Agile BI: Agilität in der Datenanalyse - Business Intelligence - Sprints

by Philipp Kremer
4 Monaten ago
462 Views

Agile BI: Agilität in der Datenanalyse

Die meisten Ansätze, mit denen Datenprojekte initiiert und geführt werden, sind zum Scheitern verurteilt! Das liegt zum einen an falschen Vorstellung, was mit Datenanalyse erreicht werden soll und vor allem, was erreicht werden kann. Warum eine Agile BI die oberste Maxime sein sollte, lässt sich dabei recht einfach erklären und nachvollziehen!

Wer einen Klumpen Gold findet, der findet damit gleichzeitig einen klar definierten Wert. Ebenso ließe sich das Volumen von gefördertem Öl recht genau in monetären Wert umrechnen. Unternehmensdaten allerdings sind deutlich komplexer. Da helfen auch nicht die abgenutzten Metaphern vom wahlweise neuen Öl, neuen Gold oder sonstigen Analogien mit wertvollen Ressourcen. Im Gegenteil offenbaren sie das Missverständnis, das sich durch den falschen Vergleich ergibt: Daten allein sind wertlos!

Daher gibt es auch genug Beispiele vom Misserfolg von Data- und Analyticsprojekten, die deutlich machen, dass Daten und ihre Analyse kein Selbstläufer sind. Einfach nur darauf zu vertrauen, dass in großen Datenmengen auch ausreichend Erkenntnisse schlummern, die sich von ganz allein offenbaren, geht an der Realität von Analyticsprojekten vorbei.

Was es braucht sind variable Prozesse und die Bereitschaft, sich immer wieder mit neuen und alten Fragestellungen auseinander zu setzen. Simpel formuliert: Datenanalyse & BI benötigen agiles Denken und Handeln.

Datenanalyse als Wasserfall: Ein hoffnungsloser Fall

Viele Konzepte der Projektplanung werden leider unreflektiert auch für Analyticsprojekte übernommen. Das wird vor allem für Unternehmen, die am Anfang ihrer Datenanalyse stehen, zur Kosten- und Effizientzfalle und vor allem enttäuschten Erwartungen.

veraltetes Wassserfallmodell

Das liegt insbesondere daran, dass nicht jedes Vorgehen und nicht jeder Projektschritt für jedes Unternehmen und Analyticsprojekt als Schablone funktioniert. Die klassische Abfolge wie im Wasserfallmodell führt zu verschiedenen Problemstellungen:

  • Das Ergebnis ist eine Insellösung, die sich nicht auf andere Abteilungen adaptieren lässt
  • Die Heterogenität der Unternehemensdaten wird nicht adäquat berücksichtigt
  • Das aufgebaute Wissen und Bewusstsein der zu erzielenden Erkenntnisse wird nicht kontinuierlich mit den Erwartungen und Anforderungen abgeglichen.
  • Erkenntnisse aus der Datenanalyse sind nicht nur Endprodukte, sondern fallen kontinuierlich während des Prozesses ab
Wir setzen auch bei Ihren Projekten auf Agile BI!

Agile BI – Agilität in der Datenanalyse

Der Weg zum Projekterfolg führt nur über notwendige Iterationen, um den zur eigenen Datenlage, den eigenen Erkenntniszielen und auch den eigenen Budgetvorstellungen passenden Ansatz zu finden.

Die agile Datenanalyse im Rahmen von Agile BI verläuft nach dem iterativen Sprintmodell. Im Scrum-Framework dient ein Sprint als Prozess zur Organisation der Arbeit in der agilen Vorgehensweise. Es ist ein Zeitblock, innerhalb dessen das Team ein fertiges und nutzbares Produkt oder ein Teilprodukt erstellt. Grundlage dieses Zwischenergebnisses ist die zuvor vereinbarte Zielsetzung festgelegter Anforderungen. Die Zeitspanne dieses Sprints darf maximal einen Monat betragen. In unseren Kunden Projekten hat sich die Länge von 2 Wochen bewährt.

Da in vielen Datenprojekten die mangelnde Kommunikation zwischen den Beteiligten dazu führt, dass sich Erwartungen und Ergebnisse auseinander dividieren, ist der regelmäßige Austausch aller Beteiligten oberste Prämisse. Vor Beginn des Sprints gibt es in der agilen Datenanalyse einen Planungstermin (Sprint Planning), um die Anforderungen und Ziele gemeinsam zu definieren. Während der agilen BI Sprints gibt es regelmäßig kurze Meetings (Daily Meetings), in denen sich das Team untereinander austauscht, um sich über den aktuellen Stand zu informieren und ggf. Anpassungen vornehmen zu können.

Agile Sprints

Agile BI Sprints garantieren konkreten Mehrwert!

Jeder Sprintabschluss bedeuten in der agilen BI also eine Einordnung der erzielten Ergebnisse und fördert neue Erkenntnisse. Diese Erkenntnisse sind das wertvollste Produkt, das die Datenanalyse befördert da sie kontinuierlich und frühzeitig konkrete Unternehmenswerte schaffen. Der Prozess ist zielorientiert, aber ergebnisoffen. Durch die stetige Anpassung lassen sich einzelne Teilbereiche nach und nach in bestehende Systeme integrieren.

Dies führt unserer Erfahrung nach zu einer Steigerung der Effizienz, einer besseren Zusammenarbeit im Team und einer höheren Kundenzufriedenheit. Der agile BI Ansatz erlaubt es Unternehmen, in angemessener Zeit und Qualität sowohl auf vorhersehbare, als auch auf unvorhersehbare Anforderungen zu reagieren – mit einer für das Unternehmen effizienten Lösung.

Um bei der schiefen Analogie vom neuen Gold zu bleiben, muss es also eher heißen:
Gold ist das, was Sie draus machen!

Die erfolgreiche Umsetzung von IoT Projekten

Der Begriff Internet of Things (IoT) bezeichnet eine Technologie oder Infrastruktur, die Interaktion zwischen physischen Einheiten und vernetzten elektronischen Systemen ermöglicht.

Big Data im Marketing – Chancen und Strategien

Die effektive Verwendung von Big Data Analytics ist für viele führende Unternehmen der entscheidende Faktor, auch bei volatilen Marktentwicklungen erfolgreich zu wirtschaften.

Warum so viele Datenprojekte scheitern

Das Thema Datenanalyse steht bei Unternehmensführern hoch im Kurs. Viele Unternehmen haben verstanden, dass angewandte Datenanalyse ein Schlüsselfaktor für Innovationen ist.

Schlagwörter: