좋은 데이터 프로덕트 오너(Data Product Owner)

데이터 프로덕트 오너는 왜 필요한가?

• AI(Data) Product Owner는 Product Owner 중에서도 Data Product에 보다 초점을 맞춘 PO로 Business Scrum Team의 Value를 극대화시켜서 Business에 기여해야 한다.
• 이 때 기존 Product Ower와는 다음과 같은 차이가 있다.
  • 기존 Product가 Rule을 명시적으로 설계함으로써 목적을 달성하는데 반해서 AI(Data) Product는 Rule을 암시적으로 학습할 수 있는 환경을 설계하는데 초점을 맞춘다
  • AI Product는 인입되거나 생산되는 Data의 양이 늘어남에 따라서 지속해서 Life Cycle 관리에 능동적으로 대처할 수 있다.

비즈니스와 기술간의 균형을 잡아줄 수 있어야 한다.

• 모든 Product가 그렇듯이 비즈니스에 긍정적인 영향을 미칠 수 있어야 한다.
• 이 때 기술적인 측면을 모르면 모델 및 프로덕트의 구현 여부를 판단할 수 없고, 비즈니스를 모르면 비즈니스에 전혀 도움이 되지 않고 기술적으로만 뛰어난 Over -Engineering만 하다가 결국에는 업무 자체를 진행하지 못하는 상황에 맞닥뜨릴 수 있다.
• 이러한 지식을 바탕으로 Backlog에서 Task를 잘 정의하고 우선순위에 맞게 관리할 수 있어야 한다. 우선순위 지정은 뭐 Eisenhower 방식도 있고 MoSCoW 방식 등 팀과 논의할 때 쉽게 할 수 있는 방식으로 지정해서 사용하면 된다.

커뮤니케이션 스킬은 아무리 강조해도 부족하지 않다.

• 사업과 데이터과학팀은 전혀 다른 언어를 사용하고 있다. 따라서 중간에서 적절한 용어로 변환을 해줘서 같은 목표를 각각의 방식으로 협력해서 달성할 수 있도록 도와줘야 할 필요가 있다.
• 특히 AI의 강점을 잘 살려서 데이터 기반의 높은 문해력을 바탕으로 스토리를 구성해서 비즈니스로 연결될 수 있어야 한다.
• AI는 특히 기존 Product처럼 학습 과정에서 예상되는 불확실성이 프로젝트 시작 초에는 잘 보이지 않을 수 있기 때문에 지속해서 비즈니스와 기술의 유관부서간 목표 조정과정이 요구되기 때문에 커뮤니케이션 스킬은 매우 중요하다.
• 따라서 초반에 목표를 단계적으로 설정해서 학습과정에서 발생하는 실패를 자연스러운 프로세스상 자연스러운 절차로 받아들일 수 있도록 유관부서를 잘 설득해놓아야 한다.

References

• What does it take to be a good Data Product Owner?
• Why We Need More AI Product Owners, Not Data Scientists
• New roles of Analytics — The Data Product Owner & Analytics Translator