Wenn Sie bereits unseren Blog verfolgen, kennen Sie schon unsere Beitragsserie zu dem Datentreiber-Designkit für die Entwicklung von Datenstrategien. Datentreiber hat sich dem Ziel verschrieben, Datenstrategie-Design (be-)greifbar zu machen und stellt daher die verwendeten Vorlagen als Open Source kostenfrei zur Verfügung. Auch bietet Datentreiber regelmäßig Seminare an. In den Seminaren können Sie die Methodik erlernen und an eigenen Beispielen erproben.
Der vorliegende Artikel stellt Ihnen das Analytik-Anwendungsfall Canvas vor. Dieses Canvas ist eine von Datentreiber entwickelte Spezialisierung des bekannten Value Proposition Canvas. In die Entwicklung sind die Erfahrung und die Rückmeldungen aus zahlreichen Datenstrategie-Projekten und Workshops eingeflossen, um ein Werkzeug speziell für die Anforderungen bei der Ausarbeitung von datengetriebenen Anwendungsfällen bereitzustellen.
Startpunkt ist das Problem aus Nutzersicht.
Das Analytik-Anwendungsfall Canvas besteht aus zwei Bereichen:
- Der Nutzersicht auf der rechten Seite: Diese zielt auf die Herausarbeitung des Problems bzw. der Probleme aus Anwendersicht ab.
- Die Lösungssicht auf der linken Seite: Auf dieser wird das Angebot oder die Angebote zur Lösung der Probleme der Anwender herausgearbeitet. Zudem können Nutzen der Lösung sowie die vorher identifizierten Probleme noch einmal explizit gegenübergestellt und abgeglichen werden.
Zu viele Analytik-Projekte scheitern daran, dass sie keinen messbaren Mehrwert liefern. Schätzungen gehen dabei teilweise von 85% fehlgeschlagener Analytik-, KI- bzw. Big Data-Projekten aus. Die Ursache dafür liegt oft in der unzureichenden Definition der Problemstellung.
Im Fall von analytischen Lösungen geht es darum, Entscheidungsprozesse einer handelnden Person entweder zu unterstützen oder eventuell sogar komplett zu automatisieren. Das Analytik-Anwendungsfall Canvas wird für einen Anwender(-typ) bzw. eine Rolle erarbeitet. Dieser wird im Feld „Benutzer“ festgehalten.
Entscheidungen werden getroffen, um Ziele bzw. (Zwischen-)Ergebnisse auf dem Weg zu diesen Zielen zu erreichen. Analog dazu finden Sie auf der Nutzerseite die Felder, welche den Zielen des ausgewählten Anwenders (Ziele & Ergebnisse) sowie seinem Handlungsspielraum (Entscheidungen & Aktionen) entsprechen.
Was sind die Ziele des Benutzers? Meistens können für explizite Ziele bestehende Zielvereinbarungen aus Arbeitsverträgen, OKR-Verzeichnissen oder Boni-Verabredungen herangezogen werden. Oft gibt es aber aus Anwendersicht auch eine Reihe von impliziten Zielen wie beispielsweise das Streben nach Anerkennung.
Nicht zuletzt, weil eben explizite Ziele oft nur die halbe Wahrheit darstellen, ist es wichtig, dass der tatsächliche Benutzer bei der Erarbeitung des Canvas anwesend ist. Ansonsten denken Sie zwar, dass Sie aus Nutzersicht denken, aber Sie nehmen es eben nur an. Sie wissen es nicht.
Zusätzlich können auf der Nutzerseite die sogenannten „Pains“ und „Gains“ des Nutzers festgehalten werden. Während „Pains“ die Probleme und Risiken des Nutzers darstellen, also womit der Anwender auf dem Weg zur Zielerreichung zu kämpfen hat, beschreiben „Gains“ die Hilfen und Anreize, welche sich der Benutzer wünscht oder vielleicht sogar erwartet.
Welche analytischen Lösungen sind denkbar?
Nun haben Sie also ein klares Bild der Problemstellung. Welche analytischen Lösungen sind nun für diese denkbar? Dieser Frage widmet sich das Analytik-Anwendungsfall Canvas auf der linken Seite (Lösungen).
Aus Erfahrung gesprochen, ist es bei der Entwicklung von analytischen Lösungen wichtig, zeitnah vom Groben ins Feine zu kommen. Am Anfang gibt es eventuell viele Ideen für Lösungen, die eigentlich nur Stichworte sind. Im Laufe der Diskussion sollte dann auf einige wenige Lösungen fokussiert werden, um diese im weiteren Verlauf zu detaillieren. Mögliche Fragestellungen zur Detaillierung können dabei sein:
- Was sind die Informationen, welche die Lösung liefern muss?
- Welche zusätzlichen Funktionen soll die Lösung bieten?
- Wie wird die Lösung in den operativen Prozess eingebunden?
In diesem Stadium kann auch bereits eine erste Skizze der Benutzerschnittstelle der zukünftigen Lösung entworfen werden. Alles, was dabei hilft, die Lösung (be-)greifbarer zu machen, unterstützt auch dabei, sicherzustellen, dass diese ein wirkliches Problem löst.
Zielen die Lösungen auf tatsächliche Probleme ab?
Sobald ausreichend Klarheit zu den Eckpunkten einer skizzierten Lösung herrscht, ist es essenziell, den Nutzen noch einmal den identifizierten Problemen gegenüberzustellen: der sogenannte „Problem-Solution-Fit“. Löst die Lösung auch tatsächlich die Probleme? Zu schnell verliert man sich beim Entwickeln einer Lösung in technischen Möglichkeiten, die aber nicht wirklich Nutzen stiften. Auf dem Analytik-Anwendungsfall Canvas wird im Feld „Nutzen“ dieser noch einmal explizit gemacht, um im nächsten Schritt den Abgleich durchführen zu können.
Dieser „Mismatch“ kann auch von der anderen Seite betrachtet werden: Es gibt viele ungelöste Probleme auf der Nutzerseite und somit wurde wahrscheinlich Zeit in eine Lösung investiert, die nicht wirklich die tatsächlichen Probleme adressiert. Aber seien Sie beruhigt: bis jetzt wurde nur Papier und Tinte „verschwendet“ und keine wertvollen Ressourcen wie Zeit und Projektbudget!
Fazit und Ausblick
Dieser Artikel hat Ihnen einen kurzen Einblick in die Arbeit mit dem Analytik-Anwendungsfall Canvas gegeben. Probieren Sie es doch einfach gleich selbst aus: Mit unserem Tutorial können Sie sofort den ersten Workshop mit Ihrem Team planen.
Selbstverständlich können Sie uns jederzeit kontaktieren, sollten Sie Fragen zu unseren Werkzeugen bzw. unserer Methode haben. Diesbezüglich können Sie sich auch bereits auf den nächsten Artikel zu unseren Geschäftsmodell / -fall Canvas freuen. Dieses erlaubt Ihnen unter anderem, zu prüfen, ob sich ihr Analytik-Projekt überhaupt wirtschaftlich lohnt.
Lesen Sie also auch weiterhin unseren Blog oder abonnieren Sie gleich unseren Newsletter, um keinen der Beiträge zu verpassen.
————————————————————————————————————————————
Konnten wir Ihr Interesse am Datenstrategie-Design wecken? Dann werfen Sie doch einen Blick auf unsere Datengipfel-Seminare Data Strategy für Einsteiger und Data Thinking für Aufsteiger. Oder kontaktieren Sie uns, falls Sie bezüglich unserer Datenstrategie-Fortbildung noch weitere Fragen haben.
Anmerkung: Verfasser dieses Beitrags ist unser Gastautor Martin Raffeiner, Geschäftsführer von datenbotschafter consulting.
