Zorientowanie na produkt od dawna jest ważnym elementem sukcesu w branży oprogramowania. Menedżerowie produktu nadzorują powstawanie nowego oprogramowania od najwcześniejszych etapów, w czasie których rozpoznawane są potrzeby klientów, przez fazę testów aż do gotowej oferty.
Zgodnie z jednym z opisów zarządzania produktami software'owymi, menedżerowie produktu, którzy odnieśli sukces, muszą zachować równowagę pomiędzy różnymi perspektywami technologii, biznesu i doświadczenia użytkownika — a wszystko to bez sprawowania bezpośredniej kontroli nad którąkolwiek z tych dziedzin.
W ciągu ostatnich kilkunastu lat, gdy oprogramowanie coraz częściej obejmowało dane i funkcje analityczne, idea produktów opartych na danych stała się popularna wśród firm kierowanych przez „cyfrowych tubylców”. Są to produkty softwarowe, których głównym celem jest robienie czegoś z danymi — zbieranie, zarządzanie, analizowanie lub ułatwianie ich wykorzystania. Produkty bazujące na danych zazwyczaj wiążą się też w jakimś stopniu z analityką lub modelami AI. Na przykład niemal każda oferta Google kwalifikuje się jako produkt związany z danymi wspieranymi przez sztuczną inteligencję.
Wykorzystanie, a w zasadzie „osadzanie” danych, analityki i sztucznej inteligencji w produktach, okazało się przełomowe dla osób takich jak Manav Misra, dyrektor ds. danych i analityki w Regions Bank. Ta instytucja finansowa ma aktywa warte 161 miliardów dolarów i jest jednym z największych w St. Zjednoczonych dostawców usług bankowości konsumenckiej i komercyjnej, zarządzania majątkiem oraz produktów i usług hipotecznych. Misra przeszedł do Regions z doświadczeniem w dziedzinie oprogramowania: był profesorem informatyki, a następnie przez wiele lat pracował w firmach zajmujących się oprogramowaniem i analizą danych. Zorientowanie na produkt stało się dla niego drugą naturą. To dobrze, ponieważ kiedy przybył do Regions w 2018 roku, odkrył zarówno potrzebę skupienia się na produkcie, jak i możliwości, które on stwarza.
Wyzwanie: Nauka o danych nie jest zorientowana na produkt
Jednym z głównych problemów dotyczących nauki o danych jest to, że modele powstałe z wykorzystaniem już zgromadzonych danych po prostu nie są wystarczająco często wdrażane. Naukowcy lubią tworzyć modele, które doskonale pasują do posiadanych przez nich danych, jednak to nie wystarczy, aby zapewnić ich wykorzystanie w biznesie. Wdrożenie modeli do produkcji wymaga zazwyczaj szeregu innych przedsięwzięć, w tym współpracy z interesariuszami, integracji modelu z istniejącymi systemami, zmiany procesu biznesowego, przeszkolenia użytkowników i tym podobnych. Wyniki wielu badań sugerują, że wskaźniki wdrażania modeli są niskie — modele kończą jako eksperymentalne weryfikacje koncepcji lub nie angażują interesariuszy biznesowych na tyle, aby zostały przyjęte. W niedawnym badaniu przeprowadzonym przez KDnuggets większość respondentów stwierdziła, że tylko od 0% do 20% ich modeli jest ostatecznie wdrażanych. Inne badania sugerują, że firmy mają problemy z uzyskaniem wartości ekonomicznej ze swoich inwestycji w AI — w dużej mierze dlatego, że nie mają ich wystarczająco dużo w rzeczywistym użyciu.
Jednym z głównych problemów dotyczących nauki o danych jest to, że modele po prostu nie są wystarczająco często wdrażane.
Kiedy Misra dołączył do Regions Bank, zastał poziomy wdrożenia i postawy wśród naukowców zajmujących się danymi, które były podobne do tych, jakie dostrzegał wcześniej w swojej karierze. Naukowcy czuli się odpowiedzialni przede wszystkim za tworzenie modeli, lecz nie za żadne zadania związane z ich rzeczywistym wdrożeniem. „Firmy zajmujące się oprogramowaniem dla przedsiębiorstw nie mogą przekazać klientowi korporacyjnemu czegoś nie całkiem dopracowanego” – powiedział Misra – „a jednak robiliśmy to w naszych zespołach analitycznych. Potrzebowaliśmy poważnej zmiany kultury w kierunku dostarczania kompletnych rozwiązań”.
Brakowało poczucia współpracy między naukowcami zajmującymi się danymi a osobami, które wdrażały modele. Jedna grupa opracowywała je, a następnie przekazywała do wdrożenia innej. Niewiele z modeli było wykorzystywanych przez biznes.
Produkty oparte na danych i partnerzy ds. tych produktów w Regions Bank
Misra dostrzegł, że bank potrzebuje zmiany kierunku, więc stworzył koncepcję produktów związanych z danymi oraz nową rolę partnera ds. tych produktów, który ma nimi zarządzać. Misra definiuje produkt bazujący na danych jako „kompleksowe rozwiązanie programowe problemu, z którym boryka się firma. Wykorzystuje on dane i zaawansowaną analitykę w celu dostarczenia tego rozwiązania”. Produkty z dziedziny danych mogą być przeznaczone do użytku wewnętrznego w banku lub bezpośrednio przez klientów.
Partnerzy pełnią funkcję zarówno menedżerów produktu, jak i partnerów biznesowych, którzy wprowadzają produkty w życie i zarządzają nimi. Każdy partner jest przypisany do konkretnej jednostki wspierającej lub biznesowej w banku. Muszą oni być w stanie uczestniczyć w spotkaniach pracowników z ich partnerami biznesowymi i rozumieć priorytety tej grupy.
Znalezienie osób do takich funkcji nie było łatwe. „Najtrudniejszą rzeczą było upewnienie się, że mamy odpowiednich ludzi” – komentuje Misra. „Musieli myśleć na sposób zarówno partnera biznesowego, jak i menedżera produktu, a także rozumieć dane, analitykę oraz AI”. Wielu z nich pochodziło z biznesowego zaplecza banku, choć niektórzy mieli również wykształcenie analityczne.
Praca partnera produktu obejmuje: zrozumienie, czego potrzebuje jednostka biznesowa i użytkownik końcowy; zestawienie cykli rozwojowych rozpoczynających się od minimalnego użytecznego produktu; budowanie kompletnych rozwiązań oraz monitorowanie ich wykorzystania i skuteczności na przestrzeni czasu. We wczesnych etapach procesu partnerzy produktu pełnią funkcję dwukierunkowych tłumaczy, łącząc możliwości analityki i sztucznej inteligencji z potrzebami biznesowymi. Na późniejszych etapach są odpowiedzialni za ocenę, jak produkt jest przyjmowany i wykorzystywany. Nadzorują też, jak dobrze działa interfejs użytkownika, śledzą, ile osób z niego korzysta, i zapewniają, że produkt dostarcza albo przekracza wartość obiecywaną w pierwotnym uzasadnieniu biznesowym.
AI i analityka potrzebują wypracowania nowego procesu
Manav Misra powiedział, że kilka elementów jest szczególnie ważnych dla osób, które pełnią funkcję partnera produktu i zajmują się dyscypliną zarządzania produktem dla inicjatyw analitycznych oraz sztucznej inteligencji. Jeden z nich to zapewnienie, że rola partnera jest strategiczna, proaktywna oraz skupiona na krytycznych potrzebach biznesowych, a nie jest tylko usługą na życzenie w obrębie firmy. Wszystkie produkty związane z danymi powinny odnosić się do krytycznego priorytetu biznesowego dla partnerów, a po wdrożeniu powinny dostarczać istotną wartość przyrostową dla działalności. Zespoły, które pracują nad produktami, powinny stosować metody zwinne i obejmować naukowców zajmujących się danymi, menedżerów danych, ekspertów od wizualizacji danych, projektantów interfejsu użytkownika oraz programistów platformy i infrastruktury. Misra jest entuzjastą dyscyplin inżynierii oprogramowania — systematycznych technik analizy, projektowania, implementacji, testowania i konserwacji programów komputerowych. Uważa on, że powinny być one stosowane także w nauce o danych oraz w produktach związanych z nimi.
Taka orientacja na produkt wymaga również skupienia się na szerokim kontekście, nie tylko przez partnerów zajmujących się produktami z zakresu danych, ale przez wszystkich członków zespołów ds. rozwoju produktu. Misra podkreśla, że nawet naukowcy zajmujący się danymi koncentrują się obecnie na pomocy w dostarczeniu kompletnego rozwiązania i są bardzo zadowoleni z uwagi, jaką otrzymują, oraz wartości dostarczanej klientom. Wszyscy członkowie zespołu muszą zawsze pamiętać o użytkowniku końcowym i wdrażać rozwiązania, które są angażujące i prawdopodobnie zostaną przez niego przyjęte. Muszą także zrozumieć, że produkt wymaga ciągłego nadzoru i adaptacji. W przeciwieństwie do projektu nie jest to wysiłek w rodzaju „raz a dobrze”. Zasoby muszą być stale inwestowane przez cały okres użytkowania produktu, aby zapewnić ulepszoną funkcjonalność i ciągłą użyteczność w kolejnych wersjach.
Partnerzy produktu mierzą wyniki bazowe przed jego wdrożeniem oraz wpływ po realizacji, w tym jego wyniki, generowane przychody i wewnętrzne oszczędności. Partnerzy są również zachęcani do promowania swoich wyników w wewnętrznym kwartalnym biuletynie rozsyłanym po całym banku, co także pomaga budować świadomość i zwiększać popyt na ich partnerstwo.
Koncentracja na produktach bazujących na danych przynosi owoce
Regions Bank stosuje orientację produktową od trzech i pół roku. Firma odniosła spory sukces, wdrażając ponad 10 produktów generujących przychody i redukujących koszty (o przyrostowym wpływie finansowym rzędu ośmiu cyfr) oraz kilka innych dla wewnętrznych funkcji wsparcia. Na przykład jeden z produktów, zwany RCLIQ (Regions Client IQ), jest aplikacją wykorzystująca uczenie maszynowe, zapewniającą planowanie relacji oraz kontaktów dla bankierów komercyjnych i zespołów klientów. Aplikacja ta została przyjęta w 100% przez użytkowników docelowych i dostarcza ostrzeżeń o wczesnym odejściu, monitoruje ryzyko kredytowe, szacuje udział firmy w portfelu, nadaje priorytety potencjalnym klientom i generuje spostrzeżenia dotyczące planowania rozmów. System ten zarówno zwiększył przychody, jak i obniżył koszty banku.
„Można wskazać na wiele aspektów RCLIQ, które sprawiają, że odnosi on sukces, ale powodem nr 1 jest to, że jest on użyteczny i wzbogacający dla klientów Regions, co z kolei czyni go wartościowym dla naszych menedżerów relacji i zespołów” – powiedział Misra. „Jak w przypadku każdego dobrego rozwoju produktu musisz zacząć od klienta i pracować wstecz. To właśnie tam menedżer produktu może wprowadzić istotną różnicę”.
Drugie narzędzie, zwane Regions Voice of the Customer, wykorzystuje przetwarzanie języka naturalnego, by umożliwić wielokanałowe zbieranie informacji zwrotnych od klientów w kluczowych punktach styku z bankiem. Integruje ono informacje zwrotne od klientów z wiedzą o nich pochodzącą z innego produktu bazującego na danych, opracowanego przez firmę. Jest on obecnie wykorzystywany przez kilka oddziałów, w tym bankowość cyfrową oraz dział zajmujący się rozpatrywaniem skarg. Docelowo ma stać się platformą ogólnofirmową. Pozwoliło to zaoszczędzić ponad milion dolarów, umożliwiając jednocześnie trzykrotnie szybszą identyfikację problemów klientów oraz pięciokrotnie szybsze ich rozwiązywanie.
Sukcesy te nie pozostały niezauważone. Podczas niedawnego spotkania liderów banku wyższego szczebla poproszono grupę Misry o zademonstrowanie różnych produktów związanych z danymi. Okazja stanowiła forum do zaprezentowania wyników pracy grupy, a także zaowocowała pomysłami przyszłych zastosowań projektów powstających pod kierownictwem Misry.
W przeciwieństwie do wielu grup zajmujących się analityką i sztuczną inteligencją zespół Misry może pochwalić się doskonałą średnią wdrożeń priorytetowych produktów. Ostatecznie sukces ten jest wynikiem pracy zespołu, jak również pracy wstępnej poświęconej budowaniu zespołowych i integracyjnych projektów biznesowych, uznania roli partnera produktowego, a przede wszystkim kultury wdrażania dobrze skonstruowanych i wartościowych rozwiązań analitycznych oraz sztucznej inteligencji u partnerów biznesowych. Jak skromnie skomentował Misra, „skupienie się na produktach z zakresu danych naprawdę dobrze nam posłużyło”.
