019: Analityk vs PM - wdrażanie analityki produktowej - Kajo Rudziński (KajoData.com)
Zapraszamy na kolejny odcinek naszego podcastu 🎧! Tym razem porozmawiamy o wdrażaniu analityki produktowej oraz różnych perspektywach - Product Managera i Analityka Danych. Naszym gościem jest Kajo Rudziński - analityk i architekt danych z misją wspierania innych w rozwoju zawodowym. Z ponad 5-letnim doświadczeniem w branży, w tym 2 latami jako data architect, Kajo pomaga osobom zainteresowanym analizą danych wejść na rynek pracy i rozwijać się w tej dynamicznej dziedzinie. Jest też założycielem KajoData – projektu edukacyjnego, który łączy blog, kanał YouTube, kursy online oraz społeczność analityków KajoDataSpace. Na swoich platformach dzieli się praktycznymi wskazówkami i inspiruje tysiące osób do nauki narzędzi takich jak Excel, SQL, Tableau, PowerBI czy Python.🎧 Subskrybuj podcast na Spotify, Apple Podcast, YouTube (https://productvision.pl/podcast/)
I to jest w sumie niezły segue do samej analityki produktowej. Starałem się zauważać w swoim życiu takie rzeczy, które można poprawiać i w związku z tym już jak miałem tak 20 lat, to miałem hopla na punkcie mierzenia sobie różnych rzeczy w Excelu, prowadzenia własnego budżetu, chociaż ja nie mam doświadczenia takiego stricte matematyczno-technologicznego, to znaczy ja jestem po studiach polonistycznych, Na początku większość czasu spędziłem pracując w obsłudze klienta, ale miałem w sobie, jeżeli mogę tak nieskromnie powiedzieć, jakiś taki drive bycia kimś w rodzaju self-made man'a, to znaczy osoby, która wierzy, że jeżeli jesteśmy w stanie sobie wyznaczyć jakiś cel i pomału sobie optymalizować swoje życie w kierunku realizacji tego celu, to nawet do ambitnego celu możemy dojść.
To znaczy z jednej strony mamy ludzi, którzy Są po studiach i szukają swojej ścieżki zawodowej i chcą jak najbardziej przyspieszyć tę drogę do sensownej pracy w miejscu, w którym sobie wymarzyli. Z drugiej strony mamy ludzi, którzy będą bliżej Was, czyli mamy managerów, product ownerów, Którzy dostają czasem różnego rodzaju zestawienia, analizy od analityków, jakby nie bardzo łapią o co chodzi, a chcieliby trochę lepiej mówić tym językiem ludzi z analizy danych. I wreszcie mamy osoby tam, które szukają jakiejś zmiany, bo na przykład dotarły do punktów, w których ich praca już ich nie satysfakcjonuje, mają około 35, 40, 45 lat i czują, że to jest być może ostatni moment na zmianę kariery.
Super. Kto chce się rozwijać w analizie danych, to zerknijcie na ofertę. Jest tam kilka naprawdę ciekawych kursów. Ja sama zastanawiam się nad tym Excelem, bo tak myślę, że to by było przydatne, żeby poznać trochę więcej zaawansowanych funkcji. Dobra, Kajo. Myślę, że po dzisiejszym spotkaniu live być może wszyscy produkt managerowie zgromadzeni tutaj będą chcieli zostać analitykami. Ale ta analiza danych jest nam potrzebna i produktowcom, i analitykom oczywiście do pracy. Temat wdrażania analityki produktu od zera. Jak do tego podejść? Co ty byś tutaj na ten temat powiedział? Na co zwracać uwagę? I jak sam do tego podchodzisz?
Albo wyobrażam sobie inną sytuację, że okej, to może spróbujmy nie na tych ogólnych, tylko wyobrażamy jakiś feature, to bardziej skupmy się na przykład na ewaluacji tego feature'a. Jakby skupiamy się na bardzo małym, wyselekcjonowanym fragmencie po to, żeby odpowiedzieć sobie na bardzo konkretne pytanie, jaki ten feature miał w ogóle wpływ na Nie wiem, ile osób też go, nie wiem, skorzystało z niego, ile do niego wraca i tak dalej. Trzecie, może jeszcze sobie mówię o dwóch podejściach, jeszcze widzę jakieś tam trzecie, że można sobie po prostu zadawać, okej, to na jakie pytanie badawcze chciałbym sobie odpowiedzieć i pod to tak naprawdę początkowo ustawiać bardziej analitykę. Jak się zadają jakby, gdzie ten punkt jakiejś takiej zaczepienia najczęściej, gdybyś widział, że nie mam w organizacji w ogóle, chciałbym wdrożyć i zastanawiam się jakby, gdzie byłoby najbliżej, nie?
Więc z mojego punktu widzenia bierzemy to, co o danym produkcie nowym wiemy i próbujemy dołożyć nową rzecz. Próbujemy lepiej Wykorzystać te narzędzia, które obecnie mamy, czasem po prostu dokładając nowe narzędzia analityczne, żeby powiększyć to, co mierzymy. Ale byłbym bardzo ostrożny, czy wręcz niechętny takiemu podejściu, że robimy z tego jakieś studia podyplomowe. Znowu, pewnie gdybyś był pracownikiem uczelni, I zadałbyś mnie to pytanie, to odpowiedziałbym na to inaczej. Natomiast ponieważ ja żyję zawodowo w świecie biznesu, w świecie biznesu online, tak prywatnie jak i etatowo, to rzeczywistość jest zbyt szybka, żeby sobie pozwolić na to, że po prostu przyjmiemy taką komfortową posę.
Kajo Rudziński. Dobrze technologicznie też opracować to, ile ludzie ze mną zostają, czy mierzę to w odpowiedni sposób, czy mam dobre systemy, które mi to mierzą. Tutaj nie rozmawiamy w ogóle o tym aspekcie technologicznym, w jakich narzędziach i tak dalej, bo to bardzo zależy od przedsiębiorstwa. Ale moim zdaniem po prostu skupiamy się na tym, żeby dokładać i budować na tym, co jest.
A czym się ten analityk zajmował zawodowo? Bo obstawiam, że... Nie wraca jakby do czegoś z praktyką, tylko po prostu sugerował na przykład takie podejście i zastanawiam się, jakie ty masz doświadczenia z takim podejściem. W porządku. Tak jak mówię, z mojego punktu widzenia, choć w idealnym świecie chciałbym żyć w takim świecie, To jest to nie do zrealizowania. To jest podobny przykład do, na moment przechodząc do mojego świadka, do czyszczenia danych. Czyli w idealnym świecie ja jako analityk chciałbym uzyskać idealny format danych i ja przekazuję biznesowi jaką ja bym chciał mieć strukturę, tam kolumny wypisane ze stypami danych i tak dalej i tak dalej, żebym ja mógł dostarczyć super raporty.
I razem z całym szkicem po prostu i pięknym designem raportu jeszcze opracowanym w Figma, jak to będzie wyglądało. Natomiast nikt nie ma na to czasu i nie będzie miał na to czasu i stawianie sobie takich nierealistycznych celów z mojego punktu widzenia, znowu w biznesie online, w którym to się zbyt szybko dzieje, To jest droga do frustracji i do tego, że będzie to działać zbyt wolno. Jest też szansa, moim zdaniem, nie wiem, co o tym sądzicie, jest też szansa, że po prostu nie trafisz z tym pytaniem. Ja się włączę tutaj, bo ja właściwie uwielbiam pracę na pytaniach badawczych w momentach, gdy robię discovery.
Moment, żeby jednak poczekać i w cudzysłowie próbować rozhulać ten produkt przez pierwsze dwa, trzy miesiące i wtedy zadawać sobie te pytania. Żebym ja na przykład się zastanawiał nad personą, czy go w ogóle jeszcze nie dotknęliśmy, żebym się zastanawiał, kurczę, może na przykład UX i UI są w ogóle moim problemem, nie? No dobra, a może opowiesz nam o tym krok po kroku, jak zbudowałaś analitykę dla Kajo Data Space. Nie wszystkie metryki dokładnie oczywiście, ale takie jakieś kamienie milowe w rozwoju tej analityki. Co monitorowałaś na początku, co później dodawałeś? Może tutaj byś nam pokazał taki swój praktyczny case.
To jest bardzo ciekawe pytanie i znowu wrócę do tego, co powiedziałem na samym początku, dlatego że ja wiedziałem, że jeszcze z doświadczeniem analitycznym ja się mogę zagrzebać w pytaniach, jakie mogę sobie zadawać. Mogę sobie w ogóle zacząć sobie zadawać pytanie, dobra, a ile ja muszę mieć tam kursantów, żeby zacząć to sprawdzać. I doszedłem do wniosku, że na samym początku ja po prostu będę mierzył, ilu ludzi kupuje te kursy. Czyli bardzo, bardzo, bardzo podstawowa rzecz. W pewnym momencie zacząłem dokładać do tego reklamę.
I teraz stanąłem na rozdrożu. Ponieważ mogłem zacząć mierzyć i optymalizować konwersję reklam, a mogłem się skupić na czymś innym. I teraz być może to jest kwestia tego, że ja w tym momencie zacząłem sobie zadawać pytania, bo widzisz, tutaj sprawa jest o tyle złożona, że jestem dwoma osobami, które zazwyczaj są osobami osobnymi, to znaczy ja jestem i CEO i analitykiem. I te dwie osoby mają dwa różne cele, trochę. Jedna osoba chce po prostu uzyskać jak największy zysk ze swojej inwestycji czasowej, a druga chciałaby wiedzieć jakby na co najwięcej należy przeznaczyć czasu, co można wiedzieć.
Na przykład wstawiam ankietę. Chciałem się tego dowiedzieć. Wstawiam ankietę, dowiaduję się, że 80% osób przychodzi z YouTube'a i są to mężczyźni między 25 a 35 rokiem życia. I to jest jakaś informacja. Pytanie brzmi, czy ja powinienem poświęcać więcej czasu na to, żeby dokładnie zrozumieć, jacy to są mężczyźni, jak oni się poruszają po mojej stronie? Czy, i to też jest, jestem ciekawy waszego punktu widzenia, no bo wy częściej się będziecie zajmowali tym rozwijaniem tego produktu, pchaniem tego produktu do przodu, nie? Z mojej perspektywy, To jest pewnego rodzaju bet. Ty po prostu wybierasz, którą z dwóch ścieżek i nie masz super narzędzia, które ci powie, jak będzie w przyszłości i który wybór jest najlepszy.
Ja jako analityk nie lubię robić analiz po to, żeby zrobić analizę. Ja znowu muszę optymalizować swój czas, czyli muszę wiedzieć, czy ja jestem przekonany, że ta analiza przyniesie mi świetny zwrot z tej inwestycji czasowej. Nie. Bo ja jestem znowu, bo być może ta analiza polegała na intuicyjnej analizie rynku, nie? I myślę sobie, zanim nie obskoczę wszystkich technologii analitycznych, nie mam się coś zajmować resztą, bo to jest jakby przesadna optymalizacja na ten moment, nie? No dobra, mamy właśnie pytanie.
Widzę, że zwartwiłem was swoim barbarzyńskim podejściem. Nie, myślę, że po prostu nie mówisz o pewnych rzeczach, tak domyślam się, że dochodziły do Ciebie mimo wszystko jakieś jakościowe dane, typu, że ale dobry kurs, zrobił dobrą robotę, ludzie udostępniają ten kurs, więc no nie wiem, jakbyś wypuścił kurs, który jest słaby, No to dostałbyś feedback jakoś tam na ten temat. Tak, tu zgadzam się. Widzisz, niestety nie jestem w stanie przeprowadzić alternatywnej ścieżki życiowej, bo możemy sobie wyobrazić alternatywny scenariusz. Czyli wyobrażamy sobie, że ja wypuszczam ten kurs i jest klapa. I to nie działa. I w momencie, kiedy to nie działa, to wtedy się trzeba zastanowić, czemu to nie działa.
Tego mi zabrakło w tej historii, którą opowiedziałeś. Siłą rzeczy skupiłem się na tym scenariuszu, przez który przeszedłem, a nie przez ten, który nie przeszedłem. Gdybym... No bo jeżeli tworzymy coś, jeżeli tworzymy jakiś produkt, to bardzo upraszczając, mamy dwa możliwe scenariusze. Albo mamy sukces, albo mamy porażkę. I ja po prostu tak długo, jak nie zaczynałem odnosić poważnych porażek, zaczynałem sobie... Może dojdę do tego pytania z kolejnymi produktami. Stwierdzałem, dobra, skoro zrobiłem sukces, powtarzam to. Robię to jakby jeszcze raz w jakiejś innej odsłonie. Natomiast i teraz nawiążę do pytania Dominiki.
Info, kiedy klienci powracają i kupują kolejne produkty. Być może to jest... Ja myślę, że tak powiem, nie myślę tak produktowo jak Wy, więc stąd pewnie różnica w podejściu, nie? Ale to takie ogólne pytanie pojawiło się w momencie, w którym... I to jest ciekawa rzecz w ogóle, że czasem te pytania mogą być naprawdę bardzo podstawowe. Na przykład naszło mnie pytanie, po SQL-u mnie naszło to pytanie, myślę sobie, no dobrze, ale każdy ten klient zapłaci mi raz. Co mogę zrobić, żeby klient zapłacił mi więcej niż raz? I tutaj pojawia się subskrypcja i mierzenie ewentualne tego, czy ludzie wracają, czy nie.
Chciałem do tego wrócić, bo po prostu przypomniała mi się ta realizacja. To był jeden z ciekawszych wniosków, o którym bym w życiu wcześniej nie pomyślał, że Optymalizowanie i mierzenie i analizowanie produktów chociażby zawsze powinno mieć, mówię ze swojej perspektywy, zawsze powinno mieć swoje oparcie w finansach. Jeżeli analizujemy rzeczy, bo znowu, to jest mój punkt widzenia, bo mamy taką moralną pobudkę, żeby nasz produkt był fajny, żeby był super, żeby ludzie byli szczęśliwi. To jest oczywiście godne pochwały z perspektywy moralności, ale z perspektywy biznesowej bez znaczenia.
To jest bardzo duży problem. Najprostszym przykładem jest firma Benefit chociażby, która teoretycznie powinna zależeć na tym, żeby ludzie nie chodzili do tych siłowni, Kajo Rudziński. Przy tworzeniu po prostu produktów zero to one, że jakby my bardzo często tam chcemy podpinać jakieś analityki, myśleć właśnie w taki sposób, że teraz ja będę mierzył coś, robiąc jakiś nowy zupełnie produkt w firmie, ale właśnie to nie jest najważniejsze w takiej sytuacji i nie ma nawet pewnie tych danych, żeby takich realnych wniosków wyciągać w takiej sytuacji i dużo ważniejsze jest jakby to, że z tej perspektywy się skupić to na tym, co Ty mówisz.
Kajo Rudziński Kajo Rudziński Kajo Rudziński Ja tylko chcę, żeby odwieźć, być może sprawiłem mylne wrażenie, jako tutaj po prostu takiego superprzenikliwego złoczyńcy, który chce, żeby teraz wszyscy kupili jego produkt, ale żeby każdy zapomniał. No nie, oczywiście, że mi o to nie chodzi. Chodzi mi tylko o to, żeby oddzielić, żeby nie rzeźbić swojej analityki wyłącznie na jakiejś takiej vanity metrics, czyli że wow, super, mamy
A jeszcze to, czy to są aktywni, czy nie, bo są duże społeczności, które są wypchane po prostu nieaktywnymi użytkownikami. To jest jeszcze inny temat. No my jako produktowcy nam zawsze zależy na tym, żeby dostarczać wartość. A żeby dostarczyć tą wartość, no to musimy mieć pewność, że ktoś z tego skorzysta i przekłada się na jego pracę. Ja tutaj jeszcze też jeden przykład od nas powiem, bo my już kupę lat temu wdrażaliśmy kursy. I jednym z naszych kursów jest kurs Product Ownera. On się całkiem fajnie przez te wszystkie lata sprzedawał, szczególnie na początku, ale mimo wielu zabiegów promocyjnych, ruchów na Product Vision, nie udało nam się z tego zrobić jakoś super biznesu i nie udało się osiągnąć tego efektu skali.
Kajo Rudziński. Po pierwsze pytanie, czy to, że ja przedstawiłem taką jakby taktykę, bo to nawet nie można nazwać strategią, świadczy o tym, że ten produkt nie ma za sobą żadnej wartości? No nie, bo gdyby nie miał wartości, to by nie był znany, nawet nie zaprosilibyście mnie, tu byśmy nie rozmawiali. Więc ta wartość oczywiście jest, o czym świadczy jakby ilość ludzi i jego rozpoznawalność, rozpoznawalność w ogóle marki Kajo Data Space na polskim rynku. Więc ta wartość na pewno jest. Natomiast zupełnie inaczej wygląda, ciężko jest
Używasz słowa wartość. Ja się tego słowa bardzo boję, bo co się kryje za tym słowem? Jeżeli przyjdziesz do zespołu analityków, to być może z ich perspektywy będziesz jakimś oderwanym pięknoduchem. A oni chcą widzieć, że tam wpadają po prostu kolejne zamówienia i nie ma znaczenia, że po prostu mamy jeden wielki chamski przycisk na stronie kup, ale on po prostu działa, bo ten klient nie ma gdzie indziej kliknąć. No ale działa. Rozumiem twój punkt widzenia z wartością, ale myślę, że zawsze będzie zależało, kogo zapytasz, nie?
Dlatego też w firmach bardzo dobrze działa taki układ, że produktowcy z analitykami blisko współpracują. Jednakże razem stawiamy te pytania badawcze, razem stawiamy plany rozwojowe, konkretne kroki w analityce, gdzie ten analityk jest blisko zespołu, więc to jest idealne ustawienie. Tak i co więcej, tutaj z kolei skrytykuję swoją działkę, a pochwalę Waszą, to z czym my mamy problem i to być może nawet W jakimś sensie przeze mnie brzmi, z tego co ja mówiłem, my jesteśmy strasznie krótkowzroczni, nie? Bo ja mam teraz, ja mam jakąś liczbę do dowiezienia jako analityk, jakiś tam chcę, żeby w raporcie, że tak powiem, wykres w jakiś tam sposób wyglądał, to ja użyję każdego możliwego skrótu po to, żeby do tej liczby dojść.
Natomiast ty jako produktowiec widziałaś już 500 scenariuszy i ty wiesz, że to na krótką metę zadziała, a tak jak Tomek powiedział wcześniej, w pewnym momencie to się nam załamie i to po prostu przestanie działać. No i ta dyskusja czasem dosyć nawet taka Konstruktywnie napięta powiedzmy, powoduje, że ani ty nie zostajesz w swoim fotelu modelowych pytań, ani analityk nie zostaje, czy osoba wdrażająca analitykę, bo to czasem jest, analityk to jest bardzo szeroki termin dzisiaj, to nie wiadomo, czy to chodzi o osobę, która podaje wnioski, która tworzy raporty, czy która wdraża technologię, która w ogóle analizowanie umożliwia.
W każdym razie ta osoba techniczna, wtedy jest mniejsze ryzyko, że będzie po prostu próbowała grać w takiego tenisa z rzeczywistością, czyli najprostszymi możliwymi środkami osiągać następne celno. Dajemy od razu takie pytanie właśnie, Ty jako analityk, weźmy ten przykład tej większej organizacji, gdzie Ty pracujesz jako analityk i mamy tam Product Owner, Product Manager, czego byś tak oczekiwał właśnie, z czym powinien Product Owner, Product Manager do Ciebie przychodził, jakiegoś poziomu, nie wiem, właśnie wiedzy o analityce byś od niego oczekiwał, czy na jakim poziomie właśnie i z czym powinien do Ciebie przychodzić, żeby to fajnie taka współpraca grała, na czym by zależało właśnie analitykom najbardziej? Jak zapytasz różnych analityków, to dostaniesz pewnie różne odpowiedzi, więc dam Ci jakby moją, dlatego że są różne typy osobowości.
Pokazano pierwszych 25 dopasowań — doprecyzuj frazę, aby zawęzić wyniki. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Tomasz i Olga przedstawiają gościa Kajo Rudzińskiego, analityka danych i twórcę Kajo Data Space.
Kajo opisuje swoją drogę zawodową, od początków jako analizator danych do założenia Kajo Data Space.
Kajo opisuje platformę i społeczność Kajo Data Space, przeznaczoną dla analityków danych i osób chętnych do nauki.
Kajo omawia dwa podejścia do wdrożenia analityki produktowej: od zera i w istniejącym produkcie.
Tomasz i Olga omawiają różne podejścia do wdrożenia analityki produktowej, a Kajo dodaje swoje doświadczenia.
Kajo omawia relację między analityką a biznesem, podkreślając potrzebę optymalizacji czasu i zwrócenie z inwestycji.
Kajo opisuje swoje doświadczenia z wdrażaniem analityki w Kajo Data Space oraz rozmawia o narzędziach i podejściach.
Kajo Rudziński omawia wartość produktu z perspektywy analityka i product ownera, podkreślając konieczność współpracy i wspólnego zdefiniowania wartości.
Kajo Rudziński krytykuje krótkowzroczne podejście do analityki i podkreśla rolę analityka jako osoby, która pomaga w stworzeniu wartości dla produktu.
Kajo Rudziński przedstawia program Akademii Analityki Produktowej, który pomaga Product Ownerom i Managerom zrozumieć podstawy analityki.
Kajo Rudziński podkreśla ważność komunikacji analityka z innymi działami firmy, sugerując użycie tabel i prostej terminologii.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Naszym gościem jest Kajo Rudziński - analityk i architekt danych z misją wspierania innych w rozwoju zawodowym. Z ponad 5-letnim doświadczeniem w branży, w tym 2 latami jako data architect, Kajo pomaga osobom zainteresowanym analizą danych wejść na rynek pracy i rozwijać się w tej dynamicznej dziedzinie. Jest też założycielem KajoData – projektu edukacyjnego, który łączy blog, kanał YouTube, kursy online oraz społeczność analityków KajoDataSpace. Na swoich platformach dzieli się praktycznymi wskazówkami i inspiruje tysiące osób do nauki narzędzi takich jak Excel, SQL, Tableau, PowerBI czy Python.
🎧 Subskrybuj podcast na Spotify, Apple Podcast, YouTube (https://productvision.pl/podcast/)