Belum yakin? Bab 01 gratis — masukkan emailmu.
Pembayaran aman & instan via QRIS, e-wallet, atau transfer bank. Buku dikirim otomatis setelah bayar.
Maths for Product Managers
Sepuluh cara berpikir kuantitatif untuk PM, dilatih lewat kasus nyata bukan latihan soal.
Tiap sprint ada keputusan yang butuh angka tapi waktu terlalu sempit untuk analisis panjang. Buku ini melatih cara berpikir yang membuat keputusan itu lebih solid, bukan dengan rumus tapi dengan logika yang bisa dipakai langsung.
Buku ini sangat cocok untuk:
- Product Managers (Junior hingga Senior) yang ingin memperkuat insting kuantitatif
- Product Owners & Project Managers yang menghadapi keputusan prioritisasi harian
- Tech Founders & Product Leaders yang merancang metrik & business case
- Aspiring PMs yang ingin menonjol dengan kemampuan analisis yang tajam
Apa yang akan kamu kuasai:
Setiap bab mencakup:
Rasio & Proporsi (Literasi Rasio)
Membaca metrik dengan benar dan memahami asumsi di balik penyebut (denominator). Mengetahui apa yang sebenarnya dihitung dan diabaikan.
Perubahan Absolut vs. Relatif (Kepekaan Skala)
Mengevaluasi hasil sprint dan peningkatan eksperimen tanpa terkecoh framing persentase. Mengukur magnitude perubahan sebelum bertindak.
Distribusi & Rata-Rata (Intuisi Distribusi)
Mengetahui kapan rata-rata menyembunyikan kenyataan; membaca data segmentasi pengguna agar tidak mengambil kesimpulan bias.
Korelasi vs. Kausalitas (Skeptisisme Kausal)
Menguji hubungan fitur-metrik dan merancang eksperimen terkontrol yang lebih bersih. Memisahkan antara korelasi acak dari kontribusi produk yang riil.
Probabilitas & Expected Value (Bet-Sizing)
Menimbang taruhan yang tidak pasti dalam keputusan roadmap dan prioritas produk dengan penalaran kuantitatif yang kokoh.
Pemodelan Aljabar (Isolasi Variabel)
Membangun model mental tentang bagaimana daya ungkit produk terhubung ke hasil bisnis. Mengisolasi variabel penting versus noise.
Optimasi & Batasan (Pemikiran Batasan)
Menemukan opsi terbaik yang feasible di bawah batasan kapasitas engineer dunia nyata. Membuat batasan menjadi eksplisit, bukan sekadar intuitif.
Logika & Teori Himpunan (Mendefinisikan Batas)
Melakukan segmentasi pengguna secara presisi dan menghindari kesalahan penghitungan ganda (double-counting) atau celah data.
Sampling & Signifikansi Statistik (Penilaian Signifikansi)
Menilai apakah hasil A/B test nyata atau noise sebelum bertindak. Memahami kapan harus mempercayai data eksperimen.
Funnel Math (Berpikir dalam Funnel)
Memodelkan alur multi-langkah sebagai rantai konversi multiplikatif. Mengidentifikasi langkah dengan leverage tertinggi untuk dioptimalkan.
Situasi 1: Membaca Dashboard Metrik
Latihan langsung membaca dashboard GoJalan menggunakan kombinasi Literasi Rasio, Magnitudo, dan Distribusi untuk menemukan anomali tersembunyi.
Situasi 2: Tantangan Sprint Review
Menghadapi perdebatan performa di TokoKita. Menerapkan Skeptisisme Kausal dan Kepekaan Skala untuk menilai kontribusi nyata dari tim engineering.
Situasi 3: Keputusan Investasi Fitur
Menilai pengajuan fitur baru di KerjaKu. Menggunakan Bet-Sizing dan expected value untuk menimbang risiko investasi fitur besar.
Situasi 4: Memprioritaskan Roadmap
Menyusun prioritas di KelolaKu di bawah batasan (constraints) sumber daya terbatas dengan menerapkan Linear Programming sederhana.
Situasi 5: Menyusun Business Case
Membuat proyeksi peluncuran fitur di TokoKita. Memisahkan variabel produk untuk menyusun proyeksi angka yang realistis bagi leadership.
Situasi 6: Negosiasi Tradeoff Stakeholder
Mengatasi kebuntuan negosiasi kapasitas di KerjaKu dengan membuat model batasan yang transparan bagi tim bisnis dan engineer.