AI heeft het belang van beoordelingsvermogen bij productmanagement niet veranderd. Wat het heeft veranderd, zijn de kosten van het verkeerd zijn.
Al vroeg in mijn carrière leerde ik een principe dat nog steeds bepalend is voor mijn manier van denken over het bouwen van producten: de sterkste beslissingen beginnen zelden met perfecte gegevens. Ze beginnen met overtuiging, een hypothese gevormd door ervaring, klantinzicht en patroonherkenning. Wat uiteindelijk goed presterende productorganisaties onderscheidt van gemiddelde organisaties, is hoe snel en veilig het instinct wordt gevalideerd. Deze validatie is de echte rol van productanalyse en het is steeds meer de plek waar AI de waarde ervan vergroot.
Analytics test of datgene wat u dacht dat zou gebeuren ook daadwerkelijk zou gebeuren en om u te informeren wat u vervolgens moet doen. Het behandelen van analytics als een beslissingsmotor in plaats van als een rapportagelaag verandert fundamenteel de manier waarop teams werken.
Het uitspreiden van de analyse vermindert de helderheid
In bijna elke organisatie waarin ik heb gewerkt, ongeacht de omvang of branche, komt één patroon met opmerkelijke consistentie naar voren: analytische wildgroei.
Google Analytics, Amplitude, Mixpanel, Adobe Analytics en Pendo zijn allemaal uitstekende tools, met goede bedoelingen aangenomen om echte problemen op te lossen. Maar als ze allemaal – of zelfs meer – naast elkaar bestaan binnen één organisatie, creëren ze vaak fragmentatie die de besluitvorming ondermijnt. Het probleem is niet de tools zelf, maar het ontbreken van een duidelijk managementbesluit om te standaardiseren.
Wanneer analyses op meerdere platforms plaatsvinden, elk met zijn eigen methodologie en definities, worden zelfs fundamentele vragen moeilijk te beantwoorden. AI vergroot dat probleem. Stel een eenvoudige vraag, zoals ‘Hoeveel unieke bezoekers krijgen we maandelijks?’ Omdat gegevens over meerdere analyseplatforms zijn verspreid, is er geen eenduidig antwoord. Je kunt de cijfers niet bij elkaar optellen. Er vindt geen ontdubbeling plaats. Kleine verschillen in definities ondermijnen het vertrouwen. Teams stoppen met het debatteren over inzichten en beginnen te debatteren of de gegevens kloppen.
Het is geen gereedschapsfout. Het is een beslissingsfout.
INCONSISTENTE VERWARRING VAN DATASCHAAL
Deze uitdaging is zelfs nog belangrijker in een AI-gedreven wereld, omdat AI afhankelijk is van de context. Modellen trainen op dubbelzinnige metingen. Als de basis inconsistent is, zal AI de verwarring sneller vergroten dan enig mens ooit zou kunnen.
Vooral in organisaties met meerdere bedrijfseenheden en producten moet analytics beginnen vóór dashboards, instrumentatieplannen of AI-ambities. Het begint met duidelijkheid. Dit komt voort uit het inzicht welke beslissingen met vertrouwen moeten worden genomen en welke vragen consistent binnen de teams moeten worden beantwoord.
Als dat eenmaal is vastgesteld, volgt al het andere. Het kiezen van het juiste productanalyseplatform is gebaseerd op zakelijke vereisten, niet op gemak. Dit platform kan variëren afhankelijk van de context. Sterker nog, ik moet dezelfde analysetool nog twee keer inzetten. Wat hetzelfde blijft, is de discipline die nodig is om analytics en AI op grote schaal effectief te maken. Het instinct kan de reis beginnen, maar de gegevens moeten deze valideren. De verspreiding van tools is eerder een managementkeuze dan een technische onvermijdelijkheid, en gedeelde definities zijn veel belangrijker dan dashboards of modellen.
Analytics en AI zijn alleen van belang als ze beslissingen verbeteren. Wanneer deze basis bestaat, wordt AI een ware krachtvermenigvuldiger en winnen organisaties aan snelheid, vertrouwen en het vermogen om te schalen. Inzichten komen sneller naar voren, patronen ontstaan sneller en teams besteden veel minder tijd aan het afstemmen van gegevens en veel meer tijd aan het handelen ernaar. Leiders gaan van het reageren op signalen over op het vormgeven van resultaten. Zonder die basis maakt AI slechte analyses simpelweg beter.
EEN EENVOUDIGE UITDAGING VOOR MANAGERS
Als u leiding geeft aan product-, technologie- of digitale teams, zijn hier drie eenvoudige vragen die u moet overwegen:
- Hoeveel analysetools gebruikt uw organisatie voor al uw producten?
- Delen uw teams dezelfde definities voor basisstatistieken?
- Kun jij een vraag één keer beantwoorden en het antwoord overal vertrouwen?
Als deze antwoorden uiteenlopen, ligt het probleem niet bij analyse of kunstmatige intelligentie. Het is besluitvorming. Als uw AI-strategie voorloopt op uw analysefundament, schaalt u de onzekerheid op en niet de intelligentie.
Darren Persoon is EVP en Chief Digital Officer bij Cengage Group.
