>
>
Data Thinking als Powertool datengetriebener Service- und Produktentwicklung
Data Thinking als Powertool datengetriebener Service- und Produktentwicklung
2023-11-16
–
Data Transformation
Interdisziplinarität ist in allen Bereichen der (IT-) Service- und Produktentwicklung sowohl im Hinblick auf 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 schon bei vielen Unternehmen eine zentrale Rolle. Und trotzdem erfüllen die Ergebnisse von datengetriebenen Innovationsprojekten, der Markterfolg sowie die damit verbundenen Monetarisierung meist nicht die Erwartungen. Warum? Weil herkömmliche Big Data-Ansätze die Technologien in den Vordergrund stellen und 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 zu kurz.
Bereits bei Projektstart nutzerzentriert denken
Design Thinking als systematische Herangehensweise an komplexe Problemstellungen stellt in den ersten Handlungsschritten sicher, dass die Wünsche und Bedürfnisse der Nutzer in die Problemstellung, Ideenfindung und Konzeption einfließen. Design Thinking hat die Zielstellung als Ausgangspunkt, 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 sowie entwickelt.
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 sowie 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 oder 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- oder Produktlösungen adaptieren?
Eine Produktlösung 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 unternehmensinterne 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:
– Wie bereit ist das Unternehmen für digitale und daten-getriebene Geschäftsmodelle?
– Wie können Daten effektiv für das Unternehmen in Services oder 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- oder Produktlösungen adaptieren?
Eine Produktlösung 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 unternehmensinterne 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 und 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.
Definitinieren: Nach Sammlung der Erkenntnisse und Rahmenbedingungen fließen diese in prototypische Nutzerprofile (Persona-Steckbrief) und Datenprofile (Daten-Steckbrief) ein.
Beobachten: Im Anschluss daran werden durch intensive Recherche und Feldbeobachtungen die Nutzerbedürfnisse und Datenanforderungen analysiert, um entsprechende Einsichten zu gewinnen.
Definitinieren: 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 beziehungsweise 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.
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 beziehungsweise 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.
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 oder 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.
Sollten Sie Fragen haben oder Unterstützung benötigen, so sprechen Sie uns gerne an.
Durch unsere alltägliche Beraterpraxis in unterschiedlichen Branchen und Bereichen haben wir ein umfassendes Know-how zum Thema Digitale Produktentwicklung im agilen Projektmanagement.
Sollten Sie Fragen haben oder Unterstützung benötigen, so sprechen Sie uns gerne an.
Kontakt
Get in touch.
Sie haben Fragen zu unserem Beratungsangebot oder zu Einstiegs- und Karrieremöglichkeiten bei uns? Oder Sie haben ein ganz anderes Anliegen? Wir freuen uns auf Ihre Nachricht.
