Dengan data yang menjadi minyak baru dalam ekonomi digital, peran Manajemen Produk Data telah muncul selama bertahun-tahun dan hanya sedikit orang di industri ini yang memahaminya. Mari kita bagi menjadi beberapa detail.

Jika Anda berkecimpung dalam industri teknologi digital, Anda mungkin pernah bekerja dengan manajer produk baik sebagai pengembang, pemangku kepentingan bisnis, atau kolaborator. Meskipun masih ada beberapa ketidakjelasan seputar peran itu sendiri, peran tersebut mulai menyatu untuk memiliki standar industri untuk berbagai jenis peran manajemen produk di luar sana.

Namun, Manajemen Produk Data adalah peran baru yang muncul saat ini seiring dengan semakin matangnya digitalisasi dan kemampuan data perusahaan. Masih banyak keraguan dan pertanyaan terbuka mengenai apa saja yang diperlukan dalam peran tersebut dan bagaimana orang-orang melakukan transisi ke dalamnya. Berdasarkan pengalaman saya, saya akan mencoba menjelaskan beberapa detail tentang peran, variasi, keterampilan, dan perbedaan antara peran PM perangkat lunak tradisional dan peran ini.

Mari kita mulai! Saya menulis artikel ini dalam format Tanya Jawab berdasarkan pertanyaan yang paling sering diajukan kepada saya di platform ADPList tempat saya membimbing orang-orang Data dan Produk untuk merencanakan jalur karier mereka.

Apa itu Manajemen Produk Data?

Ketika suatu produk menciptakan nilai dengan data dalam bentuk apa pun, saya menganggapnya sebagai produk data atau data sebagai produk:

  • Data sebagai produk: Sumber, penyimpanan, kualitas, pipeline, dll
  • Produk data: pemantauan, dan konsumsi untuk tujuan Pembelajaran Mesin atau Intelijen Bisnis.

Produk Data dapat berupa alat internal seperti platform eksperimen, DataStream, atau dasbor analitik dengan konsumen dalam organisasi. Bisa juga berupa produk yang sangat berhubungan dengan konsumen seperti sistem rekomendasi, mesin personalisasi, pengoptimalan rute, dan perangkat lunak koreksi teks. Ini juga bisa berupa produk yang berfokus pada bisnis seperti segmentasi pelanggan, prediksi churn, optimalisasi harga, dan perkiraan penjualan.

Daftarnya terus bertambah dan dapat diperluas berdasarkan jenis data yang dikumpulkan/digunakan dan produk yang dibuat oleh organisasi. Bergantung pada ukuran dan struktur organisasi serta volume data, mungkin terdapat manajer produk khusus untuk memiliki produk dan memastikan keberhasilannya, alias Data PM.

Banyak konten di bawah mungkin berlaku sebagian besar pada sisi konsumsi manajemen produk data, yaitu Produk Data yang disebutkan di atas, hanya karena saya menghabiskan sebagian besar waktu saya bekerja pada spektrum tersebut.

Perbedaan antara PM tradisional dan Data PM?

Selain fokus produk pada data, ada beberapa perbedaan antara PM tradisional dan PM Data:

Struktur dan Proses Tim:

  • Tim Produk Data pada umumnya terdiri dari semua atau beberapa peran berikut: Analis Data/Produk, Ilmuwan Data, Insinyur Pembelajaran Mesin, Insinyur Data, MLOps, Pengembang Frontend dan Backend, Peneliti UX dan Desainer Produk, dan Insinyur Penjaminan Kualitas.
  • Beberapa peran dapat digabungkan sebagai tim Data dan peran lainnya sebagai tim Teknik, sementara beberapa peran lainnya tumpang tindih di antara keduanya. Hal ini menimbulkan tantangan ekstra dalam merencanakan proses tim karena kedua sub-tim mungkin memerlukan upacara harian/mingguan yang terpisah dan sinkronisasi rutin agar berada pada halaman yang sama.

  • Karena sebagian besar pekerjaan Analisis Data dan Ilmu Data bersifat eksploratif tanpa hasil yang deterministik, proses scrum atau kanban standar tidak memberikan keadilan bagi tim produk data. PM perlu kreatif dalam memberikan fleksibilitas yang dibutuhkan tim data sambil memastikan kemajuan dalam hasil produk.
  • Operasi ML harus fleksibel untuk mengakomodasi alur pembelajaran mesin yang terus berkembang agar dapat menerapkan dan menskalakan produk data pada produksi dengan penundaan minimum.

Harapan dari tim:

  • Tim akan memerlukan konteks dari PM sebanyak biasanya untuk membuat beberapa keputusan arsitektur, desain, dan teknik.
  • Tim ilmu data juga memerlukan banyak konteks mengenai tujuan bisnis, sasaran produk, dan kriteria keberhasilan untuk memastikan bahwa kriteria pengoptimalan yang tepat dipilih untuk pemodelan ilmu data atau pemantauan produk. Biasanya merupakan ide bagus untuk melibatkan tim lebih awal dalam diskusi dan proses pengambilan keputusan.
  • Rekayasa data perlu mengetahui jenis data apa yang akan digunakan dalam produk, frekuensi apa yang harus di-refresh, di mana data tersebut akan disimpan dalam format apa untuk memastikan latensi minimum, dll.
  • Tim Data akan mengandalkan PM untuk memastikan ketersediaan DAN kualitas data bahkan untuk mulai mengerjakan pengembangan produk. Dalam sebagian besar skenario, upaya ini harus dimulai jauh lebih awal dalam proses pengembangan produk untuk memastikan “kelayakan data” produk meskipun secara teknis layak.
  • Analis Data/Produk perlu memahami konteks bisnis dan perubahan algoritme agar dapat menyiapkan eksperimen dengan pengukuran dan kriteria keberhasilan yang tepat. Mereka perlu memahami bagaimana berbagai pemangku kepentingan di seluruh organisasi membaca data untuk mengambil keputusan bisnis, guna memastikan pelaporan yang paling dapat ditindaklanjuti.

Manajemen pemangku kepentingan:

  • Salah satu keterampilan inti seorang PM adalah membangun dan memelihara hubungan dengan pemangku kepentingan, menciptakan kepercayaan bagi tim dan produk, serta mendapatkan dukungan penting untuk mengembangkan produk.
  • Agak sulit untuk meyakinkan pemangku kepentingan tentang nilai suatu produk jika produk tersebut tidak dapat dibuktikan sebelum dibuat dan diuji secara langsung. Membantu pemangku kepentingan bisnis memahami suatu produk merupakan suatu tantangan ketika produk tersebut merupakan kotak hitam bagi sebagian besar tim.

  • Terkadang sulit untuk menjelaskan mengapa tim tidak dapat berkomitmen pada suatu hasil atau jadwal ketika semuanya bergantung pada banyak skenario analisis “jika-maka-lainnya” selama keseluruhan proses pengembangan produk data.
  • Seiring waktu, Anda sedikit mengedukasi pemangku kepentingan dan mereka mulai memahami dampak bisnis yang dapat Anda tunjukkan dengan analisis offline dan eksperimen online.

Mendefinisikan dan mengukur keberhasilan Produk:

  • Terkadang menentukan kriteria keberhasilan produk sama sulitnya dengan memahami cara kerja produk. Mengapa? Karena tidak ada definisi deterministik yang jelas tentang apa yang dilakukan pada beberapa produk data. Terkadang tidak ada dasar yang jelas untuk dibandingkan. Terkadang tidak mungkin memiliki kebenaran dasar untuk menentukan kesuksesan.
  • Kreativitas sangat berguna saat mencari tahu bagaimana mendefinisikan dan mengukur kesuksesan, mengetahui bahwa kesuksesan tidak akan sempurna: menggunakan definisi subjektif proksi untuk kebenaran dasar untuk memulai tim Anda, menggunakan rata-rata pasar atau industri atau kasus terburuk untuk menentukan dasar, menggunakan% peningkatan sebagai definisi selesai untuk upaya peningkatan algoritma tertentu.
  • Terkadang, produk mungkin mengejar metrik dinamis: Misalnya, jika produk berada pada pencegahan penipuan, mendapatkan metrik 99% pencegahan penipuan tidak berarti bahwa penipuan telah berhenti, namun hanya Anda mungkin perlu memperbarui metrik subjektifnya. definisi kebenaran dasar penipuan dalam produk Anda.

Keterampilan dan Latar Belakang Data PM pada umumnya?

  • Sebagian besar keterampilan yang diperlukan untuk menjadi manajer produk yang sukses diperlukan untuk menjadi manajer produk data yang sukses: penentuan prioritas, estimasi dampak dengan masukan minimum, pemahaman teknis desain sistem, komunikasi, empati pengguna, dll.

  • Hal yang mungkin lebih Anda perlukan untuk menjadi manajer produk data yang sukses adalah memahami cara bekerja dengan ilmu data dan analitik, memahami kompleksitas produk ini, dan mampu menantang dan berkolaborasi dengan anggota tim ilmu data.
  • Selain itu, Data PM biasanya merasa nyaman memanipulasi data dalam alat berbasis SQL, Python, atau UI, membaca hasil eksperimen A/B, memahami dasbor data, dan mengambil beberapa wawasan yang dapat mendukung produk ilmu data, sehingga menantang tim DS. pada pilihan model dan metrik mereka, berpikir out of the box, dan mengetahui di mana TIDAK boleh menggunakan solusi data.
  • Kemampuan untuk berpikir end-to-end melalui keseluruhan jalur data mulai dari pengumpulan data, hingga penyimpanan, akses, penggunaan, dan pengukurannya. Keputusan mengenai pencatatan titik data tertentu saat ini mungkin memungkinkan Anda membuka nilai di masa depan: untuk meningkatkan produk yang sudah ada, atau untuk membuat produk yang benar-benar baru berdasarkan data. Kemampuan untuk mempertimbangkan kemungkinan kasus penggunaan di masa depan dan dampak dari keputusan data dapat sangat membantu dalam memastikan keberhasilan jangka panjang.

Bagaimana cara beralih ke peran Data PM?

  • Biasanya Data PM berasal dari latar belakang yang berbeda. Mereka mungkin adalah ilmuwan data, Insinyur ML/Data, Analis Data/Produk, Analis Intelijen Bisnis, atau Insinyur Perangkat Lunak sebelum beralih ke peran Data PM. Tidak ada jalur yang dipilih untuk mendapatkan peran tersebut, seperti halnya peran manajemen produk pada umumnya.
  • Itu tergantung pada minat dan pilihan Anda, serta peluang yang tersedia. Namun jika memungkinkan, pilih produk untuk peran Data PM pertama Anda yang dapat menggunakan kekuatan Anda saat Anda mengembangkan keterampilan lainnya.
  • Berasal dari latar belakang Ilmu Data, saya memilih produk ML dari sisi konsumsi data: pertama dalam pengoptimalan pembelanjaan pemasaran, kemudian dalam pencegahan penipuan, dan akhirnya pada lebih banyak produk yang dapat diakses oleh pengguna untuk rekomendasi item.
  • Saya telah melihat banyak orang dari latar belakang Teknik berpindah ke peran Teknologi/Data PM yang berfokus pada alat data internal, pergudangan, atau produk MLOps. Saya telah melihat banyak orang dari latar belakang analitik menggunakan pelacakan data, eksperimen, dan produk pengoptimalan bisnis.

Menyenangkan, bukan?

Dan itu baru permulaan. Saya harap artikel ini dapat memberi Anda pemahaman tentang peran tersebut, tantangannya, dan harapan dari peran tersebut. Jika Anda sedang berada di jalur Anda sendiri menuju Manajemen Produk Data, saya harap Anda mendapatkan yang terbaik dan pengalaman yang menyenangkan!

Saya menulis tentang Produk Teknologi, Ilmu Data, Manajemen Produk, Produktivitas, dan Kepemimpinan. Jika Anda ingin membaca sepanjang perjalanan pembelajaran saya, Anda dapat mengikuti saya di medium atau LinkedIn. Jika Anda ingin mengetahui lebih lanjut dan membicarakan berbagai hal secara mendetail, Anda dapat memesan waktu di Daftar ADP. 📆