Datenprodukt-Revolution

In den letzten 15 Jahren hat die Entwicklung von Datenprodukten stark zugenommen; B. Netflix Recommendation Engine, Spotify Playlist Curation, Google Maps Route Prediction, Autonomous Cars usw. Wir können dieser Liste Hunderte oder sogar Tausende großartiger Beispiele hinzufügen. Aber warum gibt es eine Revolution in diese Richtung? Oder lassen Sie mich die erste Frage stellen, was ist ein Datenprodukt ?

Was ist ein Datenprodukt?

In seinem Buch „Data Jujitsu: The art of turn data into product, 2012“ definierte DJ Patil ein Datenprodukt als „ein Produkt, das ein Endziel durch die Verwendung von Daten ermöglicht“.

Heutzutage verwenden fast alle mobilen Anwendungen und Websites Daten, aber nicht unbedingt alle gelten als Datenprodukte. Die Hauptunterscheidung hier ist, dass das Endziel des Datenprodukts darin besteht, Daten zur Wertschöpfung zu nutzen . Beispielsweise ist Gmail kein Datenprodukt, aber die Smart-Compose-Funktion ist ein Datenprodukt.

Beispiele für Datenprodukte

Heute sind wir von Datenprodukten umgeben, ohne uns dessen bewusst zu sein. Wir können sie nicht von den Kernprodukten unterscheiden. Besonders für technisch nicht versierte Menschen ist es fast unmöglich zu erkennen. Hier sind einige Beispiele;

• Spotify Wrapped: Spotify ist eine führende Musik-Streaming-Plattform. 2016 kündigten sie die gesammelten Daten zwischen Januar und Dezember als Marketingkampagne an . Die Kampagne wiederholt sich jedes Jahr und ist ein personalisiertes Datenprodukt für einzelne Benutzer.
• Netflix Recommendation Engine: Netflix ist eine weltweit führende Streaming-Plattform für Filme, Fernsehsendungen und Serien. Ihr Hauptgeschäftsmodell besteht darin, so viele Kunden wie möglich über Abonnementmodelle zu halten. Um mehr Kunden zu binden, müssen sie das Engagement ihrer Nutzer verbessern. Das zentrale Datenprodukt, das diese Anforderung erfüllt, ist ihre personalisierte Empfehlungsmaschine .
• Gmail Smart Compose: Mit Gmail können Benutzer E-Mails in einem Nur-Text-Format verfassen. Im Jahr 2018 führte Google die Smart-Compose-Funktion ein . Dieses Datenprodukt verwendet verschiedene Techniken des maschinellen Lernens, um die am besten geeigneten Sätze und Wörter für den Benutzer in Echtzeit zu generieren, um den Aufwand für die E-Mail-Erstellung zu minimieren.
• Google Maps-Routenvorhersagen: Google Maps hilft Ihnen, sich mit verschiedenen Methoden von X nach Y zu bewegen. B. öffentliche Verkehrsmittel, Roller usw. Für jede Methode erhält der Endbenutzer alternative Routen mit den vorhergesagten voraussichtlichen Ankunftszeiten. Im Jahr 2020 gab Google einen Einblick in seine Algorithmen und wie es dieses Datenprodukt erstellt hat.

In seinem Buch „ Hooked: How to Build Habit-Forming Products “ beschreibt Nir Eyal das Hooked-Modell in vier Schritten; Auslöser, Aktion, variable Belohnung und Investition. Der Kern dieses Modells besteht darin, ein gewohnheitsbildendes Erlebnis für die Verbraucher zu schaffen, sodass sie keinen Schubs benötigen, um das Produkt zu verwenden. Grundsätzlich verwenden Benutzer die Produkte, weil es ihre Gewohnheit ist, sie zu verwenden .

Warum lieben wir Datenprodukte, obwohl wir sie nicht kennen?

Treten Sie einen Schritt zurück und denken Sie an das Produkt, das Sie lieben, und versuchen Sie, das Kernprodukt und das Datenprodukt aufzuteilen . Ich nehme Spotify als Beispiel.

Ich liebe es, Musik zu hören. Von der Walkman-Ära bis heute ist es eine Gewohnheit in meinem täglichen Leben. Wann immer ich etwas Freizeit habe, höre ich Musik; zB beim Kochen, Wäsche waschen und Bücher lesen. Wenn Sie jemand wie ich sind, kein Social-Media-Nutzer sind oder keinen populären Trends folgen, wird es ein bisschen lästig, neue Künstler und Bands zu finden. Vinyl zu sammeln und bei tollen 90ern hängen zu bleiben, ist auch keine nachhaltige Lösung.

Aus diesem Grund bin ich ein großer Spotify-Nutzer. Ich verwende Spotify nicht wegen seiner ausgefallenen UI-Komponenten oder seines riesigen Archivs. Ähnliche Komponenten finden Sie in alternativen Produkten oder sogar noch besser. Aber ich verwende Spotify wegen seiner Funktionen zur Kennzeichnung , Kategorisierung , Suchmaschine, Empfehlungsmaschine und Wiedergabeliste . Mit diesen Fähigkeiten kann ich Künstlern und Bands vorgestellt werden, von denen ich noch nie etwas gehört habe oder die ich mit der begrenzten Zeit, die ich in meinem täglichen Leben habe , herausfinden könnte .

Die Datenprodukte machen die Kernprodukte also intelligenter, benutzerfreundlicher und personalisierter, und die Benutzer sind bestrebt, sie zu behalten und zu einem Teil ihrer täglichen Routine zu machen. Einfache Umwandlung normaler Produkte in gewohnheitsbildende Produkte .

Vor und nach ChatGPT

Heutzutage gibt es einen riesigen Hype um ChatGPT . Jeder spricht darüber, wie erstaunlich es ist und wie faszinierend die Ergebnisse sind, die es produziert, es wird in den nächsten Jahren X-, Y- und Z-Jobs ersetzen.

Wir müssen zugeben, dass das Produkt, das sie gebaut haben, erstaunlich ist. Ich glaube, der Haupterfolg des Produkts liegt nicht in der technischen Komplexität oder der Lösung eines lebensrettenden Problems in unserem Leben. Es kommt von seiner Einfachheit, Zugänglichkeit und benutzerfreundlichen Funktionen.

Fazit

In den letzten 15 Jahren haben viele Unternehmen in Datenprodukte investiert, um ihre Kernprodukte intelligenter und personalisierter zu machen. Mit ChatGPT treten wir in eine Ära ein, in der das Kernprodukt das Datenprodukt ist. Ich glaube, wir werden viele Beispiele in dieser Richtung sehen. Obwohl es sich um ein Kernprodukt handelt oder das Kernprodukt besser wird, ist die Datenproduktrevolution unvermeidlich.

Vielen Dank fürs Lesen

In diesem Artikel habe ich ein gemeinsames Verständnis der Terminologie von Datenprodukten geschaffen. In der nächsten Serie werde ich tief in verschiedene Arten von Datenprodukten eintauchen und erfahren, wie man funktionsübergreifende Teams einrichtet, um die Produkte zu entwickeln und diese Kultur in Ihren Organisationen zu pflegen.

Wenn Sie an Data Science, maschinellem Lernen, Produktmanagement und dem Erstellen von Datenprodukten interessiert sind, können Sie mir folgen.