מסכים לא להסכים: מדעי נתונים לעומת יזמות נתונים

הי, אני מרק ואן דה פול אחראי לעסקים שעובדים עם JADS וכבר חודשים אני מנהלת דיונים מחממים - אך קונסטרוקטיביים עם המשקל הנגדי האקדמי שלי ארג'אן הרינג על יזמות נתונים לעומת מדעי נתונים. מה ההבדל ולמה זה משנה? לפני זמן מה הסכמנו לא להסכים. אבל אני מניח שהדיונים שלנו אינם ייחודיים, ככל הנראה ישנם טונות של אנשים שדיונים דומים ברגע זה. זו הסיבה שחשבנו שזה רעיון טוב לצאת לפומבי עם הדיון הפנימי שלנו, בתקווה להעביר את הדיון, התחום והתעשייה קדימה.

אז הדבר הראשון שהייתי רוצה לדעת מארג'אן הוא:

מדוע אתה מדבר כל כך הרבה על סיבתיות? מתאם חזק מספיק טוב ... נכון?

ארג'אן: זו שאלה ממש טובה. והייתי מסכים עם הקביעה כי המקרה העסקי לרדיפת סיבתיות הוא חלש. המקרה העסקי למתאם הוא הרבה יותר חזק. אבל הייתי טוען שבסביבה המשתנה במהירות אתה צריך להיות מחדש. ודילמת המחדשים, לדעתי, היא חילופי דברים בין מתי כדאי להפסיק לבחון אפשרויות חדשות ולהתחיל לנצל את הידע שיש לך כבר.

עם מתאם (או פתרונות blackbox) אתה לא מגלה מה הם המבלבלים

עם מתאם (או פתרונות blackbox) אתה לא מגלה מה הם המבלבלים, הסיבות האמיתיות לכך שמשהו קורה. אז במצב שוק, אני חושב ש- Uber גילה מפגש אחד שאף אחד עוד לא הבין, אנשים רוצים להיות בטוחים שהמונית שלהם בדרך אליהם. הם שונאים לחכות למשהו שאולי אפילו לא יופיע.

עם קטע הפאזל הזה (וקטעים אחרים כמובן) הצליח Uber לשבש את תעשיית המוניות. לכן הייתי מעלה את המקרה שלחברה שמבינה טוב יותר את השווקים ואת לקוחותיה (כלומר סיבתיות) יש סיכוי טוב יותר לשרוד.

איך היית מגיב על ההשערה ההיא?

מארק: אני בהחלט מסכים עם ההשערה שלך. בעולם המשתנה במהירות, חשוב להיות הסתגלות כחברה, אתה צריך להישאר זריז. זה דורש הבנה מעמיקה של הלקוח שלך. עליכם להיות מסוגלים להתאים את ההצעה והתהליכים שלכם למה שהשוק דורש. עם זאת, ישנה נקודה חשובה אחת שאסור להתעלם ממנה והיא המהירות של למידה ומשחק.

כל מי שמתמקד בעיוורון במחקר מעמיק כדי להגיע ליחסי סיבתי, יעלה על ידי המציאות.

מבחינת Uber זו דוגמה נהדרת. הם לא הגיעו לקשר הזה באמצעות מחקר מדעי, אלא באמצעות ניסויים רציפים בחיים האמיתיים. במילים אחרות: בשלב מוקדם הם בדקו את ההצעה שלהם מול לקוחות פוטנציאליים.

כל מי שמתמקד בעיוורון במחקר מעמיק כדי להגיע ליחסי סיבתי, יעלה על ידי המציאות.

כך הם גילו מי היו המאמצים המוקדמים שלהם, מה אותם לקוחות רצו והתאימו את הצעתם בהתאם. כאשר הייתה להם נישה ברורה והעסק היה פועל הם יכלו להתגבר ולהגיע לשוק הגדול יותר. לא באומרו כאן יש לכם את המוצר שלנו ומזל טוב עם זה, אלא דווקא על ידי המשך להישאר צנועים בכל שלב בפיתוח, ללמוד מניסויים ולהתאים את ההצעה במידת הצורך.

בסופו של דבר התבררו נהגי המפתח להצלחה.

אם כל יזם, מבחינתי גם עובדים ופני פנים, היה מאמצ את הלך הרוח הזה קצת יותר ממה שהעולם היה נראה הרבה יותר נחמד.

אנו היינו הופכים את החברות שלנו מקבלת החלטות על בסיס תחושת בטן להחלטות הנתמכות על ידי נתונים. בכך אינני מתכוון לקשרים סיבתיים, אלא שיש לי ראייה ברורה של דפוסים הניתנים למונטיזציה. לשם כך יש לי 'גרזן ניסויים' יעיל וניתן לניהול שכל אחד יכול ליישם.

דברו עם קבוצה של לקוחות (פנימיים) על בסיס קבוע ושאלו מה עליכם להפסיק לעשות, מה עליכם להמשיך לעשות ומה עליכם לעשות בנוסף. תבחין בכמה דברים שאתה מתעלם מהם ובעזרתם אתה יכול להשתמש לטובתך.

אם אתם מדברים עם 10 לקוחות במהלך חודש ויכולים לעלות ל 10 בשבוע, 10 ליום או אפילו כל אחד מהם, אתם חווים כיצד הלמידה המהירה תעלה. חברות כמו Uber בהחלט עושות 1000 ניסויים עם קבוצות גדולות של לקוחות ביום. לצורך כך הם משתמשים גם בטכניקות מתקדמות יותר.

בוא נלך ליישם את זה. מבחינת מדעי הנתונים שלך. מה עסקים צריכים להפסיק, להמשיך ולהוסיף? אני חושב שזה יבהיר עוד יותר היכן שהחשיבה שלנו שונה.

ארג'אן: דברים נהדרים מארק. לא נכון, אבל נהדר. בואו נמשיך את הדיון הזה בחשבון הבינוני שלי. אתה לא באמת חושב שאני כל כך תמימה שאני לא רואה את מה שאתה מנסה כאן ...