Cerrando el gap entre producto y datos

Cómo conseguir alinear los desarrollos de producto con la correcta medición de dichos desarrollos

TL;DR

Si no tienes mucho tiempo para leer este post, aquí te dejo las ideas principales, que luego detallaré con más profundidad en el resto del post.

Uno de los puntos que he visto se repite en muchos equipos de producto es la falta de alineamiento entre el desarrollo de un producto o funcionalidad y su posterior medición.

Este gap suele tener su origen en 3 puntos principales:

• Falta de conocimiento: No se sabe que se tiene que medir, y si se sabe, no se sabe qué es lo que se tiene que hacer para medir.

• Falta de comunicación: Si bien se tiene el conocimiento, la comunicación no fluye, por lo que las peticiones de visualización no se realizan al departamento de datos, o no se hacen de una forma poco efectiva.

• Falta de capacidad: Se tiene el conocimiento y hay comunicación, pero la capacidad del equipo de datos es limitada, por lo que la entrega de la visualización de los datos suele llegar meses después del lanzamiento del producto.

En los 3 retos anteriores explicaré qué solución podríamos dar para cerrar el gap entre el mundo de producto y datos.

Falta de conocimiento

Uno de los primeros retos que nos encontramos es la falta de conocimiento, que yo personalmente la sub-dividido en dos tipos de falta de conocimiento:

• No tenemos conocimiento del problema que tenemos: Este tipo de problema se suele dar en una factoría de funcionalidad, en donde el objetivo principal es sacar el producto al mercado.

• No tenemos el conocimiento para cerrar el gap: Dentro del equipo se entiende la necesidad de medición, pero no hay conocimiento para poder empezar a hacer análisis.

En ambos casos, hay dos posibles caminos sencillos para llegar al siguiente nivel:

• Recoger datos mínimos y crea informes sencillos: El primer enfoque podría ser que la persona encargada de producto intente, de la mejor forma posible, conseguir datos y que dichos datos se vuelquen en una hoja de cálculo que produzca visualizaciones básicas de los resultados obtenidos por la funcionalidad.

• Integración de una herramienta de analítica de datos: El segundo camino, que es 100% compatible con el primero, es hacer lo posible para integrar una herramienta de analítica de datos de producto. Aunque estas herramientas tienen sus limitaciones, sí que nos permitirá empezar a tener insights sobre el producto. Y si bien en el pasado este tipo de herramientas llevaba un sobre-coste, a día de hoy hay muchas herramientas gratuítas (Google Analytics 4, Amplitude, Mix Panel) que tienen un paquete de procesamiento de datos muy avanzado que nos permite empezar a medir de forma gratuíta, y el reto más bien será saber cuál se adapta mejor a nuestras necesidades. 

Objetivo de la fase de conocimiento

El objetivo principal de esta fase es empezar a crear una cultura de datos que permita al equipo entender la necesidad de medir. Esta fase también permite al equipo pueda visualizar un futuro en donde los datos sean parte del día a día del equipo.

Falta de comunicación

En el caso de la falta de comunicación, el reto ya no es la falta de conocimiento del problema o la falta de conocimiento técnico para resolver dicho problema.

El reto ahora es cómo un equipo de producto comunica a un equipo de datos qué es lo que necesita, y cómo el equipo de datos entiende esta necesidad y la puede traducir a un panel de control que sea útil para el equipo de producto.

En este caso mi recomendación sería la siguiente:

• Define no sólo la funcionalidad sino el informe de datos que necesitas: El punto aquí no es únicamente definir qué es lo que se quiere construir, sino que también que se definan los datos que se generarán en base a la funcionalidad, y cómo dichos datos cambiarían si hay éxito en el producto.

• Reúnete con el equipo de datos para conseguir alineamiento: El siguiente paso es poner una reunión con el equipo de datos para explicar la funcionalidad y el modelo de datos, y poder definir un informe que cubra las necesidades del equipo de producto. 

Objetivo de la fase de comunicación

El objetivo de la fase de conocimiento es empezar a generar procesos y rutinas de comunicación entre el departamento de producto y datos.

Seguramente los paneles de inteligencia de datos no saldrán perfectos a la primera y se tendrá que iterar, pero con el tiempo se conseguirá visualizar los datos de forma que traigan insights accionables para el equipo de producto.

Falta de capacidad

El siguiente problema que nos solemos encontrar en el último nivel de este modelo para cerrar el gap entre producto y datos es la falta de capacidad de los equipos de datos para poder entregar todos los informes solicitados.

En este caso, se podrían encontrar varias soluciones para evitar el cuello de botella que se suele generar por la falta de capacidad de un equipo de datos.

• Avisar con tiempo: Si se tiene un roadmap de producto, se puede avisar con tiempo al equipo de datos de la visión de la funcionalidad que se quiere construir y de esta forma también el equipo de datos puede empezar a especular y ayudar al equipo de producto con la definición del modelo de datos y modelo de visualización de datos para esa funcionalidad

• Bajar la demanda de paneles: Es importante analizar las necesidades con lupa, y luego solicitar aquello que sea lo más importante de medir, teniendo en cuenta que el equipo de datos no tiene “barra libre” de tiempo y necesita atender las necesidades de muchos equipos.

• Tener analistas de datos asignados a uno o varios equipos: Otra solución que podría ser la más apropiada es integrar a un analista de datos al equipo de producto. Esto no tiene porqué ser asignación exclusiva a un equipo, sino que un analista de datos se podría repartir entre varios equipos. Este último punto tiene la ventaja de que al ser el analista de datos parte del equipo, podrá empezar a entender de forma mucho más directa la relación entre los modelos de datos y la definición de éxito del producto que se está creando.

Objetivo de la fase de capacidad

El objetivo principal en la fase de aumento de capacidad es bajar los tiempos desde que una funcionalidad se solicita hasta que los datos asociados a dicha funcionalidad se puedan empezar a visualizar.

Si bien las herramientas de analíticas de datos son muy útiles para cerrar el gap de capacidad, ya que funcionan como un modelo “plug and play”, también es verdad no consiguen la granularidad y customización que otras herramientas que extraen la información de la propia fuente (las bases de datos del producto) podrían llegar a conseguir.

Conclusiones

Cerrar el gap que a veces existe entre producto y datos lleva tiempo y se necesita paciencia y persistencia para conseguir llegar a un punto en donde la funcionalidad y el análisis de datos van de la mano.

Si bien el camino se puede ver largo y tortuoso, el reto vale mucho la pena, sobre todo cuando el resultado final te permite ver la realidad del día a día de tu producto de forma sencilla y objetiva, y cuando cerrar el gap entre producto y datos te permite tomar mejores decisiones de producto.