Data Product Manager, ¿y esto qué es?

read time

5 min

qué es data product manager

Desde hace algunos años, se habla de los Data Product Managers, también conocidos como AI Product Managers, que, como su nombre indica, es el nuevo título para los Product Managers especializados en Productos de Data Science. ¿Qué significa realmente esta posición y cuáles son sus particularidades?

Vamos con un breve resumen de la vida diaria y las habilidades específicas de una persona Data PM. 

Por cierto, ¿qué es un Producto de Data Science?

Es un producto (o, por extensión, una feature) cuya propuesta de valor principal es llevada al usuario a través del Aprendizaje Automático (Machine Learning). Si este término aún te parece ambigüo, te invito a ver este canal de Youtube. Los más motivados pueden seguir el MOOC de Andrew Ng para aprender sobre el tema.

No es exagerado decir que estos productos y features han invadido nuestra vida cotidiana a un ritmo acelerado. Las recomendaciones basadas en el aprendizaje automático se han convertido en funcionalidades clave de Amazon y Netflix. Los feeds de Instagram, Facebook o LinkedIn, Google Translate, el cálculo de los tiempos de viaje de Google Maps según la hora del día, el multiplicador de Uber o los innumerables chatbots que han surgido en tantos servicios son ejemplos de productos y features de Data Science que hemos adoptado e integrado en nuestras vidas.

Y esto es sólo la punta del iceberg. La detección del fraude, la optimización de los servidores, la prevención de la pérdida de clientes o la solución de adquisición inteligente de Oui.SNCF son ejemplos de aplicaciones de Machine Learning. Los clientes no siempre los perciben, pero se han democratizado ampliamente.

Desde hace unos años, los productos de Data Science han dejado de ser patrimonio de unas pocas grandes empresas digitales. Cada vez son más las empresas de nueva creación que sitúan el aprendizaje automático en el centro de sus productos. Es el caso, por ejemplo, de Explain; utiliza el PLN (Procesamiento del Lenguaje Natural) para analizar decenas de millones de artículos de prensa y documentos administrativos con el objetivo de ayudar a las empresas a entender sus problemas particulares.

Este boom se ha visto impulsado por un cierto hype en torno a la IA, pero se debe sobre todo, porque el Machine Learning no tiene parangón a la hora de abordar ciertos problemas. Esto multiplica las iniciativas que estamos viendo… más o menos exitosas.

¿Y el rol del Data Product Manager en todo esto?

Como todo PM, la misión del Data Product Manager es liderar la creación y desarrollo de productos que maximizan el valor proporcionado a los usuarios. Sin embargo, este papel tiene sus propias especificidades que hacen que el día a día del PM de Datos sea especial.

En primer lugar, porque un equipo de producto de Data Science está formado por perfiles clásicos como desarrolladores front y back, Product Designers, pero también Data Scientists, Data Engineers e incluso Data Ops para los productos más complejos*.

Reunir un equipo que cubra un abanico tan amplio de competencias, manteniendo un tamaño razonable, ya es un gran reto. Como Data PM, tendrás que lograr entender los problemas de cada persona y alinear mundos radicalmente diferentes para lograr los objetivos de tu producto. ¡Y ahí es donde está el reto!

Para entender mejor el rol del Data PM, es necesario detallar el funcionamiento de un producto de Data Science. Se puede resumir de la siguiente manera:

performance de producto - data product manager

Por un lado, el motor inteligente del producto, el modelo. A partir de los datos ingeridos, un algoritmo realiza una predicción sobre una variable objetivo que se intenta determinar. En el caso de las sugerencias de Netflix, esta variable objetivo corresponde a si la película le gustará o no al usuario. Esta parte del producto está en el centro del trabajo de los perfiles de datos del equipo.

En segundo lugar, la activación, es decir, el mecanismo a través del cual la predicción aportará valor al usuario. Esto incluye el suministro de los resultados del modelo -la visualización de vídeos recomendados- y la activación de ese resultado -hacer clic en uno de los vídeos para verlo-. Esta parte es principalmente responsabilidad de los equipos de desarrollo.

Sin embargo, estos dos mundos no pueden trabajar en silos. Según el tipo de modelo y su rendimiento, habrá que adaptar la activación.

La evolución del coche autónomo es un buen ejemplo. Al principio, el modelo, relativamente básico, sólo puede realizar tareas muy específicas: una plaza de aparcamiento, por ejemplo. El usuario tiene que activar esta funcionalidad en el coche en ese momento para que se aparque solo.

A medida que se mejora el modelo, se amplía el ámbito de aplicación para permitir la conducción en autopista. Sin embargo, el usuario debe permanecer siempre alerta y estar preparado para tomar los mandos en cualquier momento. Sólo en un futuro no muy lejano esperamos ver modelos suficientemente capaces de realizar una conducción totalmente autónoma.

Vemos que, en función de la evolución del modelo, la interacción con el usuario -y por tanto la interfaz- se replantea por completo. Pasamos de un modelo en el que el usuario activa una función, al de un asistente y finalmente a un modelo en el que la máquina es autónoma.  

Como Data PM debes analizar el rendimiento tanto del modelo como de la activación. El objetivo es priorizar los proyectos, compartir esta visión con el equipo y co-crear un roadmap que mantenga la coherencia entre el algoritmo y la interfaz.

La principal dificultad es el desfase temporal entre estos dos mundos. Data Science es una disciplina exploratoria. Cuando abordamos un nuevo modelo, es difícil saber cuándo alcanzaremos el rendimiento que nos marcamos como objetivo; ¡o incluso si lo alcanzaremos!

Uno de los grandes retos como Data PM es conseguir arbitrar entre las iteraciones rápidas (recortando el alcance, reduciendo la complejidad del modelo, el número de fuentes, etc.) y los proyectos exploratorios más ambiciosos que pueden cambiar radicalmente el rendimiento del producto.

Las competencias del Data Product Manager

Lo repito (no será la primera ni la última, lo sé): como Data PM sigues siendo PM. Por lo tanto, debes dominar sobre todo las competencias del product management. Sin embargo, tendrás que añadir algunas cuerdas a tu arco, que pueden agruparse en 4 categorías principales.

1. Cultura de Data Science & Big Data

Sólo podrás tener éxito en tu misión si dominas ciertos conceptos relacionados con Data Science y Big Data. Por ejemplo, es importante que comprendas el funcionamiento de los modelos clásicos de aprendizaje automático y las nociones de entrenamiento de modelos o ingeniería de funcionalidades; de lo contrario, te resultará difícil comunicarte eficazmente con tu equipo. 

2. Casos de uso de Data Science

Como Data PM debes ser capaz de identificar los problemas de los usuarios que pueden ser resueltos a través de Data Science. Para ello, no sólo deberá conocer un gran número de casos de uso, sino también tener una buena intuición de su complejidad y del marco en el que pueden realizarse.

3. Análisis de datos

Dado que los datos están en el corazón de tu producto, debes ser capaz de analizarlos, comprenderlos e interpretarlos para identificar el potencial que tu producto no explota. Sobre la base de este conocimiento profundo del rendimiento, podrás orientar la evolución y tomar las decisiones pertinentes.

4. Productos de Data Science

Es imprescindible saber definir el MVP de un modelo; pero también ser capaz de liderar talleres de co-diseño que alineen los aspectos de desarrollo y Data Science. Por lo tanto, debe tener un conocimiento detallado de cómo se produce un producto de Data Science para poder proponer un roadmap e iteraciones coherentes que maximicen el valor proporcionado.

Data Product Manager, ¿un nuevo rol?

La aparición de productos con funciones específicas requiere el desarrollo de competencias y metodologías adaptadas. Uno de los ejemplos más visibles son los productos de Data Science, que han experimentado un fuerte crecimiento en los últimos años. Sin embargo, se observan tendencias similares en otros tipos de productos, como los API.

En definitiva, como Data Product Manager tienes las mismas tareas y funciones que un Product Manager, sin embargo has decidido embarcarte en esta especialización para tratar de manera eficaz las numerosas particularidades de tu producto.

Para saber más: descarga el libro Productos de Data Science (francés)

Foto de Jason Goodman en Unsplash

Publicado el 10 ene 2022

Actualizado el 19 may 2022

clipboardCopiar el enlace
Escrito por
Víctor Corrales
Víctor Corrales Senior Product Manager y People Manager Thiga Spain Director de Thiga Academy

Próximos eventos

LPCx Madrid: B2B2C

calendar

24 Marzo 2022

Apúntate

La Product Conf Madrid 2022

calendar

19 mayo 2022

Apúntate

Filles_ordinateur

¿Quieres compartir con el mundo tu pasión por los temas de producto?

Cada mes, más de 20.000 entusiastas del producto digital visitan nuestro media. Comentarios, opiniones controvertidas... ¡compártenos eso que tienes en mente!

 

Contactar con la redacción