Про вредный data driven.

Я почти никогда не беру задачу просто потому, что она кому-то кажется хорошей. Не из желания всё усложнить, а потому что слишком часто видела один и тот же сценарий: идею принесли, задачу сделали, времени потратили много, а на выходе ничего не изменилось. Ни в метриках, ни в жизни юзеров.

Поэтому у меня есть довольно скучная, но полезная привычка — опираться на данные. Это могут быть разные цифры, метрики, обращения в поддержку, исследования. Не обязательно что-то идеально точное, но хотя бы отвечающее на вопрос: а на что задача вообще должна повлиять? И ещё один важный вопрос, который я почти всегда задаю: если это проблема — как мы поняли, что это проблема?

Иногда получаю аргумент «не всё можно посчитать». И он справедлив: когда мы делаем что-то ультрановое, там действительно нет данных. Есть гипотезы, экспертиза, прошлый опыт и внутреннее чутьё. И это нормально.

Но там, где задачу можно оценить и прикинуть эффект, — этого нельзя не делать. Иначе команда начинает распыляться, силы уходят на всё подряд, а в конце года вместо бонуса приходит понимание, что всё было не то.

Кто-то может считать такой подход слишком строгим, а меня — несговорчивой. Зато это отлично защищает команду от инициатив с неясным профитом.

Рассказывайте, как валидируете задачи на входе?