Memahami Produk Data

Apa itu Data Produk?

• Data Produk adalah produk yang memanfaatkan, menghasilkan, atau memproses data untuk memberikan nilai kepada pengguna atau bisnis.
• Tidak seperti penyimpanan data mentah, Data Produk mengatur, menganalisis, dan menyajikan data sedemikian rupa sehingga dapat digunakan untuk pengambilan keputusan, otomatisasi, atau monetisasi.
• Data produk adalah unit data otonom, dioptimalkan untuk dibaca, dan distandarisasi yang berisi setidaknya satu dataset (Dataset Domain), yang dibuat untuk memenuhi kebutuhan pengguna.
• Produk data berisi 'wadah data' yang secara langsung memecahkan masalah bisnis atau dimonetisasi.
• Produk data menjembatani infrastruktur, data, dan pengguna akhir atau nilai bisnis.

Prinsip-Prinsip Zhamak untuk Produk Data

• Discoverability: Harus mencakup informasi seperti pemilik data, asal, lokasi, dan metrik kualitas untuk meningkatkan kepercayaan dan keamanan.
• Intrinsic Value: Data harus memiliki nilai intrinsik untuk organisasi lain; data yang tidak perlu tidak boleh disimpan.
• Trustworthiness: Data harus dapat diandalkan karena bisnis menggunakannya untuk keputusan penting. Pemeriksaan rutin memastikan kualitas dan akurasi data.
• Understandability: Struktur data harus jelas dan intuitif untuk ekstraksi yang mudah tanpa dukungan eksternal.
• Accessibility: Data harus tersedia dalam format yang berbeda berdasarkan penggunaan yang dimaksudkan (misalnya, machine learning vs. analisis tren).
• Governed Access: Akses harus dikendalikan untuk mencegah penggunaan yang tidak sah.
• Addressability: Setiap produk data harus memiliki pengidentifikasi unik untuk akses dan penggunaan yang mudah.

Contoh Penggunaan Produk Data

• Customer Churn: Memprediksi pembatalan menggunakan data login, tiket dukungan, dan wawasan media sosial untuk membantu tim dukungan dan akun mengurangi churn.
• Consumer Behavior: Mengelompokkan pelanggan untuk rekomendasi proaktif, misalnya, bank mendeteksi hipotek eksternal melalui data transaksi untuk pemasaran yang ditargetkan.
• Employee Retention: Mengidentifikasi karyawan yang berisiko menggunakan data tentang promosi, kenaikan gaji, kerja jarak jauh, dan media sosial untuk mempertahankan talenta terbaik.
• Sales Performance: Menggabungkan pangsa pasar, prospek penjualan, dan data pipeline untuk mengidentifikasi tren dan meningkatkan strategi penjualan.
• Marketing Optimization: Menganalisis lalu lintas situs web dan demografi pelanggan untuk menyempurnakan kampanye dan meningkatkan efektivitas pemasaran.

Membuat dan Menggunakan Produk Data

• Identifikasi masalah saat ini dan kebutuhan konsumen data.
• Definisikan target audience agar produk data sesuai dengan kebutuhan mereka dan memberikan nilai.
• Bentuk tim lintas fungsi dari berbagai departemen dan keahlian.
• Kembangkan rencana untuk membuat dan meluncurkan produk data, termasuk rencana komunikasi ke pengguna akhir.
• Uji dan ulangi produk data, kumpulkan umpan balik, analisis data penggunaan, dan lakukan penyempurnaan sesuai kebutuhan.

Siklus Hidup Produk Data

• Clarity: Masalah, proposisi nilai, dan komitmen yang teridentifikasi cukup jelas.
• V0 Delivery: Waktu yang realistis untuk nilai produk minimum yang layak (MVP), menunjukkan nilai awal dan membantu adopsi.
• Credibility: Penggunaan produk membutuhkan kepercayaan pada hasil kerja.
• Relevance: Menyesuaikan dan meningkatkan produk secara berkelanjutan untuk memenuhi kebutuhan yang terus berkembang akan mempertahankan adopsi.
• Data Produk bersifat evolusioner, bukan berdasarkan spesifikasi atau konsep penuh.

Desain Produk Data - Design Thinking

• Desain produk melalui Design Thinking mengarah pada identifikasi produk data potensial.
• Proses ini melibatkan penggunaan Data Product Canvas dan Model Rantai Nilai Data.
• Model Bisnis Canvas memberikan gambaran visual tentang proposisi nilai, infrastruktur, pelanggan, dan keuangan perusahaan.
• Model Bisnis Canvas membantu bisnis menyempurnakan aktivitas mereka dan memastikan data yang diperlukan tersedia untuk pengambilan keputusan mengenai inovasi, termasuk produk data.

Data Product Canvas

• Data Product Canvas dimulai dengan mengidentifikasi masalah dengan jelas.
• Tanpa masalah yang terdefinisi dengan baik, mengembangkan produk data tidak ada gunanya.
• Data Product Canvas adalah alat dinamis yang harus ditinjau dan diperbarui di seluruh siklus hidup produk.

INNOQ - Data Products Canvas

• Domain: Domain mendefinisikan ruang lingkup dan kepemilikan produk data.
• Nama produk data: Nama tersebut adalah pengidentifikasi unik untuk produk data dalam suatu organisasi.
• Consumer dan use case(s): Blok bangunan ini menggambarkan audiens target dan proposisi nilai dari produk data.
• Output ports: Output ports mendefinisikan bagaimana produk data memberikan nilainya kepada konsumen.
• Metadata: Metadata memberikan informasi tambahan tentang produk data yang membantu memahami, mengakses, dan menggunakannya.
• Input ports: Input ports menggambarkan sumber dan jenis data yang masuk ke dalam produk data.
• Data product design: Blok bangunan ini menggambarkan logika dan proses yang mengubah data input menjadi data output.
• Observability: Blok bangunan ini menggambarkan bagaimana memonitor dan mengukur kinerja dan kualitas produk data.
• Ubiquitous language: Blok bangunan ini menggambarkan bahasa umum yang dibagikan di antara semua orang yang terlibat dalam proyek.
• Classification: Blok bangunan ini menentukan sifat data yang diekspos.

Ringkasan

• Produk data adalah solusi yang dibangun di sekitar data untuk memecahkan masalah atau menciptakan peluang, yang dirancang untuk penggunaan internal atau eksternal.
• Design Thinking adalah metode yang berpusat pada manusia dan berfokus pada kebutuhan pengguna melalui inspirasi, ideation, dan implementasi.
• Storytelling melibatkan para pemangku kepentingan menggunakan elemen naratif seperti plot, karakter, dan tema.
• Data Product Canvas adalah kerangka kerja terstruktur termasuk definisi masalah, pemetaan solusi, pelacakan data, KPI, dan manajemen risiko.
• Data Value Chain Model mengadaptasi rantai nilai Porter untuk data, yang mencakup penyerapan, transformasi, komunikasi, adopsi, dan servis.
• Data Product Portfolio Management mengevaluasi produk berdasarkan penetrasi pasar dan potensi pertumbuhan untuk memandu investasi dan keputusan penghapusan secara bertahap.
• Menggabungkan desain yang berpusat pada pengguna dengan kerangka kerja yang berpusat pada data, organisasi dapat mengembangkan dan mengelola produk data berdampak tinggi yang mendorong nilai bisnis.