Datenstrategie-Designguide Canvas

Wie verwende ich das Datenstrategie-Designguide Canvas?

Mit der Methode des Datenstrategie-Designs entwerfen und planen Sie die Datenstrategie und die Datenprodukte für Ihr Unternehmen bzw. Ihre Kunden:

• Entwickeln Sie interne Analytik-Lösungen für datengetriebene Entscheidungen.
• Automatisieren Sie Ihre Unternehmensprozesse datengetrieben.
• Konzipieren Sie neue datengetriebene Produkte für Ihre Kunden.
• Modellieren Sie datengetriebene Geschäftsmodelle.

Das Datenstrategie-Designkit stellt Ihnen dafür die notwendigen Werkzeuge bereit, um in interdisziplinären Teams gemeinsam an Ihrer Datenstrategie und Analytik-Projekten zu arbeiten. Dafür eignen sich ein- bis zweitägige Workshops.

Mit der Vorlage Datenstrategie-Designguide steht Ihnen ein weiteres Werkzeug zur Verfügung, um die Workshops im Vorfeld zu planen und den Workshop-Teilnehmern den Prozess des Datenstrategie-Designs zu veranschaulichen. Der Designguide hilft Ihnen und Ihrem Team dabei, Sie durch den Entwurfsprozess zu leiten, um erfolgreiche Dateninnovationen auf den Weg zu bringen.

Damit eine Innovation erfolgreich ist, muss sie drei Kriterien erfüllen:

1. Wirtschaftlichkeit: der Einsatz von Analytik um Daten zu verwerten, muss sich ökonomisch rechnen, d.h. Sie müssen verstehen, wo das (Geschäfts-)Potential für Daten & Analytik liegt.
2. Erwünschtheit: die potentiellen (Be-)Nutzer der Analytik müssen die Lösungen aber auch nutzen wollen. Ansonsten entsteht durch die Daten und Analytik kein Wert. Entsprechend müssen Sie die Benutzer kennen und ihre Ziele, Bedürfnisse und Probleme verstehen.
3. Machbarkeit: Sie müssen über die notwendigen Daten sowie die erforderlichen (Analyse-)Werkzeuge und Fähigkeiten verfügen, um diese Lösungen zu entwickeln und zu betreiben.

Entsprechend unterteilt der Designguide den Prozess in die Phasen Geschäft verstehen, Nutzer verstehen und Daten verstehen und orientiert sich dabei an dem Cross-Industry Standard Process for Data Mining (CRISP-DM), wobei er das “Data Understanding” und das “Business Understanding” um das “User Understanding” (aus Sicht des Design Thinkings) erweitert.

Vorlagen für verschiedene, häufig wiederkehrende Workshop-Formate finden Sie in dem öffentlichen Projekt Datenstrategie-Designguide.

Start

Bevor Sie die Arbeit an der Vorlage beginnen, stellen Sie sich die folgenden Fragen:

I. Was ist das Ziel des Workshops?

• Soll für das gesamte Unternehmen eine globale Daten- & Analytikstrategie (“Vision”) entwickelt werden?
• Sollen für einen (Fach-)Bereich die kritischen analytischen Anwendungsfälle für die Unternehmensdaten identifiziert werden?
• Geht es darum, einen konkreten Anwendungsfall zu konzipieren und als Geschäftsfall zu evaluieren?

Platzieren Sie das Ziel als (blaue) Karte in die Mitte der Vorlage.

II. Wer sind die Teilnehmer des Workshops bzw. wer sollte teilnehmen?

• Wer sind die (Be-)Nutzer der Analytik & Daten?
• Wer sind die Entscheider und Käufer bzw. Budgetgeber?
• Wer sind mögliche Unterstützer? Und wer ist ein möglicher Saboteur?

Bei der Beantwortung dieser Fragen hilft Ihnen die Vorlage Stakeholder-Analyse.

III. Wann findet der Workshop statt und wie lange dauert er?

Die Vorlage ist auf zwei Tage ausgelegt, weil erfahrungsgemäß ein Tag meist nicht ausreicht und es andererseits unwahrscheinlich ist, dass sich alle Teilnehmer für drei Tage aus dem operativen Geschäft rausnehmen können oder wollen. Ein 2-Tage-Workshop ist also ein guter Kompromiss. Gegebenenfalls empfiehlt es sich, mehrere Workshops anzusetzen.

Die Vorlage ist entsprechend in zwei Hälften unterteilt:

• Oben: 1. Tag – zum Beispiel, um sich einen Überblick über die IST-Situation zu verschaffen und einen Ausblick auf den SOLL-Zustand zu entwickeln.
• Unten: 2. Tag – um sich einen detaillierten Einblick in ein Anwendungsfeld / -fall zu verschaffen und einen Durchblick für eine mögliche Lösung zu entwickeln.

Des Weiteren unterteilt die Vorlage die beiden Tage in jeweils zwei weitere Hälften: Vormittags (1. Tag links oben und 2. Tag rechts unten) und Nachmittags (1. Tag rechts oben und 2. Tag links unten). Dazwischen sollte Zeit für eine längere Mittagspause eingeplant sein, um den “Kopf freizumachen”.

In Kombination mit den vier Phasen (Überblick, Wirtschaftlichkeit, Erwünschtheit & Machbarkeit) ergeben sich daraus jeweils Blöcke mit zwei Zeitfenstern (Boxen) von je 45 Minuten Dauer. Diese Zeitfenster gilt es anschließend mit konkreten Agendapunkten zu füllen. Die Boxen helfen Ihnen dabei, die Zeit einzuhalten (“Timeboxing”).

Zwischen den Übergängen der Phasen ist jeweils Zeit für eine Pause, so dass die Workshop-Teilnehmer jeweils 1,5 Stunden am Stück und ohne Unterbrechung (wichtig!) arbeiten können.

Eine mögliche Agenda könnte also wie folgt aussehen:

Tag #1:

• 09:00 Begrüßung der Teilnehmer
• 09:15 Box #1 & #2
• 10:45 Pause
• 11:00 Box #3 & #4
• 12:30 Mittagspause
• 13:30 Box #5 & #6
• 15:00 Pause
• 15:15 Box #7 & #8
• 16:45 Feedbackrunde
• 17:00 Ende

Tag #2: äquivalent zu Tag #1

Falls nur ein Tag zur Verfügung stehen sollte, kann die Vorlage angepasst verwendet werden:

• Die obere Hälfte entspricht dann dem Vormittag und die untere Hälfte dem Nachmittag.
• In jeder Phase steht nur jedes zweite Zeitfenster (Box) zur Verfügung, d.h. die Boxen #2, #4, #6 usf. bleiben leer.

Schritt 1 von 5

Intro

Starten Sie den ersten Workshop-Tag mit einer Vorstellung und Einführung:

1. Was ist das Ziel des Workshops und des Projekts als Ganzes?
2. Wer sind die Teilnehmer? Hier hat sich beispielsweise bewährt, wenn jeder Teilnehmer die drei Fragen “Wer bin ich? Was mache ich? Was erwarte ich?” jeweils mit einem Satz kurz beantwortet.
3. Wie wird der Workshop verlaufen? Nutzen Sie den Datenstrategie-Designguide, um die Teilnehmer durch die beiden Tage zu führen.
4. Welche Werkzeuge (Canvas-Vorlagen) setzen wir ein? Stellen Sie die Werkzeuge vor, damit die Teilnehmer wissen, was sie erwartet.

Die Intro-Phase dient dazu, alle Teilnehmer auf den gleichen Wissensstand zu bringen, auf ein einheitliches Ziel zu fokussieren und sich auf einen gemeinsamen Weg festzulegen. Planen Sie ausreichend Zeit für Fragen und Diskussionen ein – insbesondere, wenn es der erste Workshop dieser Art ist. Falls Sie dennoch weniger Zeit benötigen, haben Sie einen Puffer gewonnen, den Sie ggf. am Ende des Workshops noch benötigen werden.

Entsprechend platzieren Sie beispielsweise in die erste Box eine blaue Karte mit dem Text “Ziele, Teilnehmer & Agenda vorstellen & diskutieren” und in die zweite Box eine blaue Karte “Methode & Werkzeuge vorstellen”.

Wenn Sie im Verlauf des Workshops eine Box abgearbeitet haben, können Sie die Farbe der Karte in grün ändern, um den Fortschritt anzuzeigen. So haben Sie auch einen schnellen visuellen Überblick, wie gut Sie in der Zeit liegen.

Schritt 1 von 5

Für die folgenden Schritte (d.h. Boxen) empfiehlt sich der Einsatz des Kartendecks Datenstrategie-Design. Die Sammlung Datenstrategie-Design-Canvas enthält Piktogramme aller Canvas-Vorlagen aus dem Datenstrategie-Designkit. Nutzen Sie die Piktogramme als Karten, um anzuzeigen, welche Canvas-Vorlage Sie in welchem Schritt für welchen Zweck einsetzen, indem Sie die Karte auf die jeweilige Box platzieren und mit einem entsprechenden Text für den Zweck versehen.

Die Vorlage Datenstrategie-Designkit gibt Ihnen einen Überblick über die verfügbaren Canvas-Werkzeuge aus dem Datenstrategie-Designkit von Datentreiber. Die Vorlage zeigt Ihnen auch, wie Sie die Canvas in Kombination miteinander einsetzen können. Äquivalent zu den Phasen (grün, gelb und blau) im Designguide unterteilt das Designkit die Canvas-Werkzeuge in die drei Bereiche Wirtschaftlichkeit (grün), Erwünschtheit (gelb) und Machbarkeit (blau) ein, was Ihnen die Auswahl und das Auffinden des richtigen Werkzeugs zum jeweils richtigen Zeitpunkt erleichtern soll.

Verstehen Sie diese Zuordnung jedoch bitte nur als Vorschlag: Sie können ein “blaues” Werkzeug auch in der “grünen” Phase einsetzen – und selbstverständlich sind Sie frei, alternative oder zusätzliche Canvas-Werkzeuge einzusetzen oder gar selbst zu entwickeln.

Schritt 2 von 5

Geschäft verstehen

Ihre “Data Journey” sollte mit der Frage nach dem “Warum brauchen wir Daten & Analytik?” beginnen. Was ist Ihre Unternehmensvision? Was sind Ihre Geschäftsziele? In welchen Bereich wollen Sie investieren, um von Daten und Analytik zu profitieren?

Wichtig ist, dass Ihre Datenstrategie auf Ihre Unternehmensstrategie ausgerichtet ist. Nutzen Sie die erste Phase des Datenstrategie-Designs also, um sich Klarheit über die aktuelle wirtschaftliche Situation und die zukünftige geschäftliche Strategie zu verschaffen. Dabei helfen Ihnen folgende Vorlagen:

• Strategiepyramide: um die eigene Vision & Mission, Werte & Leitlinien sowie Meilensteine zu skizzieren oder zu definieren.
• Wertschöpfungskette: um die Wertschöpfung innerhalb der eigenen Branche oder auch um interne Prozesse zu visualisieren und zu analysieren.
• Wachstumshorizonte: um sich darüber klar zu werden, ob Sie nach inkrementellen oder nach disruptiven Innovationen suchen.
• Geschäftsmodell / -fall: um das eigene Geschäftsmodell nach Optimierungspotentialen zu durchforsten oder neue datengetriebene Geschäftsmodelle zu entwerfen.

Zu Beginn der “grünen” Phase ist es wichtig, ein breites Verständnis des Geschäfts zu entwickeln. Am Ende der Phase sollten Sie dagegen auf einen konkreten Anwendungsbereich, -feld oder Anwendungsfall fokussieren, um in der nächsten Phase zu einem tiefgehenden Nutzerverständnis zu gelangen.

Schritt 3 von 5

Nutzer verstehen

Die zweite, “gelbe” Phase soll die Frage nach dem “Wie helfen uns Daten & Analytik?” beantworten. Hierfür müssen wir verstehen, wer das Geschäft bzw. den Geschäftsbereich treibt und was diese Person bzw. Rolle wiederum umtreibt. Also wer trifft welche Entscheidungen, führt welche Aktionen durch, verfolgt welche Ziele und erwartet welche Ergebnisse? Was sind dabei die Probleme im Detail und wie können Daten und Analytik helfen, diese Probleme zu lösen und dem (Be-)Nutzer einen Mehrwert bieten?

Viele Initiativen und Projekte im Bereich Daten und Analytik scheitern an einer mangelnden Nutzerakzeptanz. Um nutzerzentrierte Datenstrategien und Datenprodukte zu entwickeln, bietet Ihnen das Designkit unter anderem folgende Werkzeuge:

• Stakeholder-Analyse: um die richtigen Benutzer, Entscheider und weitere Stakeholder zu identifizieren.
• Analytik-Anwendungsfall: um eine konkrete Analytics-Lösung für einen spezifischen Benutzer zu konzipieren.
• Wertekurve um Daten- & Analytikprodukte zu konzipieren, welche sich vom (externen als auch internen) Wettbewerb abheben.

Am Ende der gelben Phase sollten ein oder mehrere konkrete Projektideen stehen, die in der folgenden, “blauen” Phase analytisch und technisch konkretisiert werden.

Schritt 4 von 5

Daten verstehen

Nachdem Sie nun wissen, wohin Sie wollen (wirtschaftliche Strategie) und wie Sie dahin kommen (fachliche Lösung), gilt es die Frage zu beantworten, was Sie dafür brauchen – insbesondere: “Was für Daten & Analytik benötigen wir?” Viele Analytics-Projekte sind nicht machbar, weil die notwendigen Daten (in der erforderlichen Menge, Tiefe & Qualität) fehlen. Oder die Komplexität der Analytik übersteigt den analytischen Reifegrad des Unternehmens.

Um diese Stolpersteine auf dem Weg zu erfolgreichen Datenstrategien und Datenprodukten zu vermeiden, eignen sich zum Beispiel die folgenden Werkzeuge:

• Analytik-Reifegrad: um den analytischen Reifegrad des eigenen Unternehmens oder Bereichs zu bestimmen und einen Fahrplan für die Analytik-Projekte zu entwickeln.
• Datenstrategie: um die Ressourcen (Daten, Prozesse, Produkte, Personal, Partner) abzuleiten, die für die Umsetzung einer Datenstrategie bzw. eines Datenprodukts erforderlich sind.
• Datenlandschaft: um die Datenlandschaft des Unternehmens zu erkunden, weitere Datenquellen zu identifizieren und mögliche Lücken aufzuzeigen.
• Datenmanagement: um die Datenverfügbarkeit und Datenqualität zu erhöhen sowie die Datensicherheit und den Datenschutz sicherzustellen.

Am Ende der “blauen” Phase sollten Sie wissen, ob Ihr Plan aufgeht – oder wo Lücken sind, die Sie zunächst schließen müssen.

Schritt 5 von 5

Outro

Reservieren Sie am Ende des zweiten Tages zwei Zeitfenster (also ca. 1,5 Stunden), um Ihre Arbeit nochmals Revue passieren zu lassen und die Ergebnisse zusammenzufassen. Wenn Ihr Workshop endet, sollten alle Teilnehmer wissen, was Sie als nächstes zu tun haben und wie es mittel- und langfristig weitergeht.

In der Praxis hat sich folgendes Vorgehen bewährt:

1. Storytelling: durchlaufen Sie alle Phasen und Schritte des Workshops noch einmal und erzählen Sie (als Workshop-Moderator) die Geschichte, wie Sie dort hingelangt sind, wo Sie am Ende des Workshops stehen.
2. Kritische Annahmen & offene Fragen: die übrigen Teilnehmer konzentrieren sich dabei, die Geschichte auf Plausibilität, Konsistenz und Vollständigkeit zu prüfen. Bei Unklarheiten oder Unsicherheiten äußern sie diese und Sie notieren diese kritischen Annahmen und offenen Fragen auf weißen Zetteln.
3. HELD: schließlich sollten die kritischen Annahmen und offenen Fragen nach ihrer Kritizität priorisiert und geprüft werden. Welche Fehlannahmen oder fehlenden Informationen können das Projekt bzw. die Strategie gefährden? Hierbei hilft Ihnen zum Beispiel eine Hypotheses, Experiments & Learnings Database. Eine Vorlage von Datentreiber für eine HELD finden Sie auf Airtable.

Abschluss

Der Workshop ist meist nur der Auftakt (“Kickoff”) und nicht das Ende. Im besten Fall können Sie und Ihr Team nach dem Workshop direkt zum Beispiel mit einem Data (Product Design) Sprint loslegen. Im wahrscheinlichen Fall treffen Sie sich für einen zweiten, dritten usw. Workshop, um die Strategie zu konkretisieren oder weitere Anwendungsfälle zu durchdenken. So könnten Sie zum Beispiel in einer zweiten Iteration (Workshop) in der “grünen” Phase mit der Vorlage Geschäftsmodell / -fall prüfen, ob Ihre Datenstrategie wirtschaftlich ist, indem Sie die Geschäftsfälle mit der Vorlage durchdenken.