McKinsey написали статью - The missing data link: Five practical lessons to scale your data products
Дата-продукт состоит из пяти компонентов, цель которых — собирать, организовывать и управлять наборами данных, чтобы они были легко доступны и переиспользуемы различными командами и системами.
Когда дата-продукт спроектирован правильно:
- Он решает сразу несколько бизнес-задач.
- Его можно масштабировать и адаптировать под разные use case’ы.
- Он изначально создаётся с прицелом на повторное использование и развитие.
Впервые я обратил внимание на термин «дата-продукт» ещё в Amazon в 2016–2017 годах. Уже тогда дашборды, которые мы создавали, мы называли дата-продуктами. Практически любой конечный результат, который производит команда данных, — это и есть продукт данных.
Нельзя просто взять и перестроиться на продуктовый подход в аналитике — это целая культура. В Amazon мы работали в связке с продуктовыми менеджерами. Они прекрасно понимали ценность продукта, видели, где находятся болевые точки и что нужно сделать, чтобы принести максимальную пользу. При этом им было совершенно не важно, какие инструменты использует команда данных — это полностью зона ответственности инженеров и аналитиков.
При таком подходе удаётся извлечь максимальную пользу из аналитических инструментов (дата-продуктов) и обосновать высокие расходы на зарплаты инженеров и инфраструктуру.
Дата-продукт состоит из пяти компонентов, цель которых — собирать, организовывать и управлять наборами данных, чтобы они были легко доступны и переиспользуемы различными командами и системами.
Когда дата-продукт спроектирован правильно:
- Он решает сразу несколько бизнес-задач.
- Его можно масштабировать и адаптировать под разные use case’ы.
- Он изначально создаётся с прицелом на повторное использование и развитие.
Впервые я обратил внимание на термин «дата-продукт» ещё в Amazon в 2016–2017 годах. Уже тогда дашборды, которые мы создавали, мы называли дата-продуктами. Практически любой конечный результат, который производит команда данных, — это и есть продукт данных.
Нельзя просто взять и перестроиться на продуктовый подход в аналитике — это целая культура. В Amazon мы работали в связке с продуктовыми менеджерами. Они прекрасно понимали ценность продукта, видели, где находятся болевые точки и что нужно сделать, чтобы принести максимальную пользу. При этом им было совершенно не важно, какие инструменты использует команда данных — это полностью зона ответственности инженеров и аналитиков.
При таком подходе удаётся извлечь максимальную пользу из аналитических инструментов (дата-продуктов) и обосновать высокие расходы на зарплаты инженеров и инфраструктуру.