Tag: Twitch

Kegiatan analisis dan prediksi dewasa ini banyak terbantu dengan teknologi. Berbagai jenis layanan disuguhkan untuk membantu proses mengumpulkan, mengolah dan menyajikan data agar mudah dibaca dan dijadikan pertimbangan dalam mengambil keputusan. Namun di samping itu semua prediksi adalah sebuah hal yang komplit. Selain data, prediksi juga mengandalkan dan mempertimbangkan hal-hal yang lain. Seperti yang dilakukan oleh Twitch. Dalam sebuah tulisan diangkat bagaimana para karyawan Twitch dilatih untuk meningkatkan kualitas prediksi.

Prediksi yang baik adalah prediksi yang memiliki landasan. Dalam perusahaan landasan untuk memprediksi adalah data dan rekam jejak. Untuk mendapatkan kualitas prediksi data yang didapat pun harus akurat, setidaknya memiliki data yang lengkap. Budaya prediksi juga harus mulai dikembangkan oleh semua yang terlibat di dalam tim.

Seperti yang dilakukan Twitch misalnya, mereka percaya prediksi yang baik adalah berdasarkan angka-angka. Karena dengan angka-angka mereka dapat membantu para manajer memahami dan angka juga dapat memperjelas keputusan dan membantu tim untuk mengkomunikasikan prioritas yang mereka kerjakan.

Disampaikan Data Scientist Twitch Danny Hernandez pihaknya melakukan pelatihan prediksi untuk hampir semua elemen yang ada di tim. Sekarang posisi seperti product manager, engineers, researchers, business development hingga designer mendapat kesempatan untuk bisa memprediksi lebih baik dengan diadakannya pelatihan dan diberikan kesempatan.

Pertama mereka memberi pelatihan bukan untuk memprediksi masa depan tapi dengan memperkirakan metrik yang sebelumnya. Karena bagi pihak Twitch memahami angka bukan hanya memahami bisnis tetapi juga membantu karyawan untuk memperkirakan rata-rata penonton yang didapat, pertumbuhan penonton dari tahun ke tahun, atau berapa persen yang menonton melalui mobile.

Dari penuturan Danny pihaknya mempertajam perkiraan dengan memberikan interval, yang artinya mereka dapat mengukur perkiraan tertinggi dan terendah. Seperti memberikan interval tertinggi di angka 80% dan terendah di angka 20%.

Selanjutnya setelah semua karyawan memberikan perkiraan mereka dengan interval masing-masing, Twitch menyajikan jawaban yang benar sehingga karyawan mendapatkan umpan balik untuk menyesuaikan perkiraan mereka. Hal ini juga bisa menjadi salah satu acuan untuk melihat apakah karyawan terlalu percaya diri atau kurang percaya diri. Model seperti ini juga bisa mendapatkan wawasan mengenai prioritas yang dimiliki masing-masing karyawan.

pendekatan Twitch pun banyak menemui kendala. Ada tiga kendala yang disebutkan Danny, pertama skeptisme mengenai perkiraan tidak akan ampuh dan prediksi tidak akan akurat, karyawan takut perkiraan dan prediksi mereka disalah artikan oleh manajer dan keyakinan bahwa tidak ada data atau bukti yang cukup untuk membuat prediksi. Perkiraan dan prediksi memang harus diasah dan dilatih karena dalam perkembangannya startup membutuhkan kemampuan prediksi yang cukup baik ditunjang dengan data-data dan insting yang kuat.