DDD – Data driven development – je na vzestupu a je to dobře. Rozhodování na základě analýzy dat místo pouhé intuice je podobná změna, jako když starý dobrý kompas vyměníte za moderní přesnou navigaci. Ale stejně jako každý jiný nástroj, i navigace je jen tak užitečná, jak dobře ji navigátor umí číst. Pojďme se do DDD hlouběji ponořit a podívejme se nejen na silné stránky, ale i úskalí.
Data jako maják, který nás vede
Podstatou DDD je nechat se vést empirickými důkazy. Pěkně podle hesla “Co neměřím, to neřídím”. Analyzujeme interakce s uživatelem, zpětné vazby, provozní data, výkon, obchodní výsledky… Na základě dat přijímáme informovanější rozhodnutí, která vedou k lepším produktům. Tento přístup má několik jasných výhod:
- Zlepšené rozhodování: Díky spolehlivým datům, můžeme dělat rozhodnutí, která jsou podložena realitou a nikoliv domněnkami.
- Větší spokojenost zákazníků: Přizpůsobení produktů prokazatelným potřebám uživatelů zvyšuje jejich spokojenost a angažovanost.
- Efektivita inovací: Zaměření úsilí na to, co má podle výstupů z dat největší hodnotu, maximalizuje poměr cena/výkon.
Cesta osvětlená daty však není bez stínů.
Stíny na cestě
DDD nám sice dává možnost vytvořit si dobrý obraz reality, ale přináší s sebou i řadu problémů:
- Kvalita dat: Informace, které z dat získáme, jsou tak dobré, jak dobrá jsou data, se kterými pracujeme. Nekvalitní, neúplná nebo nereprezentativní data nás mohou zavést na špatnou cestu.
- Paralýza z množství: S obrovským množstvím dostupných dat snadno získáme pocit, že musíme analyzovat problém hlouběji. Potom můžeme donekonečna analyzovat a odkládat opatření.
- Náklady a dostupnost: Zejména pro menší týmy mohou být infrastruktura a odborné znalosti potřebné k efektivnímu shromažďování, ukládání a analýze dat neúměrně vysoké.
Já ale vidím ještě větší problém, který může nenápadně podkopávat naše úsilí.
Skrytý ledovec – klam přeživších
Klam přeživších je temnou nástrahou pod klidnou hladinou DDD. Je to logická chyba spočívájící v ignorování neúspěchů. Nastává tehdy, když se zaměřujeme na případy, které úspěšně prošly nějakým procesem a vytěsňujeme ty, které neprošly. Tyto případy jsou často méně viditelné nebo ještě častěji v našem souboru dat zcela chybí.
Příklady
Nejznámější je příběh z druhé světové války. Vědci a vojáci zkoumali, jak lépe ochránit letadla nasazovaná do bojů. Analyzovali místa zásahů na strojích, které se vrátily z misí poškozené. Až Abraham Wald si uvědomil, že poškození, která viděl s kolegy na křídlech a trupech letadel, nebyla fatální. Na základě jeho návrhu bylo zesílené opancéřování motorů, i když u zkoumaných letounů bylo poškození motorů minimální. Toto rozhodnutí se významně projevilo na snížení spojeneckých ztrát.
Dalšími příklady jsou třeba:
- Úspěšní byznysmeni, kteří opustili školu a začali podnikat. Zapomínáme přitom, že více lidí s nedokončeným vzděláním zažilo neúspěch.
- Srovnávání výkonnosti fondů a firem, které jsou na trhu po určité období. Zapomínáme přitom na fondy a firmy, které v mezidobí zkrachovaly.
- Startupy, které se vyšplhaly k úspěchu díky pečlivé analýze dat o chování uživatelů, díky které zdokonalil svoji aplikaci. Zapomínáme na příběhy firem, které také použili strategie založené na datech, ale nedokázaly se na trhu prosadit.
- Analýza kompletních informací o zákaznících e-shopu. Zkoumáme úspěšně dokončené ale i zrušené transakce, nevíme ale nic o lidech, kteří by našimi zákazníky mohli být, ale nikdy na e-shop nepřišli.
- …
Překonání problému
Abychom bezpečně obepluli úskalí, které přináší klam přeživších, musíme:
- Znát celý příběh: Aktivně vyhledávejte informace o tom, co nefungovalo. Ptejte se zákazníků, proč od vás odchází. Analyzujte funkce, které nebyly dostatečně využívány.
- Spojit data s kontextem: Data poskytují informace o tom, co se děje, ale ne vždy říkají, proč se to děje. Kontext je vždy důležitý a většinou ho musíte hledat jinde, než přímo v datech.
- Kombinovat zdroje a metody: Propojte kvantitativní a kvalitativní analýzu do jednoho celku.
- Podporovat kulturu učení: Sdílejte nejen své úspěchy, ale i neúspěchy. Každý chybný krok je krokem k pochopení toho, co může příště fungovat lépe.
- Zapojit intuici: Analýza dat je jen jeden z palety nástrojů, které máte k dispozici. Poskytuje pouze určitý úhel pohledu, nezapomínejte proto na širší perspektivu.
Na palubu
V Data Driven Developmentu máme k dispozici mocný nástroj, který pomáhá nasměrovat naše produkty k úspěchu. Jako každý nástroj, i tento ale musíme ovládat opatrně a s citem pro nuance. Pokud si uvědomíme úskalí a budeme se jimi aktivně zabývat, můžeme se vyhnout potopení. Používejte DDD jako navigaci, ale občas odtrhněte oči od obrazovky a podívejte se kolem. A nezapomeňte předvídat, co se skrývá v mlze nebo za horizontem.