Какие метрикаи считать и как - всегда больной вопрос в продуктах и процессах. Об этом как раз пишет мой коллега. В этой связи вспомнила про 3 подхода к работе с данными: - data-driven (данные определяют решение), - data-informed( или data-aware) (данные объясняют производительность для оптимизации) - data-inspired (данные вдохновляют на инновации через тренды). Каждый подход применяется в зависимости от цели: от точных ответов на бизнес-вопросы до генерации идей, с учетом навыков сотрудников для их реализации

Data-Driven Требует точных данных заранее, с высокой выборкой и статистикой для конкретных решений, например, A/B-тесты или прогнозы.

Сотрудник должен уметь заранее планировать измерения, применять статистические методы и анализировать результаты для валидации гипотез с высокой надежностью

Data-Informed Фокусируется на анализе KPI, оттока пользователей и путей поведения для выявления причин текущей производительности и оптимизации стратегий.

Сотрудник должен уметь строить дашборды, формулировать гипотезы и объяснять “что и почему” для корректировки тактик на основе прошлых данных.

Data-Inspired Исследование и анализ трендов из разных источников для идей в стратегии или дизайне.

Сотрудник должен уметь комбинировать разнородные данные, применять интуицию для поиска паттернов и генерировать гипотезы для инноваций, признавая риск ложных корреляций.

Как думаете, какой грейд (junior, middle, senior) PO какой подход (ы) должен использовать?

В первом комменте оставлю ссылки на статьи с более подробной информацей об описанных подходах