Как я получил новые навыки прокачав продуктовое мышление

Всем привет! Меня зовут Артур Самигуллин, я работаю с данными в банках уже около 2 лет. Моя финтех карьера началась с того, что я принял участие в организации первой Всероссийской Финтех Олимпиады в 2017 году в Иннополисе, составив задания отборочного этапа по обработке текстов на языке Python и участвуя в оценке решений финального задания-хакатона от УБРиР.

Затем я устроился работать в компанию Ак Барс Цифровые Технологии в качестве data scientist в профильную команду. Мы с командой придумывали бизнес-кейсы для применения машинного обучения и алгоритмов интеллектуальной обработки данных, затем их реализовывали. Тут была большая проблема - было очень трудно работать с бизнес-заказчиками, доводить сделанные предсказания до продакшн использования, мерить экономический результат от наших разработок.

Далее я перешел в команду RnD под руководством Ярослава Шуваева, где разработал и развивал ИИ для чат-бот платформы akbars.ru/product/aimee, которая помогает автоматизировать поддержку пользователей через чаты и обучается по технологии Human-in-the-Loop. Мы даже организовывали хакатон, на котором участники показали как ИИ-микросервис AIMEE.API можно переиспользовать для решения не банковских задач. За эти полгода работы в Scrum-команде я развил в себе настоящую кросс-функциональность. К своей специализации data scientist я прокачивал любые навыки нужные для реализации историй и развития продукта - devops, разработка, исследование конкурентов для планирования новых фич, фасилитация и азы работы scrum-мастера, исследование юридических аспектов и совместная работа с юристом для составления нужных документов, презентация и коммуникация с вышестоящим руководством, найм и развитие падавана. Именно в эти полгода я понял на себе, что подразумевается под модным понятием T-shaped.

С мая 2018 года я работаю в АО КБ Модульбанк. Стартовал как middle data scientist, брал на себя роли тимлида и ПМа в команде Data Science. Здесь я научился применять наработанный на хакатонах навык быстрой реализации идей для тестирования гипотез. В моем личном опыте это очень большой шаг от бизнес-кейсов в формате
"куда бы еще встроить Machine Learning" до "как мы можем заработать денег с помощью данных". В последнем проекте мы собрали данные, написали алгоритм рекомендации и подготовили и запустили email рассылку за 14 рабочих дней. Это путь от идеи до запуска на пользователей целой рекомендательной системы со сбором данных из множества источников, для меня это просто WoW-опыт.

Но быстро не значит прибыльно. После первой рассылки у нас было 0 покупок, 0 заработанных рублей. Тут я и повстречал программу Product Mindset. Каждую неделю я учился новому и внедрял сразу же это в проект. Изучил custdev на неделе с Никитой Ефимовым из UXPressia - сделал выборку пользователей которые открыли email и отдал продажникам прозвонить узнать почему они не воспользовались нашими рекомендациями. На 2 неделе под менторством Дмитрия Абрамова из Kaiten я получил доступы и доработал свой процесс в Jira. На неделе когда работали с Глебом Тертычным из Telefacer поправили цели и метрики проекта. Неделя за неделей я с командой тестировал новые гипотезы относительно email шаблона, алгоритма рекомендации, целевой аудитории, текста, вносил правки в процесс работы. Письма уходили, работала кипела. Продажи не росли. И на финальной неделе программы, когда готовили питч-презентацию считая TAM, SAM, SOM для учебного продукта я решил проверить вводные своего рабочего проекта. Действительно, я со своим проектом зашел на очень маленький рынок с явным лидером и с продуктовой точки зрения эту фичу я не проработал.

По итогам работы на программе Product Mindset моя команда AQ508 попала в лидеры рейтинга и мы с Марией Сискович и Дмитрием Овчаренко получили приглашение поучаствовать в воркшопе с самим Робом Фитцпатриком в рамках конференции Product Sense '19 в Москве.

Этот драйвовый опыт и мощная прокачка, которую организовала команда Юры Агеева очень сильно изменили меня, мой подход к жизни. За 7 недель я научился: кастдеву, карте эмпатии, jtbd подходу и интервью, выстраиванию и визуализации процессов, построению unit- экономики, поиску точек роста, генерации гипотез на основе unit-экономики, стратегическому обоснованию продукта, evolution canvas, lean canvas, подходу Цель-Метрика-Действие и выручалочка, анализу конкурентов, growth hacking и гипотезам по воронке AARRRR!, подходу anything as a product, оценке рынка, стратегиям монетизации и как все это сшить вместе в питч презентацию на 3 минуты.
С продуктовым мышлением и подходом anything as a product действительно интереснее и продуктивнее жить. После завершения обучения я переговорил с нашим CPO и мы провели собеседование, после которого я перешел в продуктовую команду и теперь работаю в качестве Product Analyst, первого в истории Модульбанка. Я начал с того, что определил бизнес-цель и ввел метрику, получил ее значение на текущий момент, провел опрос и серию интервью. Ведь продуктовая аналитика это тоже продукт. Теперь я помогаю продуктовым менеджерам собирать нужные данные и метрики, чтобы в дальнейшем искать точки роста и тестировать гипотезы, принимать больше data-informed решений и больше узнать о своих клиентах, анализируя их поведение.

И в качестве заключения. Всем тем, кто хочет понять, что такое управление продуктом и подумывает перейти из смежной области, будь то разработка, маркетинг, аналитика или даже data science, как в моем случае, советую пойти путем погружения. В этом мне очень сильно помогли программа Product Mindset и подкаст Make Sense, общение с продуктовой командой на своей работе и участие в акселераторе Product University. Спасибо большое всем, кто помог мне набрать крайне нужных и актуальных навыков и желаю побольше упорства и целеустремленности тем, кто в начале подобного пути.