เนื่องจากข้อมูลเป็นน้ำมันตัวใหม่ของเศรษฐกิจดิจิทัล บทบาทการจัดการผลิตภัณฑ์ข้อมูลจึงเกิดขึ้นในช่วงหลายปีที่ผ่านมาซึ่งมีเพียงไม่กี่คนในอุตสาหกรรมเท่านั้นที่เข้าใจ มาแบ่งย่อยเป็นรายละเอียดเล็กๆ น้อยๆ กัน
หากคุณอยู่ในอุตสาหกรรมเทคโนโลยีดิจิทัล คุณอาจเคยร่วมงานกับผู้จัดการผลิตภัณฑ์ในฐานะนักพัฒนา ผู้มีส่วนได้ส่วนเสียทางธุรกิจ หรือผู้ทำงานร่วมกัน แม้ว่าบทบาทของบทบาทจะยังคงคลุมเครืออยู่บ้าง แต่บทบาทการจัดการผลิตภัณฑ์ประเภทต่างๆ ก็กำลังมาบรรจบกันเพื่อให้มีมาตรฐานอุตสาหกรรม
อย่างไรก็ตาม การจัดการผลิตภัณฑ์ข้อมูลเป็นบทบาทใหม่ที่กำลังเกิดขึ้นในขณะนี้ เมื่อบริษัทต่างๆ กำลังจะเติบโตเต็มที่ในการเปลี่ยนแปลงทางดิจิทัลและขีดความสามารถด้านข้อมูล ยังคงมีข้อสงสัยและคำถามปลายเปิดมากมายเกี่ยวกับบทบาทนี้และผู้คนจะเปลี่ยนไปรับบทบาทนั้นได้อย่างไร จากประสบการณ์ของฉัน ฉันจะพยายามชี้แจงรายละเอียดบางอย่างเกี่ยวกับบทบาท ความหลากหลาย ทักษะ และความแตกต่างระหว่างบทบาท PM ของซอฟต์แวร์แบบดั้งเดิมกับบทบาทนี้
มาเริ่มกันเลย! ฉันกำลังเขียนบทความนี้ในรูปแบบถามตอบโดยอิงตามคำถามที่ถูกถามถึงฉันมากที่สุดบนแพลตฟอร์ม ADPList ซึ่งฉันกำลังให้คำปรึกษาแก่บุคลากรด้านข้อมูลและผลิตภัณฑ์เพื่อวางแผนเส้นทางอาชีพของพวกเขา
การจัดการผลิตภัณฑ์ข้อมูลคืออะไร?
เมื่อผลิตภัณฑ์สร้างมูลค่าด้วยข้อมูลในรูปแบบใดๆ ฉันถือว่าผลิตภัณฑ์ดังกล่าวเป็น "ผลิตภัณฑ์ข้อมูลหรือข้อมูลในฐานะผลิตภัณฑ์":
- ข้อมูลในฐานะผลิตภัณฑ์: การจัดหา การจัดเก็บ คุณภาพ การวางท่อ ฯลฯ
- ผลิตภัณฑ์ข้อมูล: การตรวจสอบและการใช้งานเพื่อการเรียนรู้ของเครื่องหรือระบบธุรกิจอัจฉริยะ
ผลิตภัณฑ์ข้อมูลอาจเป็นเครื่องมือภายใน เช่น แพลตฟอร์มการทดลอง DataStreams หรือแดชบอร์ดการวิเคราะห์กับผู้บริโภคภายในองค์กร นอกจากนี้ยังอาจเป็นผลิตภัณฑ์ที่หันหน้าเข้าหาผู้บริโภค เช่น ระบบแนะนำ เอ็นจิ้นการปรับแต่งส่วนบุคคล การเพิ่มประสิทธิภาพเส้นทาง และซอฟต์แวร์แก้ไขข้อความ นอกจากนี้ยังอาจเป็นผลิตภัณฑ์ที่มุ่งเน้นธุรกิจ เช่น การแบ่งส่วนลูกค้า การคาดการณ์การเลิกใช้งาน การเพิ่มประสิทธิภาพราคา และการคาดการณ์การขาย
รายการดำเนินต่อไปและสามารถขยายได้ตามประเภทของข้อมูลที่รวบรวม/ใช้ และผลิตภัณฑ์ที่องค์กรกำลังสร้าง ขึ้นอยู่กับขนาดและโครงสร้างขององค์กรและปริมาณข้อมูล อาจมีผู้จัดการผลิตภัณฑ์เฉพาะเพื่อเป็นเจ้าของผลิตภัณฑ์และรับประกันความสำเร็จหรือที่เรียกว่า Data PM
เนื้อหาจำนวนมากด้านล่าง อาจนำไปใช้กับส่วนท้ายของการใช้การจัดการผลิตภัณฑ์ข้อมูลเป็นส่วนใหญ่ กล่าวคือ ผลิตภัณฑ์ข้อมูล ที่กล่าวถึงข้างต้น เพียงเพราะฉันใช้เวลาส่วนใหญ่ของปีในการทำงานในส่วนท้ายของสเปกตรัมนั้น
ความแตกต่างระหว่าง PM แบบดั้งเดิมและ Data PM คืออะไร?
นอกจากการให้ความสำคัญกับข้อมูลแล้ว ยังมีความแตกต่างอีกเล็กน้อยระหว่าง PM แบบดั้งเดิมและ PM ข้อมูล:
โครงสร้างและกระบวนการของทีม:
- ทีม Data Product โดยทั่วไปประกอบด้วยบทบาททั้งหมดหรือบางส่วน ได้แก่ นักวิเคราะห์ข้อมูล/ผลิตภัณฑ์ นักวิทยาศาสตร์ข้อมูล วิศวกรการเรียนรู้ของเครื่องจักร วิศวกรข้อมูล MLOps นักพัฒนาส่วนหน้าและส่วนหลัง นักวิจัย UX และนักออกแบบผลิตภัณฑ์ และวิศวกรประกันคุณภาพ
- บทบาทบางส่วนสามารถจัดเป็นทีมข้อมูลและบทบาทอื่นๆ เป็นทีมวิศวกรรมได้ โดยมีบางส่วนที่ทับซ้อนกันระหว่างทั้งสองตำแหน่ง สิ่งนี้นำไปสู่ความท้าทายเพิ่มเติมในการวางแผนกระบวนการของทีม เนื่องจากทั้งสองทีมย่อยอาจต้องมีพิธีการรายวัน/รายสัปดาห์แยกกัน และการซิงค์เป็นประจำเพื่อให้อยู่ในหน้าเดียวกัน
- เนื่องจากงานการวิเคราะห์ข้อมูลและวิทยาศาสตร์ข้อมูลจำนวนมากเป็นงานเชิงสำรวจโดยไม่มีผลลัพธ์ที่กำหนดได้ การต่อสู้แบบมาตรฐานหรือกระบวนการคัมบังจึงไม่ให้ความยุติธรรมกับทีมผลิตภัณฑ์ข้อมูล PM จำเป็นต้องมีความคิดสร้างสรรค์ในการให้ความยืดหยุ่นแก่ทีมข้อมูลที่ต้องการ ในขณะเดียวกันก็รับประกันความคืบหน้าในการส่งมอบผลิตภัณฑ์
- ML Ops ต้องมีความยืดหยุ่นเพื่อรองรับไปป์ไลน์การเรียนรู้ของเครื่องที่พัฒนาอย่างต่อเนื่องเพื่อให้สามารถปรับใช้และปรับขนาดผลิตภัณฑ์ข้อมูลในการผลิตโดยมีความล่าช้าน้อยที่สุด
ความคาดหวังจากทีมงาน:
- ทีมงานต้องการบริบทจากนายกรัฐมนตรีมากที่สุดเท่าที่เคยทำในการตัดสินใจด้านสถาปัตยกรรม การออกแบบ และวิศวกรรม
- ทีมวิทยาศาสตร์ข้อมูลยังต้องการบริบทมากมายเกี่ยวกับวัตถุประสงค์ทางธุรกิจ เป้าหมายผลิตภัณฑ์ และเกณฑ์ความสำเร็จ เพื่อให้แน่ใจว่ามีการเลือกเกณฑ์การปรับให้เหมาะสมที่เหมาะสมสำหรับการสร้างแบบจำลองวิทยาศาสตร์ข้อมูลหรือการตรวจสอบผลิตภัณฑ์ โดยปกติแล้วเป็นความคิดที่ดีที่จะให้ทีมมีส่วนร่วมในการอภิปรายและกระบวนการตัดสินใจตั้งแต่เนิ่นๆ
- วิศวกรรมข้อมูลจำเป็นต้องทราบว่าจะใช้ข้อมูลประเภทใดในผลิตภัณฑ์ ต้องรีเฟรชความถี่ใด จะจัดเก็บไว้ที่ไหนในรูปแบบใดเพื่อให้แน่ใจว่ามีเวลาแฝงขั้นต่ำ เป็นต้น
- ทีมข้อมูลจะพึ่งพา PM เพื่อรับรองทั้งความพร้อมใช้งานและคุณภาพของข้อมูลเพื่อเริ่มทำงานในการพัฒนาผลิตภัณฑ์ ในสถานการณ์ส่วนใหญ่ ความพยายามนี้ต้องเริ่มต้นตั้งแต่เนิ่นๆ มากในกระบวนการพัฒนาผลิตภัณฑ์ เพื่อให้มั่นใจว่า "ความเป็นไปได้ของข้อมูล" ของผลิตภัณฑ์ แม้ว่าจะเป็นไปได้ในทางเทคนิคก็ตาม
- นักวิเคราะห์ข้อมูล/ผลิตภัณฑ์จะต้องเข้าใจทั้งบริบททางธุรกิจและการเปลี่ยนแปลงอัลกอริทึมเพื่อให้สามารถตั้งค่าการทดสอบด้วยการวัดผลและเกณฑ์ความสำเร็จที่เหมาะสม พวกเขาจะต้องเข้าใจว่าผู้มีส่วนได้ส่วนเสียต่างๆ ทั่วทั้งองค์กรอ่านข้อมูลเพื่อตัดสินใจทางธุรกิจอย่างไร เพื่อให้แน่ใจว่าการรายงานจะนำไปปฏิบัติได้มากที่สุด
การจัดการผู้มีส่วนได้ส่วนเสีย:
- หนึ่งในทักษะหลักของ PM คือการสร้างและรักษาความสัมพันธ์กับผู้มีส่วนได้ส่วนเสีย สร้างความไว้วางใจให้กับทีมและผลิตภัณฑ์ และรับการซื้อที่สำคัญเพื่อพัฒนาผลิตภัณฑ์
- เป็นเรื่องยากเล็กน้อยที่จะโน้มน้าวผู้มีส่วนได้ส่วนเสียถึงคุณค่าของผลิตภัณฑ์ เมื่อไม่สามารถพิสูจน์ได้ก่อนที่จะสร้างและทดสอบจริง เป็นเรื่องท้าทายที่จะช่วยให้ผู้มีส่วนได้ส่วนเสียทางธุรกิจเข้าใจผลิตภัณฑ์เมื่อมันเป็นกล่องดำสำหรับทีมส่วนใหญ่
- บางครั้งเป็นการยากที่จะอธิบายว่าทำไมทีมจึงไม่สามารถยอมรับผลลัพธ์หรือไทม์ไลน์ได้ ในเมื่อทุกอย่างขึ้นอยู่กับสถานการณ์การวิเคราะห์ "ถ้าเป็นเช่นนั้น" มากมายในระหว่างกระบวนการพัฒนาผลิตภัณฑ์ข้อมูลทั้งหมด
- เมื่อเวลาผ่านไป คุณให้ความรู้แก่ผู้มีส่วนได้เสียของคุณเพียงเล็กน้อย และพวกเขาก็เริ่มมีส่วนร่วมกับผลกระทบทางธุรกิจที่คุณสามารถแสดงให้เห็นด้วยการวิเคราะห์ออฟไลน์และการทดลองออนไลน์
การกำหนดและวัดความสำเร็จของผลิตภัณฑ์:
- บางครั้งการกำหนดเกณฑ์ความสำเร็จของผลิตภัณฑ์อาจเป็นเรื่องท้าทายพอๆ กับการทำความเข้าใจวิธีการทำงานของผลิตภัณฑ์ ทำไม เนื่องจากไม่มีคำจำกัดความที่ชัดเจนของการดำเนินการกับผลิตภัณฑ์ข้อมูลบางอย่าง บางครั้งไม่มีข้อมูลพื้นฐานที่ชัดเจนให้เปรียบเทียบ บางครั้งมันก็เป็นไปไม่ได้ที่จะมีความจริงพื้นฐานมาตัดสินความสำเร็จตั้งแต่แรก
- ความคิดสร้างสรรค์มีประโยชน์ในขณะที่หาวิธีกำหนดและวัดความสำเร็จ โดยรู้ว่ามันจะไม่สมบูรณ์แบบ: ใช้คำจำกัดความเชิงอัตวิสัยพร็อกซีสำหรับความจริงพื้นฐานเพื่อเริ่มต้นทีมของคุณ ใช้ตลาดหรืออุตสาหกรรมหรือค่าเฉลี่ยกรณีที่เลวร้ายที่สุดเพื่อกำหนดเส้นฐาน ใช้การปรับปรุง % เป็นคำจำกัดความของเสร็จสิ้นสำหรับความพยายามในการปรับปรุงอัลกอริทึมบางอย่าง
- บางครั้ง ผลิตภัณฑ์อาจกำลังไล่ตามตัววัดแบบไดนามิก: ตัวอย่างเช่น หากผลิตภัณฑ์อยู่ในการป้องกันการฉ้อโกง การได้รับการป้องกันการฉ้อโกง 99% ไม่ได้หมายความว่าการฉ้อโกงได้หยุดลงแล้ว แต่เพียงแต่คุณอาจต้องอัปเดตเชิงอัตนัยเท่านั้น คำจำกัดความของความจริงพื้นฐานของการฉ้อโกงในผลิตภัณฑ์ของคุณ
ทักษะและความเป็นมาของ Data PM ทั่วไป?
- ทักษะส่วนใหญ่ที่จำเป็นในการเป็นผู้จัดการผลิตภัณฑ์ที่ประสบความสำเร็จนั้นจำเป็นสำหรับการเป็นผู้จัดการผลิตภัณฑ์ข้อมูลที่ประสบความสำเร็จ: การจัดลำดับความสำคัญ การประมาณผลกระทบโดยใช้อินพุตขั้นต่ำ ความเข้าใจทางเทคนิคของการออกแบบระบบ การสื่อสาร การเอาใจใส่ผู้ใช้ ฯลฯ
- สิ่งที่คุณอาจต้องการเพิ่มเติมสำหรับการเป็นผู้จัดการผลิตภัณฑ์ข้อมูลที่ประสบความสำเร็จคือการเข้าใจวิธีทำงานกับวิทยาศาสตร์ข้อมูลและการวิเคราะห์ เพื่อทำความเข้าใจความซับซ้อนของผลิตภัณฑ์เหล่านี้ และสามารถท้าทายและทำงานร่วมกับสมาชิกในทีมวิทยาศาสตร์ข้อมูลได้
- นอกจากนี้ Data PM มักจะสบายใจในการจัดการข้อมูลใน SQL, Python หรือเครื่องมือที่ใช้ UI, อ่านผลการทดลอง A/B, ทำความเข้าใจแดชบอร์ดข้อมูล และรับข้อมูลเชิงลึกที่สามารถขับเคลื่อนผลิตภัณฑ์วิทยาศาสตร์ข้อมูล ท้าทายทีม DS ในการเลือกแบบจำลองและหน่วยเมตริก การคิดนอกกรอบ และการรู้ว่าจุดไหนไม่ควรใช้โซลูชันข้อมูล
- ความสามารถในการคิดแบบ end-to-end ผ่านขั้นตอนข้อมูลทั้งหมดตั้งแต่การรวบรวมข้อมูล ไปจนถึงการจัดเก็บ การเข้าถึง การใช้ และการวัดผล การตัดสินใจเกี่ยวกับการบันทึกจุดข้อมูลบางอย่างในวันนี้อาจช่วยให้คุณปลดล็อกคุณค่าในอนาคตอันไกลได้: เพื่อปรับปรุงผลิตภัณฑ์ที่มีอยู่ หรือเพื่อสร้างผลิตภัณฑ์ใหม่โดยอิงตามข้อมูล ความสามารถในการพิจารณากรณีการใช้งานที่เป็นไปได้ในอนาคตและผลกระทบของการตัดสินใจเกี่ยวกับข้อมูลสามารถช่วยให้มั่นใจถึงความสำเร็จในระยะยาวได้
จะเปลี่ยนไปสู่บทบาท Data PM ได้อย่างไร?
- โดยทั่วไปแล้ว Data PM จะมาจากภูมิหลังที่แตกต่างกัน พวกเขาอาจเป็นนักวิทยาศาสตร์ข้อมูล, ML/วิศวกรข้อมูล, นักวิเคราะห์ข้อมูล/ผลิตภัณฑ์, นักวิเคราะห์ข่าวกรองธุรกิจ หรือวิศวกรซอฟต์แวร์ ก่อนที่จะเปลี่ยนไปเป็นบทบาท Data PM ไม่มีเส้นทางที่เลือกไปยังบทบาท เช่นเดียวกับกรณีของบทบาทการจัดการผลิตภัณฑ์โดยทั่วไป
- ขึ้นอยู่กับความสนใจและทางเลือกของคุณ และโอกาสที่มี แต่ถ้าเป็นไปได้ ให้เลือกผลิตภัณฑ์สำหรับบทบาท Data PM แรกของคุณที่สามารถใช้จุดแข็งของคุณในขณะที่คุณพัฒนาทักษะอื่นๆ
- จากภูมิหลังด้านวิทยาศาสตร์ข้อมูล ฉันเลือกผลิตภัณฑ์ ML ในด้านการบริโภคของข้อมูล โดยอันดับแรกในการเพิ่มประสิทธิภาพการใช้จ่ายด้านการตลาด ต่อมาในการป้องกันการฉ้อโกง และสุดท้ายในผลิตภัณฑ์ที่ต้องเผชิญกับผู้ใช้มากขึ้นสำหรับคำแนะนำรายการ
- ฉันเคยเห็นคนจำนวนมากจากพื้นเพด้านวิศวกรรมย้ายมาดำรงตำแหน่ง PM ฝ่ายเทคโนโลยี/ข้อมูล โดยเน้นไปที่เครื่องมือข้อมูลภายใน คลังสินค้า หรือผลิตภัณฑ์ MLOps ฉันเคยเห็นคนจำนวนมากที่มีภูมิหลังด้านการวิเคราะห์สนใจในการติดตามข้อมูล การทดลอง และผลิตภัณฑ์เพิ่มประสิทธิภาพทางธุรกิจ
น่าตื่นเต้นใช่มั้ย?
และนั่นเป็นเพียงจุดเริ่มต้น ฉันหวังว่าบทความนี้จะช่วยให้คุณมีความเข้าใจเกี่ยวกับบทบาท ความท้าทาย และความคาดหวังจากบทบาทนี้ หากคุณอยู่บนเส้นทางสู่การจัดการผลิตภัณฑ์ข้อมูล ฉันหวังว่าคุณจะได้รับสิ่งที่ดีที่สุดและประสบการณ์ที่สนุกสนาน!
ฉันเขียนเกี่ยวกับผลิตภัณฑ์เทคโนโลยี วิทยาศาสตร์ข้อมูล การจัดการผลิตภัณฑ์ ผลผลิต และความเป็นผู้นำ หากคุณต้องการอ่านไปพร้อมกับเส้นทางการเรียนรู้ของฉัน คุณสามารถติดตามฉัน ใน "สื่อ" หรือ "LinkedIn" หากคุณต้องการติดตามและพูดคุยเกี่ยวกับสิ่งต่าง ๆ โดยละเอียด คุณสามารถจองเวลาได้ที่ ADPList 📆
