Jeden Tag werden wir im Produktmanagement mit unterschiedlichsten Daten überhäuft – noch vor 10 Jahren wären wir vor Freude über all die potenziellen Einblicke im Dreieck gesprungen. Wir müssen allerdings schmerzhaft feststellen, dass es ganz neue Fähigkeiten braucht, diese Daten zu verstehen, zu bewerten, zu priorisieren und zu verwerten. Datenanalyse kann ein wichtiger Baustein für Entscheidungen zu unserer Produktstrategie sein, sie können das Design und den Marketingentscheidungen beeinflussen und sogar im Produkt selbst verwendet werden, um den Nutzer zu unterstützen.

Dieser Blog beschäftigt sich hauptsächlich mit der Nutzung von Daten zur Entscheidungsfindung durch Produktmanager. Daten bergen für uns Produktmanager aber jede Menge Sprengstoff, denn oft ist es gar nicht so einfach zu entscheiden, womit man anfängt. In diesem Blog werden wir einige wesentliche “Daten-Skills“ vorstellen, die Sie als Produktmanager vielleicht anwenden können.

Daten sind das “neue Öl”

Kurz vor Weihnachten bin ich bei meiner täglichen LinkedIn Routine über ein Bild gestolpert. Zu sehen war die Entwicklung unserer mathematischen Fähigkeiten im Laufe unseres Lebens. Von “Höherer Mathematik” am Ende der Schulzeit geht es stetig bergab, denn in unserer Arbeitswelt überlassen wir die Dinge dann doch gerne einer Tabellenkalkulation. Ich musste mir eingestehen, dass auch meine Mathe-Skills inzwischen ziemlich verkümmert waren…

Daten werden gerne auch als das „neue Öl“ bezeichnet und viele Menschen halten sie für eine der wertvollsten Geschäftsressourcen. Datenskandale wie Cambridge Analytica und die Einführung der DSGVO sollten uns aber bewusst machen, dass der Umgang und die Anwendung von Daten ein heißes Eisen sind und daher Vorsicht geboten ist. Um als Produktmanager in dieser schönen neuen Welt der Daten erfolgreich zu sein, müssen wir uns einiges Knowhow und einige Skills aneignen.

Bauen Sie Beziehungen auf

Sie fragen, was Beziehungspflege denn mit Daten zu tun hat? Zugegeben – es gibt da wenig direkten Bezug – aber Sie können mit Daten natürlich nur arbeiten, wenn Sie auch welche haben. Eine der größten Herausforderungen in vielen Firmen ist es dabei, an die Daten ranzukommen. Ein Großteil der Daten, die für Sie interessant sind, versteckt sich gerne in Business-Software wie SAP, Dynamics oder anderen “Data Warehouses”.

Diejenigen von Ihnen, die unseren 3-tägigen Kurs Produktmanagement und Produktmarketing für technologiebasierte Produkte besucht haben, erinnern sich vielleicht, dass wir Produktmanagern empfehlen, ein monatliches Dashboard zu erstellen, um die Performance Ihrer Produkte während des Lebenszyklus zu tracken und Maßnahmen abzuleiten. Ein solches Dashboard wird üblicherweise Schlüsseldaten enthalten wie Produktumsatz oder Stückzahlen, um Trends abzulesen und auf Basis dieser verlässlichen Daten Entscheidungen zu treffen. Als ich vor vielen Jahren mein neues Team ohne ein solches Dashboard vorfand, war ich sehr unzufrieden – also bat ich meinen Kollegen, Keith Bailey, sich an die Arbeit zu machen.
Wir machten uns daran, Dashboards zu erstellen, mit denen alle Produktmanager Entscheidungen auf der Basis von Performancedaten ihrer Produkte treffen konnten und wir wollten diese Dashboards auch jedermann zugänglich machen.

Keith investierte eine Menge Zeit mit unseren Finanzleuten, um auszuarbeiten, welche Reports aus unseren Systemen gewonnen werden konnten und hatte auch jede Menge Überzeugungsarbeit zu leisten, dass es sich lohnen würde, uns diese Daten zur Verfügung zu stellen. Die Beziehungspflege, die er hinter den Kulissen leistete, zahlte sich jedoch aus und wir bekamen monatlich die Daten, die wir brauchten. Als unser Management die Dashboards sah, fielen sie aus allen Wolken, weil sie unerwartet hervorragend informiert sahen und wir sie – und uns – in die Lage versetzten, Entscheidungen auf Basis von Daten und Fakten zu treffen.

Machen Sie sich fit in Excel und Datenmodellierung

Die meisten Daten, die wir als Produktmanager erhalten sind – ziemlich nüchterne – Rohdaten, z.B. Zeitreihen oder eine Liste mit Werten. Solche Daten müssen in der Regel „gesäubert“, sortiert und verarbeitet werden. Zum Glück gibt es ein allseits verfügbares Tool, welches alle diese Dinge beherrscht – Excel.
Excel ist ziemlich mächtig – es gibt einen guten Grund, warum es im Geschäftsleben so weit verbreitet ist. Als wir die Dashboards bauten, entschieden wir uns für Excel als Werkzeug unserer Wahl, weil es jeder hatte und damit umgehen konnte.

Dabei hatten wir eine Sache akzeptiert: Wir nahmen die Daten, egal in welchem Format sie zur Verfügung standen und machten dann selbst unsere Berechnungen, Umsortierungen oder was auch immer. Keith war ein Experte in Excel, und obwohl unsere Daten aus 5 verschiedenen SAP Reports stammten, konnten wir durch monatliches “Copy and Paste“, und einigen Datenumformungen – Simsalabim – unsere magischen Dashboards erstellen.

Einige Leute werden vielleicht so weit gehen und Makros mittels der in Excel eingebauten Programmiersprache bauen. Aber ganz ehrlich – wir haben dafür in 10 Jahren nicht wirklich eine Notwendigkeit gesehen. Mit Formeln kann man eine Menge machen. Mit ein wenig Nachdenken, ein bisschen Arbeit und einigen Expertentricks kann man die allermeisten Dinge hinkriegen.
Die gute Nachricht ist, dass Excel jede Menge Funktionen unterstützt, um im Alltag zurecht zu kommen. Zudem ist das Internet voller Beispiele, wo andere für Sie schon komplexe Probleme gelöst haben. Googeln Sie drauflos und Sie werden die meisten Schwierigkeiten überwinden.

Beschäftigen Sie sich mit Statistik

Über Daten zu sprechen, ohne Statistik zu erwähnen, wäre nicht richtig. Richtig – Statistik war eines jener Schulfächer, die keiner so richtig mochte. Erstaunlicherweise ist auf der linken Seite des Bildes vom Anfang nicht die Rede von Statistik.

Ich verrate Ihnen was – Statistik ist lediglich eine Methode, um eine einfachere Sicht auf eine Datenmenge zu bekommen. Statistische Methoden beschreiben riesige Mengen an Daten durch eine kleine Menge an Parametern. Anstatt sich 1.000, 10.000, 1.000.000, oder mehr Datenpunkte anzusehen, genügt es, sich auf Werte wie Mittelwert, Minimum oder Maximum zu konzentrieren. Meistens sagen die Ihnen schon alles, was Sie wissen müssen.

Einige grundlegende Begriffe sollten Sie jedoch verstehen. Beispielsweise wird gerne vom „Durchschnitt“ gesprochen, tatsächlich gibt es aber 3 Arten von „Durchschnittsgrößen“: den Mittelwert (arithmetisches Mittel), den Median (der Wert genau in der Mitte) und den Modalwert (der am häufigsten vorkommende Wert). Allen geläufig ist in erster Linie der Mittelwert; Median und Modalwert können aber bei der Betrachtung von Datenmengen sehr nützlich sein.

Sie können Sich nun ganz einfach ein Buch schnappen oder sich bei einem Online Kurs anmelden, um die grundlegenden Dinge zu verstehen. Auf meinem Bücherregal steht beispielsweise Beginning Statistics und ich weiß von einem meiner Kollegen, dass er Statistik für Dummies gelesen hat und sich den Kurs Statistics and Probability in der Khan Academy einverleibt hat.
Wahrscheinlichkeitsverteilungen sind nicht immer „normal“

Die Badewannen-Kurve

Die Badewannen Kurve

Eine weitere nützliche Sache ist, sogenannte Wahrscheinlichkeitsverteilungen zu verstehen. Die meisten von Ihnen haben von „Normalverteilung“ oder „Bell‘scher Kurve“ gehört, aber es gibt jede Menge weiterer und üblicher Verteilungskurven. Wo wir uns mit physischen Produkten auseinandersetzen, ist das Verständnis der Badewannen Kurve nützlich. Die Kurve ist deswegen hilfreich, weil die Form des Graphen typischerweise die Anzahl der fehlerhaften Produkte beschreibt. Nehmen Sie also nicht an, dass alles derselben Verteilungskurve folgt.

Planen Sie Zeit ein, sich die notwendigen Skills anzueignen

Einer der Tagestipps des Harvard Business Review (HBR) begann erst kürzlich mit dem Hinweis “Finde heraus welchen Daten Skills Du für Deinen Job brauchst.” Es landete bei mir im Postfach nur einige Tage, nachdem ich das Bild am Anfang gesehen hatte und begonnen hatte, darüber nachzudenken, welche Daten Skills für uns Produktmanager entscheidend sind.
In der Praxis können wir uns natürlich aber nicht alles Wissen aneignen – einige Dinge werden wichtiger sein als andere, manche benötigten Fähigkeiten sind vielleicht auf den ersten Blick gar nicht offensichtlich. HBR schlägt eine 2×2 Matrix vor um Skills zu identifizieren und zu priorisieren. Sehen Sie sich Ihre Rolle an, schauen Sie sich das Team um sich herum an, betrachten Sie Ihre Produkte – und dann bestimmen Sie die relevanten Fähigkeiten.

Ich hatte das Glück, in meinem Team Immanuel Schweizer anzustellen. Er ist heute Head of Data Science bei Merck (jetzt AI Research) – als wir als Produktmanager unsere Daten Skills hinterfragten, bat ich ihn um Rat. Da er sich sowohl im Produktmanagement als auch in der wissenschaftlichen Analyse von Daten auskennt, darf man ihn getrost als Experten dieser überlappenden Gebiete bezeichnen.

Visualisieren Sie wie ein Designer


Immanuel erinnerte mich daran, dass das Sammeln und Verarbeiten der Daten eine Sache sind – jedoch nur die halbe Miete. Denn dann müssen Sie die Daten auch anwenden. Die Daten so zu visualisieren, dass sie uns helfen, unsere Geschichte zu erzählen und Entscheidungen zu begründen ist weit schwieriger als nur auf “Grafik einfügen“ zu klicken.” Sie müssen sich schon Gedanken machen, welche Darstellung die geeignetste ist.
Ich nutze dazu das “Visual Vocabulary Chart” der Financial Times. Außerdem hab ich noch ein weiteres brillantes Buch im Regal, das mir dabei hilft, die richtige Grafik auszuwählen: Information Dashboard Design.

Visualisierungs-Tipp

Eine wirkungsvolle Methode, die ich über die Jahre gepflegt habe, ist die geeignete Anwendung von Farbcodierung. Falls es z.B. eine Linie oder ein Segment gibt, welche am wichtigsten sind, machen Sie diese etwas dicker oder stellen sie in einer auffälligen Farbe dar. Wenn andere Daten weniger wichtig sind, verwenden Sie verschiedene Grautöne. Damit stechen genau die Daten heraus, die Sie den Leuten zeigen wollen und ihre Aufmerksamkeit wird sich dort konzentrieren. Beachten Sie aber, dass Farben Untertitel tragen, Rot wird meist als schlecht interpretiert, Grün als gut.

Seien Sie im Klaren darüber, was Sie mit den Daten anstellen dürfen

Nur weil Sie Daten besitzen bedeutet das nicht, dass Sie damit alles nur Mögliche anstellen können. Sie müssen sich bei der Nutzung an bestehende Gesetze halten. Ganz besonders wenn Sie persönliche Daten verwenden, müssen Sie eine Reihe von strengen Einschränkungen beachten.

Bei produktbezogenen oder kundenbezogenen Daten dürfen Sie möglicherweise nur mit anonymisierten oder der Gesamtheit der Daten arbeiten, um einige der Probleme zu umschiffen. Vielleicht darf auf die Daten auch nur in speziellen Datencentern oder durch bestimmtes Personal zugegriffen werden.
Bereiten Sie sich auch auf die Nutzung von – egal welchen – Daten innerhalb Ihrer Produkte vor und machen Sie diese zum Bestandteil von Verträgen, Vertragsbedingungen oder Nutzungsvereinbarungen. Gleichzeitig sollten Sie nicht zögern, einen Datenschutz Experten zu konsultieren, um sicher zu gehen, dass Sie keine Industrienormen oder Gesetze verletzen.

Nutzen Sie Business Intelligence und Analytics Systeme

Wenn Sie Glück haben, dann warten die benötigten Daten nur darauf, abgerufen zu werden. Vielleicht liegen sie schon als Teil eines Business Intelligence (BI) System vor oder liegen in einem System, welches Schnittstellen zu Analysesoftwarepackages hat. Tools wie Tableau oder Power BI können verschiedenste Datenquellen anbinden und deren Inhalte analysieren und visualisieren. In der Diskussion mit den Teilnehmern unserer Trainings stellen wir fest, dass deren Unternehmen immer häufiger mit BI Systemen experimentieren – Gute Nachrichten für uns Produktmanager!

Diese Systeme sind eine großartige Chance, Produkt-Dashboards zu entwerfen, aber es bedarf einiger Übung, um das Maximum aus ihnen herauszuholen. Wenn Sie die Lernkurve aber mal durchlaufen haben, dann ist es mit diesen Systemen oft einfacher, die benötigten Informationen zu erhalten.

Wie sieht’s aus mit Python oder R?

Datenanalyse per Programmiersprache

Wenn Excel doch mal die Puste ausgeht – was früher oder später der Fall sein wird – werden die ganz Mutigen unter Ihnen auch den Einsatz einer Programmiersprache in Erwägung ziehen, um umfangreiche Daten zu verarbeiten. An Auswahl besteht kein Mangel, aber Datenwissenschaftler scheinen 2 ganz bestimmte zu bevorzugen: Python und R.

Dankenswerterweise sind die Tools, um in Python und R zu programmieren kostenlos und beide Sprachen eignen sich auch für Einsteiger! Es gibt sogar kostenlose Einsteigerkurse auf Datacamp für sowohl Python als auch R.
Programmiersprachen wie diese sind mächtig, aber nichts für absolute Greenhorns. Verwenden Sie im Zweifel lieber Alternativen, welche Ihnen auch die Berechnung von Vorhersagemodellen und die Darstellung durch Visualisierung erlauben.

Machine Learning für die ganz Mutigen unter uns

Datenanalysen und das Auffinden bestimmter Muster können harte Arbeit und zeitaufreibend sein. Speziell dann, wenn Sie noch am Anfang stehen. Die Suche nach der buchstäblichen Stecknadel im Heuhaufen – die Signaldaten im Rauschen – erfordert richtiges Können. Machine Learning Algorithmen jedoch sind genau dafür gemacht. Sie werden Begriffe hören wie Überwachtes und Unüberwachtes Lernen, Erzwungenes Lernen und viele mehr.

Zum Glück hatte ich in der Vergangenheit Immanuel an meiner Seite, um mich über diese Dinge aufzuklären. Für Expertise auf diesem Level empfiehlt es sich in jedem Fall, sich einen guten Partner zu suchen, der Erfahrungen im Bereich Datenwissenschaften mitbringt. Wenn Sie bei der Datennutzung in Ihrem Business soweit vordringen wollen, sollten Sie darüber nachdenken, ein separates Team aufzubauen, welches entsprechende Kompetenzen mitbringt und nichts anderes macht.

Haben Sie die Daten im Blick wenn Sie Produkte konzipieren

Mit der wachsenden Wichtigkeit der Daten erachten wir es als “Best Practice” die Nutzung der Daten in unserem Produkt vom ersten Tag an zu berücksichtigen. Bereiten Sie Ihr Produkt darauf vor, nutzvolle Daten zu erfassen und diese auf einfache Weise für eine Analyse bereitzustellen. Vielleicht macht es Sinn, Analyse- und Dashboard Fähigkeiten direkt in Ihr Produkt einzubauen.
Interne Produktanforderungen wie Datenreports fallen – unserer Erfahrung nach – nur allzu gerne von der Prioritätenliste zugunsten kundenbezogener Funktionalitäten. Bleiben Sie standhaft und lassen Sie dies nicht zu, ansonsten verlieren Sie ein lebensnotwendiges Tool, um richtige Entscheidungen zu treffen. Aber vergessen Sie nicht, dass manch wertvolle Daten von außerhalb Ihres Produktes kommen. Tools wie Google Analytics können jede Menge Einblicke in die Performance Ihres web-basierten Produktes liefern und Ihnen aufzeigen, wie Kunden auf Ihre Webpage kommen. Vergessen Sie solche Datenquellen nicht.

Überprüfen Sie Ihre Daten regelmäßig

Vergessen Sie nicht, Ihre Daten regelmäßig zu monitoren. Daten zu haben und Daten zu nutzen sind 2 verschiedene Paar Stiefel. Speziell für digitale Produktmanager ist es üblich, jeden Morgen die Performancedaten zu checken. Dadurch werden Sie in die Lage versetzt, am selben Tag noch Entscheidungen zu treffen. Dieselben Produktmanager geben aber auch zu, dass diese Task schnell übersprungen wird, sobald der Firefighting Modus eingeschaltet wird.

Das mag ein valider Ansatz sein – der Tag hat nur 24h – denn ein Feuer kann schnell außer Kontrolle geraten, wenn es nicht schnell gelöscht wird. Aber unsere PM Kollegen mussten dann auch zugeben, dass es Zeit und Aufwand erfordert, um wieder auf den aktuellen Stand zu kommen, was die Performance der Produkte angeht – vernachlässigen Sie es also nicht.

Das WARUM nicht vergessen

Eines der Risiken mit den Daten ist, dass sie nur gesammelt werden, weil es eben möglich ist. Das Ende vom Lied sind zu viele Daten! Nutzlose Daten! Die falschen Daten vielleicht sogar! Möglicherweise scheitern Sie bei der Verwertung, weil Sie einfach zu viele haben und nicht wissen, was Sie damit anfangen sollen.

Als ich diesen Beitrag mit Immanuel diskutiert habe, erinnerte er mich an die Wichtigkeit das WARUM zu verstehen. Warum sammeln wir denn die ganzen Daten? Warum analysieren wir sie? Im Produktmanagement werden sie uns im Allgemeinen helfen, Produktentscheidungen zu treffen – das Potential geht aber weit darüber hinaus.
Wir wollen vielleicht wissen, wie eine Funktion benutzt wird oder performed. Oder wir wollen erfahren, wie die Nutzer mit dem Produkt interagieren. Oder wie ein System unter Kundenbelastung skaliert. Es gibt Tonnen von Fragen, die wir mit den richtigen Daten beantworten können, also nehmen Sie sich die Zeit, die zu analysierenden Probleme zu verstehen, bevor Sie in die Datenwelt abtauchen.

Machen Sie sich auf die “Datenreise”

Daten sind ein großes Trendthema, das Sie als Produktmanager in den Griff bekommen müssen. Mein Ratschlag ist, sich zumindest die wichtigsten Excel Skills anzueignen und nicht zu zögern, Datenexperten hinzu zu ziehen, wenn die Herausforderungen komplexer werden.

Phil Hornby
Product Focus Trainer und unabhängiger Berater

Share this page

Kommentar schreiben

Your email address will not be published. Required fields are marked *