Wie Sie sicherstellen, dass Data Science Projekte für Ihre Bank Mehrwert schaffen
Banking Data Science Canvas
Zielsetzung
Data Science Projekte sind sehr oft komplexe Unterfangen, in denen verschiedene Dimensionen berücksichtigt werden müssen. Von der IT-Infrastruktur, über das Software- und Daten-Engineering, dem UX Design bis hin zur Datenmodellierung müssen unterschiedliche Disziplinen ineinandergreifen, um das Kernziel zu erreichen: ein Geschäftsproblem für bestimmte Benutzer zu lösen und Mehrwert zu schaffen. Mit unserem Banking Data Science Canvas stellen wir ein Werkzeug zur Verfügung, um dieses Ziel zu erreichen.
Erkenntnisse & Aktivitäten
Der Data Science Canvas besteht aus 9 Elementen, die für Data Science Projekte von kritischer Relevanz sind:
- Problemstellung
- End User / Persona
- Werttreiber: Was soll mit der Lösung erreicht werden?
- Projekt Stakeholder
- Data Science Lösungsansatz
- User Journey
- Datenmodellierung / Algorithmen
- Datenanforderungen und Datenbearbeitung
- Software- und IT-Architektur
Unsere Vorgehensweise beruht auf Konzepten des sog. «Design Thinking»-Ansatzes. Zusammen mit Schlüsselvertretern des Kunden erarbeiten wir gemeinsam in mehreren Workshops die Kernaspekte des Projekts. Wir beginnen mit der Formulierung der Problemstellung und identifizieren die Benutzer und Stakeholder, welche von der Lösung profitieren und beschreiben, was wir für diese Benutzer erreichen wollen. Diese fachliche Beschreibung dient als Ausgangslage für die sog. Research Phase, in der wir untersuchen, welche Lösungsansätze für die Umsetzung verwendet werden können.
Wir erarbeiten Optionen in den weiteren Dimensionen des Data Science Canvas, priorisieren unsere Ergebnisse und einigen uns auf den erfolgsversprechenden Ansatz, welchen wir auf dem Canvas zusammenfassen. Der Canvas wird während in der Implementierungsphase laufend angepasst, wobei sich die Schlüsselinformationen immer auf einer Seite zusammengefasst finden.
Ergebnisse
Laufende Kommunikation und ein gemeinsames Verständnis der (fachlichen) Ziele sind äusserst wichtig in komplexen Projekten. Der Data Science Canvas und die Vorgehensweise zur Erarbeitung der Inhalte unterstützen uns, dieses gemeinsame Verständnis zu erreichen und die grundlegenden Ziele eines Data Science Projekts auf verständliche Weise zu vermitteln.
.png)
.png)
