향후 몇년 동안, 새로운 형태의 프로덕트 매니저에 대한 시대적 요구가 생겨날 것입니다. 그건 바로 데이터 프로덕트 매니저입니다. 이전에는 좋은 데이터 과학자들이 좋은 프로덕트 매니저가 되곤 했지만, 그것만으로는 충분하지 않습니다. 데이터는 프로덕트 개발의 핵심으로, 사용자를 분석하거나 사후 A/B 테스트만으로는 되지 않습니다. 제품을 만드는 데 핵심적으로 데이터를 이용하려면, 데이터 모델링, 데이터 인프라, 통계, 기계 학습에 대한 어느 정도 수준 있는 이해가 필요합니다. 실험의 결과를 이해하고, 대시 보드를 읽는 것 이상의 의미를 가집니다.

전통적인 프로덕트 매니저들이 비즈니스, 엔지니어링, 사용자 경험의 경계에서 일을 했다면, 데이터 프로덕트 매니저는 데이터와 데이터 과학에 대한 지식도 있어야 합니다. 데이터 프로덕트 매니저는 데이터가 녹아들어간 프로덕트를 만들기 위해 데이터 전략(데이터를 만들고, 수집하고, 활용하기 위한)을 가지고 있어야 하며, 이를 통해 시장에서 차별우위를 만들어냐여 합니다. 데이터를 수집해서, 데이터 웨어 하우스에 저장하는 것만으로는 충분하지 않습니다.

데이터 프로덕트 매니저는 프로덕트를 통해 만들어진 데이터가 프로덕트를 개선할 수 있는지, 알고리즘을 보완할 수 있는지, 프로덕트의 장기적 성공을 위한 요소로서 활용할 수 있는지에 대한 계획을 가지고 있습니다. 요약하자면, 데이터 프로덕트 매니저는 프로덕트를 구상하고 만드는 플라이휠 전반에서 데이터를 가지고 의사결정을 내립니다.

더불어 테크니컬 레벨에서 프로덕트를 만드는 수준에서 필요한 기술 인프라를 이해할 수 있어야 합니다. 어떤 종류의 기술이 제품을 만드는 것을 지원할 수 있는지, 기계 학습 모델이 실시간으로 적용될 수 있는지, 새롭게 생성된 데이터를 재학습시킬 수 있는 계획은 무엇인지, 구축한 모델의 성공여부를 어떻게 평가할 수 있는지, 생산 과정에서 모델을 적용하기 위한 복잡성의 비용은 얼마나 되는지 등입니다. 물론, 데이터 과학자도 이러한 질문에 답변할 수 있습니다. 하지만 프로덕트를 개발과 관련하여 현실적인 절충안을 마련하기 위해서 데이터 프로덕트 매니저들도 이러한 토론에 적극적으로 참여해야 합니다.

데이터 프로덕트 매니저는 기계 학습 뿐만 아니라, 휴리스틱 모델에 대해서도 잘 알고 있어야 합니다. 보다 적절한 모델을 선택해야 하기 때문입니다. 어떤 접근 방법이 보다 유용한지를 알아보기 위해 타임박스 익스플로레이션을 수행합니다. 더불어 휴리스틱 모델에서 기계 학습 모델로 전환하는 것이 적절한 시기를 알고 있어야 합니다. 뿐만 아니라, SQL 쿼리문을 만들고, 대시 보드도 작성하며, 자체적인 분석도 수행할 수 있어야 합니다. 데이터가 그 자체로 말하는 것이 아님을 알고 있기 때문에, 데이터가 말하게 하는, 즉 분석방법을 아는 것은 결과 자체를 아는 것만큼 중요합니다. 데이터 프로덕트 매니저는 데이터 중심의 의사결정자라기 보다는, 데이터를 객관적으로 바라보는 회의적인 관점의 매니저이자, 데이터 소비자입니다.

데이터 프로덕트 매니저는 데이터 과학자, 엔지니어, 디자이너, 마케터, 그리고 다른 프로덕트 매니저들과의 요구사항을 해석할 수 있어야 합니다. 데이터 스토리지를 알맞게 구축하고, 데이터 과학자와 협력하여 가능한 빠른 수준으로 데이터를 엑세스 할 수 있는 환경을 만들 수 있도록 해야 합니다. 데이터 자체에 대해서는 섣부르게 추측하여 어떤 종류의 데이터가 데이터 과학자에게 보다 중요한 것인지를 판단해서는 안됩니다. 마지막으로, 데이터 프로덕트 매니저는 데이터와 모델, 그리고 이를 통한 결과만으로는 충분하지 않다는 것을 알고, 기술 레벨이 아니라 비즈니스 모델의 조직의 전략 차원으로 데이터를 가져와야 합니다. 현재로서는 이러한 업무를 수행할 수 있는것이 데이터 과학자이고, 이들이 훌륭한 프로덕트 매니저가 될 것이라고 생각하지만, 향후에는 새로운 유형의 프로덕트 매니저가 등장할 것으로 믿고 있습니다. 이들이 데이터 프로덕트 매니저입니다.

*2018년 1월 31일 발행한 글을 재구성했습니다.

*전체 내용중에서 일부를 발췌, 의역을 포함하여 번역했음을 밝힙니다.

재작년에도 실리콘밸리에 다녀왔습니다. 데이터 사이언스 컨퍼런스와 프로덕트 스쿨에 참여했습니다. 프로덕트 스쿨은 현업에서의 프로덕트 매니지먼트에 대한 강의와 경험을 공유하는 작은 형태의 컨퍼런스 모임입니다. 우연히 들린 두번의 프로덕트 스쿨에서 꽤 의미있는 이야기를 들었습니다.

프로덕트 매니지먼트 관점에서 데이터를 어떻게 활용할지에 대한 논의가 그것입니다. 제품 또는 서비스를 만들어내는 목표를 이루기 위해 데이터를 정의하고, 관련 기술자(과학자, 엔지니어 등)와 어떻게 협업해야 하는지가 주제였습니다. 그 후의 이야기도 물론 이어졌습니다. 저번 미국행의 가장 큰 성과는 기술 배경이 아닌 기획자/프로덕트 매니저가 데이터를 활용하는 것에 대한 힌트를 얻은 것입니다. 데이터와 관련된 기술(사이언스, 엔지니어링, 시각화 등)이 많이 주목받고 있지만, 이 기술을 가지고 실제의 비즈니스를 만들어내는 것이 보다 중요하다고 생각합니다.

사실 이것이 가장 이상적인 접근입니다. 기술에 상대적으로 덜 친화적인 직군의 데이터 활용. 문제를 정의하고, 데이터를 탐색하고(순서는 바뀔 수 있습니다), 데이터를 분석하고, 시각화해서 커뮤니케이션하는 일련의 과정을 오롯히 해내어 비즈니스에 반영하는 것이 말이죠. 일종의 Domain driven data process 입니다. 그렇다면 데이터를 다룬 적이 없거나, 비슷한 배경이 없는 사람들에게는 어떠한 수준의 교육과 접근이 필요할까에 대한 고민이 필요합니다. 더욱이 이런 접근은 보다 실질적이고 즉각적인 활용에 가까워야 할 것입니다. 기술에 대한 깊이있는 이해보다는 활용에 그 초점이 맞춰져 있기 때문입니다.

그러기 위해서는 제품과 서비스 관점에서 데이터를 활용하는 것이 무엇이며, 어떻게 해야하는지에 대한 이해가 필요합니다. 관련하여 잘 정리된 글이 있어 일부를 옮겨 의역하여 적습니다. 위에 언급한 여러가지에 대한 다양한 이야기는 보다 풍부한 리서치를 진행한 이후에 공유하겠습니다.

작년 초에 구상한 데이터 프로덕트 매니저 시리즈 번역 계획(안)입니다.

리서치를 더해 발행한다는 것이 늦어졌네요. 올해에는 나머지 편을 올릴 수 있도록 해보겠습니다.

데이터 프로덕트 매니저 시리즈

1 Rise of the Data Product Manager

https://medium.com/@treycausey/rise-of-the-data-product-manager-2fb9961b21d1

2 Here’s Why Every Product Manager Must Learn to Love Data

https://community.uservoice.com/blog/heres-why-every-product-manager-must-learn-to-love-data/

3.Product managers for the digital world

https://www.mckinsey.com/industries/high-tech/our-insights/product-managers-for-the-digital-world

keyword