Daten sagen dir, was, aber nicht warum

Du kannst das Verständnis nicht delegieren. Wenn du A/B-Experimente durchführen oder Daten messen möchtest, musst du verstehen, was sie bedeuten.

Leute, die wirklich begeistert von datengetriebenem Arbeiten sind, sind für mich oft ein Warnsignal für ihr Produktdenken.

Vorhersagen sind per se eine Sache von Korrelation. Aber wenn wir Menschen bitten, Entscheidungen zu treffen, fragen wir sie, über Kausalität nachzudenken. Der Unterschied zwischen Kausalität und Korrelation ist sehr wichtig.

Was KI für uns getan hat, ist, dass es den Horizont der Dinge, über die wir nachdenken könnten, der Hypothesen, die wir aufstellen könnten, und vielleicht sogar der Dinge, die wir testen könnten, massiv erweitert hat. Ich denke wirklich, dass das den Menschen unter größeren Druck setzt, nicht weniger.

Ich habe festgestellt, dass meine Experimente so viel besser wurden, je mehr ich mit Kunden gesprochen habe. Schließlich bin ich sehr zur Mischung aus qualitativer und quantitativer Forschung gekommen - das führt zu viel besseren Tests.

Wenn du dir ein Datenelement ansiehst und das Ergebnis dir etwas sagt, das deiner Intuition völlig widerspricht, dann ist das wahrscheinlich nicht richtig. Glaube zuerst deiner Intuition und beweise dich selbst, dass du Recht hast.