Data-Driven Mindset

Data-driven trong việc phát triển sản phẩm và ra quyết định

Trong bài viết này

• Cách mình đang triển khai tư duy data-driven trong việc phát triển sản phẩm và vận hành tại Krystal

• Những lưu ý và những bài học xuyên suốt chặng đường

Intro

Chắc không cần nói nhiều về Data-Driven Mindset, bạn có thể google từ khoá này và đọc 7749 bài viết chuyên sâu về nó.

Tuy nhiên không phải ai cũng có cơ hội xây dựng tư duy này từ con số 0. Tại Krystal mình mất gần 3 năm triển khai, mãi tới gần đây mới bắt đầu nghe nhiều những câu như: anh thấy trên Mixpanel users nó đang thế này, bọn competitors vol của nó thế kia, để em lên Sentry xem users nó làm gì etc.

Bài viết này bao gồm các công cụ, bài học và những dấu hiện nhận biết của tư duy data-driven. Bài viết mang tính trải nghiệm cá nhân là nhiều, có thể không áp dụng được trong nhiều trường hợp. Mong là sẽ giúp ích đâu đó trên con đường của các bạn.

Các công cụ tracking

Ok để nói về data-driven thì phải đi .. collect data trước đã. Dưới đây là một vài tracking/analytics tools mà Krystal đã từng hoặc đang sử dụng, cùng với đánh giá chủ quan của một startup giai đoạn đầu:

• Mixpanel: Track user-interaction trong app thông qua events; khả năng customize events tốt; chart phân tích đầy đủ. Khả năng tự track traffic chưa tốt lắm nhưng tuỳ nhu cầu của team. Ngoài ra chưa có gì để chê thêm …

• Firebase/Google Analytics: Set up đơn giản và tự track traffic tốt. Tuy nhiên chỉ dừng lại ở mức .. traffic. Khá khó truy cập vào events của users để phân tích sâu hơn.

• Google Data Studio: Giờ đổi tên qua Looker thì phải. Nói chung để visualize firebase data. Tuy nhiên như đã nói, Firebase rất khó truy cập sâu vào events => Data Studio cũng bị hạn chế nhiều khả năng phân tích.

• Holistics: Tổng hợp data-source từ các nơi về 1 chỗ và phân tích. UX tốt, dễ dùng cho nhiều team khác nhau. Tuy nhiên tại giai đoạn đầu của startup, các nguồn data hoặc là rất ít, hoặc là nhiều nhưng lại không theo chuẩn nào cả. Và thường start-up giai đoạn đầu thì chả có team data nào cả, nên rất khó tận dụng được Holistics một cách hiệu quả.

• PowerBI: Giống Holistics, nhưng còn advanced và khó dùng hơn. Thường cần 1 ông chuyên data để own cục PowerBI này. Nói chung cũng xa xỉ.

• Sentry: Tracking sâu về mặt engineering, chủ yếu dùng cho việc track performance/debug. Set up cũng dễ, khuyên ae nên track sớm sau có bug còn biết đường sửa. Tuy nhiên chỉ phù hợp cho engineering, khá khó cho các department khác dựa vào Sentry để track performance và các chỉ số liên quan.

Data-driven quan trọng nhất là phải có data, ít nhiều cũng phải có. Nên việc có 1 cái tool tracking quan trọng hơn nhiều việc có cái tool mạnh nhất, tiện nhất. Không cần nhiều, chọn đúng 1 cái tool quen thuộc nhất và bắt đầu với nó là đủ.

Những bài học không tốn máu, nhưng tốn rất nhiều mồ hôi …

Mình không phải chuyên gia và cũng không biết triển khai data-driven một cách bài bản. Dưới đây là những sai lầm mình từng mắc phải và những bài học đúc kết ra được, nhất là trong giai đoạn đầu của một start-up.

Data-driven bắt buộc phải áp dụng toàn công ty

Mình từng áp dụng data-driven chỉ trong engineering team; ngay cả OKRs hay key metrics cũng chỉ xoay quanh engineering. Tuy nhiên sau vài quý triển khai thì có một vài quan sát:

• Cải thiện về mặt system performance thấy rõ. Tuy nhiên target đạt được không đều, quý được quý không.

• Cực kì khó để liên kết giữa engineering data với các departments khác. Từ đó không thấy rõ được giá trị của engineering trong kết quả kinh doanh → mất động lực.

Vậy nên data-driven muốn hiệu quả phải bắt nguồn từ mục tiêu chung, áp dụng toàn công ty, và bắt đầu từ vị trí gốc rễ nhất - CEO.

Một tool, và chỉ một thôi

Startup có 1 cái khó, là thiếu đủ thứ: từ thiếu người, thiếu kiến thức lẫn thiếu kỹ năng etc. Tuy nhiên cái khó nó cũng ló ra cái đặc quyền: ai cũng phải học. Thiếu kỹ năng không được coi là một lí do nữa.

Krystal từng dùng cả Mixpanel cho product và Firebase cho marketing, vì đơn giản 2 teams quen dùng 2 tools hơn. Tuy nhiên, cách tracking của Mixpanel và Firebase là khác nhau; nó dẫn tới rất nhiều miscommunication và ngốn thời gian (.a.k.a lại một thứ xa xỉ với startup) để thảo luận lại.

Một cách đơn giản hơn là bắt cả công ty dùng một tool thôi, hoặc là Mixpanel, hoặc là Firebase cho thống nhất. Không biết thì phải học. Và aligned với một điểm từ ý trước, chỉ có CEO mới có thể đưa ra quyết định mang tính cross-department thế này.

Xem gì không quan trọng, quan trọng là .. có người xem

Có một cái bẫy cũng hay thấy khi vừa bắt đầu thấy được sự tươi đẹp của data: build 1 cái dashboard rất đầy đủ, chỉ tiết, tổng hợp hàng ngày, và .. không ai đọc.

Thực ra cũng giống việc phát triển sản phẩm hay vận hành công ty, data nên được tiếp cận từ câu hỏi Tại Sao trước, đi từ gốc và đi dần lên cành. Ví dụ công ty/ceo đang quan tâm nhất tới gì, điều đó có thể hiện được qua metrics gì không, khi break ra marketing/product/engineering thì có những chỉ số gì liên quan không, để cải thiện được chỉ số product này thì cần hiểu gì về users, etc?

Và cứ như vậy, tập trung vào những câu hỏi quan trọng nhất và xem có trả lời được nó dựa vào data hay không?

Làm sao để biết mình có đang data-driven hay không?

Nếu để ý tới những cuộc thảo luận trong team, mình nghĩ phần này khá dễ để nhận biết. Dưới đây là những câu mình hay thấy trong team mình, 1 năm trước và hiện tại.

1 năm trước

• Tôi nghĩ nên làm thế này ..

• Nếu tôi là user, tôi sẽ làm thế này ..

• Feature này hay đấy, tôi dùng ..

• Users tăng quá. Cheers ..

Hiện tại

• Tôi thấy users nó đang làm thế này trên Mixpanel

• Tôi thấy users nó không click vào đây nhiều, chắc nó không biết!?

• Tôi thấy users nó dùng feature này nhiều, có khi tập trung vào cải thiện nó!?

• Users của mình tăng đột biến do users tới từ Philipin. Tuy nhiên bọn nó không dùng sản phẩm ..

Krystal hiện tại vẫn còn rất sơ khai trong việc triển khai data-driven, vẫn chưa có đủ lực cho một team Data chuyên biệt. Tuy nhiên đó không phải lí do. Nếu data-driven là cần thiết thì phải triển khai nó ngay và luôn!