Тёмная сторона исследований. «А в попугаях-то я гораздо длиннее!»
(цикл: власть · идентичность · организационная прокрастинация)
Ранее в сериале: 🔜 кто задаёт вопрос, тот задаёт реальность 🔜 Мы customer driven 🔜 Не спорь с экспертом.
Сегодня разберу третий нарратив, один из самых популярных сейчас и на этом идентичность в текущей серии оставим в покое)
«Мы data-driven».
Удава измерили в мартышках, слонёнках и попугаях. Сам удав не изменился. Зато в попугаях оказался гораздо длиннее — и это было приятно.
Организации тоже любят становиться длиннее в попугаях.
Можно выбрать метрику, в которой продукт выглядит особенно хорошо. Можно час обсуждать растущий показатель и за две минуты отмахнуться от исследования, которое портит картину. Можно сказать: «У нас нет данных, чтобы принять решение» — и ещё квартал не принимать никакого.
Когда «data-driven» становится защитой, это выглядит так:
⚡️ Данные как щит от новых вопросов. «У нас есть метрика Х, она растёт. Зачем нам ещё деньги на исследования тратить?» Вопрос не в том, что показывают данные, а в том, на какой вопрос они вообще отвечают.
⚡️ Выборочное зрение. Команда готова часами обсуждать график с положительной динамикой, но игнорирует единичный тревожный сигнал из качественного исследования.
⚡️ Отсутствие данных как отговорка. «Мы не можем этого делать, потому что у нас нет данных». На деле это значит: «Мы не хотим инвестировать ресурсы в проверку этой гипотезы, потому что она нам не нравится или кажется рискованной».
⚡️ Метрика как самоцель. Рост DAU, конверсия, время в приложении становятся священными коровами. Любое действие, которое их улучшает, считается хорошим, даже если оно разрушает долгосрочную ценность продукта или доверие пользователя.
Цифры дают иллюзию объективности и безопасности. Спорить с мнением можно, спорить с цифрой — гораздо сложнее. Это позволяет команде чувствовать себя «научной» и «рациональной», избегая при этом человеческой ответственности за то, какие вопросы мы задаём, какие данные собираем и как их интерпретируем.
Data-driven решения как минимум должны жить неразрывно со стратегией. Стратегия отвечает на вопросы «куда мы идём?» и «чем готовы ради этого пожертвовать?». Метрики — на вопрос «как мы поймём, что продвигаемся».
А мы чаще как в еще одном моем любимом мультфильме:
А если показатели зелёные, вопрос о направлении можно ещё некоторое время не задавать.
Именно поэтому «мы data-driven» бывает не только рабочим принципом, но и защитным нарративом. Он помогает сохранить образ рациональной, современной команды — и заодно снять с себя ответственность за выбор.
Настоящая работа с данными начинается с осознания на какой вопрос мы на самом деле отвечаем этой метрикой.
И, возможно, с периодической проверки: мы точно изучаем реальность или меряем в попугаях для красивого отчета?
(цикл: власть · идентичность · организационная прокрастинация)
Ранее в сериале: 🔜 кто задаёт вопрос, тот задаёт реальность 🔜 Мы customer driven 🔜 Не спорь с экспертом.
Сегодня разберу третий нарратив, один из самых популярных сейчас и на этом идентичность в текущей серии оставим в покое)
«Мы data-driven».
Удава измерили в мартышках, слонёнках и попугаях. Сам удав не изменился. Зато в попугаях оказался гораздо длиннее — и это было приятно.
Организации тоже любят становиться длиннее в попугаях.
Можно выбрать метрику, в которой продукт выглядит особенно хорошо. Можно час обсуждать растущий показатель и за две минуты отмахнуться от исследования, которое портит картину. Можно сказать: «У нас нет данных, чтобы принять решение» — и ещё квартал не принимать никакого.
Когда «data-driven» становится защитой, это выглядит так:
⚡️ Данные как щит от новых вопросов. «У нас есть метрика Х, она растёт. Зачем нам ещё деньги на исследования тратить?» Вопрос не в том, что показывают данные, а в том, на какой вопрос они вообще отвечают.
⚡️ Выборочное зрение. Команда готова часами обсуждать график с положительной динамикой, но игнорирует единичный тревожный сигнал из качественного исследования.
⚡️ Отсутствие данных как отговорка. «Мы не можем этого делать, потому что у нас нет данных». На деле это значит: «Мы не хотим инвестировать ресурсы в проверку этой гипотезы, потому что она нам не нравится или кажется рискованной».
⚡️ Метрика как самоцель. Рост DAU, конверсия, время в приложении становятся священными коровами. Любое действие, которое их улучшает, считается хорошим, даже если оно разрушает долгосрочную ценность продукта или доверие пользователя.
Цифры дают иллюзию объективности и безопасности. Спорить с мнением можно, спорить с цифрой — гораздо сложнее. Это позволяет команде чувствовать себя «научной» и «рациональной», избегая при этом человеческой ответственности за то, какие вопросы мы задаём, какие данные собираем и как их интерпретируем.
Data-driven решения как минимум должны жить неразрывно со стратегией. Стратегия отвечает на вопросы «куда мы идём?» и «чем готовы ради этого пожертвовать?». Метрики — на вопрос «как мы поймём, что продвигаемся».
А мы чаще как в еще одном моем любимом мультфильме:
куда идём мы с пятачком большой большой секрет, зато скорость, конверсия и глубина просмотра посчитаны до второго знака.
А если показатели зелёные, вопрос о направлении можно ещё некоторое время не задавать.
Именно поэтому «мы data-driven» бывает не только рабочим принципом, но и защитным нарративом. Он помогает сохранить образ рациональной, современной команды — и заодно снять с себя ответственность за выбор.
Настоящая работа с данными начинается с осознания на какой вопрос мы на самом деле отвечаем этой метрикой.
И, возможно, с периодической проверки: мы точно изучаем реальность или меряем в попугаях для красивого отчета?