Una disciplina clave de la gestión de productos es identificar el cliente objetivo, la propuesta de valor y el valor comercial estratégico de una iniciativa. El valor comercial de las iniciativas de ciencia de datos a menudo implica capacidades mejoradas de toma de decisiones, mayor productividad y ventajas competitivas sostenidas. El producto de ciencia de datos, incluidas las visualizaciones de datos del producto, los modelos predictivos y los LLM, son parte de la solución. «La IA es el ‘cómo’ y no el producto, por lo que si el uso de la IA no resuelve un problema del cliente, no debería hacerlo», dice Ibrahim Bashir, vicepresidente de gestión de productos en Amplitude. «Si una característica impulsada por la IA no impacta positivamente en una métrica comercial clave, como el tiempo de valor o la retención, no debería ser una prioridad». Karl Mattson, CISO en Noname Security, dice que los gerentes de productos líderes primero consideran el estado final de la experiencia del usuario o cliente y trabajan hacia atrás para construir el producto. Dice: «Para las iniciativas de ciencia de datos, el objetivo final es informar decisiones de calidad. “Realmente tenemos que entender la naturaleza de las decisiones que deben tomarse sobre nuestro producto de datos y no obsesionarnos primero con el aspecto técnico”.