Как мы определяли product market fit и что из этого вышло. Технологично, системно и без воды
Бонус для всех умных людей внутри статьи.
Всем привет! 😉 Меня зовут Рахимова Марина, и я analyst lead в ИТ-компании Сатори, мы делаем сложные вещи простыми.
Рано или поздно мы все задаем себе тот самый главный вопрос “А что за продукт я делаю?”. Ну, или кто-то задает его нам.
Отсюда начинается волшебный и увлекательный путь поиска ответов. Вот и мы решили обозначить границы идеи и продукта в DLH. Это продукт, на который мы получили грант от ФСИ и развиваем его уже год.
Что у нас было на старте: идея, энтузиазм и много, очень много неструктурированной информации. Мы как котята потыкались в разные умные источники, но так и не нашли какого-то готового алгоритма как позиционировать продукт в области Datatech.
Решили, что у нас будет план, и мы естественно будем его придерживаться.
Вот такого плана мы придерживались:
- Анализ конкурентов. Мы решили изучить что есть на рынке, какие задачи стоят перед большими(и не очень) компаниями. Выявить класс задач и инструменты для их решения. Как в РФ так и заграницей.
- Изучить Data domain, DM Book и все связанные с нашей областью полезные источники и документы.
- Определить бизнес-домены и с какими IT ландшафтами мы столкнемся.
- Структурировать и определить те места, в которых мы можем занять свое место.
- Зафиксировать результат и поделиться им. А самое главное - получить фидбэк от комьюнити.
- Пойти в реальный кейс и вернуться к шагу 1.
Как мы придерживались этого плана пол года. Да, целых пол года.
- Анализ конкурентов.
Сначала был взрыв - взрыв нашего мозга от количества продуктов, которые есть на рынке. Мы начали с функционала, поэтому и конкурентов мы определяли с этого уровня. Вот те, кого нам удалось посмотреть и выделить для себя много полезностей: Informatica, Atlan, Alation, Precisely, AbInitio, hex.tech и много кого еще. Спасибо.
Что мы поняли на этом этапе - это то, что те, кто начали свой путь раньше решили много задач, но также обрели достаточно легаси и приличное количество неиспользуемого функционала. Чтобы избежать таких моментов мы решили, что нам нужно сфокусироваться на том, чего не хватает сейчас многим - инструмент с низким порогом вхождения (что-то не для экспертов в области данных) и визуализацию настроек (тот самый low-code). Тут мы не забыли и про косвенных конкурентов - BPMS.
2. Изучение Data Domain.
Этот этап стал самым интересным и долгим. Мы собрали много понятных и непонятных слов в одно место, разобрались что они значат. На просторах интернета и не только мы нашли разные картинки и словари. “Не придумывайте колесо - создавайте нечто новое из того, что уже есть!” стало нашим девизом. Не обошлось без DAMA и C-MDM на примере TOGAF.
В итоге структурировали мы всю эту красоту понятным для себя образом и получилось вот это:
Наше собственное дерево Data Domain!
На нем мы обозначили цветами те направления, которые мы будем поддерживать и развивать(они выделены зеленым). С другой стороны отметили те вещи, с которыми пока не готовы работать (красным цветом). И остались те направления, которые мы можем в целом реализовать по запросу или в postMVP (желтый цвет).
3. Бизнес домены и ИТ ландшафты.
Мы работали над видением продукта и его позиционированием. Мир данных оказался большим и интересным, поэтому перед нами появилась задача сформулировать те области данных, системы и технологии с которыми мы можем работать в рамках продукта.
Но мы задали себе вопрос "Как нам объединить домены и фреймворки, если мы хотим работать с разными направлениями?Как быть?". Ответ пришел через уровень классов систем, которые используются во всех областях.
Мы выделили свой перечень классов систем в контексте Datatech:
*Раскрасили его по цветам как и наше первое дерево.
4. Структуризация и определение.
Вот и настал момент, когда мы поняли, что А и Б нужно объединить во что-то …
Сделали матрицу, где на пересечениях отметили, что мы можем и хотим реализовать.
5. Фиксация результата и связь с сообществом
Подводя итог мы сейчас имеем:
- Понимание терминов в области Data.
- Понимание направлений, процессов и ролей в области данных.
- Какой класс задач решается нашим продуктам и продуктами более опытных игроков на рынке.
- Самое важное - границы и цели нашей команды.
Ждем ваших комментариев, лайков и предложений, чтобы сделать еще более мощный и интересный контент. А еще у нас на подходе функциональнальная карта MVP - подписывайтесь и следите за новостями.
Для связи оставляю свой telegram. Готова к любым идеям и сотрудничеству!
Бонус для всех страждущих классных схемок в miro -
Ооо да! Разумеется интересно) Было бы ещё интереснее если бы вы разбирали все эти термины с реальными задачками и кейсами, чтобы читателью всё было максимально понятно
Подскажите пожалуйста, какую книгу мне надо изучить, для того чтобы начать понимать все эти термины?
Саидмухаммад, привет!
Источников много. Можно почитать DAMA, можно
- https://dataliteracy.ru/dmbok-glossary , https://www.amazon.com/DAMA-Dictionary-Data-Management-Professionals/dp/1935504126 .
Вообще мы составляем свой глоссарий - будет интересно почитать?
Мы же тоже хотели понять,что все эти буковки значат :)
Ссылки на фреймы в miro 🍓
спасибо)
Спасибо за статью!
Что-то у вас заявленная тема с реальностью не бьется. По факту вы на рынок еще не вышли, что бы иметь шанс определить product market fit.