"Data Product": Die Fachbereiche einbeziehen, um Data-Erfolge zu schaffen!  

Auch heute noch scheitern 85% aller Data-Projekte und werden nicht in die Produktion oder Industrialisierung überführt.  

Es gibt viele Gründe für diese Feststellung, die sich von Jahr zu Jahr hartnäckig hält: schlechte Datenqualität, große Datenmengen, schlechte Einarbeitung der Teams... Zu den Gründen gehört auch die Schwierigkeit, die Fachbereiche in die Umsetzung des Projekts "einzubinden".
Was ist der Grund dafür? Die berühmte Kluft zwischen Tech/Data und den Fachbereichen sowie eine schlechte Definition und Ausrichtung der Ziele und Herausforderungen der Projekte. 

Doch ohne diesen "fachlichen" Ansatz wird ein Datenprojekt nur ein technisches Projekt bleiben.  

Der beste Maßstab für Erfolg ist, wenn Teams Data-Projekte tagtäglich annehmen, weil sie dadurch ihr Geschäft besser verstehen und ihre Leistung immer weiter steigern können.  

Aber wie kommt man zu diesem Gral?  

Wir bei AdvanThink glauben, dass das Geheimnis des Erfolgs darin besteht, dass die Geschäftsteams die eigentliche Lokomotive der Datenprojekte sind.  

Um dies zu erreichen, verfolgen wir im gesamten Datenverarbeitungszyklus einen fach- und endnutzerzentrierten Ansatz. Am Ende des Projekts ist das Ergebnis ein Datenprodukt in Form einer visuellen und einfach zu bedienenden Web App, die die Bedürfnisse der Geschäftsbereiche umsetzt und alle ihre Daten nutzt. 

Wir erklären Ihnen alles! 

Warum fällt es Data-Projekten schwer, die Fachbereiche mit ins Boot zu holen? 

Die Annahme der Lösungen, die für die Fachbereiche implementiert werden, durch die Fachbereiche ist ein wesentlicher Erfolgsfaktor. Ohne Annahme können Sie noch so viele technische Herausforderungen überwunden haben, es ist, als hätten Sie ein Schwert ins Wasser geworfen. 

Generell lassen sich drei Ursachen für das Scheitern feststellen: 

• Zu technisch: Die eingesetzte Lösung ist zu technisch und die Geschäftsteams können sie nicht nutzen oder sind von der IT oder von Datenexperten abhängig, um sie zu nutzen und weiterzuentwickeln. 

• Zu statisch: Die Lösung ist zu einfach oder starr (Dashboard), wodurch ihre Ergebnisse veraltet oder zu wenig handlungsfähig sind. 

• Verwendung von Lösungen, die nicht für das Projekt geeignet sind: Dies ist häufig der Fall, wenn in der Organisation bereits Lösungen oder Werkzeuge vorhanden sind, die jedoch nicht den Herausforderungen des Projekts entsprechen.  

Dieses Phänomen ist absolut nicht neu. Carroll und Rosson haben es bereits 2005 in ihrer Theorie der Technologieaneignung (Technology Appropriation Theory) herausgestellt: Die Aneignung einer Technologie hängt nicht nur von ihrem Design ab, sondern auch von der Art und Weise, wie die Nutzer sie sich aneignen. Das gilt übrigens nicht nur für Data, sondern auch für die Übernahme jeder Technologie: Ohne Nutzung keine Technologie! 

Das Fazit ist eindeutig: Ohne Eigenverantwortung der Fachbereiche ist der Erfolg nicht am Ende des Projekts! 

Um den Erfolg eines Datenprojekts zu maximieren, muss dieses Thema von Anfang an berücksichtigt und sichergestellt werden, dass das Deliverable für die Geschäftswelt essentiell wird. 

Das Data Product, eine verbindlichere Antwort 

In diesem Zusammenhang ist die Einführung eines Data Products eine absolut angemessene Antwort für die Fachbereiche!  

Aber was ist ein Data Product? Gartner definiert ein Data Product folgendermaßen: "a curated and self-contained combination of data, metadata, semantics, and templates, including access and implementation logic certified for tackling specific business scenarios and reuse." (Hype Cycle for Data Management 2023 - Gartner). Ein Data Product ist mehr als nur eine einfache Datenvisualisierung, es ist ein strategisches Werkzeug für den Geschäftsbereich, das es ihm ermöglicht, die Daten zu nutzen, die er benötigt, und auf spezifische Herausforderungen zu reagieren. Dieses Tool wird Teil seines Alltags und wird ihm buchstäblich zu mehr Effizienz bei der Entscheidungsfindung verhelfen und greifbare Ergebnisse liefern. 

Die Phase der Konzeption des Data-Produkts ist eine entscheidende Phase in der Umsetzung eines Projekts. Sie ist seine "last mile", diejenige, die das Projekt in die eine oder andere Richtung kippen kann.  

Daher müssen die einzelnen Schritte gut vorbereitet werden - und auch hier ist die Methode wichtig.  

Zu den unumgänglichen Fragen, die man sich stellen muss, gehören: das Problem richtig identifizieren, den Anwendungsfall und die Schlüsselfunktionen, mit denen er umgesetzt werden soll, richtig verstehen, die ideale Lösung für die Probleme des Berufsstandes richtig entwerfen ... aber darauf können wir in einem späteren Artikel zurückkommen. 

Um die Dinge konkreter zu machen, hier einige Beispiele für Data Products, die wir bei AdvanThink im Auftrag unserer Kunden erstellen: 

• Anwendung zur Erkennung von Betrug bei Bankzahlungen in Echtzeit für Betrugsbekämpfungsteams 

• Anwendung zum Scoring von Kunden und Interessenten anhand ihrer Gewohnheiten und Verhaltensweisen für Marketingteams 

• Anwendung zur Erkennung von Anomalien im Energieverbrauch von autonomen Gebäuden 

Die 3 Schlüsselfunktionen eines funktionierenden Data Products! 

Wir bei AdvanThink sind es gewohnt, Data Products zu entwickeln, auf die unsere Kunden nicht mehr verzichten wollen.  

Mit über 1000 industrialisierten Projekten bei unseren Kunden haben wir 3 Best Practices identifiziert, die bei der Implementierung von Anwendungen, die für das Geschäft gedacht sind, unumgänglich sind: 

• Die AdvanThink-Methode und unser "Bottom Up"-Ansatz: Die AdvanThink-Methode bezieht die Fachbereiche von Anfang an in das Projekt ein. In jeder Phase arbeiten Endbenutzer und Experten zusammen, um das effizienteste Datenprodukt für die Endbenutzer zu schaffen. Unsere Lösungen beinhalten insbesondere einen "DataOps by Design"-Ansatz, der es ermöglicht, die verschiedenen Benutzer in allen Phasen der Projektumsetzung einzubeziehen. Unsere Software Amadea und FraudManager bieten einen zentralen Punkt, um alle Data-Projekte zu überwachen und sie für Nicht-Data-Experten leichter verständlich zu machen. Diese Zusammenarbeit zwischen den verschiedenen Projektbeteiligten wird durch unsere UX verstärkt, die es ermöglicht, jede Transformation in Echtzeit visuell darzustellen, sodass ein Nicht-Data-Experte alle seine Daten "on the fly" testen und erforschen kann. Dieser agile und iterative Ansatz hat sich bewährt und wird heute von 100% unserer Kunden übernommen. 

• Funktionen, die für den Bedarf des Fachbereichs bestimmt sind: Das Data Product muss mit den Benutzern für die Benutzer entwickelt worden sein. Jede seiner Funktionen erfüllt einen Bedarf des Fachbereichs, der in seine Gestaltung einbezogen wurde. Es entspricht also genau dem Nutzungsverlauf seines Endbenutzers. Es ist außerdem so konzipiert, dass es wartbar und skalierbar ist und auch zukünftigen Nutzungen gerecht wird. 

• Die Bedeutung von Echtzeit und Alarmmeldungen: Das Datenprodukt muss wie der bewaffnete Arm des Geschäftsbereichs konzipiert sein, der es ihm ermöglicht, mit allen unvorhergesehenen Ereignissen umzugehen und seine Effizienz zu steigern. Die Fähigkeit, Anwendungsfälle in Echtzeit zu realisieren, ist in einigen Fällen von entscheidender Bedeutung, wie z. B. bei der Bekämpfung von Zahlungsbetrug. In den meisten Anwendungsfällen ist die Fähigkeit, Warnungen zu erheben, ein wesentliches Merkmal. Dabei geht es vor allem um die Fähigkeit, das Geschäft automatisch zu warnen, wenn Anomalien oder anormales Verhalten auftreten oder ein Schwellenwert überschritten wird... Ein wesentliches Merkmal des durch Daten erweiterten Geschäfts! 

Kurz gesagt: Wir bieten Werkzeuge, um einfache, leistungsfähige... und französische Data Products zu entwerfen und zu pflegen! 

Sie haben ein Data-Projekt und möchten mit den besten Erfolgsaussichten starten? Kontaktieren Sie unser Team

Demo anfordern