Плохое ведение проектов может заруинить рост аналитику

Может прозвучать банально, но факт остается фактом. В бизнесе есть разные направления: какие-то приносят заметный импакт в тотале, какие-то нет.

🔍 Это может быть стратегический проект, а может быть просто утилизация ресурсов на так называемый дискавери.

Представим ситуацию.

Проект кажется овнеру классным и амбициозным. Аналитика решают полностью в него погрузить. В процессе оказывается, что большого эффекта как такового нет: по сути, делается удобная фича, которая закрывает определенную боль пользователей продукта.

Аналитик тратит на этот проект практически все свое время. Проходит квартал, ожидания не соотносятся с действительностью, а проект в итоге так и не реализован до конца.

И тут возникает следующая проблема: оценка результатов и дальнейшая судьба аналитика. 🎰 В бигтехе существуют так называемые калибровки, где аналитиков сравнивают между собой, чтобы определить, кто отработал лучше, а кто хуже.

⌛️ В итоге имеем аналитика, который потратил большую часть квартала на проект, который либо вообще не был реализован, либо был стратегически важен только на уровне конкретного продукта, но не компании в целом.

При этом сам аналитик мог отлично проявлять себя внутри продукта: закрывать потребности бизнеса, находить проблемы, влиять на решения и местами буквально тащить продукт, участвуя в определении его стратегии.

😢 Но возникает неприятный момент.

Ты можешь отлично сделать свою работу, но выбрать проект, который почти ничего не даст твоему карьерному росту

😎 Аналитик все сделал круто, но его дальнейшее продвижение внутри компании зависит не только от качества его работы. Оно зависит еще и от самого продукта, выбранных бизнесом приоритетов, стейкхолдеров и того, насколько результат проекта вообще можно показать на уровне компании.

Поэтому аналитику важно управлять не только исполнением проекта, но и своим портфелем проектов и видимостью результата.

🍪🍪 И еще важнее: заранее подсвечивать такие риски руководителю. Если кажется, что квартал может полностью уйти в проект с сомнительным или плохо измеримым результатом, лучше проговорить это заранее, а не обнаружить проблему уже на калибровке.

А у вас были подобные проекты? Что было после них? Делитесь в комментариях.

zasqlpython.ru