昨天 Day 21 我們討論如何讓 Data 對商業價值做出貢獻，承續這個話題，今天要討論的是我目前非常感興趣 ❤️‍🔥 的議題：the outcome map

可能因為我是 PM 吧，當初踏入資料領域也是為了做產品，忍不住一直注意到做資料跟做產品有很多相似處。

什麼是 Outcome Map? 🗺️

在 Day 21 提到利用儀表板來呈現商業結果及背後的邏輯，其實就會需要深入討論指標跟策略。而在這些討論的時候，會自然發現有 decision tree 決策樹的概念：

OST

Decision tree 決策樹 🌳 的概念被廣泛應用在 problem-solving 解決問題上。甚至連程式教學 Python tutorial on decision trees 都用得上。Teresa 發明 Opportunity Solution Tree 以及參考 Hope Gurion 這篇 Empower product teams with product outcomes, not business outcomes，我將這個概念叫做 outcome map 來跟大家說明：

(其實是一樣的觀念，但發現用 Opportunity Solution Tree 別人比較難懂，直白講 Outcome 就比較容易懂 ？！）

• Business outcome: 這是落後指標 lagging indicators. 最常用的是營收或成長數量
• Product outcome: 這是領先指標 Leading indicators, 也是產品團隊較能掌握的；產品團隊應該要能知道且做到哪些行為改變可以影響到 business outcome
• Traction metric: 這是某個功能的相關數字

為什麼要區別 Traction metric 跟 Product outcome?
因為解法很多種，假設想降低獲客成本 (product outcome), 可以降低廣告投入，也可以減少免費試用 (traction metric)

資料界也談 Money Tree 💸🌳

有幾位資料人也談到相似的概念，像是 Ryan Foley 的 Money Tree 以及 Benn 在 Coalesce 2022 發表的演講 Money, Python, and the Holy Grail

Money Tree by Ryan Foley

有 Outcome Map 的好處 👍

• 賦能給團隊 Empower teams: 讓資料及產品團隊有可以掌握的指標 product outcome 而不要直接給 business outcome, 意思等同於給團隊問題而不是教他們執行解答，可以讓你的團隊心態從被動改為主動
• 鼓勵實驗 🧪: 鼓勵有創意的提出各種解法，試圖解決問題
• 讓團隊有一致目標: 讓每個人都理解共同要達到的目標，也知道每個人有不同的專業可以貢獻，就可以互相交流，一起想辦法；這個在 Day 21 有舉例說明。
• 共同創造計畫 Roadmap: 因為 outcome map 有層狀架構，可以共同打造計畫，也知道現在這一季要專注哪個目標，接下來可以移動去專注哪一個目標。
• 有用的心智模型 Mental Representations: 頂尖人士跟普通人的一個差別在於，頂尖人士有很專注的心智模型，知道接下來的計畫。在 📖 Peak 這本書內有研究及案例。
• 探索資料真的很好玩 💃🕺: 身為資料人，可以挖掘資料及討論這些指標間的關聯，真是讓人興奮。

如何建立 Outcome Map? 🎨

Data Team 應該掌握所有的資料，因為有這些資源，加上在釐清資料定義、指標目的的過程，通常也了解了商業邏輯。當然，商業邏輯是被商業團隊或產品團隊主導，這兩邊不同團隊該如何合作產生綜效？以確保商業模式夠清楚簡單呢？

從初版開始，不要追求完美。記得我在 Day 17 提到迭代完成的蒙娜麗莎嗎？先有一版想法就可以討論了，搜集雙方意見、來回討論就會不斷調整。其實 outcome map 很重視的是過程，而不是要有個漂亮的地圖，事實上 outcome map 永遠沒有完成的一天，因為市場不斷變化，這一季可行的做法，下一季可能就不行了。

雖然是由公司高層定義今年公司的 business outcome 商業目標，但 product outcome 是無法被定義，而是需要被發現的🔬。通常都是從一個假設開始，例如「增加轉換率可以增加營收」，然後就開始做各種實驗設法增加轉換率，也許更個人化的折扣碼、或者提供更多熱門商品等等。也有可能最後發現，轉換率很難撼動，想增加營收，可能得要增加訂單數，或增加訂單金額。

聽起來是個理想世界 🖼️

Vijay Subramanian 成立的 Hellotree 正試圖要達到做到這個看似資料工作的未來 future of work. 他認為可以讓資料流動顯示在 outcome map 上，而且使用者可以點擊某個指標或流動再往下探索，去分析流動變化的原因、對 outcome 影響的程度等等。

這看起來真的滿理想的，想到要先釐清整個商業邏輯、確定資料從哪來、清理資料、釐清指標及關係，光想就覺得一大堆工，但不是完全做不到。我在 2023 年 8 月的 dbt Taipei meetup 上有分享這個議題 (投影片 及 錄影), 當天參與分享的朋友們建議我不要浪費力氣，這個 map 存在自已心裡就好，要去跟別人解釋以及試圖讓整個公司都做到真是太困難了。但有個朋友建議我，即便做不到，分享這個理想世界也很夠，至少讓其他人知道這個理想世界長怎樣，且有人試圖達到中。可能會引起一些共鳴，或者只是激起一點漣漪也好。

感謝他的鼓勵，如果你覺得這個理想狀態有點意思，歡迎跟我交流 🤗 ! 非常期待一起討論跟 Data 或Product 相關的話題。

下一篇 ⏭️

下一篇要來為系列文的團隊與公司部分做的結尾，我們來討論一下該如何定義資料策略。希望這個系列有鼓勵到你，也讓你知道 Data Team 的旅程可能是如何。明天見。

對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加