Ein digitales Datenprodukt löst geschäftliche Herausforderungen durch die Nutzung von Daten

Das Datenprodukt

Ein digitales Datenprodukt löst geschäftliche Herausforderungen durch die Nutzung von Daten. Es integriert drei Komponenten: technische Infrastruktur, Geschäftslogik und Daten. Ein Datenprodukt kann dazu verwendet werden, Kosten zu sparen, wie es bei Produkten zur prädiktiven Wartung der Fall ist, oder den Umsatz zu steigern, z. B. mit einer Personalisierungs-Engine für E-Commerce-Shops. Datenprodukte entwickeln sich, wie alle digitalen Produkte, mit neuen Funktionalitäten weiter, indem mehr Daten verwendet oder mehr Software eingesetzt wird. In jedem Fall wird die Komplexität der Softwareentwicklung durch die Schwierigkeit der Datenanalyse noch verstärkt. Beide Dimensionen des digitalen Produkts müssen so integriert werden, dass die Art und Weise, wie das Datenprodukt aufgebaut ist, das Beste aus beiden Welten vereint.

Verwendung von Technologie, die für mehr Schnelligkeit ausgelegt ist

Die Public Cloud ist das neue Paradigma des Technologiekonsums. Es bietet Rechenleistung, Speicherplatz, Datenbanken und andere Funktionalitäten auf Abruf und auf einer Pay-per-Use-Basis. Sowohl Digital Native Startups als auch große multinationale Unternehmen nutzen die Public Cloud, um die Bereitstellung ihrer Produkte und Services zu beschleunigen. Die wesentlichsten Public Cloud-Plattformen auf dem Markt sind Amazon Web Services, Microsoft Azure und Google Cloud Plattform. Der Umfang und die Tiefe der Dienste sowie Zuverlässigkeit und Innovation sind die Hauptkriterien bei der Auswahl einer Cloud-Plattform gegenüber einer anderen.

Erstellung von Software mit agilen Methoden

Die Softwarekonstruktion hat sich in den letzten Jahren dank DevOps-Techniken weiterentwickelt, die schnellere Build-Zyklen mit weniger Fehlern und eine bessere Nachvollziehbarkeit des Softwarezustands ermöglichen. Viele Unternehmen führen jedoch weiterhin Projekte auf traditionelle Weise durch, mit langen Zyklen der Anforderungserfassung, Konstruktion und Tests. Die traditionelle Konstruktion von Software führt oft zu einer Fehlanpassung der Benutzererwartungen, da sich während der Softwareentwicklung die Marktbedingungen, Kunden oder das Geschäft weiterentwickeln und ändern. Agile Methoden priorisieren das Einholen von frühem Feedback und die Bereitstellung von Funktionalitäten für die Benutzer in kürzeren Abständen. Das Produkt wird inkrementell und iterativ aufgebaut und es erfolgen häufige Lieferungen, die vom ersten Moment an in den Dienst des Kunden gestellt werden. Das gelieferte Produkt ist für den Kunden einsetzbar und bietet einen End-to-End-Service. Das Produkt wächst um die Bedürfnisse der Benutzer herum: kontinuierliches Feedback, das in das Produkt einfließt, optimiert seinen Wert und reduziert das Risiko, in Funktionen zu investieren, die nicht von Interesse sind. Vorrangig muss ein „Minimum Viable Product“ (MVP) erstellt und den Anwendern schnell zur Verfügung gestellt werden, wobei zu jedem Zeitpunkt die Funktionalität gewählt werden sollte, die der Marktnachfrage am besten entspricht.

Die Analytik-Fähigkeiten

Wenn das digitale Produkt Datenverarbeitung und Analyse beinhaltet, egal ob deskriptiv, prädiktiv oder präskriptiv, ist es notwendig, verschiedene Fähigkeiten im Team zu integrieren: einerseits, die Fähigkeiten der Softwareentwicklung, die deterministischer sind und den DevOps-Prozessen folgen; und andererseits, Datenanalyse-Fähigkeiten, die eher explorativer und experimenteller Natur sind. Beide Fähigkeiten müssen mit dem Ziel zusammenarbeiten, regelmäßig neue Funktionen zu liefern, wobei man in der Lage sein muss, die Zyklen der Datenexploration an die der Software-Konstruktion anzupassen und zu verstehen, dass fortlaufende Experimente durchgeführt werden, bis der analytische Teil des Produkts debugged ist. Diese Experimente werden Teil der Software sein und Feedback von den Benutzern erhalten, genau wie die Funktionalität der Software. Entscheidend ist die Ausbildung der Analysten und Datenwissenschaftler in agilen Methoden und das Verständnis für die Notwendigkeit, die Unsicherheit mit jeder Iteration zu verringern, wobei die Verringerung der Unsicherheit möglicherweise eine neue Liefereinheit oder eine neue Funktionalität in der Software sein kann.

Vermeidung von Silos und Frustration

Eine der Hauptfrustrationen von Software-Profis und Analysten ist die Arbeit innerhalb digitaler Produktionslinien. Diese Produktionslinien sollen durch die Unterscheidung von Aktivitäten skalieren, die mit der Datenexploration beginnen und mit Data Engineering, Ingests und Transformationen, Modellentwicklung und -training, Visualisierung oder Bereitstellung der Daten über Dashboards oder andere Schnittstellen sowie dem Betrieb des resultierenden Produkts fortgesetzt werden. Der Mangel an Sichtweite führt dazu, dass Entwickler und Analysten frustriert sind, weil sie keinen vollständigen Überblick über das Ziel des Endprodukts haben und viele mentale Kontextwechsel vornehmen müssen, indem sie ohne jegliche Kontinuität von einem Produkt zum anderen wechseln. Die beste Lösung dafür sind Produktteams. Diese Teams widmen sich einem einzigen Produkt und verfügen über alle Fähigkeiten, um das Endprodukt zu liefern und es sogar zu bedienen. Auf diese Weise nimmt das gesamte Team an der Feedback-Dynamik der agilen Methodik teil und hat ein klares Ziel und einen totalen Fokus auf das Produkt. Die Größe von Produktteams sollte klein sein. Wie schon Jeff Bezos, Gründer von Amazon, sagte, sollte das Team klein genug sein, um von zwei Pizzen ernährt werden zu können.

Skalieren durch Automatisierung

Das Modell der digitalen Produktkonstruktion mit agilen Methoden und Produktteams ist nicht problemlos. Die Skalierbarkeit ist komplex, da die Anzahl der Teams mit der Anzahl der Produkte, die gleichzeitig im Unternehmen gebaut werden, multipliziert werden muss. Es gibt sogar Produkte, die so komplex sind, dass sie eine Trennung der Entwicklungsteams und die Verwendung agiler Skalierungsmethoden erfordern. Wenn viele Produktteams gleichzeitig arbeiten, kann es zu Effizienzverlusten kommen, z. B. wenn eine gemeinsame Funktionalität zwischen zwei Produkten zweimal erstellt wird oder wenn unterschiedliche Entwicklungs- oder Produktionswerkzeuge verwendet werden. Um dies zu vermeiden, werden zum einen Communities of Practice organisiert, die Menschen zusammenbringen, die gemeinsame Fähigkeiten haben, zum Beispiel Datenwissenschaftler oder Softwareentwickler. In diesen Communities of Practice werden kollegiale Entscheidungen getroffen, die für eine gewisse Homogenität sorgen, aber den Fortschritt der Produkte nicht bremsen. Auf der anderen Seite werden Shared Service Center erstellt, die wiederverwendbare Artefakte erstellen, die gemeinsame Funktionalitäten für die Projekte implementieren, wie z.B. Sicherheit und Authentifizierung, Überwachung usw. Diese Artefakte werden den Produktteams über vending machines auf eine Art und Weise zur Verfügung gestellt, die dazu dient, die Lieferung von Werten zu beschleunigen und gleichzeitig eine gewisse Homogenität herzustellen. Der Katalog der wiederverwendbaren Artefakte ist ein eigenständiges digitales Produkt, und die Teams, die sie erstellen, müssen die Projektteams als ihre eigenen Benutzer verstehen und dabei die Kriterien der häufigen Iterationen und des kontinuierlichen Feedbacks von Agile anwenden.

Zusammengefasst

Die wettbewerbsfähigsten Unternehmen auf dem Markt entscheiden sich für den Einsatz digitaler Produkte, da sie die Fähigkeit zur Anpassung und Flexibilität stärken, den Erfolg der Softwareentwicklung als kontinuierliche Verbesserung der Geschäftsparameter verstehen, dem Benutzer häufig einen Mehrwert bieten und nur in das investieren, was sich wirtschaftlich lohnt und nützlich ist. Dazu nutzen sie die vielseitigste und flexibelste Technologie: die Public Cloud; sie bauen digitale Produkte, anstatt Projekte auszuführen und skalieren durch Automatisierungstechniken und agile Methoden.

Artikel geschrieben von Martin Adlung, DACH Region Manager bei Keepler Data Tech.