Werkzeug unterstützt datengetriebene Innovationen

Montag, 8. Februar 2021
ID: 
041/01/02-2021
Daten stellen einen zentralen Erfolgsfaktor für Unternehmen dar, um von der Digitalisierung profitieren zu können und Mehrwerte daraus zu schaffen. Moderne Softwareanwendungen greifen dabei vermehrt auf mathematisch-statistische Verfahren und maschinelles Lernen zurück. Allerdings werden dadurch Entwicklung und Management der Anwendungen immer komplexer.
Hochschule Bonn-Rhein-Sieg
Doktorand Thomas Neifer. Foto: H-BRS

Forscher des Instituts für Verbraucherinformatik (IVI) und des Data Innovation Labs der Hochschule Bonn-Rhein-Sieg (H-BRS) haben vor diesem Hintergrund den "Data Science Canvas" entwickelt. Als ganzheitliches Werkzeug unterstützt er Entscheidungsträger und interdisziplinäre Projektteams bei der Entwicklung von datengetriebenen Mehrwerten und Geschäftsmodellen. Seine durchdachte Struktur bildet die Kommunikationsbasis für ein gemeinsames Verständnis des Problems und dessen Lösung. Weiterhin können damit unternehmensbedingte Komplikationen hinsichtlich möglicher Schnittstellenprobleme und verfügbaren Ressourcen frühzeitig aufgedeckt werden.

Daten verstehen und nutzen

Zwar verfügen viele Unternehmen bereits über große Datenbestände, allerdings fehle oft das tiefere Wissen über die Möglichkeiten der erfolgreichen Wertschöpfung aus diesen Daten, berichtet Thomas Neifer, Doktorand am IVI. So zeigt eine Studie, dass sich lediglich etwa ein Viertel der Entscheidungsträger als kompetent im Umgang mit Daten ansieht. Weiterhin scheitern Data-Science-Projekte oftmals an einem fehlenden Verständnis über den tatsächlichen Zweck der Projektergebnisse für das Unternehmen, Silo-Denken der Abteilungen und unzureichender Kenntnisse über die tatsächlichen Erwartungen von technischen und geschäftlichen Beteiligten.

Für die Ausrichtung einer Organisation auf eine datengetriebene Kultur und zur Definition einer passenden Datenstrategie werden ein gemeinsames Verständnis und eine gemeinsame Sprache benötigt. Dies spielt besonders auch für interdisziplinäre Entwicklungs- und Designprojekte eine wichtige Rolle, da Mehrwerte häufig nur geschaffen werden können, indem Datenbestände verschiedener Abteilungen und ihre Kompetenzen nutzbar gemacht werden. Eine Wissenschaft für sich.

Struktur sorgt für Klarheit und Überblick

"Unser Data-Science-Canvas kann aus einer übergeordneten Perspektive in vier Themenfelder eingeteilt werden", erklärt Neifer. So wird einerseits das Geschäftsszenario (Business Case) im Spannungsfeld zwischen den technischen Möglichkeiten und dem erhofften Mehrwert ausdiskutiert. Andererseits erfolgt die Abbildung der Kundensicht mit ihren Anforderungen an Darstellung, Anwendung und Kommunikation der Resultate. Das dritte Thema beschäftigt sich zusätzlich mit der Qualität und dem Umfang von Daten als Ausgangsbasis für datenbasierte Innovationen. Einnahmen und Kosten bilden das vierte Themenfeld.

Vorlage des Data Science Canvas. Grafik: Thomas Neifer
Das Institut für Verbraucherinformatik (IVI) am Fachbereich Wirtschaftswissenschaften der H-BRS stellt den Data Science Canvas kostenfrei zur Verfügung. Er unterstützt insbesondere Führungskräfte bei datengetriebenen Projekten. Grafik: Thomas Neifer

In Teams verschiedener Unternehmen hat eine praktische Analyse gezeigt, dass der Data-Science-Canvas die Kompetenzen in interdisziplinären Teams durch eine transparente Aufbereitung des Projekts vereint und somit ein wertvolles Hilfsmittel für die Kooperation bei datengetriebenen Innovationen darstellt. Interdisziplinäre Teams können sich leichter auf Grundlage der dargestellten Themengruppen des Canvas mit den unterschiedlichen Blickwinkeln auf das jeweilige Projekt auseinandersetzen, Abhängigkeiten ermitteln und sowohl die Perspektiven aus technischer Sicht als auch aus Kunden- und Geschäftssicht betrachten.

Stimmen von Anwendern

Einige Benutzer des Canvas sagten zum Beispiel: „Nun, ich denke, das ist eine gute Argumentationsgrundlage, um sein Projekt zu strukturieren. Ich könnte es mir auch als eine Checkliste vorstellen, die man während des Projekts abhaken kann, um zu sehen, ob die nötigen Punkte erfüllt sind.“

„Ich finde viele der Punkte des Canvas sehr nützlich, und ich werde sie sicherlich für meine weitere Arbeit nutzen, insbesondere im Hinblick auf die Bewertung der Datenlage und der noch benötigten Daten, ich finde ihn äußerst hilfreich und kann den Kollegen klar sagen, an welchen  Punkten sie noch arbeiten müssen.“

Die Publikation dazu ist in den Proceedings of the 54th Hawaii International Conference on System Sciences, Seite 5399 bis 5408, erschienen:
Neifer, T., Lawo, D., & Esau, M. (2021). Data Science Canvas: Evaluation of a Tool to Manage Data Science Projects. (Angebot zum Download unter "Zugehörige Links")