Resultados de la industria: Los líderes de producto que no pueden acceder a sus propios datos de comportamiento están construyendo sobre suposiciones. En un mercado competitivo, las suposiciones se acumulan en la dirección equivocada.
por Madelyn Mullen
CASO DE USO
Análisis de Producto e Inteligencia de Impacto de Funciones
Las organizaciones líderes en productos se mueven rápido por diseño. Flujos de trabajo ágiles, implementación continua, iteración rápida: el modelo organizacional está diseñado para la velocidad. La suposición incorporada en ese modelo es que la velocidad viene con retroalimentación: enviar, medir, aprender, ajustar. Pero el ciclo de retroalimentación es tan bueno como el acceso a los datos que lo impulsa.
Muchas organizaciones de productos tienen una velocidad de envío de funciones más rápida que su velocidad de datos. Las funciones se envían en días. Comprender el impacto conductual de esas funciones lleva semanas, porque las preguntas de datos que necesitan respuesta requieren soporte de analistas, experiencia en herramientas de BI o habilidades de SQL que los líderes de producto no suelen tener y no deberían necesitar.
Aquí está el problema no considerado: la mayoría de los líderes de producto asumen que su cuello de botella son los analistas lentos. El cuello de botella real es arquitectónico. Las herramientas disponibles para medir los resultados del producto no están diseñadas para el ritmo al que se toman las decisiones de la hoja de ruta. Los datos viven en pilas de análisis fragmentadas y costosas que requieren habilidades especializadas para consultar, y cuando aparece una respuesta, la ventana de decisión se ha cerrado. Tus analistas no son demasiado lentos. Tu pila nunca fue construida para ti.
Y la presión competitiva ya no es abstracta: las organizaciones de productos que envían más rápido en la industria no son las que tienen los mejores analistas. Son las que eliminaron la dependencia de ellos.
El equipo de producto que no puede consultar fluidamente sus propios datos de comportamiento está tomando decisiones de hoja de ruta basadas en instintos, anécdotas e indicadores rezagados. Análisis de cohortes de retención, conversión de embudos por canal de adquisición, tasas de adopción de funciones por segmento de usuario: estas son las preguntas de datos que cualquier líder de producto debería poder responder a demanda, no ser enviadas a un equipo de análisis con un SLA de 48 horas.
¿Cómo analizan los equipos de producto la adopción de funciones sin un analista de datos? Esa es la pregunta que tus competidores ya están resolviendo. La brecha tiene un costo acumulativo. Los VPs de Producto no solo pierden la información específica, pierden el ciclo de aprendizaje. Cada función que se envía sin una lectura conductual rápida es una iteración perdida. Cada iteración perdida es otro sprint de suposiciones incorporadas en la hoja de ruta. El ciclo de información a envío es la unidad fundamental del rendimiento de la organización de productos, y cuando ese ciclo está limitado por la velocidad de acceso a los datos en lugar de por la velocidad de pensamiento, la calidad de la hoja de ruta sufre sistemáticamente.
No somos tan impulsados por los datos internamente como nos gustaría poder decirles a los clientes que somos. — Un VP de Producto en una empresa B2B global
La admisión es más común de lo que la mayoría de los líderes de producto dicen en voz alta. No es un problema de habilidades. Es uno estructural: entornos de análisis que fueron diseñados para ingenieros de datos, no para los líderes de producto que necesitan actuar sobre lo que muestran los datos.
Databricks AI/BI Genie brinda a los equipos de producto acceso conversacional a todo su entorno de datos de comportamiento. Un VP de Producto puede preguntar: "¿Cuál es la tasa de retención a 30 días para los usuarios que adoptaron el nuevo flujo de incorporación en comparación con el grupo de control, segmentado por canal de adquisición?" Esa pregunta surge de tus datos de eventos reales, sin necesidad de analista ni de enviar un ticket.
El ROI no es solo tiempo ahorrado. Es calidad de decisión. Cuando un líder de producto puede interrogar una pregunta de comportamiento antes de su revisión de hoja de ruta matutina en lugar de enviar una solicitud de datos y esperar dos días, la naturaleza de la decisión cambia. Se hacen preguntas de seguimiento. Se investigan casos extremos. La función que debería haberse eliminado se elimina antes de que consuma otro sprint.
Para los VPs de Producto que miden el éxito en la adopción de usuarios, la velocidad de innovación y la felicidad del cliente, la capacidad de interrogar directamente los datos de comportamiento no es una función de conveniencia. Es la base analítica de la que depende la velocidad de la hoja de ruta.
Nuestro enfoque con Rovo es conectar conocimiento, personas y flujos de trabajo para que los equipos se muevan más rápido. Al combinar capacidades de lenguaje natural con la sólida plataforma de datos de Databricks, estamos capacitando a los equipos para hacer preguntas y tomar decisiones basadas en datos en el momento, de forma segura, intuitiva y a escala. — Jamil Valliani, Vicepresidente / Jefe de Producto - IA, Atlassian
La organización de productos de Atlassian no solo adoptó Genie internamente, sino que la integró en Rovo para que los gerentes de producto de sus propios clientes pudieran usarla. La clave no es solo el acceso a los datos. Es la confianza en los datos, a la velocidad a la que se toman las decisiones.
La calidad del producto se acumula con la velocidad de aprendizaje. El equipo que puede ejecutar el doble de experimentos validados en un trimestre, hacer el doble de preguntas de comportamiento y comprender el doble de impactos de funciones está construyendo un mejor producto más rápido.
El éxito se mide en última instancia en resultados comerciales (adopción de usuarios, satisfacción del cliente, retención), no en recuentos de funciones o velocidad de lanzamiento. Un producto que se envía rápido pero aprende lento se desvía de sus usuarios. Genie elimina la fricción de acceso a datos que ralentiza el ciclo de retroalimentación del que dependen esos resultados comerciales.
Entre más de 3.300 clientes de Databricks, los usuarios de Genie informaron una ganancia de productividad del 49%. Informaron una mejora del 41% en la velocidad de comercialización. Los análisis ad hoc se ejecutan 5 veces más rápido. Específicamente para los equipos de producto, los clientes citaron a Genie por "ejecutar análisis ad hoc sobre el rendimiento del embudo y la adopción de funciones del producto" y por reducir los ciclos de información de incorporación de meses a semanas. Esa diferencia no se mide en horas de analista. Se mide en decisiones de hoja de ruta tomadas con evidencia en lugar de instinto, que es la única forma de acelerar el ciclo de información a envío que define qué tan rápido aprende realmente una organización de productos.
DATABRICKS GENIE · DIFERENCIADORES CLAVE
Construido para tus datos, gobernado por tus reglas, respondible ante cualquier líder de producto.
Mira lo que Genie puede hacer por tu equipo
Si tu ciclo de información a envío se mide en días en lugar de horas, el cuello de botella no es tu equipo, es tu arquitectura de datos. Descubre cómo los VPs de Producto están utilizando Genie para cerrar esa brecha.
(Esta entrada del blog ha sido traducida utilizando herramientas basadas en inteligencia artificial) Publicación original
Suscríbete a nuestro blog y recibe las últimas publicaciones directamente en tu bandeja de entrada.