Dataproductmanager: Heb Je Er Een Nodig, Of Moet Je Er Een Zijn?
We leven in het gouden tijdperk van data, dus het kwam voor niemand als een verrassing toen het vakgebied van dataproductmanagement ontstond: een PM-rol die gespecialiseerd is in het beheren van data als product. Net als andere PM-specialisaties klinkt deze functietitel behoorlijk aantrekkelijk. Maar waar draait het echt om?
Dus voordat je op LinkedIn begint te solliciteren naar elke vacature voor dataproductmanager, laten we ons verdiepen in de complexiteit van dit relatief nieuwe beroep en bekijken of het de moeite waard is om de koers van je loopbaan in productmanagement te wijzigen.
Wat doet een dataproductmanager?
Dataproductmanagers zijn sterk afhankelijk van data om hun producten te ontwikkelen. Ze zorgen er ook voor dat iedereen in het leiderschaps- en productteam op de hoogte is van de meest recente KPI's en datagestuurde inzichten, zodat zij betere strategische en tactische beslissingen kunnen nemen.
Want more from The CPO Club?
Sign up for a free membership to complete reading this article:
Have an account? Log In
Een andere belangrijke rol van dataproductmanagers is het dichten van de kloof tussen datawetenschappers en alle anderen in het bedrijf (zoals marketingspecialisten, software-engineers, productontwerpers enzovoort) die gebruikmaken van de bevindingen die het datateam produceert.
Rollen en verantwoordelijkheden van een dataproductmanager
De gebruikelijke lijst met verantwoordelijkheden voor deze functie lijkt sterk op wat een reguliere productmanager zou kunnen hebben. Alles wat zij doen, is echter sterk afhankelijk van data.
Laat me een paar van deze verantwoordelijkheden bespreken om het idee van “data eerst” te illustreren.
Een productbacklog creëren en bijhouden
Data-PM's gebruiken de bevindingen uit data-analyses om mogelijke nieuwe functies te identificeren, verbeteringen aan bestaande functies te plannen en te bepalen hoe deze eruit moeten zien en zich moeten gedragen.
Voorbeeld: inzichten vertalen naar backlogitems
Als je als dataproductmanager aan de mobiele app van LinkedIn zou werken, zou je kunnen kijken naar de prestaties van verschillende meldingen op het LinkedIn-platform. Stel dat je merkt dat het openingspercentage van de melding die gebruikers herinnert aan ongelezen berichten tijdens de lunchuren piekt. Dit geeft je het idee (en een functie voor je backlog) om deze meldingen tijdens deze piekuren rond de lunch te tonen.
Gebruikerspersona's definiëren en voortdurend verfijnen
Dataproductmanagers werken samen met hun analyseteam om gemeenschappelijke kenmerken en gedragingen onder de gebruikers van hun product te vinden en gebruiken deze inzichten om datagestuurde cohorten en gebruikerspersona's te creëren.
Voorbeeld: gebruikersgedrag gebruiken om persona's vorm te geven
Stel dat je bij Spotify als dataproductmanager werkte en begon te analyseren hoe verschillende gebruikers naar muziek luisteren. Wanneer je samenwerkt met je datateam om gebruikers op basis van hun gedrag in groepen in te delen, ontdek je misschien dat er drie verschillende groepen zijn:
- Mensen die 's ochtends naar energieke muziek luisteren (waarschijnlijk joggers).
- Mensen die op doordeweekse dagen van 8.00 tot 17.00 uur naar rustige muziek luisteren (waarschijnlijk mensen die aan een bureau werken).
- En mensen die op vrijdag- en zaterdagavond de voorkeur geven aan elektronische muziek en dancemuziek (waarschijnlijk organisatoren of deelnemers aan feestjes).
Voilà! Je hebt zojuist drie mogelijke gebruikerspersona's voor je product gevonden. Je kunt hun specifieke kenmerken documenteren en functies voor hen bouwen.
OKR's en KPI's instellen
Dataproductmanagers gaan hier verder dan alleen het instellen van een paar basisstatistieken om bij te houden en doelen om in het volgende kwartaal te bereiken (zoals "het retentiepercentage met 5% verhogen"). In plaats daarvan bouwen ze een volledig raamwerk om statistieken bij te houden en ernaar te handelen.
Twee prominente manieren om deze raamwerken te creëren zijn het instellen van een Noordersterstatistiek voor je product of het opbouwen van KPI-bomen.
Voorbeeld: de KPI-boom
Een KPI-boom is een visuele hiërarchie tussen verschillende statistieken die je voor je product wilt bijhouden. Je begint meestal met de belangrijkste statistiek die je wilt verbeteren en definieert vervolgens verschillende substatistieken, waarvan de groei zal leiden tot de groei van je belangrijkste statistiek.
Je herhaalt deze oefening een paar keer totdat je een boom hebt die de relaties en afhankelijkheden tussen je KPI's duidelijk weergeeft.
Zo ziet een dergelijke KPI-boom eruit voor de geldtransferservice Wise:
Zoals we kunnen zien, is het belangrijkste doel van het opsplitsen van je hoofdmetriek in KPI-bomen het ontdekken van metrische gegevens op laag niveau die je relatief eenvoudig kunt verbeteren (bijvoorbeeld door de conversiepercentages voor het versturen van een overschrijving te verbeteren).
Kort samengevat zijn dataproductmanagers de evangelisten van datagedreven besluitvorming binnen het bedrijf.
Nu we de aard van dit beroep hebben behandeld, kunnen we de vraag beantwoorden die je waarschijnlijk maar al te graag wilt stellen—"Beschik ik over de nodige vaardigheden om dataproductmanager te worden?"
Welke vaardigheden hebben goede dataproductmanagers?
Zoals de naam al aangeeft, combineert dataproductmanagement datawetenschap en productmanagement. Daarom kunnen we er natuurlijk van uitgaan dat een goede productmanager beschikt over een vaardighedenpakket dat beide disciplines vertegenwoordigt.
Het duurt niet lang om die aanname te bevestigen als je vacatures voor dataproductmanagers gaat bekijken. Hier is er een die het Amerikaanse IT-bedrijf Blend360 via SmartRecruiters heeft geplaatst.
Op basis van mijn eigen ervaring volgen hier enkele van de belangrijkste vaardigheden voor deze functie en waarom het de moeite waard is om ze te verbeteren voordat je cv's gaat versturen.
Data-analyse
De meeste dataproductmanagers werken met een team van data-analisten. In dat geval zijn kennis en vaardigheden op het gebied van het analyseren en lezen van gegevens een belangrijke troef om beter met hen te communiceren en samen te werken.
Er bestaat echter ook een kans dat jij de enige persoon bent die binnen je bedrijf verantwoordelijk is voor data-analyse (dit komt vaak voor bij kleine start-ups). In dat geval ben jij degene die rechtstreeks met de bedrijfsgegevens werkt, deze beheert en analyseert—waardoor vaardigheden op het gebied van data-analyse een vereiste zijn voor deze functie.
Productontwikkeling
Als productmanager kom je natuurlijk niet ver als je geen idee hebt hoe je een productontwikkelingsteam moet aansturen om iets te bouwen dat je gebruikers versteld zal doen staan. Belangrijke deelvaardigheden zijn onder meer empathie voor gebruikers, uitzonderlijke communicatie, prioritering, strategisch denken en ervaring met productlevenscyclusbeheer, de ontwikkeling van SaaS-prijsmodellen, A/B-testen en de andere standaardfuncties die verband houden met het productontwikkelingsproces.
Kritisch en analytisch denken
Als onderdeel van je werk kijk je voortdurend naar een grote hoeveelheid ruisende gegevens en filter je er nuttige informatie uit. Daarom heb je een sterk analytisch vermogen nodig waarmee je patronen en verbanden in onbewerkte gegevens kunt herkennen.
Bovendien zou je idealiter kritisch moeten kunnen denken en de informatie en bevindingen die voor je liggen met objectieve criteria kunnen beoordelen.
SQL/Python/R
Tot slot zul je waarschijnlijk rechtstreeks met de datasets van je product werken om de structuur ervan te analyseren en verbeteringen voor te stellen, de daar opgeslagen gegevens te beheren en op te schonen, ad-hocanalyses uit te voeren en om vele andere redenen.
Daarom is het belangrijk dat je weet hoe je SQL-query's schrijft en uitvoert om toegang te krijgen tot de gegevens waarover je beschikt en deze te beheren. Voor complexere taken waarbij gegevensverwerking en verschillende berekeningen komen kijken, is SQL mogelijk niet voldoende en moet je wellicht scripts schrijven met behulp van een algemene of gespecialiseerde programmeertaal.
Bij het werken met gegevens is de populairste algemene taal Python en de populairste gespecialiseerde taal R.
Zoals we kunnen zien, schrijft de aard van dataproductmanagement voor dat professionals in dit vakgebied zowel productgerichte vaardigheden nodig hebben, zoals empathie voor gebruikers, als datagerichte vaardigheden, zoals vloeiendheid in SQL en Python.
Op dit punt ga ik ervan uit dat je inmiddels een behoorlijk duidelijk beeld hebt van wat dataproductmanagement inhoudt.
Maar ik verwacht ook dat je zult aanvoeren dat datagedreven activiteiten ook belangrijk zijn voor gewone productmanagers en je afvraagt wat het verschil is tussen een reguliere PM die datagedreven beslissingen neemt en een gespecialiseerde dataproductmanager.
Dataproductmanager versus productmanager
Het verschil tussen deze twee functies binnen het bedrijf kan in eerste instantie vaag lijken. Als je echter nauwkeuriger kijkt naar enkele belangrijke aspecten van deze beroepen, zul je een aantal aanzienlijke verschillen opmerken.
Ik bespreek een paar van deze aspecten en laat zien hoe het werk van traditionele productmanagers en dataproductmanagers van elkaar verschilt.
De verantwoordelijkheidsgebieden en de doelen die zij nastreven
Overeenkomsten
Voor beide functies is het belangrijkste doel de ontwikkeling, groei en het algehele zakelijke succes van het product. In beide gevallen staat de gebruiker centraal en zijn alle functies en verbeteringen gericht op het oplossen van pijnpunten van gebruikers.
Verschillen
Als je je het beroemde Venn-diagram voor de vaardigheden en aandachtsgebieden van productmanagers herinnert, zou het er voor beide beroepen als volgt uitzien.
Hier zien we dat technische kennis in beide gevallen belangrijk is, omdat beide typen productmanagers uiteindelijk met software-engineers zullen samenwerken om hun visie werkelijkheid te maken.
Dezelfde regel geldt ook voor zakelijke kennis, aangezien de inspanningen van beiden tot zakelijke impact moeten leiden. Het derde punt is echter waar we het belangrijkste verschil zien.
Dataproductmanagers besteden speciale aandacht aan het type gegevens dat je van je gebruikers verzamelt. Ze beoordelen ook voortdurend de kwaliteit van de gegevens en stellen verbeteringen voor aan de huidige databasearchitectuur en de productfuncties aan de gebruikerszijde die deze gegevens verzamelen, om de kwaliteit op een hoog niveau te houden.
Traditionele productmanagers zorgen er daarentegen voor dat de gebruikersreizen goed zijn ontwikkeld en geoptimaliseerd. Ze letten op de manier waarop gebruikers met hun functies omgaan en gemakkelijk door de applicatie kunnen navigeren.
Afhankelijkheid van gegevens
Overeenkomsten
Ja, daar ben ik het mee eens—productmanagers van welk type dan ook moeten aandacht besteden aan gegevens en ervoor zorgen dat hun beslissingen datagedreven zijn. Beide typen productmanagers werken aan het instellen van een analysetool voor hun product en houden voortdurend belangrijke productstatistieken in de gaten, zoals de trechters voor activering en conversie, retentie, vindbaarheid van functies en meer.
Verschillen
Voor traditionele productmanagers zijn gegevens een van de bronnen van kennis en informatie die ze gebruiken in hun dagelijkse activiteiten. Naast het vertrouwen op analyses en SQL-query's uit de productdatabase, verkrijgen ze ook informatie uit andere bronnen, zoals klantonderzoeken, gebruikersinterviews, gebruikerstestsessies en andere bronnen.
Dataproductmanagers leven daarentegen voor gegevens en ademen gegevens. Databases en de analysetools en dashboards die daaromheen zijn gebouwd, vormen voor hen de belangrijkste bron van inzichten en klantinzichten. Terwijl traditionele productmanagers zich bewust zijn van het belang van gegevens, zijn dataproductmanagers datagedreven en stellen ze gegevens voorop.
Als je jezelf behoorlijk geobsedeerd door gegevens vindt, klinkt dataproductmanager worden ongetwijfeld als een verleidelijk vooruitzicht. Maar is het een baan die de rekeningen betaalt? Ik ben zo blij dat je het vraagt.
Hoe ziet de arbeidsmarkt eruit voor dataproductmanagers?
Dataproductmanagers zijn zeer waardevolle professionals die een grote invloed kunnen hebben op de groei en het succes van een softwarebedrijf, en hun belang wordt rechtstreeks weerspiegeld in hun salarisbereik.
Volgens Glassdoor ligt het mediane inkomen voor deze functie in de Verenigde Staten rond de $130,000.
Dit omvat een basissalaris van $103,000, plus ongeveer $27,000 aan bonussen en andere voordelen. Dit bedrag kan sterk variëren afhankelijk van de sector en de ervaring van de dataproductmanager.
Als je een uitblinker bent die het bedrijf dat je aanneemt aanzienlijke kennis en ervaring kan bieden, kun je tot $200,000 aan vergoeding voor je werk vragen.
Deze bedragen verschillen ook op basis van het land waarin het bedrijf dat een dataproductmanager zoekt, gevestigd is. Op de Britse arbeidsmarkt ligt het mediane salaris bijvoorbeeld rond de £63,000, oftewel ~$78,000 tegen de huidige wisselkoers.
Zoals we kunnen zien, ligt het salarisbereik dat bedrijven bieden voor de functie van dataproductmanager behoorlijk hoog. Maar hoe zit het in het algemeen met de vooruitzichten van dit beroep? Hebben data-PM's een veelbelovende toekomst?
Ja, absoluut.
We leven in het tijdperk van data en veel macro-economen beschouwen big data als de nieuwe olie.
In de miljoenen rijen met gegevens die in de databases van je product zijn opgeslagen, schuilt enorm veel groeipotentieel en zakelijk potentieel.
Daarnaast is er de recente goudkoorts rond het bouwen en gebruiken van machinelearningmodellen voor verschillende taken in producten. Ook hier kan een dataproductmanager van grote waarde zijn, omdat deze verantwoordelijk is voor de kwaliteit en bruikbaarheid van de data en AI-ingenieurs kan helpen betere machinelearningalgoritmen te bouwen.
Het perspectief van het bedrijf: waarom je zou moeten overwegen een dataproductmanager aan te nemen
Dit is allemaal goed nieuws voor aspirant-data-PM's en huidige data-PM's—maar hoe zit het met werkgevers? Op basis van de salarisramingen lijkt de rol van dataproductmanager kostbaar te kunnen zijn voor de financiële resultaten van een bedrijf, vooral voor kleinere startups. Je vraagt je misschien dan ook af of het überhaupt de moeite waard is om een dataproductmanager aan te nemen.
Voordat ik de redenen opsom waarom het aannemen van een goede dataproductmanager een uiterst solide investering is, moet ik eerst een korte disclaimer geven.
Dataproductmanagers zijn waardevol in bedrijven met veel data. Als je nog een piepkleine startup bent die net zijn eerste klanten begint te verwelkomen, of als je product van nature niet veel data genereert, kun je waarschijnlijk beter alleen traditionele productmanagers aannemen.
Als je echter wel over aanzienlijke hoeveelheden data beschikt, helpen data-PM's je om:
- De behoeften van klanten beter te ontdekken en de gebruikerservaring te verbeteren door hun gedrag te analyseren en gemeenschappelijke patronen te vinden.
- De effectiviteit van het werk van je data-engineers te verbeteren door de behoeften en prioriteiten van het bedrijf en de gebruikers met hen te communiceren en hen in de juiste richting te begeleiden.
- Data te benutten bij het bepalen van je productstrategie door veel waardevolle inzichten in te brengen wanneer het leiderschapsteam en belanghebbenden strategische beslissingen nemen.
- Je productstatistieken te helpen verbeteren door gebieden voor optimalisatie te identificeren en verschillende initiatieven te ontwikkelen om dit te realiseren.
Kortom, dataproductmanagers helpen je het maximale uit je data te halen.
Het perspectief van de PM: is de overstap naar dataproductmanagement de moeite waard?
"Dus," hoor ik je vragen, "als deze baan zo goed wordt betaald en zo waardevol is voor softwarebedrijven, moet ik dan overwegen mijn PM-carrière een andere wending te geven en me te specialiseren in dataproductmanagement?"
Dat hangt ervan af. Het werk van dataproductmanagers is zowel interessant als impactvol. Het is echter niet iets waar iedereen plezier aan zal beleven—of, eerlijk gezegd, waar iedereen goed in zal zijn.
Voordat je je voorzichtig in dataproductmanagement stort, moet je rekening houden met het volgende:
Houd je van de klantgerichte activiteiten die productmanagers uitvoeren?
Ik heb het over het houden van gebruikersinterviews, het opzetten en beheren van Discord-communities en andere functies die sterk afhankelijk zijn van sociale vaardigheden. Als je hier plezier aan beleeft, bedenk dan dat dataproductmanagers hier zelden bij betrokken zijn. Zij leren hun klanten kennen door data te analyseren in plaats van rechtstreeks met hen te praten.
Vind je het leuk om urenlang bezig te zijn met probleemoplossende taken?
Als dat zo is, is dataproductmanagement een uitstekende keuze voor jou, omdat je voortdurend te maken krijgt met verschillende soorten logische problemen die je moet analyseren en oplossen.
Voel je je comfortabel bij het werken met query- en scripttalen?
Als je je niet comfortabel voelt bij het schrijven van code, zul je als traditionele productmanager geen problemen ondervinden. Kennis van Python of SQL is in die wereld een “prettig meegenomen” vaardigheid.
Bij dataproductmanagement heb je echter geen andere keuze dan bijna elke dag query's en scripts te schrijven. Als dat je als muziek in de oren klinkt, heb je misschien je roeping gevonden!
Data is misschien wel de waardevolste hulpbron ter wereld.
Dataproductmanagers kunnen zakelijke behoeften vertalen naar SQL-query's en waardevolle ideeën bedenken om je product te verbeteren en je klanten blij te maken. Misschien heb je er dus een nodig—of misschien moet jij er een worden.
Voor meer inzichten over alles wat met producten en productmanagement te maken heeft, moet je je niet vergeten te abonneren op de nieuwsbrief van The CPO Club.
