Data Product pode ser entendido como produtos que possuem como origem e destino dados e suas variações. Com o crescimento exponencial de geração, armazenamento e uso de dados no dia a dia das pessoas e negócios, produtos que sejam nativos nesses contextos e pessoas de produto para viabilizar conhecimento e soluções se tornam cada vez mais necessários.
Mas assim como existe uma curva histórica de adoção de informações para tomadas de decisão, a cultura de dados se apresenta como decisiva para a devida construção e manutenção de Data Product em qualquer empresa. E talvez seja esse o maior desafio não apenas para pessoas de produtos de dados, mas sobretudo para o próprio negócio.
Podemos categorizar Data Products pelo tipo de soluções que proporcionam, facilitando o entendimento e adoção de experimentos de dados para alavancar as oportunidades das companhias:
Criadores de perguntas: aqueles que geram insights e fomentam novas análises e estudos. Ótimos para evolução analítica, inovação e potencialização de resultados.
Criadores de respostas: apresentam respostas para as principais perguntas dos processos, métricas e ambições do contexto. Permitem acompanhamento e validação para hipóteses e cenários.
Criadores de previsões: são de caráter preditivo e sugerem decisões no presente para melhores resultados futuros. Ideais para automações e melhoria de performance.
Em geral, os produtos de dados são voltados para tomadas de decisão, seja porque trazem informações que possam ajudar a escolher e decidir, seja porque sugerem escolhas ou até as tomam por alguém. Ter em mente isso ajuda muito na estruturação das fases de um Data Product:
Dados Brutos: o produto já possui dados estruturados, curados e disponilizados para consulta ou uso via documentos, API, data lake ou interface web;
KPI: apesar da mesma forma de disponilização, o Data Product granja uma camada analítica já com fim de acompanhamento de métricas relevantes para o contexto ou negócio;
Dataviz: o próximo passo traz a experiência para interpretação como protagonista, permitindo acesso mais massivo aos principais indicadores;
Algoritmos: é quando o produto já ganha sequências executáveis, sendo capaz de tomar decisões ou apontar soluções;
Solucionador: eu sou partidária do AI First, então vejo como ema evolução natural a diminuição drástica de interação com interface, deixando para o produto a missão e a responsabilidade pela decisão e eventuais ações.
Dica de leitura para tangibilizar o AI First: Google for Brasil: compromisso com o futuro em um mundo AI First
Existe uma relação íntima entre a maturidade da cultura de dados em um negócio e o grau de usabilidade necessário para maior democratização da informação e de suas soluções. Para esse ponto, o concelho é buscar entregas incrementais voltadas para seu público e suas necessidades para que o produto de dados tenha seu uso sistemático e orgânico.
Se o usuário tem alta capacidade técnica, uma API ou um catálogo de dados para consultas em data lake podem ser suficientes em um primeiro momento, já se o usuário tiver baixa competência técnica mas alta clareza analítica, um Dashboard já ajuda bastante. Agora, se o usuário tiver baixas capacidades técnica e análítica, uma interface que traga respostas e decisões mais prontas, tende a ser o melhor caminho.
E é aí que está boa parte do desafio de um Data Product Manager, por isso a urgência de um perfil cada vez mais empático com os usuários consumidores dos dados, bem como domínio de negócio. Além disso, ser flexível com mudanças e visionário em impactos ajuda muito a manter um bom ritmo de aprendizagem e entregas.
Afinal de contas, Data Product não é apenas um produto que usa dados para resolver problemas, é uma solução que tem como sua proposta de valor o dado e definições e entendimentos que se tem a partir dele.
Fica a dica:
Além de criar produtos de dados, crie processos e ritos para consumo e fomente cada vez mais novas curiosidades sobre os contextos. Pois isso torna o produto mais acessível e parte integrante do negócio, facilitando o contato dos stakeholders e a evolução contínua.
Comentarios