A Ascensão do Data Product Manager
Nos próximos anos, crescerá a demanda por um novo tipo de PM
Por Trey Causey (publicado originalmente aqui, em inglês)
Eu já havia defendido que bons(boas) data scientists fazem bons(boas) product managers, mas isso não é tudo: os dados estão no centro do desenvolvimento de produtos; não só nas análises estatísticas post-hoc de métricas de utilização e A/B tests.
O fluxo constante de dados é determinante para saber como os produtos vão se comportar e que tipo de novos produtos são possíveis. Modelos de machine learning adaptam automaticamente os produtos às preferências do usuário, fazem recomendações sobre as próximas ações e sugerem features e produtos a serem criados no futuro. Data product managers entendem e incorporam isso em seus produtos.
Trabalhar com dados em produtos requer um nível de compreensão de modelagem de dados, infraestrutura, estatística e inteligência artificial.
Vai além de entender os resultados dos testes e da leitura de dashboards — é necessário ter uma profunda admiração pelo que é possível e o que vai ser possível em breve, aproveitando totalmente o fluxo de dados.
Se o PM tradicional opera na intersecção entre Gestão, Engenharia e Experiência do Usuário, o PM orientado por dados também precisa dominar conhecimentos relacionados a Ciência e Análise de Dados.
Um(a) data PM sabe que criar produtos com informação requer uma estratégia de informação: qual é o plano para a geração, coleta e consumo de dados e como isso posiciona especificamente você para ser bem sucedido em seu mercado?
Não é suficiente coletar dados e armazená-los para análises post-hoc. Um(a) Data PM tem um plano que diz porque aquela informação gerada pelo produto vai ser usada para melhorá-lo, por algoritmos ou não, num dado período de tempo — e por que isso cria uma linha de defesa para aumentar as chances de sucesso desse produto no longo prazo. Em outras palavras, esse(a) novo(a) Product Manager toma decisões de produto que faz as engrenagens rodarem com dados.
Além disso, ele entende os aspectos técnicos envolvidos na infraestrutura da construção de um produto.
Que tipo de infraestrutura é necessária para dar suporte a esse produto? Modelos de machine learning precisam ser medidos em tempo real ou eles podem ser medidos antes e off-line? Qual é o plano para re-treinar os modelos com novos dados? Como o sucesso do modelo vai ser avaliado com o tempo? Qual é a complexidade dos custos para implementar o modelo na produção?
Sim, os data scientists também vão responder a todas essas perguntas — mas um(a) Data PM precisa ser participativo(a) nas discussões como parte dos inevitáveis trade-offs que aparecem no desenvolvimento de produto.
Este novo tipo de PM sabe que coletar dados e usar dados são duas etapas diferentes para o desenvolvimento de produtos com esses dados, com dilemas diferentes e geralmente envolvendo partes diferentes das equipes de engenharia. Eles ajudam a orientar o processo de desenvolvimento de produto para que o handoff seja feito da melhor forma possível e ajude os dois lados a serem bem-sucedidos nas suas tarefas.
Um(a) data PM entende que machine learning é útil para vários problemas, mas sabe quando um modelo heurístico pode ser mais apropriado. Quando não está claro, eles fazem uma exploração em timebox para ver qual é a abordagem mais eficiente. Eles também sabem que pode chegar o momento em que a troca de um pelo outro pode ser positivo e se planejam com antecedência para essa mudança.
Eles podem fazer suas próprias análises — criar seu próprio SQL, fazer seus próprios dashboards, interpretar seus próprios testes. Eles duvidam de qualquer pessoa que diga “os dados falam por si próprios” uma vez que eles sabem que isso nunca é verdade. As pessoas falam pelos dados e saber como a análise é conduzida é tão importante quanto os resultados.
Estes profissionais não são escravos dos dados nem tomam decisões cegamente baseados só nos números. Eles são produtores e consumidores de informação com ceticismo.
Podem traduzir os parâmetros para data scientists, engenheiro(a)s, designers, marqueteiro(a)s e outro(a)s PMs. Criam instrumentos e bancos de dados para os critérios desses profissionais enquanto colaboram com data scientists para garantir que a informação esteja acessível e pronta para análises e modelagens o mais rápido possível. Não deixam engenheiro(a)s — que não são data scientists — fazerem suposições sobre que tipo de dado será valioso para data scientists.
Por fim, Data PMs sabem que dados, modelos e outputs não são suficientes — eles ainda têm de ser product managers e trazer esses componentes para o modelo de negócio e estratégia da organização.
Modelos de machine learning que não se alinham com o modelo de negócios não só desperdiçam tempo e dinheiro sem razão, como também minam a confiança da empresa em machine learning. Isso é especialmente verdade em companhias que: passaram a utilizar a ciência de dados recentemente; têm algum tipo de ceticismo sobre o poder da ciência de dados; ou têm lideranças muito qualitativas.
Por essas razões, ainda acredito que ótimo(a)s data scientists fazem bons product managers — mas já está claro que um novo tipo de PM está aparecendo no horizonte.
PM, você não está sozinha(o).
Para possibilitar que lideranças de produto deem um passo além no trabalho usando as ferramentas e metodologias que fazem parte do dia a dia das principais empresas digitais do mercado, a Tera criou o bootcamp de Data Analytics Leadership.
