Revolusi Produk Data

Dec 31 2022

Dalam 15 tahun terakhir terjadi peningkatan besar dalam pengembangan Produk Data; misalnya

Foto oleh Isaac Smith di Unsplash

Dalam 15 tahun terakhir terjadi peningkatan besar dalam pengembangan Produk Data; misalnya Mesin Rekomendasi Netflix, Kurasi Daftar Putar Spotify, Prediksi Rute Google Maps, Mobil Otonom, dll. Kami dapat menambahkan ratusan atau bahkan ribuan contoh bagus ke daftar ini. Tetapi mengapa ada revolusi ke arah ini? Atau izinkan saya mengajukan pertanyaan pertama, apa itu Produk Data ?

Apa itu Produk Data?

Dalam bukunya , “Data Jujitsu: Seni mengubah data menjadi produk, 2012”, DJ Patil mendefinisikan produk data sebagai “Produk yang memfasilitasi tujuan akhir melalui penggunaan data”.

Saat ini hampir semua aplikasi seluler dan situs web menggunakan data tetapi belum tentu semuanya dianggap sebagai produk data. Diferensiasi utama di sini adalah, tujuan akhir dari produk data adalah menggunakan data untuk menghasilkan nilai . Misalnya, Gmail bukanlah produk data tetapi fitur smart compose adalah produk data.

Contoh Produk Data

Hari ini kita dikelilingi oleh Produk Data tetapi kita bahkan tidak menyadarinya. Kami tidak dapat membedakannya dari produk inti. Terutama untuk orang non-teknis, hampir tidak mungkin untuk dideteksi. Berikut beberapa contohnya;

Spotify Dibungkus: Spotify adalah platform streaming musik terkemuka. Pada 2016 mereka mengumumkan data yang dikumpulkan antara Januari dan Desember sebagai kampanye pemasaran . Kampanye ini berulang setiap tahun dan merupakan Produk Data yang dipersonalisasi untuk pengguna individu.
Mesin Rekomendasi Netflix: Netflix adalah platform streaming film, acara TV, dan serial terkemuka di seluruh dunia. Model bisnis utama mereka adalah mempertahankan sebanyak mungkin pelanggan melalui model langganan. Untuk mempertahankan lebih banyak pelanggan, mereka perlu meningkatkan keterlibatan pengguna mereka. Produk Data inti yang memenuhi persyaratan ini adalah mesin rekomendasi yang dipersonalisasi .
Penulisan cerdas Gmail: Gmail memungkinkan pengguna menulis email dalam format teks biasa. Pada tahun 2018 Google memperkenalkan kemampuan smart compose . Produk Data ini menggunakan berbagai teknik pembelajaran mesin untuk menghasilkan kalimat dan kata yang paling tepat bagi pengguna secara real-time untuk meminimalkan upaya pembuatan email.
Prediksi rute Google Maps: Google Maps membantu Anda berpindah dari lokasi X ke Y dengan berbagai metode; misalnya angkutan umum, skuter, dll. Untuk setiap metode, pengguna akhir menerima rute alternatif dengan prediksi ETA. Pada tahun 2020, Google berbagi sekilas tentang algoritmenya dan cara membangun Produk Data ini.

Dalam bukunya, “ Hooked: How to Build Habit-Forming Products ”, Nir Eyal menjelaskan model hooked dalam empat langkah; Pemicu, Tindakan, Penghargaan Variabel, dan Investasi. Inti dari model ini adalah untuk menciptakan pengalaman membangun kebiasaan bagi konsumen sehingga mereka tidak memerlukan dorongan apapun untuk menggunakan produk tersebut. Pada dasarnya pengguna menggunakan produk karena sudah menjadi kebiasaan mereka menggunakannya .

Mengapa kami menyukai Produk Data meskipun kami tidak mengenalnya?

Ambil langkah mundur dan pikirkan tentang produk yang Anda sukai dan coba pisahkan Produk Inti dan Produk Data . Saya akan mengambil Spotify sebagai contoh.

Saya suka mendengarkan musik. Dari era Walkman sampai sekarang, itu adalah kebiasaan saya sehari-hari. Setiap kali saya memiliki waktu luang, saya mendengarkan musik; misalnya saat memasak, mencuci pakaian, dan membaca buku. Jika Anda adalah orang seperti saya, bukan pengguna media sosial, atau tidak mengikuti tren populer apa pun, mencari artis dan band baru menjadi sedikit menyebalkan. Mengumpulkan vinil dan terjebak di tahun 90-an yang menakjubkan juga bukan solusi yang berkelanjutan.

Inilah mengapa saya adalah pengguna Spotify yang masif. Saya tidak menggunakan Spotify karena komponen UI yang mewah atau arsipnya yang besar. Komponen serupa dapat ditemukan di produk alternatif atau bahkan lebih baik. Tetapi saya menggunakan Spotify karena kemampuan pelabelan , kategorisasi , mesin pencari, mesin rekomendasi, dan daftar putarnya . Dengan kemampuan ini, saya dapat diperkenalkan dengan artis dan band yang belum pernah saya dengar atau kesempatan untuk mengetahuinya dengan waktu terbatas yang saya miliki dalam kehidupan sehari-hari.

Jadi Produk Data menjadikan Produk Inti lebih cerdas, lebih mudah digunakan, dan lebih dipersonalisasi dan pengguna tertarik untuk mempertahankan dan menjadikannya bagian dari rutinitas harian mereka. Cukup mengubah produk biasa menjadi produk pembentuk kebiasaan .

Sebelum dan Sesudah ChatGPT

Saat ini ada hype besar tentang ChatGPT . Semua orang berbicara tentang betapa menakjubkannya itu, dan betapa menariknya hasil yang dihasilkannya, itu akan menggantikan pekerjaan X, Y, dan Z di tahun-tahun mendatang.

Harus kami akui bahwa produk yang mereka buat memang luar biasa. Saya yakin kesuksesan utama produk ini tidak berasal dari kerumitan teknis atau pemecahan masalah yang menyelamatkan jiwa dalam hidup kita. Itu berasal dari kesederhanaan, aksesibilitas, dan fitur yang mudah digunakan.

Kesimpulan

Dalam 15 tahun terakhir, banyak perusahaan berinvestasi pada produk data untuk menjadikan produk inti mereka lebih cerdas dan personal. Dengan ChatGPT kita memasuki era dimana produk inti adalah produk data. Saya yakin kita akan melihat banyak contoh ke arah ini. Meskipun demikian itu adalah produk inti atau membuat produk inti menjadi lebih baik, Revolusi Produk Data tidak dapat dihindari.

Terima kasih telah membaca

Pada artikel ini, saya menyiapkan pemahaman umum tentang terminologi Produk Data . Di seri berikutnya, saya akan mendalami berbagai jenis produk data, dan cara menyiapkan tim lintas fungsi untuk membangun produk dan memelihara budaya ini di organisasi Anda.