasvu johtaa päämittarin kasvuun.
Toistat tämän harjoituksen muutaman kerran, kunnes saat puun, joka näyttää selkeästi KPI-mittareidesi väliset suhteet ja riippuvuudet.
Tällainen KPI-puu näyttää tältä rahansiirtopalvelu Wisen tapauksessa:
Kuten voimme nähdä, päämittarin jakamisen KPI-puuksi tärkein tarkoitus on löytää alemman tason mittarit, joita sinun on melko helppo parantaa (esimerkiksi siirron lähettämisen konversioasteiden korjaaminen).
Yhteenvetona voidaan todeta, että dataan perustuvien tuotteiden johtajat ovat dataohjautuvan päätöksenteon evankelistoja yrityksessä.
Nyt kun olemme käsitelleet tämän ammatin luonnetta, vastataan kysymykseen, jonka saatat palavasti haluta esittää—"Onko minulla tarvittavat taidot sellaiseksi ryhtymiseen?"
Mitkä ovat erinomaisten dataan perustuvien tuotteiden johtajien taidot?
Kuten nimi antaa ymmärtää, dataan perustuvien tuotteiden johtaminen yhdistää datatieteen ja tuotejohtamisen. Siksi voimme luonnollisesti olettaa, että erinomaiseen tuotejohtajaan kuuluu taitokokonaisuus, joka edustaa molempia tieteenaloja.
Oletuksen vahvistaminen ei vie kauan, jos alat tarkastella dataan perustuvien tuotteiden johtajien työpaikkailmoituksia. Tässä on yksi, jonka yhdysvaltalainen IT-yritys Blend360 on julkaissut SmartRecruitersin kautta.
Oman kokemukseni perusteella tässä on joitakin tämän tehtävän tärkeimmistä taidoista sekä syyt, miksi niitä kannattaa kehittää ennen ansioluetteloiden lähettämisen aloittamista.
Data-analyysi
Useimmat dataan perustuvien tuotteiden johtajat työskentelevät data-analyytikoista koostuvan tiimin kanssa. Tässä tapauksessa datan analysoinnin ja tulkinnan tietämys ja taidot ovat merkittävä etu, sillä ne parantavat viestintää ja yhteistyötä heidän kanssaan.
On kuitenkin myös mahdollista, että olet yrityksesi ainoa data-analyysistä vastaava henkilö (tämä on tavallista pienissä startup-yrityksissä). Tässä tapauksessa työskentelisit suoraan yrityksen datan parissa, hallinnoisit ja analysoisit sitä, mikä tekee data-analyysin taidoista välttämättömät tässä tehtävässä.
Tuotekehitys
Tuotejohtajana et luonnollisestikaan pääse kovin pitkälle, jos sinulla ei ole aavistustakaan siitä, miten johdat tuotekehitystiimiä rakentamaan jotain, joka herättää käyttäjissäsi ihastusta. Tärkeitä alataitoja ovat esimerkiksi käyttäjien ymmärtäminen, poikkeukselliset viestintätaidot, priorisointi, strateginen ajattelu sekä kokemus tuotteen elinkaaren hallinnasta, SaaS-hinnoittelun kehittämisestä, A/B-testauksesta ja muista tuotekehitysprosessiin liittyvistä vakiotoiminnoista.
Kriittinen ja analyyttinen ajattelu
Osana työtäsi tarkastelet jatkuvasti suurta määrää kohinaista dataa ja suodatat siitä hyödyllistä tietoa. Siksi tarvitset vahvan analyyttisen ajattelukyvyn, jonka avulla pystyt havaitsemaan kaavoja ja suhteita raakadatassa.
Lisäksi sinun tulisi ihannetapauksessa pystyä ajattelemaan kriittisesti ja arvioimaan edessäsi olevaa tietoa ja havaintoja objektiivisten kriteerien perusteella.
SQL/Python/R
Lopuksi olet todennäköisesti suoraan vuorovaikutuksessa tuotteesi datajoukkojen kanssa analysoidaksesi niiden rakennetta ja tarjotaksesi parannuksia, hallinnoidaksesi ja puhdistaaksesi niihin tallennettua dataa, tehdäksesi tapauskohtaisia analyysejä sekä monista muista syistä.
Siksi sinun on tärkeää osata kirjoittaa ja suorittaa SQL-kyselyitä käytettävissäsi olevan datan käyttämistä ja hallinnointia varten. Monimutkaisemmissa datan käsittelyyn ja erilaisiin laskelmiin liittyvissä tehtävissä SQL ei välttämättä riitä, vaan sinun on ehkä kirjoitettava skriptejä yleiskäyttöisellä tai erikoistuneella ohjelmointikielellä.
Dataa käsiteltäessä suosituin yleiskäyttöinen kieli on Python ja suosituin erikoistunut kieli on R.
Kuten voimme nähdä, dataan perustuvien tuotteiden johtamisen luonne edellyttää alan ammattilaisilta sekä tuotteisiin suuntautuneita taitoja, kuten käyttäjien ymmärtämistä, että dataan suuntautuneita taitoja, kuten SQL:n ja Pythonin sujuvaa hallintaa.
Tässä vaiheessa oletan, että sinulla on jo melko vankka käsitys siitä, mitä dataan perustuvien tuotteiden johtaminen tarkoittaa.
Odotan kuitenkin myös sinun väittävän, että dataohjautuvat toiminnot ovat tärkeitä myös tavallisille tuotejohtajille ja pohtivan, mikä ero on dataohjautuvia päätöksiä tekevän tavallisen tuotejohtajan ja dataan perustuvien tuotteiden erikoistuneen johtajan välillä.
Dataan perustuvien tuotteiden johtaja verrattuna tuotejohtajaan
Näiden kahden roolin välinen ero yrityksessä voi aluksi vaikuttaa epäselvältä. Kun kuitenkin tarkastelet lähemmin näiden ammattien keskeisiä piirteitä, huomaat merkittäviä eroja.
Käyn läpi muutamia näistä näkökohdista ja osoitan, miten perinteisten tuotepäälliköiden ja datatuotepäälliköiden työ eroaa toisistaan.
Vastuualueet ja tavoitteet
Yhtäläisyydet
Molempien roolien päätavoitteena on tuotteen kehittäminen, kasvu ja yleinen liiketoiminnallinen menestys. Molemmissa tapauksissa käyttäjä on huomion keskipisteessä, ja kaikkien ominaisuuksien ja parannusten tavoitteena on ratkaista käyttäjien ongelmia.
Erot
Jos muistat kuuluisan Venn-diagrammin tuotepäälliköiden taidoista ja painopistealueista, se näyttäisi molempien ammattien osalta tältä.
Tässä näemme, että tekninen osaaminen on tärkeää molemmissa tapauksissa, sillä molemmat tuotepäällikkötyypit työskentelevät lopulta ohjelmistoinsinöörien kanssa tehdäkseen visiostaan todellisuutta.
Sama sääntö koskee myös liiketoimintaosaamista, sillä molempien työn pitäisi tuottaa liiketoiminnallista vaikutusta. Kolmannessa kohdassa näemme kuitenkin pääeron.
Datatuotepäälliköt kiinnittävät erityistä huomiota käyttäjiltä kerättävän datan tyyppiin. He arvioivat jatkuvasti datan laatua ja ehdottavat parannuksia nykyiseen tietokanta-arkkitehtuuriin sekä käyttäjille näkyviin tuotteen ominaisuuksiin, jotka keräävät tätä dataa, jotta laatu pysyisi korkealla tasolla.
Perinteiset tuotepäälliköt puolestaan varmistavat, että käyttäjäpolut on kehitetty hyvin ja optimoitu. He kiinnittävät huomiota siihen, miten käyttäjät ovat vuorovaikutuksessa ominaisuuksien kanssa ja kuinka helposti he voivat navigoida sovelluksessa.
Datan varaan rakentaminen
Yhtäläisyydet
Kyllä, olen samaa mieltä – kaikenlaisten tuotepäälliköiden tulisi kiinnittää huomiota dataan ja varmistaa, että heidän päätöksensä ovat dataohjautuvia. Molemmat tuotepäällikkötyypit työskentelevät tuotteen data-analytiikkatyökalun käyttöönoton parissa ja seuraavat jatkuvasti keskeisiä tuotemittareita, kuten aktivointi- ja konversioputkia, asiakaspysyvyyttä, ominaisuuksien löydettävyyttä ja paljon muuta.
Erot
Perinteisille tuotepäälliköille data on yksi oppimisen ja tiedon lähteistä, joita he käyttävät päivittäisessä työssään. Analytiikan ja tuotetietokannasta tehtävien SQL-kyselyiden lisäksi he hankkivat tietoa myös muista lähteistä, kuten asiakaskyselyistä, käyttäjähaastatteluista, käytettävyystestaussessioista ja muualta.
Datatuotepäälliköt puolestaan elävät ja hengittävät dataa. Tietokannat sekä niiden ympärille rakennetut analytiikkatyökalut ja koontinäytöt ovat heidän tärkeimmät oppimisen ja asiakasymmärryksen lähteensä. Perinteiset tuotepäälliköt ovat datatietoisia, kun taas datatuotepäälliköt ovat dataohjautuvia ja data etusijalla toimivia.
Jos pidät itseäsi melko dataintoisena, datatuotepäälliköksi ryhtyminen kuulostaa epäilemättä houkuttelevalta vaihtoehdolta. Mutta onko kyseessä työ, jolla saa laskut maksettua? Olen iloinen, että kysyit.
Miltä datatuotepäälliköiden työmarkkinat näyttävät?
Datatuotepäälliköt ovat erittäin arvokkaita ammattilaisia, joilla voi olla merkittävä vaikutus ohjelmistoliiketoiminnan kasvuun ja menestykseen, ja heidän merkityksensä näkyy suoraan heidän palkkatasossaan.
Glassdoorin mukaan tämän tehtävän mediaanitulo Yhdysvalloissa on noin $130,000.
Se sisältää $103,000 peruspalkan sekä noin $27,000 bonuksia ja muita etuja. Tämä luku voi vaihdella huomattavasti toimialan ja datatuotepäällikön kokemuksen mukaan.
Jos olet huippuosaaja, joka voi tuoda sinut palkkaavaan yritykseen merkittävää tietämystä ja kokemusta, voit pyytää työstäsi jopa $200,000:n korvausta.
Nämä luvut vaihtelevat myös sen mukaan, missä maassa datatuotepäällikköä etsivä yritys sijaitsee. Esimerkiksi Britannian työmarkkinoilla mediaanipalkka on noin £63,000 eli nykyisellä vaihtokurssilla ~$78,000.
Kuten voimme nähdä, yritysten data-tuotepäällikön tehtävästä tarjoama palkkahaitari on varsin korkea. Mutta millaiset tämän ammatin yleiset näkymät ovat? Onko data-tuotepäälliköillä valoisa tulevaisuus?
More Articles
Kyllä, ehdottomasti.
Elämme datan aikakautta, ja monet makrotaloustieteilijät pitävät big dataa uutena öljynä.
Tuotteesi tietokantoihin tallennettujen miljoonien datarivien joukkoon kätkeytyy valtavasti kasvu- ja liiketoimintapotentiaalia.
Lisäksi erilaisten tuotteisiin liittyvien tehtävien koneoppimismallien rakentamisen ja käyttämisen ympärillä on parhaillaan käynnissä todellinen kultaryntäys. Data-tuotepäällikkö voi olla tässäkin suureksi avuksi, sillä hän vastaa datan laadusta ja käytettävyydestä sekä voi auttaa tekoälyinsinöörejä rakentamaan parempia koneoppimisalgoritmeja.
Yrityksen näkökulma: miksi data-tuotepäällikön palkkaamista kannattaa harkita
Kaikki tämä on hieno uutinen data-tuotepäällikön uraa tavoitteleville ja nykyisille data-PM:ille – mutta entä työnantajat? Palkka-arvioiden perusteella data-tuotepäällikön rooli voi tulla yritykselle kalliiksi, erityisesti pienemmille startup-yrityksille. Saatatkin kysyä, onko data-tuotepäällikön palkkaaminen ylipäätään sen arvoista.
Ennen kuin alan luetella syitä siihen, miksi hyvän data-tuotepäällikön palkkaaminen on erittäin kannattava investointi, minun on esitettävä lyhyt vastuuvapauslauseke.
Data-tuotepäälliköt ovat arvokkaita yrityksissä, joilla on paljon dataa. Jos olet edelleen pieni startup-yritys, joka on vasta aloittanut ensimmäisten asiakkaidensa hankkimisen, tai jos tuotteesi ei luonnostaan tuota paljon dataa, sinun voi olla järkevämpää palkata ainoastaan perinteisiä tuotepäälliköitä.
Jos käytössäsi kuitenkin on huomattava määrä dataa, data-PM:t auttavat sinua:
- Havaitsemaan asiakkaiden tarpeet paremmin ja parantamaan käyttäjäkokemusta analysoimalla heidän käyttäytymistään ja etsimällä yhteisiä toimintamalleja.
- Parantamaan data-insinööriesi työn tehokkuutta viestimällä heille liiketoiminnan ja käyttäjien tarpeista ja prioriteeteista sekä ohjaamalla heitä oikeaan suuntaan.
- Hyödyntämään dataa tuotestrategiaa määriteltäessä tuomalla runsaasti arvokkaita havaintoja johtoryhmän ja sidosryhmien hyödynnettäväksi niiden tehdessä strategisia päätöksiä.
- Auttamaan sinua parantamaan tuotteesi mittareita tunnistamalla optimointikohteita ja kehittämällä erilaisia aloitteita niiden toteuttamiseksi.
Lyhyesti sanottuna data-tuotepäälliköt auttavat sinua saamaan datastasi kaiken hyödyn irti.
PM:n näkökulma: kannattaako siirtyä data-tuotehallintaan?
”Joten”, kuulen sinun kysyvän, ”jos tästä työstä maksetaan näin hyvin ja se on ohjelmistoyrityksille näin arvokasta, pitäisikö minun suunnata PM-urani uudelleen ja erikoistua data-tuotehallintaan?”
Se riippuu. Data-tuotepäälliköiden työ on sekä kiinnostavaa että vaikuttavaa. Se ei kuitenkaan ole ala, josta kaikki nauttivat – tai jossa kaikki, suoraan sanottuna, olisivat hyviä.
Ennen kuin päätät kokeilla data-tuotehallintaa, sinun kannattaa ottaa huomioon seuraavat asiat:
Nautitko niistä asiakasrajapinnassa tapahtuvista tehtävistä, joita tuotepäälliköt tekevät?
Tarkoitan käyttäjähaastattelujen tekemistä, Discord-yhteisöjen perustamista ja ylläpitämistä sekä muita vahvasti vuorovaikutustaitoja vaativia tehtäviä. Jos nautit näistä asioista, ota huomioon, että data-tuotepäälliköt osallistuvat niihin harvoin. He tutustuvat asiakkaisiinsa analysoimalla dataa sen sijaan, että keskustelisivat heidän kanssaan suoraan.
Nautitko siitä, että käytät tuntikausia ongelmanratkaisutehtäviin?
Jos kyllä, data-tuotehallinta on sinulle erinomainen vaihtoehto, sillä kohtaat jatkuvasti erilaisia loogisia ongelmia, joita sinun on analysoitava ja ratkaistava.
Työskenteletkö mielelläsi kysely- ja komentosarjakielten parissa?
Jos koodin kirjoittaminen ei tunnu sinusta luontevalta, perinteisenä tuotepäällikkönä sinulla ei ole ongelmia. Pythonin tai SQL:n tuntemus on siinä maailmassa ”hyvä lisä”.
Data-tuotehallinnassa sinulla ei kuitenkaan ole muuta vaihtoehtoa kuin kirjoittaa kyselyitä ja komentosarjoja lähes joka päivä. Jos se kuulostaa unelmatyöltä, olet ehkä löytänyt kutsumuksesi!
Data on nyt kiistatta planeetan arvokkain resurssi.
Data-tuotepäälliköt voivat muuntaa liiketoiminnan tarpeet SQL-kyselyiksi ja keksiä arvokkaita ideoita tuotteesi parantamiseksi ja asiakkaidesi ilahduttamiseksi. Ehkä siis tarvitset sellaisen – tai ehkä sinun pitäisi ryhtyä sellaiseksi.
Jos haluat lisää näkemyksiä kaikesta tuotteisiin ja tuotehallintaan liittyvästä, muista tilata The CPO Clubin uutiskirje.
