Vorgehensweisen für menschzentrierte Datenanalyseprojekte

Abstract

ZusammenfassungDas methodische Vorgehen in einem Data-Science-Projekt ist für kleine und mittelständische Unternehmen (KMU) auf verschiedenen Ebenen ein herausforderndes Thema. Neben den technischen Aspekten werden ebenso organisatorische und menschzentrierte Methoden benötigt, um den Erfolg eines Projekts zu sichern. Aktuell werden jedoch bei den auf dem Markt existierenden Data Science Vorgehensmodellen die unterschiedlichen Organisationskulturen in den verschiedenen Branchen und Firmengrößen nicht berücksichtigt. Das Ziel dieses Kapitels ist es, ein modulares Vorgehensmodell zur Unterstützung der Einführung, der Initialisierung und der Realisierung von Industriellen Data Science (IDS) Projekten im Dreiklang Mensch, Technik und Organisation für KMUs zu definieren. Das Vorgehensmodell liefert konkrete Handlungsempfehlungen für die technische Lösungsentwicklung und -umsetzung sowie das Change-Management auf Basis einer ganzheitlichen Interview-Serie „Mensch-Projekt-Organisation“ mit 50 Teilnehmer:innen. Darüber hinaus wurde das Vorgehensmodell um User Experience (UX)-Methodiken erweitert, um die Nutzerperspektive stärker in IDS-Projekte einzubinden. Das erweiterte IDS-Vorgehensmodell wurde mithilfe von einer vierteiligen Interviewserie mit End-Anwendern erfolgreich validiert. Ein weiteres Ergebnis ist das Reifegradmodell, welches KMUs die Möglichkeit bietet, anhand eines Fragebogens den Reifegrad zur Einführung von IDS-Projekten zu erfassen. Zudem wurde eine flächendeckende Studie zur Erfassung der aktuellen Verbreitung von IDS in KMUs sowie den damit verbundenen Hemmnissen mit 200 Teilnehmer:innen durchgeführt. Das Ergebnis des Kapitels ist für jene KMUs relevant, die nachhaltig erfolgreiche Data-Science-Projekte einführen, aufsetzen und realisieren wollen.