Interdisziplinarität ist in allen Bereichen der (IT-) Service- und Produktentwicklung sowohl bei Produktivität als auch Effizienz ein Erfolgsfaktor. Das frühzeitige Einbinden von Experten und Nutzern aus den beteiligten Anwendungsbereichen stellt sicher, dass Services und Produkte zahlreiche Anwender finden und erfolgreich im Unternehmen oder auf externen Märkten platziert werden können.

Data Science, Machine Learning und künstliche Intelligenz spielen bei vielen Unternehmen heute schon eine zentrale Rolle. Und trotzdem bleiben die Ergebnisse von datengetriebenen Innovation-Projekten und der Markterfolg sowie die damit verbundenen Monetarisierung meist hinter den Erwartungen zurück. Warum? Weil herkömmliche Big Data-Ansätze, die Technologien in den Vordergrund stellen, den Ansprüchen einer ganzheitlichen, datengetriebenen Unternehmensstrategie nicht mehr gerecht werden. Riesige Datenmengen werden meist ohne Ziel gesammelt und erst in einem zweiten Schritt als Grundlage für die Identifizierung von Anwendungsfällen genutzt. Vor allem interdisziplinäres Denken und agile Arbeitsmethoden kommen bei diesem Wandel häufig noch zu kurz.

Vom Projektstart weg nutzerzentriert denken

Design Thinking als systematische Herangehensweise an komplexe Problemstellungen stellt in den ersten Handlungsschritten sicher, dass die Nutzerwünsche und -bedürfnisse zentral in die Problemstellung, Ideenfindung und Konzeption einfließen. Design Thinking nimmt die menschliche Perspektive zum Ausgangspunkt der Zielstellung, innovative Services zu gestalten, die attraktiv, realisierbar und marktfähig sind.

Mit der zentralen Sicht der Nutzer wird bei Design Thinking ausgehend von strategischen Zielsetzungen die Umsetzung von neuen Lösungen oder die Optimierung bestehender Services bereits unter Beteiligung eines interdisziplinaren Teams aus Datenanalysten, Konzeptern, Produktverantwortlichen und der IT gedacht und entwickelt.

Data Thinking stellt die Nutzer UND die zu Grunde liegenden Daten in den Mittelpunkt

Der Data Thinking Ansatz lässt sich neben der nutzerzentrierten Sicht auf die Persona um die Beschreibung und Detailinformationen zu den verwendeten Daten hin zu einer datengetriebene Wertschöpfung erweitern. Unternehmen wollen auf ihrem Weg der digitalen Transformation zunächst ihre Potentiale verstehen, bevor sie auf Basis von schnellem Nutzer- und Marktfeedback weitere Investitionsentscheidungen treffen. Beispielhafte Praxis-Fragestellungen gilt es zunächst auf strategischer Ebene zu beantworten:
– Wie bereit ist das Unternehmen für digitale und daten-getriebene Geschäftsmodelle?
– Wie können Daten effektiv für das Unternehmen in Services/ Produkten genutzt werden?

Daraus ableitend gibt es auf operativer Ebene konkrete Herausforderungen und Optimierungsmöglichkeiten in Unternehmen, die beispielsweise folgende Fragen beantworten sollten:
– Welche Daten sind bereits verfügbar und welche könnten wie hinzukommen?
– Auf welche Bereiche lassen sich bisherige Service/Produkt-Lösungen adaptieren?

Eine Produkt-Lösung kann beispielsweise eine digitale Anwendung für Endkunden sein, die verschiedene Datenquellen in einer mobilen Applikation als Navigationsservice in Form einer Karte darstellt. Oder aber kann eine solche Service-Lösung für unternehmens-interne Zwecke ein Analyse-Cockpit sein, mit dem die Produktmanager im Unternehmen jederzeit die Performance der in ihrer Verantwortung liegenden Services einsehen und somit steuern können.

Für die Beantwortung dieser Fragen sind kostensparende Formate wie Data Studio Workshops mit einem zwei- bis dreistündigen Zeitumfang bis hin zu einwöchigen Data Thinking Sprints möglich.
Die Vorgehensweise dieser Formate untergliedert sich jeweils in die folgenden zwei Phasen:

Phase 1: Daten & Nutzer verstehen und interpretieren
Verstehen: In der ersten Phase geht es darum, im Team ein gemeinsames Verständnis der Herausforderung als Basisgrundlage zu schaffen und daraus die Zielsetzung zu formulieren.
Beobachten: Im Anschluss daran werden durch intensive Recherche und Feldbeobachtungen die Nutzerbedürfnisse und Datenanforderungen analysiert, um entsprechende Einsichten zu gewinnen.
Definition: Nach Sammlung der Erkenntnisse und Rahmenbedingungen fließen diese in prototypische Nutzerprofile (Persona-Steckbrief) und Datenprofile (Daten-Steckbrief) ein.

Phase 2: Lösungen entwerfen und umsetzen
Ideenfindung: Innerhalb eines Brainstormings werden auf Basis der Persona- und Daten-Steckbriefe unterschiedliche Data Use Case Konzepte entwickelt und visualisiert (Skizzen, Wireframes).
Prototyping: Die für das Team vielversprechendsten Konzepte werden in ersten, wenig aufwendigen Prototypen (Daten-Cockpit/ Dashboards) iterativ verbessert und bewertet.
Testing: Durch kontinuierliches Sammeln von Nutzer-Feedback werden Testergebnisse gesammelt, die wiederum in die Prototyping-Phase einfließen.

Bei der systematischen Identifizierung der Data Use Cases folgt die Data Thinking Methode dem Design Thinking – und stellt die Bedürfnisse des Kunden bzw. Nutzers in den Mittelpunkt aller Überlegungen. Data Thinking ist ein hoch iterativer und kosteneffizienter Data Science-Ansatz, der schnelles Feedback direkt vom Nutzer einfordert und potenzielle Lösungen sowie Hypothesen kontinuierlich testet, analysiert und optimiert. Durchschlagende, datengetriebene Anwendungsfälle lösen ein Umdenken innerhalb der Organisation aus – und beschleunigen die unternehmensweite, digitale Transformation.a

Data Thinking unterstützt Organisationen auf dem Weg zu einem daten-getriebenen Unternehmen

Der Einsatz agiler und kreativer Ansätze hilft dabei, das interdisziplinäre Zusammenspiel von Mitarbeitern, Technologie und Prozessen entsprechend auch kulturell einzustellen. Akzeptanz für diese Zusammenarbeit, in der Räumlichkeiten, Interaktionen und Zeitfenster wichtige Rahmenbedingungen prägen, gewinnt man durch sichtbare Ergebnisse und Fortschritte. Data Thinking stellt die wirklich geschäftsrelevanten Use Cases an den Anfang jeder Datenstrategie – und definiert erst dann, welche Daten in welcher Qualität für die Implementierung von daten-getriebenen Services/Produkten benötigt werden.

Durch unsere alltägliche Beraterpraxis in unterschiedlichen Branchen und Bereichen haben wir ein umfassendes Know-how zum Thema Digitale Produktentwicklung im agilen Projektmanagement.

In Kürze werden wir zum Thema Data Studio einen vertiefenden Artikel veröffentlichen.

Sollten Sie Fragen haben oder Unterstützung benötigen, so sprechen Sie uns gerne über info@thaltegos.de / unser Kontaktformular an.