Come Product Manager (PM) che legge in media dieci articoli al giorno sull'argomento, ho notato una cosa importante:

C'è una mancanza di discussione sull'importanza della statistica e della matematica per i Product Manager.

La ricerca e le capacità analitiche sono fondamentali per prendere decisioni basate sui dati ed è necessaria una comprensione pratica delle statistiche e della matematica fondamentali per eccellere nella tua carriera.

Per fortuna, acquisire competenze matematiche e statistiche non è difficile nella nostra epoca moderna. Iniziamo con le basi.

I requisiti matematici comuni per i Product Manager includono:

• algebra della scuola secondaria,
• nozioni matematiche di base,
• analisi dei dati di base, e
• nessuna esperienza pregressa.

Sebbene questo sia il mio approccio distintivo, ognuno è diverso alla luce di background e istruzione diversi, quindi non preoccuparti se non sei al corrente di questi concetti.

I servizi online come Khan Academy e Udacity sono i tuoi migliori amici per imparare e rinfrescare le tue conoscenze su tutto ciò che riguarda la matematica.

• Nozioni di base sull'algebra | Khan Academy
• Statistiche e Probabilità | Khan Academy
• Corso introduttivo gratuito di statistica | Corsi Gratuiti | Audacia

Nella tua carriera di product manager, incontrerai dati ogni giorno. Sebbene non sia necessario disporre delle competenze avanzate di uno statistico, di un matematico o di un data scientist, è importante familiarizzare con alcune delle loro tecniche.

Ecco alcune risorse consigliate per saperne di più sulle statistiche:

"Perché i PM dovrebbero studiare le statistiche"

Il saggio di Matt Dupree "Perché i PM dovrebbero studiare le statistiche" copre argomenti importanti come la comprensione dell'analisi, le dinamiche organizzative e una migliore previsione.

La parte del saggio sulla previsione del prodotto mi ha aperto gli occhi; Perché, non importa quanta ricerca e sperimentazione faccia un product manager nel suo lavoro, ogni decisione sul prodotto che prendiamo è essenzialmente una scommessa o una "scommessa". Scommettiamo, sulla base dei nostri dati e approfondimenti, che prendiamo le decisioni giuste per il successo del prodotto.

Dupree menziona anche l'esperto di gestione del prodotto Marty Cagan e le sue raccomandazioni su come un product manager può gestire il rischio nei seguenti modi:

• Rischio di valore, ovvero se i clienti acquisteranno o se gli utenti lo utilizzeranno
• Rischio di usabilità, ovvero se gli utenti possono capire come usarlo
• Rischio di fattibilità, ovvero se gli ingegneri possono costruire ciò che è necessario con il tempo, le competenze e la tecnologia disponibili
• Rischio di fattibilità aziendale, ovvero se la soluzione funziona per vari aspetti dell'azienda

"Product Manager Math - 4 concetti che devi conoscere"

L'articolo "Product Manager Math - 4 concetti che devi conoscere" di Edward English evidenzia importanti concetti matematici che ogni product manager dovrebbe conoscere. Questi concetti possono aiutare i product manager a prendere decisioni basate sui dati e utilizzare al meglio le risorse disponibili.

Sebbene questi metodi non siano cose quotidiane, almeno per me e il mio flusso di lavoro, questo è esattamente il motivo per cui ho bisogno di rivederli ogni tanto.

• Il primo concetto discusso è il Discrete Choice Model , che è uno strumento che aiuta i product manager a decidere quali funzionalità costruire. Esaminando gli utenti con una serie di scelte che si escludono a vicenda, i product manager possono determinare la probabilità che diversi tipi di utenti selezionino ciascuna scelta e capire quali caratteristiche sono le più importanti.
• Il secondo concetto è K-Means Clustering , che è un modo per segmentare i clienti in base ai loro comportamenti o attributi. Tracciando vari punti dati e misurando la distanza euclidea tra ciascuno di essi, il product manager può identificare i punti centrali per ogni gruppo di clienti e mappare i clienti al punto centrale più vicino.
• Il terzo concetto è la curva sigmoide , che viene utilizzata per determinare i clienti più e meno preziosi. Tracciando la popolazione di clienti in base a un attributo, il product manager può determinare il valore di ciascun cliente, rendendo possibile individuare i clienti più preziosi e migliorare la fidelizzazione dei clienti.
• Il quarto concetto è la simulazione Monte Carlo che può essere utilizzata per stimare le probabilità di diversi risultati di vendita nel prossimo trimestre, sostituendo le variabili chiave che determinano i risultati di vendita con generatori di numeri casuali che seguono una distribuzione normale con valori min/max definiti soggettivamente. L'esecuzione di questa simulazione più volte può fornire una serie di risultati attesi ponderati in base alla probabilità, invece di una previsione di vendita a numero singolo.

L'articolo evidenzia che i product manager possono trarre grandi vantaggi da una comprensione di base dei concetti matematici, in quanto possono aiutare a prendere decisioni basate sui dati, migliorare la segmentazione dei clienti e determinare il valore di ciascun cliente.

"Statistiche per test A/B" di Guilherme Coelho

Primer di Guilherme Coelho su “Statistiche per i test A/B” . I test A/B sono stati una parte fondamentale del mio flusso di lavoro negli ultimi mesi. Questo articolo è un work-in-progress personale, o un punto di ingresso se si può, al fine di comprendere ulteriormente i risultati che sto ottenendo dal team di dati.

L'articolo fornisce una panoramica di base del test A/B e dei suoi concetti statistici sottostanti. Il test A/B è un metodo per confrontare due versioni (il controllo e una variazione) di un'esperienza software per determinare quale versione funziona meglio.

Guilherme spiega diversi concetti statistici rilevanti, tra cui il criterio di valutazione generale (OEC), l'ipotesi nulla (Ho), il valore p, il livello di significatività (SL), la potenza e la deviazione standard, e fornisce brevi definizioni e spiegazioni di ciascuno.

Il punto principale dell'articolo è che il test A/B è un approccio basato sui dati al processo decisionale nello sviluppo di prodotti digitali e che è necessaria una comprensione di base dei concetti statistici per condurre test A/B efficaci.

L'autore sottolinea l'importanza di avere una chiara comprensione dell'obiettivo dell'esperimento (OEC) e del livello di significatività (SL) prima di condurre il test, nonché l'importanza di avere una dimensione del campione sufficiente e un alto livello di potenza per aumentare la probabilità di ottenere risultati accurati.

L'articolo conclude affermando che i test A/B aiutano a evitare ipotesi cieche e approcci di "speranza per il meglio" nel processo decisionale e possono fornire preziose informazioni su quale versione di un'esperienza software è più efficace.

"Seeing Theory: un'introduzione visiva alla probabilità e alla statistica"

Seeing Theory, è un sito web che rende le statistiche più accessibili attraverso visualizzazioni interattive create da Daniel Kunin.

Tengo una cartella dedicata nella barra dei segnalibri del mio browser per immagini, video e visualizzazioni interattive come quelle di Seeing Theory. È un vero toccasana durante le riunioni quando ho bisogno di un elemento visivo per spiegare concetti complessi nel modo più rapido e semplice possibile.

Credo fermamente che non ci sia modo migliore per spiegare cos'è la Probabilità Condizionata senza quei grafici interattivi e ti farò subito un esempio.

La probabilità condizionale è un concetto nella teoria della probabilità che si occupa della probabilità che un evento si verifichi dato che un altro evento si è già verificato. In altre parole, è la probabilità che si verifichi l'evento B, dato che l'evento A è già accaduto.

Un product manager potrebbe utilizzare la probabilità condizionale in alcuni dei seguenti modi:

• Segmentazione del mercato : analizzando la probabilità che un cliente acquisti un particolare prodotto date le sue caratteristiche demografiche, i product manager possono sviluppare strategie di marketing mirate e offerte di prodotti.
• Fidelizzazione del cliente : la probabilità condizionale può essere utilizzata per comprendere la probabilità di abbandono di un cliente in base al comportamento e ai modelli di utilizzo.
• Valutazione del rischio: analizzando la probabilità che una particolare funzionalità causi un bug o influisca sulle prestazioni, i product manager possono dare la priorità agli sforzi di sviluppo e test e prendere decisioni informate sui rilasci dei prodotti.
• Sistemi di raccomandazione: comprendendo la probabilità che un cliente acquisti un determinato prodotto in base al suo comportamento passato, i sistemi di raccomandazione possono formulare raccomandazioni personalizzate che hanno maggiori probabilità di portare a una vendita.

Ecco alcuni corsi di matematica e statistica consigliati per i Product Manager:

Sia Google che IBM offrono corsi di Data Analysis/Data Science sulla piattaforma di Coursera. Sebbene entrambi i corsi includano istruzioni su SQL per l'elaborazione dei dati, differiscono nel linguaggio di programmazione utilizzato per l'analisi dei dati.

• Certificato professionale di Google Data Analytics
• Introduzione di IBM alla specializzazione in scienza dei dati

Attualmente sono iscritto al corso IBM. Ho scelto l'offerta di IBM rispetto a quella di Google perché ho più familiarità con Python e perché il corso di IBM ha una durata inferiore di 4 mesi rispetto al corso di 6 mesi di Google.

La seguente tabella potrebbe rivelarsi utile se non sei sicuro di quale strada prendere:

Entrambi i seguenti due corsi sono offerti da Microsoft, che in questo caso è la massima autorità su Excel da quando l'hanno creato. Inoltre, entrambi i corsi sono offerti da edX, la piattaforma che ha aperto la strada ai MOOC nei primi anni 2010.

• Introduzione all'analisi dei dati utilizzando Excel
• Analizzare e visualizzare i dati con Excel

Se lo desideri, puoi sempre chiedere a ChatGPT come fare qualcosa di molto specifico su Excel o Fogli Google e ti darà un'ottima risposta.

• Analisi dei dati per la gestione

Anche se non ho seguito personalmente il corso, ho ricevuto feedback positivi da diverse persone che lo hanno completato con successo. Credo che il contenuto di questo corso sarebbe molto vantaggioso per un Product Manager, come evidenziato dagli argomenti del modulo settimanale:

• Modulo 1: Processo decisionale in condizioni di incertezza
• Modulo 2: visualizzazione dei dati e statistiche descrittive
• Modulo 3: Quantificazione del rischio attraverso la probabilità
• Modulo 4: Integrità dei dati e inferenza statistica
• Modulo 5: Decisioni basate sull'evidenza
• Modulo 6: Comprendere le cause delle cose
• Modulo 7: Previsione delle serie temporali
• Modulo 8: fornire approfondimenti attraverso la narrazione

Una comprensione della statistica e della matematica è essenziale per il successo.

In qualità di product manager, dovrai analizzare e interpretare grandi quantità di dati per prendere decisioni informate sullo sviluppo del prodotto, sulle strategie di marketing e sulla soddisfazione del cliente.

La statistica e la matematica forniscono un quadro per l'organizzazione e il senso di questi dati. Avendo una solida base in questi due campi, un product manager può prendere decisioni migliori, portando a lanci di prodotti di maggior successo e migliori risultati aziendali.

Con il giusto investimento di tempo e impegno, puoi sviluppare le tue capacità matematiche e statistiche e migliorare notevolmente le tue possibilità di un prodotto di successo.

Se ti piacciono i miei scritti, puoi prendere in considerazione l'idea di diventare un membro Medium tramite il link sottostante che sbloccherà l'accesso illimitato alla piattaforma e mi supporterà. Grazie.

Un ringraziamento speciale a Tremis Skeete, Executive Editor di Product Coalition per il prezioso contributo che ha contribuito alla redazione di questo articolo.