I dati sono l'OxyContin del product management

Stai analizzando i dati o stai evitando le decisioni?

È mercoledì sera. Hai una grossa decisione da prendere entro venerdì. Invece di prenderla, apri la dashboard. Cerchi qualcosa — non sai bene cosa, ma cerchi. Un’ora dopo hai tre grafici nuovi e la stessa decisione è ancora lì, in attesa. Ti sei sentito produttivo per un’ora.

Il problema non si è mosso di un millimetro.

Se questa scena ti suona familiare, non è perché sei disorganizzato o poco disciplinato. È perché stai usando i dati per fare una cosa per cui non sono stati progettati: tenerti al riparo dall’incertezza.

Il rischio non è incertezza

C’è una differenza fondamentale tra rischio e incertezza che quasi nessuno considera quando lavora su un prodotto digitale¹.

Il rischio si calcola. C’è il 30% di probabilità che piova: decidi se portare l’ombrello². Puoi costruire un modello, pesare le variabili, arrivare a un numero.

Il foglio Excel funziona.

L’incertezza è diversa. Con l’incertezza non sai nemmeno quali sono le variabili in gioco. Non puoi calcolare le probabilità perché non sai esattamente cosa stai cercando di prevedere. Funzionerà questa feature? Gli utenti si comporteranno come prevedi? Questo pricing è quello giusto? Non lo sai. Non puoi saperlo finché non lo fai.

Lavorare su un prodotto digitale spesso significa stare dentro questa condizione in modo permanente.

C'è un problema: il nostro cervello odia l’incertezza. È psicologicamente pesante. Il nostro cervello vuole trasformarla in rischio, perché almeno il rischio si può gestire. E i dati sono lo strumento più credibile che abbiamo per fare questa trasformazione. Apri una dashboard, guardi i numeri. Per un momento hai la sensazione di avere il controllo. Di stare lavorando sul problema. Di essere sul pezzo.

È questa sensazione che crea la dipendenza. Non i dati in sé — la sensazione di controllo che producono.

Gli anni ‘90 americani hanno avuto una storia simile. L’OxyContin³ prometteva un mondo senza dolore. Funzionava: il dolore spariva davvero. Ma il dolore aveva una funzione: era un segnale. Eliminarlo non eliminava il problema, lo nascondeva. Al posto del dolore è arrivata una dipendenza che ha fatto danni enormemente superiori.

L’incertezza funziona allo stesso modo. È scomoda, ma è un segnale. Dovrebbe spingerti a parlare con i clienti, a fare ipotesi, a costruire esperimenti nuovi, a muoverti. Ma quando invece di agire la anestetizzi con i dati, perdi quella spinta, e ti ritrovi a guardare grafici aspettando che i numeri ti dicano cosa fare.

Tre modi in cui si manifesta

Questo pattern non ha una sola forma. Ne esistono almeno tre, e sono abbastanza distinte da non sembrare la stessa cosa ma la radice è identica.

Il primo è l’evitamento totale. In una riunione si parla di lanciare qualcosa di nuovo. Qualcuno prova a portare i dati nel discorso — tassi di conversione, benchmark, metriche di riferimento. Si parla di visione, di potenziale, di numeri ipotetici ”ci saranno diecimila utenti”, “tutte le aziende del settore lo useranno”. Ma quando finisce la riunione non è stato detto nulla di concreto. Nessun razionale concreto dietro alle scelte. L’incertezza è stata evitata evitandola completamente. Se non la guardi, non esiste. Il danno qui è lento e invisibile: le decisioni vengono prese sull’intuizione e presentate come strategia, e nessuno ha gli strumenti per capire se stanno funzionando fino a quando non è troppo tardi.

Il secondo è l’accumulo di strumenti. La domanda che lo segnala è: “meglio Amplitude o Mixpanel⁴?” Non è una domanda sbagliata, ma di solito è il sintomo di qualcos’altro. L’accumulo funziona così: aggiungi un tool, scopri che puoi misurare qualcosa di nuovo, configuri un funnel, ottieni un grafico.
Il feedback è immediato — senti di stare imparando, di essere più data-driven, di crescere professionalmente. Il problema è che l’obiettivo lentamente si sposta. La cosa importante non è più “ho portato un risultato migliore al prodotto” ma “so usare Amplitude”⁵. Lo strumento diventa il fine. E nessuno in un team dice mai “abbiamo troppi tool” — perché aggiungerne uno nuovo genera sempre una piccola vittoria immediata.

Il terzo è il più pericoloso, perché è il più convincente. Succede così: una decisione è già stata presa — sulla base dell’intuizione, di una preferenza, di una dinamica politica interna. Poi si apre la dashboard. Si selezionano le metriche che supportano quella decisione. Si costruisce una narrativa coerente attorno ai numeri. La presentazione è impeccabile: i dati ci dicono che dobbiamo andare in questa direzione. Tutti annuiscono. Il problema? I dati non hanno detto niente. Sono stati interrogati con una risposta già in testa. Questo tipo di uso è quasi impossibile da smontare nel momento in cui succede, perché la storia è coerente e chi la racconta ha spesso più autorità nella stanza. Il danno si vede mesi dopo, quando guardi indietro e realizzi che quella decisione era già presa prima che qualcuno aprisse una dashboard. Nel frattempo, tutte le persone coinvolte erano in un workshop a investire tempo, energia e motivazione su qualcosa che era già deciso.

Tre pattern diversi. In uno i dati vengono evitati, in uno vengono accumulati, in uno vengono usati per costruire una storia già scritta. Ma la radice è sempre la stessa: l’incertezza fa paura, e ognuno di questi comportamenti serve a non sentirla.

Come appare il contrario

Chi usa i dati bene parte sempre da una tesi. Ha già un’ipotesi su cosa sta succedendo nel sistema — perché il conversion rate sta scendendo, perché certi utenti non tornano, perché quel segmento non cresce.

Da questa ipotesi va a cercare le informazioni che servono per validarla o smentirla. Quantitativo, qualitativo, conversazioni con gli utenti, osservazioni dirette. Non cerca certezze — cerca segnali sufficienti per fare la prossima mossa.

L’altra differenza è quando i dati dicono che l’ipotesi era sbagliata. Chi ha un rapporto sano con l’incertezza accetta l’evidenza, aggiorna il modello, decide qual è il prossimo esperimento. Non va a cercare ossessivamente il numero che finalmente confermi quello che aveva in testa. Non si fa prendere dallo sconforto.

I dati sono una fotografia della realtà — la realtà è diversa da com’era stata immaginata, e ora si lavora con quella.

“Voglio capire come stiamo andando”

La prossima volta che apri una dashboard, prima di guardare i numeri, rispondi a questa domanda:

Qual è l’ipotesi specifica che sto cercando di validare o smentire?

Se riesci a formularla in una frase — “voglio capire se il drop nel funnel di registrazione è concentrato in un passaggio specifico” — stai usando i dati come strumento. Continua.

Se non riesci a formularla, o la risposta è vaga (”voglio capire come stiamo andando”) — hai aperto la dashboard per un altro motivo. Chiudila. Fai una passeggiata, Prendi un po’ d’aria. Poi torna.

1. Salutiamo Frank Knight e il suo “Risk, Uncertainty and Profit” che già negli anni ‘20 descriveva questi concetti.

2. Consiglio la lettura di modelli per le previsioni meteorologiche per capire il significato di 30% in questa frase.

3. Caldamente consigliato: Dopesick - Dichiarazione di dipendenza (Disney+)

4. Dipende 🤓

5. Present Bias / Temporal Discounting (Economia comportamentale). Le persone attribuiscono più valore ai benefici immediati rispetto a quelli futuri, anche quando quelli futuri sono oggettivamente maggiori.