Große Daten, aber wenig Wert? Warum Produktverantwortliche den Wert von Data Science erschließen können.

Data-Science-Teams haben häufig Schwierigkeiten, geschäftlichen Mehrwert zu liefern, weil die Ergebnisse ihrer Arbeit nicht in die Organisation eingebettet sind. Oft arbeiten Data-Science-Teams etwas isoliert und versuchen, ihre Ergebnisse in die Organisation zu tragen. Als Product Owner (PO) sind Sie in einer einzigartigen Position, um diese Arbeit in die Organisation einzubringen und so die Chancen für die Schaffung von Geschäftswert zu erhöhen. Um dies effektiv zu tun, müssen Sie die Datenwissenschaft besser verstehen und wissen, wie Sie sie nutzen können, um bessere Produkte zu entwickeln, unabhängig davon, welches Produkt Sie besitzen. Lassen Sie uns das erkunden.

"Die größte Herausforderung bei der Analyse eines Unternehmens besteht darin, die Erkenntnisse aus den Daten in wertvolle Ergebnisse umzuwandeln".

Sie können sich also auf eine Menge neuer Geschäftsmöglichkeiten freuen! Nun, leider nicht. Laut McKinsey (2018) besteht die größte Herausforderung bei der Analyse von Unternehmen darin, Erkenntnisse aus Daten in wertvolle Ergebnisse umzusetzen. Und in der Tat berichten viele Datenverantwortliche, dass sie Schwierigkeiten haben, messbare Ergebnisse aus ihren Data Science-Investitionen zu erzielen (NewVantage Partners LLC, 2019).

Einbettung von Data Science in die Organisation
Wie können Unternehmen diese Schwierigkeiten überwinden und den wertvollen Wert von Data Science freisetzen? Genau das ist das Thema dieses Artikels. Sie tun dies, indem Sie die Analytik in die Entscheidungsprozesse einbetten, die Teil der "insight-to-outcome-journey" sind (McKinsey & Company, 2018). Oder anders ausgedrückt: Sie ermöglichen es den Entscheidungsträgern auf allen Ebenen des Unternehmens, regelmäßig und auf natürliche Weise Entscheidungen zu treffen, die auf Erkenntnissen beruhen, da die Ergebnisse dieser Entscheidungen den Wert schaffen.

Product Owner sind aufgrund ihrer Rolle solche Entscheidungsträger und damit der Schlüssel zur Erschließung des geschäftlichen Nutzens von Data Science. Lassen Sie uns das noch ein wenig weiter auspacken. Eine Ihrer grundlegenden Eigenschaften als Product Owner ist es, der 'Product Value Maximizer' zu sein. Das bedeutet, dass Sie nicht nur eine solide Vision für das Produkt haben, sondern auch den Input der Stakeholder und Ihr Wissen über den Markt abwägen und all dies mit Blick auf die maximale Wertschöpfung priorisieren. Dieser Prozess erfordert von Ihnen eine ständige Entscheidungsfindung. Als solcher haben Sie - wohl mehr als jeder andere im Unternehmen - die Möglichkeit, sich von den Erkenntnissen der Datenwissenschaft leiten zu lassen und zu erkennen, wo diese einen Mehrwert schaffen kann. Ein ähnlicher Punkt wurde von Hilary Mason in einem kürzlich erschienenen Podcast (CosmiQ Works, 2019) angesprochen.

Einige Unternehmen haben ein Data Science Team, das von einem 'Data Science Product Owner' geleitet wird, um Data Science zu einem Teil des agilen Produktmanagementprozesses zu machen. So haben beispielsweise Booking.com, CarNext.com und Sony PlayStation kürzlich solche Stellen ausgeschrieben (Linkedin, sd). Diese POs haben oft einen starken Hintergrund in der Datenwissenschaft (vielleicht waren sie früher sogar selbst Datenwissenschaftler). Ein Data Science PO mag zwar notwendig sein, damit das Data Science Team effektiv arbeiten kann, aber er reicht nicht aus, um Data Science vollständig im Unternehmen zu verankern und die Wertschöpfung aus den Daten zu maximieren. Um dies zu erreichen, werden 'Analytik-Übersetzer' benötigt. McKinsey hat diesen Begriff geprägt und betont ausdrücklich, dass für diese Rolle keine umfassende Erfahrung in der Datenwissenschaft erforderlich ist. Vielmehr handelt es sich um ein vielseitigeres Profil, ein Product Owner Profil, würde ich sagen. Das sind Sie!

Oft beschäftigen Unternehmen mehrere POs. Wenn diese POs alle aktiv Data Science in ihrem Werkzeuggürtel haben, kann der Wert der Data-Science-Tentakel weiter und breiter in die Organisation hineinreichen und so in die Entscheidungsprozesse eingebettet werden.

Unendliche Möglichkeiten
Stellen Sie sich einen Product Owner für ein Produkt vor, das online verkauft wird. Natürlich schaut sich dieser Produktverantwortliche regelmäßig Webanalysedaten an und sammelt auf verschiedene Weise Nutzerfeedback, um herauszufinden, was zu verbessern ist. Aber wie sieht es mit Informationen über die optimale Rabattstufe für jeden Verbrauchertyp aus? Oder was ist mit den besten Produkten oder Dienstleistungen für Cross- und Upselling für jeden einzelnen Kunden? Es ist auch wichtig, die Nachfrage mit dem richtigen Angebot abzustimmen, um interne Interessengruppen zufrieden zu stellen. Wie wäre es mit einer Nachfrageprognose, die mit der Produktion verknüpft werden kann? Oder mit der Suche nach optimalen Lieferrouten, um einen Premium-Lieferservice effizienter zu gestalten? Ein 'wertübersetzender PO' weiß nicht nur, wie man dem Data Science Team die richtige Forschungsfrage stellt, sondern ist auch in der Lage, die Einschränkungen des Modells, die Vorbehalte gegenüber den Daten und die Alternativen zu überblicken, um das Endziel effizienter zu erreichen und effektiv mit den Data Scientists zusammenzuarbeiten.

Wie können Sie also ein "wertübersetzender PO" werden, der die Datenwissenschaft nutzt, um noch wertvollere Produkte zu entwickeln? Entmystifizieren Sie die "magische schwarze Box" der Datenwissenschaft, indem Sie mehr darüber lernen. Eine Möglichkeit, mehr darüber zu erfahren, ist die Teilnahme an einer Schulung über die Grundlagen, Prozesse und Fallstricke der Datenwissenschaft. Dies sollte Teil der Standard-Lernreise bei PO sein. Stellen Sie sich den Wert vor, den Sie in Ihrem Unternehmen freisetzen können, wenn Sie sich mit Datenwissenschaft auskennen und sie in Ihre tägliche Entscheidungsfindung einbeziehen. Und schließlich: Sie können sich auf viele neue Geschäftsmöglichkeiten freuen.  Das verdanken wir Ihnen!