Résultats sectoriels : Les leaders produit qui ne peuvent pas accéder à leurs propres données comportementales construisent sur des suppositions. Dans un marché concurrentiel, les suppositions s'accumulent dans la mauvaise direction.
par Madelyn Mullen
CAS D'USAGE
Analytique Produit & Intelligence sur l'Impact des Fonctionnalités
Les organisations produit leaders avancent vite par conception. Flux de travail agiles, déploiement continu, itération rapide — le modèle organisationnel est conçu pour la vitesse. L'hypothèse intégrée dans ce modèle est que la vitesse s'accompagne de feedback : expédier, mesurer, apprendre, ajuster. Mais la boucle de feedback n'est aussi bonne que l'accès aux données qui l'alimente.
Beaucoup d'organisations produit ont une vélocité de livraison de fonctionnalités plus rapide que leur vélocité de données. Les fonctionnalités sont livrées en quelques jours. Comprendre l'impact comportemental de ces fonctionnalités prend des semaines — car les questions de données qui nécessitent des réponses exigent le soutien d'analystes, l'expertise d'outils BI, ou des compétences SQL que les leaders produit n'ont généralement pas et ne devraient pas avoir.
Voici le problème non considéré : la plupart des leaders produit supposent que leur goulot d'étranglement est la lenteur des analystes. Le véritable goulot d'étranglement est architectural. Les outils disponibles pour mesurer les résultats produit ne sont pas conçus pour le rythme auquel les décisions de feuille de route sont prises. Les données résident dans des piles analytiques fragmentées et coûteuses qui nécessitent des compétences spécialisées pour être interrogées — et au moment où une réponse apparaît, la fenêtre de décision est fermée. Vos analystes ne sont pas trop lents. Votre pile n'a jamais été conçue pour vous.
Et la pression concurrentielle n'est plus abstraite : les organisations produit qui expédient le plus rapidement dans l'industrie ne sont pas celles qui ont les meilleurs analystes. Ce sont celles qui ont éliminé la dépendance à leur égard.
L'équipe produit qui ne peut pas interroger couramment ses propres données comportementales prend des décisions de feuille de route basées sur l'instinct, les anecdotes et les indicateurs retardés. Analyse de cohortes de rétention, conversion de tunnels par canal d'acquisition, taux d'adoption des fonctionnalités par segment d'utilisateurs — ce sont les questions de données qui devraient être répondables par n'importe quel leader produit à la demande, et non acheminées vers une équipe d'analytique avec un SLA de 48 heures.
Comment les équipes produit analysent-elles l'adoption des fonctionnalités sans analyste de données ? C'est la question que vos concurrents résolvent déjà. L'écart a un coût cumulatif. Les VP Produit ne perdent pas seulement l'aperçu spécifique — ils perdent le cycle d'apprentissage. Chaque fonctionnalité livrée sans une lecture comportementale rapide est une itération manquée. Chaque itération manquée est une autre série de suppositions intégrées dans la feuille de route. Le cycle aperçu-à-livraison est l'unité fondamentale de la performance d'une organisation produit, et lorsque ce cycle est contraint par la vitesse d'accès aux données plutôt que par la vitesse de réflexion, la qualité de la feuille de route souffre systématiquement.
Nous ne sommes pas aussi axés sur les données en interne que nous aimerions pouvoir le dire à nos clients. — Un VP Produit d'une entreprise B2B mondiale
L'aveu est plus courant que ce que la plupart des leaders produit disent à voix haute. Ce n'est pas un problème de compétences. C'est un problème structurel : des environnements analytiques qui ont été conçus pour les ingénieurs de données, pas pour les leaders produit qui ont besoin d'agir sur ce que les données montrent.
Databricks AI/BI Genie offre aux équipes produit un accès conversationnel à leur environnement de données comportementales complet. Un VP Produit peut demander : "Quel est le taux de rétention à 30 jours pour les utilisateurs qui ont adopté le nouveau flux d'intégration par rapport au groupe témoin, segmenté par canal d'acquisition ?" Cette question émerge de vos données d'événements réelles — aucun analyste requis, aucun ticket déposé.
Le ROI n'est pas seulement du temps gagné. C'est la qualité des décisions. Quand un leader produit peut interroger une question comportementale avant sa revue de feuille de route matinale plutôt que de soumettre une demande de données et d'attendre deux jours, la nature de la décision change. Des questions de suivi sont posées. Les cas limites sont étudiés. La fonctionnalité qui aurait dû être abandonnée est abandonnée avant qu'elle ne consomme une autre série de sprints.
Pour les VP Produit qui mesurent le succès en adoption utilisateur, vitesse d'innovation et satisfaction client — la capacité d'interroger directement les données comportementales n'est pas une fonctionnalité de commodité. C'est le fondement analytique dont dépend la vélocité de la feuille de route.
Notre objectif avec Rovo est de connecter les connaissances, les personnes et les flux de travail pour que les équipes avancent plus vite. En combinant les capacités de langage naturel avec la plateforme de données robuste de Databricks, nous donnons aux équipes les moyens de poser des questions et de prendre des décisions basées sur les données à l'instant présent — en toute sécurité, de manière intuitive et à grande échelle.
L'organisation produit d'Atlassian n'a pas seulement adopté Genie en interne — ils l'ont intégré dans Rovo afin que les chefs de produit de leurs propres clients puissent l'utiliser. L'avantage n'est pas seulement l'accès aux données. C'est la confiance dans les données, à la vitesse à laquelle les décisions sont réellement prises.
La qualité du produit se compose avec la vitesse d'apprentissage. L'équipe qui peut mener deux fois plus d'expériences validées par trimestre, poser deux fois plus de questions comportementales et comprendre deux fois plus d'impacts de fonctionnalités construit un meilleur produit plus rapidement.
Le succès est finalement mesuré en résultats commerciaux — adoption utilisateur, satisfaction client, rétention — pas en nombre de fonctionnalités ou en vélocité de livraison. Un produit qui livre vite mais apprend lentement dérive de ses utilisateurs. Genie élimine la friction d'accès aux données qui ralentit la boucle de feedback dont dépendent ces résultats commerciaux.
Parmi plus de 3 300 clients Databricks, les utilisateurs de Genie ont rapporté un gain de productivité de 49 %. Ils ont rapporté une amélioration de 41 % de la rapidité de mise sur le marché. Les analyses ad hoc s'exécutent 5 fois plus vite. Pour les équipes produit spécifiquement, les clients ont cité Genie pour "l'exécution d'analyses ad hoc sur la performance des tunnels et l'adoption des fonctionnalités produit" et pour avoir réduit les cycles d'aperçu d'intégration de mois à semaines. Cette différence n'est pas mesurée en heures d'analyste. Elle est mesurée en décisions de feuille de route prises sur la base de preuves plutôt que d'instinct — ce qui est la seule façon d'accélérer le cycle aperçu-à-livraison qui définit la vitesse à laquelle une organisation produit apprend réellement.
DIFFÉRENCIATEURS CLÉS DE DÉTAILLANTS GENIE DE DATABRICKS
Conçu pour vos données, régi par vos règles, répondant à tout leader produit.
Voyez ce que Genie peut faire pour votre équipe
Si votre cycle aperçu-à-livraison se mesure en jours plutôt qu'en heures, le goulot d'étranglement n'est pas votre équipe — c'est votre architecture de données. Voyez comment les VP Produit utilisent Genie pour combler cet écart.
(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original
Abonnez-vous à notre blog et recevez les derniers articles directement dans votre boîte mail.