Что такое product-менеджмент, data-science и продуктовая аналитика и зачем все это нужно?

Кураторы курса «Продуктовая аналитика» от образовательного портала GeekBrains, Елена Чернышова (product-менеджер Яндекс.Шеф), Дмитрий Баланин (CEO аналитического агентства Room42) и Евгений Малахов (COO аналитического агентства Room42) объясняют основные понятия product-менеджмента, data-science и продуктовой аналитики.

Давайте начнем с самого простого: кто такой product-менеджер? Чем он занимается? Что входит в круг его обязанностей?

Елена Чернышева:

Продакт-менеджер — это предприниматель внутри компании. Он ищет возможности для роста бизнеса внутри и вовне. Этот человек готов к тому, что круг его обязанностей постоянно меняется и это сильно зависит от типа бизнеса, его размера, стадии развития и предметной области.

Тип бизнеса

В B2B компаниях продакт-менеджер часто является sales-менеджером, умеет вести переговоры и налаживать хороший личный контакт с клиентами. В B2C компаниях продакт-менеджер по функционалу ближе к менеджеру-аналитику. Обычно у него под рукой много данных, много пользователей, короткий цикл продажи и понятная воронка, которую можно улучшать.

Стадия развития бизнеса/продукта

Основные задачи продакта также меняются в зависимости от стадии развития продукта: в начале он больше занимается исследованием рынка, поиском болей и вариаций решений, разработкой стратегии, он выстраивает структуру продукта. Когда становится понятна аудитория, ее проблемы, заданы границы и понятна монетизация, продакт в первую очередь помогает бизнесу отмасштабироваться и вырасти. На этом этапе он занимается вещами, которые помогают кратно увеличиться базе, и помогает бизнесу выдержать этот рост. Потом наступает этап, когда продакты занимаются оптимизацией и больше работают над эффективностью бизнеса.

Предметная область

Продакт должен уметь быстро погружаться в предметную область. Есть предметные области, где, возможно, на это уйдет несколько лет: медицина, финансы, недвижимость, образование для детей или для взрослых и тд. Без этих знаний невозможно построить крутой продукт и говорить с пользователями на одном языке, понимать их проблемы.

Размер компании/продукта

Размер компании/продукта: малый/средний/крупный. С одной стороны, чем меньше размер компании/продукта, тем больше обязанностей у продакта. С другой стороны, в больших компаниях продакт-менеджер может отвечать за очень маленький кусочек бизнеса (например, за карточку товара на сайте) или за какую-то узкую метрику (например, конверсию в оплату). 

Одним из главных орудий Product-менеджера является data science — наука о данных. Из чего она состоит? Что собой представляет?

Дмитрий Баланин:

Для развития продукта всегда требуется формировать гипотезы по его улучшению. Это можно делать просто на уровне догадок, а можно выделять из данных. И чтобы проверить удачность гипотез, всё равно требуется их проверять. А проверять их можно только на данных. Для решения этих задач образовалось большое направление — data science. Это набор методов по сбору, обработке и преобразованию большого количества данных.

Основная задача data science заключается в том, чтобы цифры превращались в ответы на вопросы или были подсказками для того, чтобы появились новые вопросы, которые могут привести к улучшению продукта. 

Одна из самых часто произносимых фраз со словами product-менеджер — тестирование гипотез. Что это за гипотезы и как их тестируют product-менеджеры? Что такое a/b тесты?

Елена Чернышева:

Продакт-менеджер по своей натуре исследователь: он изучает мир вокруг, чтобы понять, как все устроено, по каким законам работает. Через это понимание появляется определенность, что нужно делать, чтобы достичь желаемых результатов. Исследователи для этого проводят опыты, менеджеры тестируют гипотезы. Менеджер наблюдает и исследует, формирует предположения на основе той информации, которую удалось собрать, а потом ищет им подтверждение.  Существует множество способов и инструментов, чтобы исследовать бизнес/продукт/пользователей, строить, подтверждать или опровергать гипотезы. Один из таких инструментов —  это a/b тестирование.

К примеру, мы хотим изменить бизнес-процесс, скрипт оператора в колл-центре, страницу на сайте и т.д. Мы делаем это изменение, но раскатываем его не сразу на всех, а только на часть наших сотрудников или пользователей. Через некоторое время сравниваем группу, на которую выкатилось изменение, с группой, на которую оно не выкатилось. В результате тестирования мы можем понять, дало ли наше изменение тот эффект, который мы ожидали.

a/b тесты —  это на самом деле самый сложный и дорогой инструмент для тестирования гипотез, хотя и один из самых популярных. Очень просто ошибиться в процессе его проведения и получить неверные результаты. Есть инструменты проверки гипотез, которые гораздо проще и дешевле. 

Что еще в арсенале product-менеджера? Что значат все эти слова: python, power bi, sql?

Елена Чернышева:

У продакт-менеджера есть огромный арсенал разных инструментов и знаний. Список того, что он должен знать и уметь, бесконечен. Учиться нужно постоянно. В целом, продакт должен выбрать, в каких типах бизнеса и продуктах ему больше нравится работать, понимать свои сильные/слабые стороны и формировать свой арсенал под это знание.

Кто-то прокачивает технические скиллы (умение программировать), кто-то — навыки психолога (чтобы выстроить крутую команду и лучше понимать пользователей), кто-то постоянно тестирует все новое, чтобы приносить эти новинки в компанию и в бизнес. Продакт — не продакт, если не относится к себе как к продукту. 

Дмитрий Баланин:

Арсенал product-менеджера — это инструменты для автоматизации его рутины. В повседневной жизни очень много времени тратится на сбор и обработку данных. И эти инструменты позволяют сократить часы и дни работы с данными до минут и секунд.

Можно разделить инструментарий на две части:

  • уже готовые сервисы
  • инструменты для построения собственных решений

Power BI — это уже готовый сервис, который решает задачу визуализации данных. Подобных инструментов сейчас уже достаточно много, есть еще Tableau, Google Data Studio, Statsbot, etc. С их помощью можно на лету построить любой срез данных в виде графика. Такие сервисы для продакт-менеджера являются ключевыми и повседневными.

Также существуют сервисы для хранения и обработки данных, сбора информации и ее преобразования. Самые распространенные сервисы: Google BigQuery, Amazon Web Services, Digital Ocean и другие. Они позволяют оперативно создавать собственные data warehouses — хранилища всей информации по продукту.

Так называемые ETL-сервисы (Extract-Transform-Load) помогают менеджерам собирать информацию из сторонних систем (например, рекламных) и сразу загружать готовые данные в хранилища. К таким сервисам относятся OWOX, Differture, Renta.

Python & SQL — это языки работы с данными.

SQL — это самая распространенная группа языков работы с базами данных и готовыми данными. Он достаточно прост и логичен, поэтому имеет такое безумное распространение. С его помощью можно писать скрипты на уже готовых данных, лежащих в базах данных.

Python — это уже полноценный язык программирования, на котором можно не просто работать с готовой базой данных, а строить собственные сервисы. Он широко используется product-менеджерами опять же по причине своей простоты и гибкости. В нем нет излишней формализации. А еще у него большое сообщество.

Помимо Python, одним из самых распространенных языков программирования является R, созданный специально для работы с данными.

Насколько важно умение презентовать свои идеи команде? Как этому научиться?

Евгений Малахов:

На самом деле, важно уметь презентовать свои идеи не только команде, но и всем окружающим стейкхолдерам: руководству, подрядчикам, менеджеру, топ-менеджеру, клиенту, кому угодно. Более того, нужно презентовать не только идеи, а в целом результат своей работы, ведь аналитика — это не просто, и все люди воспринимают ее абсолютно по-разному. Менеджеру не требуется знание стольких технических деталей, как, допустим, аналитику на стороне какого-то подрядчика, клиента или разработчика.

Поэтому нужно уметь презентовать все: от идеи (зачем нужен проект, зачем нужна аналитика, почему нужно выделять на нее время и бюджет, как это окупится и окупится ли вообще, какие для этого потребуются ресурсы), до решения и результата. Это самая важная часть, потому что по ней можно понять, будет ли результат у работы, следует ли продолжать работать с аналитикой, найти какие-то ключевые точки роста, которые помогут увеличить эффективность бизнеса в целом или какого-то конкретного проекта, может, даже конкретного человека. Аналитика — это большой объем данных, с которыми работает специалист. Нужно уметь их визуализировать, описывать голосом, текстом. Это зависит от того, какой человек будет воспринимать информацию и каким образом: слушать, смотреть или читать. Нужно, чтобы он понял смысл того, что вы объясняете и какую пользу он поимеет от этого. 

В больших аналитических проектах работает не один, а несколько аналитиков, разработчик, дизайнер, менеджер по рекламе, менеджер, data-scientist. В принципе пул команды, который может собраться на каком-то проекте, достаточно большой. Аналитику, так как по идее это человек, которому больше всего понятно с точки зрения данных и статистики, почему это важно и что стоит делать, нужно уметь объяснять, к чему все идут и почему каждый из людей в команде должен найти на это время. Зачастую в любой команде все люди загружены полностью. Почему они должны подвинуть какие-то свои текущие приоритеты ради аналитики?

Научиться этому и просто, и сложно одновременно. Нужно пробовать объяснять свои идеи, проекты, результат разным людям. Под презентацией не обязательно имеется в виду, что ты должен сделать презентацию в PowerPoint или Keynote, показать какие-то слайды и что-то рассказать. Нет, ты должен просто собрать текстовый документ, в котором все будет понятно и структурированно описано или показать несколько слайдов, на которых также будет текст, который легко читается и, самое главное, понятен человеку, который его читает. 

Тут требуется несколько навыков: уметь рассказывать сложные вещи простым языком и подстраиваться под человека, который их будет изучать. Если проект нужно объяснить большому количеству людей, то нужно писать, рассказывать или рисовать максимально просто. Это касается в том числе и визуализации, с которой работают аналитики. Если ты строишь диаграмму, таблицы, чарты, тебе нужно понимать, насколько это интуитивно, понятно и отвечает тому запросу, который есть у человека, смотрящего на этот дашборд. В том числе это важно в том случае, если есть какая-то презентация проекта, и аналитик — это не тот человек, который делает те же самые презентации для топ-менеджмента. Ему нужно объяснить дизайнеру, что и как важно показать, чтобы дизайнер ориентировался и со своей точки зрения строил с аналитиком визуализацию.

Еще один базовый навык — работа с визуалом. Это как презентации, так и строение бордов с визуальной точки зрения. Нужно грамотно и понятно писать, структурировано собирать документы, чтобы люди, которые знакомятся с аналитикой, понимали ее ценность. Это два главных навыка, которые в дальнейшем помогут работать с кем угодно и как угодно, ускорять процессы по организации аналитики, поднимать те или иные приоритеты, которые необходимо сделать и объяснять их важность. Это навык, который в современном мире нужен любому человеку. 

Комментарии (0)

Авторизуйтесь
чтобы оставить комментарий.

Наши проекты