Как правильно — Data Product или AI Product?
Во время написания книги (ближе к концу, хехе) у меня вдруг возник вопрос: как надо говорить — AI Product или Data Product?.
Вопрос важный, для многих это вопрос самоидентификации (например, кто я — Data Product Manager или AI Product Manager?).
Можно привести множество доводов в пользу обеих способов написания, от маркетинговых (AI звучит круче) до приземленных (если вы делаете сервисы на данных, не обязательно это будет гарантировано ML).
Я поискал в linkedin в разделе jobs по регионам и вот что получается:
Data Product Manager: (US) — 148, (EMEA) — 72
AI Product Manager: (US) — 28, (EMEA) — 22
Data project Manager: (US) — 262, (EMEA) — 93
AI project Manager: (US) — 3, (EMEA) — 31
Получается, что чаще всего мир говорит в пользу Data Product. Кто что думает на эту тему?
Во время написания книги (ближе к концу, хехе) у меня вдруг возник вопрос: как надо говорить — AI Product или Data Product?.
Вопрос важный, для многих это вопрос самоидентификации (например, кто я — Data Product Manager или AI Product Manager?).
Можно привести множество доводов в пользу обеих способов написания, от маркетинговых (AI звучит круче) до приземленных (если вы делаете сервисы на данных, не обязательно это будет гарантировано ML).
Я поискал в linkedin в разделе jobs по регионам и вот что получается:
Data Product Manager: (US) — 148, (EMEA) — 72
AI Product Manager: (US) — 28, (EMEA) — 22
Data project Manager: (US) — 262, (EMEA) — 93
AI project Manager: (US) — 3, (EMEA) — 31
Получается, что чаще всего мир говорит в пользу Data Product. Кто что думает на эту тему?
LeanDS@DataFest — Проваленные DS проекты и управление проектами c QUEST
Официально DataFest закончен. Сроки все вышли, но секция управления проектами полностью выйти в прод не успела. Мы объявляем финальный митап LeanDS@DataFest. Поговорим о природе “проваленных” ML проектов и как с этим жить на примере подхода QUEST.
DS проекты, которые не попали в прод, Павел Филонов, Data Science Manager, Kaspersky
В сети можно встретить аналитические обзоры, в которых авторы проводят процент от DS проектов, которые проваливаются. Этот процент варьируется, но он почти всегда больше половины. Плохо это или хорошо и что это за провалившиеся проекты обсудим на докладе. В качестве примера рассмотрим реальные проекты, которые так и не смогли.
QUEST framework: менеджмент data science команд 60-го уровня, Артемий Малков, PhD. МФТИ, Data Monsters
• Как выяснить что нужно бизнес-заказчику?
• Что делать с неопределенностями?
• Как оценить сроки и бюджеты data science проекта?
• Как проводить exploratory research?
• Как планировать и приоритезировать эксперименты? (не ICE)
• Что делать когда затягиваются сроки?
• Как сдавать этап проекта боссу, чтобы продлили финансирование?
🗓Четверг в 19-00 по Москве:
📗Онлайн
Регистрация: https://leands.timepad.ru/event/1683485/
Официально DataFest закончен. Сроки все вышли, но секция управления проектами полностью выйти в прод не успела. Мы объявляем финальный митап LeanDS@DataFest. Поговорим о природе “проваленных” ML проектов и как с этим жить на примере подхода QUEST.
DS проекты, которые не попали в прод, Павел Филонов, Data Science Manager, Kaspersky
В сети можно встретить аналитические обзоры, в которых авторы проводят процент от DS проектов, которые проваливаются. Этот процент варьируется, но он почти всегда больше половины. Плохо это или хорошо и что это за провалившиеся проекты обсудим на докладе. В качестве примера рассмотрим реальные проекты, которые так и не смогли.
QUEST framework: менеджмент data science команд 60-го уровня, Артемий Малков, PhD. МФТИ, Data Monsters
• Как выяснить что нужно бизнес-заказчику?
• Что делать с неопределенностями?
• Как оценить сроки и бюджеты data science проекта?
• Как проводить exploratory research?
• Как планировать и приоритезировать эксперименты? (не ICE)
• Что делать когда затягиваются сроки?
• Как сдавать этап проекта боссу, чтобы продлили финансирование?
🗓Четверг в 19-00 по Москве:
📗Онлайн
Регистрация: https://leands.timepad.ru/event/1683485/
leands.timepad.ru
LeanDS@DataFest21 — Проваленные ML проекты и управление проектами / События на TimePad.ru
Заключительный митап из DataFest21. Поговорим о том, о природе “проваленных” ML проектов и как с этим жить на примере подхода QUEST.
ВИДЕО Конфликт исследователя и бизнеса, Роман Зыков, Автор книги “Роман с Data Science”, сооснователь Retail Rocket
Исследователи хотят развиваться и делать крутые вещи (самореализация по пирамиде Маслоу). Бизнес хочет зарабатывать деньги - это написано в уставе любой коммерческой организации.
Можно ли подружить эти два интереса? В случае положительного исхода - бизнес получит лояльных талантливых сотрудников и потенциальный возврат из инвестиций R&D, а сотрудники получат возможность творить. В случае негативного исхода - таланты уходят, бизнес добивается краткосрочных целей, а в долгосрочной перспективе - ухудшение позиций относительно конкурентов.
Автор был в обеих ролях: и со стороны бизнеса, когда нужно было добиваться прямого влияния на продажи через R&D; и со стороны сотрудника, который хочет реализоваться.
ВИДЕО: https://youtu.be/Rn-eWG5t-is
Исследователи хотят развиваться и делать крутые вещи (самореализация по пирамиде Маслоу). Бизнес хочет зарабатывать деньги - это написано в уставе любой коммерческой организации.
Можно ли подружить эти два интереса? В случае положительного исхода - бизнес получит лояльных талантливых сотрудников и потенциальный возврат из инвестиций R&D, а сотрудники получат возможность творить. В случае негативного исхода - таланты уходят, бизнес добивается краткосрочных целей, а в долгосрочной перспективе - ухудшение позиций относительно конкурентов.
Автор был в обеих ролях: и со стороны бизнеса, когда нужно было добиваться прямого влияния на продажи через R&D; и со стороны сотрудника, который хочет реализоваться.
ВИДЕО: https://youtu.be/Rn-eWG5t-is
ВИДЕО Как запустить продажи технологического b2b продукта с нуля: три обязательных составляющих, Александр Дмитриев, Директор по продажам ADV LaunchPad.
20+ лет в построении отделов продаж, международном продвижении технологических компаний, в том числе Retail Rocket.
Если выручка в компании растет, часто, на департамент продаж не обращают внимание. А когда выручка в компании выходит на плато или падает, часто причину ищут именно в продажах. Что примечательно, и в первом и во втором случае в организации продаж может быть как всё очень плохо, так и наоборот, точки роста могут лежать за пределами функции продаж. Давайте разбираться, как правильно организовать продажи сложных решений с нуля.
ВИДЕО: https://youtu.be/mqeKW0MKyOQ
20+ лет в построении отделов продаж, международном продвижении технологических компаний, в том числе Retail Rocket.
Если выручка в компании растет, часто, на департамент продаж не обращают внимание. А когда выручка в компании выходит на плато или падает, часто причину ищут именно в продажах. Что примечательно, и в первом и во втором случае в организации продаж может быть как всё очень плохо, так и наоборот, точки роста могут лежать за пределами функции продаж. Давайте разбираться, как правильно организовать продажи сложных решений с нуля.
ВИДЕО: https://youtu.be/mqeKW0MKyOQ
Статья о том, как меняется профессия Data Scientist, распадаясь на несколько отдельных профессий.
Отмечается, что все сильно запуталось, и пока индустрия не понимает как кого называть.
При этом за термином Data Scientist в крупных компаниях (FAANG) подразумевается скорее продвинутый аналитик (дашборды, метрики, KPI вот это все), в то время как в небольших это все еще специалист широкого профиля, который и модель построит и в прод ее накатит.
Там же в статье про ЗП, карьерный выбор и т.д.
https://towardsdatascience.com/mlevsds-3c89425baabb
Отмечается, что все сильно запуталось, и пока индустрия не понимает как кого называть.
При этом за термином Data Scientist в крупных компаниях (FAANG) подразумевается скорее продвинутый аналитик (дашборды, метрики, KPI вот это все), в то время как в небольших это все еще специалист широкого профиля, который и модель построит и в прод ее накатит.
Там же в статье про ЗП, карьерный выбор и т.д.
https://towardsdatascience.com/mlevsds-3c89425baabb
DS проекты, которые не попали в прод, Павел Филонов, Data Science Manager, Kaspersky
В сети можно встретить аналитические обзоры, в которых авторы проводят процент от DS проектов, которые проваливаются. Этот процент варьируется, но он почти всегда больше половины. Плохо это или хорошо и что это за провалившиеся проекты обсудим на докладе. В качестве примера рассмотрим реальные проекты, которые так и не смогли.
Видео: https://youtu.be/B-IlCdp-u8w
Презентация: https://disk.yandex.ru/i/LVv-3po-xRyVAA
В сети можно встретить аналитические обзоры, в которых авторы проводят процент от DS проектов, которые проваливаются. Этот процент варьируется, но он почти всегда больше половины. Плохо это или хорошо и что это за провалившиеся проекты обсудим на докладе. В качестве примера рассмотрим реальные проекты, которые так и не смогли.
Видео: https://youtu.be/B-IlCdp-u8w
Презентация: https://disk.yandex.ru/i/LVv-3po-xRyVAA
QUEST framework: менеджмент data science команд 60-го уровня, Артемий Малков, PhD. МФТИ, Data Monsters
• Как выяснить что нужно бизнес-заказчику?
• Что делать с неопределенностями?
• Как оценить сроки и бюджеты data science проекта?
• Как проводить exploratory research?
• Как планировать и приоритезировать эксперименты? (не ICE)
• Что делать когда затягиваются сроки?
• Как сдавать этап проекта боссу, чтобы продлили финансирование?
Видео: https://youtu.be/rPisw2KNsC0
Презентация: https://disk.yandex.ru/i/7F1I4s42VUCfdg
• Как выяснить что нужно бизнес-заказчику?
• Что делать с неопределенностями?
• Как оценить сроки и бюджеты data science проекта?
• Как проводить exploratory research?
• Как планировать и приоритезировать эксперименты? (не ICE)
• Что делать когда затягиваются сроки?
• Как сдавать этап проекта боссу, чтобы продлили финансирование?
Видео: https://youtu.be/rPisw2KNsC0
Презентация: https://disk.yandex.ru/i/7F1I4s42VUCfdg
Приличная статья как провести канбан-митинг (он же стендап митинг) в канбане. Четко, ясно, с чеклистом — все как мы любим.
https://systemskill.ru/tpost/eacanrfh51-kak-provesti-kanban-miting-kanban-meetin
https://systemskill.ru/tpost/eacanrfh51-kak-provesti-kanban-miting-kanban-meetin
Neogenda. Приведем бизнес к результату
Обучение, внедрение и консалтинг бизнеса и руководителей в области современных методов менеджмента проектов и команд. Agile, Kanban, Scrum, OKR, SAFe, Продуктовка
👉Онлайн-интенсив “Управление проектом и продуктом с LeanDS”
NB: осталось немного мест,
С 4 по 6 августа пройдет девятый онлайн-курс в формате интенсива:
три дня подряд в рабочее время — с 10-00 до 18-00 с перерывом на обед и кофе.
Цитаты из отзывов с прошедшего (8-го) курса:
🎙 “Собраны полезные техники, подходы, методы, и, в дополнении к этому, максимально профессиональная команда, терпеливо и доходчиво отвечающая на каждый заданный вопрос. Всё это не дает пройти мимо. Попробуйте, вам точно понравится :)”
🎙 “Сразу попробовала на практике применить AI Project Canvas и подход User Story Map в интерпретации, которая задана в курсе для 2х новых проектов - получилось быстро вовлечь команду в обсуждение и мозговой штурм, быстрее написать и согласовать ТЗ.
🎙 “Очень понравился урок, посвященный экономике проекта. Во многих командах не всегда об этом задумываются, а стоило бы. Как правильно сказано в курсе - ROI вовремя отмененного проекта выше ROI большинства проектов вашей компании. И большое спасибо лекторам - Асхату, Юлии Алексею за то, что вы так хорошо потрудились и сделали такую крутую программу.”
Проходим весь путь создания ML продукта — от идей, оценки экономической эффективности, проектирования, планирования, оценки до деталей управления проектом
✅🤼♂️Практика. Занятия состоят из небольшого количества обязательной теории и много практики, где мы совместно решаем реальные кейсы и отвечаем на вопросы.
✅👀Видео. Дополнительно вы получаете доступ к видео. Они состоят из небольшого количества видео по “ядру” LeanDS и множества дополнительных по самым разным аспектам управления DS — от сбора команды до управления ожиданиями заказчика в заказной работе.
🎤Ведущие курса Асхат Уразбаев, Алексей Могильников и Юлия Рубцова
🗓 Курс пройдет с 4 по 6 августа
‼️ПРОМОКОД (25% скидка для читателей этого канала — leandsaugust)
🗓 Регистрация и подробности: https://leands.university/leands-intensive
NB: осталось немного мест,
С 4 по 6 августа пройдет девятый онлайн-курс в формате интенсива:
три дня подряд в рабочее время — с 10-00 до 18-00 с перерывом на обед и кофе.
Цитаты из отзывов с прошедшего (8-го) курса:
🎙 “Собраны полезные техники, подходы, методы, и, в дополнении к этому, максимально профессиональная команда, терпеливо и доходчиво отвечающая на каждый заданный вопрос. Всё это не дает пройти мимо. Попробуйте, вам точно понравится :)”
🎙 “Сразу попробовала на практике применить AI Project Canvas и подход User Story Map в интерпретации, которая задана в курсе для 2х новых проектов - получилось быстро вовлечь команду в обсуждение и мозговой штурм, быстрее написать и согласовать ТЗ.
🎙 “Очень понравился урок, посвященный экономике проекта. Во многих командах не всегда об этом задумываются, а стоило бы. Как правильно сказано в курсе - ROI вовремя отмененного проекта выше ROI большинства проектов вашей компании. И большое спасибо лекторам - Асхату, Юлии Алексею за то, что вы так хорошо потрудились и сделали такую крутую программу.”
Проходим весь путь создания ML продукта — от идей, оценки экономической эффективности, проектирования, планирования, оценки до деталей управления проектом
✅🤼♂️Практика. Занятия состоят из небольшого количества обязательной теории и много практики, где мы совместно решаем реальные кейсы и отвечаем на вопросы.
✅👀Видео. Дополнительно вы получаете доступ к видео. Они состоят из небольшого количества видео по “ядру” LeanDS и множества дополнительных по самым разным аспектам управления DS — от сбора команды до управления ожиданиями заказчика в заказной работе.
🎤Ведущие курса Асхат Уразбаев, Алексей Могильников и Юлия Рубцова
🗓 Курс пройдет с 4 по 6 августа
‼️ПРОМОКОД (25% скидка для читателей этого канала — leandsaugust)
🗓 Регистрация и подробности: https://leands.university/leands-intensive
leands.university
Lean Data Science University - Онлайн-интенсив
На этой неделе веду твиттер dsunderhood https://twitter.com/dsunderhood Буду стараться писать про разное вокруг LeanDS.
X (formerly Twitter)
Бывший Data Scientist (@dsunderhood) on X
видимо до окончания войны тут ничего не будет, но вы пишите в редакцию, мы обязательно ответим
Давайте поговорим про зрелость Data Product Owner. (из твиттера dsunderhood).
По моим наблюдениям практически каждый PO проходит в своем развитии 5 уровней зрелости. Каждый последующий уровень дополняет предыдущий, а не отменяет:
1. Уровень первый, старательный. Надо изо всех сил стараться. Если кто-то из руководителей ласково улыбнулся на сбивчивый рассказ о чудесной идее — пора за работу!
Проблемы возникают при сдаче результата. Заказчики меняют свои показания, большинство вещей вообще забыли обсудить.
2. Уровень второй, сдательный. Проекты нужно сдать заказчикам. Надо определить критерии успеха и в конце по ним сдавать.
Результат: Ура! Появляются требования и планы.
Проблемы возникают, если заказчик не знает чего он хочет. Или (что чаще) — то, что он хочет ему не нужно. В итоге мы получаем модель, ценность которой сомнительна и в прод ее вытаскивать никто не собирается.
3. Уровень третий, удовлетворительный. Нужно максимизировать удовлетворенность заказчиков. Дело не в проектах, а в довольных улыбках наших заказчиков.
Результат: клиенту показываются промежуточные результаты, собирается обратная связь, результат доводят до прода.
Проблема: Заказчиков много, удовлетворенность понятие субъективное. В итоге делаем работу того, кто громче кричит.
4. Уровень четвертый, ценный. Нужно максимизировать бизнес-ценность для компании
Результат: Начинаем считать эффективность продуктов с бизнес-точки зрения и оценивать эффект пост-фактум, приоритизируем проекты по степени влияния на бизнес
Проблема: разные команды бегут в разные стороны в организации, иногда взаимно уничтожая эффект от реализации.
5. Уровень пятый, сфокусированный. Нужно максимизировать бизнес-ценность в нужном для компании направлении.
Результат: появляются фокус организации, разные команды синхронизируют цели (например, через OKR). Фокусируемся на стратегических задачах компании.
По моим наблюдениям практически каждый PO проходит в своем развитии 5 уровней зрелости. Каждый последующий уровень дополняет предыдущий, а не отменяет:
1. Уровень первый, старательный. Надо изо всех сил стараться. Если кто-то из руководителей ласково улыбнулся на сбивчивый рассказ о чудесной идее — пора за работу!
Проблемы возникают при сдаче результата. Заказчики меняют свои показания, большинство вещей вообще забыли обсудить.
2. Уровень второй, сдательный. Проекты нужно сдать заказчикам. Надо определить критерии успеха и в конце по ним сдавать.
Результат: Ура! Появляются требования и планы.
Проблемы возникают, если заказчик не знает чего он хочет. Или (что чаще) — то, что он хочет ему не нужно. В итоге мы получаем модель, ценность которой сомнительна и в прод ее вытаскивать никто не собирается.
3. Уровень третий, удовлетворительный. Нужно максимизировать удовлетворенность заказчиков. Дело не в проектах, а в довольных улыбках наших заказчиков.
Результат: клиенту показываются промежуточные результаты, собирается обратная связь, результат доводят до прода.
Проблема: Заказчиков много, удовлетворенность понятие субъективное. В итоге делаем работу того, кто громче кричит.
4. Уровень четвертый, ценный. Нужно максимизировать бизнес-ценность для компании
Результат: Начинаем считать эффективность продуктов с бизнес-точки зрения и оценивать эффект пост-фактум, приоритизируем проекты по степени влияния на бизнес
Проблема: разные команды бегут в разные стороны в организации, иногда взаимно уничтожая эффект от реализации.
5. Уровень пятый, сфокусированный. Нужно максимизировать бизнес-ценность в нужном для компании направлении.
Результат: появляются фокус организации, разные команды синхронизируют цели (например, через OKR). Фокусируемся на стратегических задачах компании.
Какой подход к управлению вы используете?
Anonymous Poll
16%
Уровень первый, старательный. Стараемся изо всех сил!
8%
Уровень второй, сдательный. Сдали — молодцы
27%
Уровень третий, удовлетворительный. Наша цель — удовлетворенность клиентов!
34%
Уровень четвертый, ценный. Умеем считать ценность для бизнеса. Приоритизируем.
16%
Уровень пятый, сфокусированный. Фокусируемся на стратегических направлениях