Prodotto basato sui dati: come farlo sul serio, con casi reali

"Siamo un'azienda basata sui dati." Questa frase appare in quasi ogni presentazione di prodotti e nella maggior parte dei casi è una bugia bianca. L’azienda ha dashboard, report, numeri ovunque. Ma quando arriva il momento di decidere, vince il parere di chi occupa la posizione più alta nella stanza. I dati servono come decorazione per una decisione già presa.

Essere guidati dai dati non significa avere dati, ma lasciare che i dati influenzino realmente le decisioni, anche quando vanno contro l’intuizione di chi ne è responsabile. Questa è una distinzione scomoda, perché richiede umiltà istituzionale. È facile essere guidati dai dati quando i dati sono d'accordo con te. Il vero test è quello che fai quando non sono d'accordo.

Questo testo spiega come costruire onestamente una cultura del prodotto basata sui dati e utilizza casi reali e riconoscibili per mostrare la differenza tra l'utilizzo dei dati e il nascondersi dietro di essi.

Cosa significa realmente data-driven

Un prodotto basato sui dati utilizza prove derivanti dall’uso reale per ridurre l’incertezza nelle decisioni. Non elimina il giudizio umano, lo informa. La differenza è chi ha l’ultima parola: con l’opinione più forte o con l’evidenza più chiara.

La tesi centrale è questa: la cultura dei dati non si misura dal numero di metriche, ma dalla volontà di cambiare rotta quando i numeri mostrano che la scommessa era sbagliata. Senza questa disposizione, qualsiasi investimento nell’analisi diventa un teatro costoso.

C’è una trappola opposta che va anche nominata: usare i dati come stampella per non decidere. I team che chiedono “un altro studio” utilizzano i dati a tempo indeterminato per rimandare il coraggio, non per sostituirlo. Un approccio realmente basato sui dati bilancia prove e decisioni; Non scappa da nessuno dei due.

Caso 1: la funzionalità che tutti hanno apprezzato tranne gli utenti

Uno scenario comune. Il team del prodotto si innamora di una funzionalità. Investi mesi, lancia con orgoglio e i dati mostrano che quasi nessuno lo usa. La reazione rivelatrice è ciò che separa le culture.

In una cultura di facciata, il team razionalizza: "gli utenti ancora non capiscono", "bisogna promuoverlo meglio", "diamogli più tempo". Le funzionalità morte vengono mantenute per orgoglio, aumentando la complessità e i costi di manutenzione.

In una cultura reale, il team affronta il dato di fatto: la funzionalità non ha risolto un vero problema. Impara da esso, rimuovi ciò che non funziona e reindirizza lo sforzo. La lezione è che i dati servono a correggere una rotta, e per correggere una rotta è necessario ingoiare l’orgoglio di aver commesso un errore. I prodotti digitali più noti tagliano regolarmente le funzionalità proprio perché misurano l’utilizzo e agiscono in base a ciò che misurano.

Caso 2: la riprogettazione che sembrava ovvia

Altro scenario ricorrente. La leadership decide che la schermata principale necessita di una riprogettazione. È "ovviamente" migliore, più carino, più moderno. La cultura dei dati si manifesta nel modo in cui viene implementata.

Senza dati, tutto viene subito cambiato e distorto. Se i parametri diminuiscono, nessuno sa cosa lo abbia causato, perché tutto è cambiato insieme. Se salgono è attribuito al buon gusto, senza prove.

Con i dati, la riprogettazione viene testata in modo controllato, confrontando il nuovo con il vecchio in condizioni reali prima di applicarla a tutti. È successo che riprogettazioni "ovviamente migliori" hanno ridotto la conversione e test controllati hanno prevenuto il danno. Il caso dimostra che basarsi sui dati non significa non avere un’opinione, ma piuttosto mettere alla prova la propria opinione prima di scommetterci tutto.

Caso 3: la metrica che era fuorviante

Un caso più subdolo e pericoloso. Un prodotto celebra la crescita delle registrazioni mese dopo mese. I numeri salgono, la dirigenza applaude. Ma la fidelizzazione, il numero di persone che tornano, sta crollando. Il prodotto attira molte persone che se ne vanno rapidamente.

Questo è il problema con le metriche della vanità: numeri che salgono e rendono tutti felici senza riflettere la salute reale. Registrazioni, download, visualizzazioni. Si arrampicano facilmente e ingannano facilmente.

Una cultura dei dati matura sceglie metriche che indicano realmente il valore fornito, come fidelizzazione, utilizzo ricorrente e soddisfazione. Nel settore pubblico il parallelo è diretto: si celebra il numero dei servizi “digitalizzati” mentre i cittadini continuano ad avere bisogno di recarsi allo sportello perché il servizio digitale non funziona davvero. Metrica che misura l'attività, non i risultati, dà la sensazione di progresso senza progresso.

Gli errori che ostacolano la cultura dei dati

Il primo errore è strumento senza chiedere. I team accumulano dashboard che nessuno guarda perché raccolgono dati senza sapere quale decisione dovrebbero informare. I dati senza domande sono rumore. Inizia con la decisione, poi raccogli ciò che la chiarisce.

Il secondo errore è l’uso selettivo. Prendere solo i numeri che confermano quello che già volevi fare è il contrario di essere guidato dai dati, è una conferma mascherata da metodo. L’onestà di considerare anche ciò che va contro è ciò che dà legittimità al processo.

Il terzo errore è ignorare il contesto qualitativo. I dati quantitativi dicono cosa succede, ma raramente perché. Senza parlare con gli utenti, il team interpreta i numeri al buio. Le squadre migliori combinano i numeri con l'ascolto, non scelgono tra loro.

Visione strategica e ruolo della leadership

La cultura dei dati è, innanzitutto, una decisione di leadership. Se il leader chiede dati ma decide in base alle proprie preferenze, il team apprende rapidamente che il gioco è politico, non analitico, e smette di prendere sul serio i dati. La coerenza della leadership è ciò che dà o toglie credibilità all’intera struttura dati.

Per quanto riguarda l’intelligenza artificiale, vale la pena prendersi del tempo: i modelli e le analisi automatizzate dipendono interamente dalla qualità e dalla governance dei dati che li alimentano. Un solido prodotto basato sui dati è un prerequisito per qualsiasi utilizzo serio dell’intelligenza artificiale. Chiunque voglia l’intelligenza artificiale senza avere una cultura dei dati sta costruendo il tetto prima delle fondamenta.

Chiusura

Essere guidati dai dati non significa avere più numeri, ma essere più onesti. È la disciplina di lasciare che la realtà, misurata con attenzione, abbia voce nelle decisioni, anche quando va contro ciò che vorremmo fosse vero.

I casi mostrano uno schema: la differenza tra team che utilizzano i dati e team che li visualizzano è sempre nel momento del disagio, quando il numero dice il contrario di quello che si vuole. È qui che la cultura si rivela.

Se la tua organizzazione afferma di essere guidata dai dati ma sospetti che le decisioni continuino a derivare dall'opinione più alta nella stanza, vale la pena considerare la cosa con onestà. Ci sono altri articoli sul blog su metriche, prodotto e cultura dei dati che approfondiscono questo percorso.