Insights

Undgå faldgruberne i eksplorative dataprojekter

Eksplorative dataprojekter indeholder mange ubekendte og kan medføre mange uønskede overraskelser. En stringent og metodisk tilgang til projektet gør det muligt at undgå de væsentligste faldgruber. Disse kan være sprængte budgetter og udeblivelse af brugbare løsninger.

I gennemførslen af et eksplorativt dataprojekt, hvor forretningsidéen er omdrejningspunktet, skal man holder konstant fokus på, hvordan datamodel og algoritme kan indfri forretningsidéen. Derfor skal forretningsidéen analyseres med data scientist-øjne, gennemleve et eller flere pilotprojekter og være ledet af erfarne kompetencer.

Tætte og gode synergier på tværs i projektteamet er helt centrale for at imødekomme projektets tidsplan, budget og planlagt fremtidige gevinst. Særligt i eksplorative dataprojekter er det vigtigt, at projektteamet forstår forretningsidéen; altså den problemstilling som virksomheden har til hensigt at løse. Kunsten er at få projektkompetencerne til at tale samme sprog, supplere hinanden fagligt og se samme muligheder og begrænsninger.

Ikke alle forretningsidéer har datagrundlag til at blive gennemført og måske ender projektet - med fordel - et andet sted, end det var tænkt fra begyndelsen. Det skyldes ikke nødvendigvis manglende data. Der kan også være it-mæssige begrænsninger og praktiske udfordringer, ligesom der kan komme bedre og mere rentable idéer op i forløbet.

"

Et pilotprojekts fornemmeste opgave er at give en indikation af, om datagrundlaget giver de resultater, man sigter efter. Start med et velvalgt afgrænset område og tilpas projektformål, omfang og tidsplan i takt med den viden, I opnår i pilotprojektforløbet.

Undgå uønskede overraskelser i det eksplorative dataprojekt

Hvis projektet tager en anden drejning end først planlagt, må det ikke komme som en stor overraskelse, heller ikke for topledelsen. Og det er nemmere sagt end gjort. Med en stringent og metodisk tilgang til dataprojekter er det muligt at undgå uønskede overraskelser i gennemførsel af et eksplorativt dataprojekt.

Benyt Rooftop's Predictive Analytics Model som metodisk værktøj. Det understøtter projektarbejdet i udviklingen af datamodel og algoritmer. Projektteamet bliver sporet ind på de obligatoriske trin i Rooftop's Predictive Analytics Model, som skal gennemføres i udvikling af databaserede løsninger. Det sikrer også den nødvendige kvalitet, så virksomheden kan stole på resultaterne.

Prioriter at konceptualisere forretningsidéen med data scientist-øjne. Første skridt er undersøge, hvad der eksisterer af forskningsviden på området, som kan understøtte tesen i business casen. Dernæst kortlægger en data scientist de krav og begrænsninger, som eksisterer og giver første indikation af, hvad dataprojektet kan bidrage med. Resultatet ligger til grund for de efterfølgende overvejelser og tiltag til det datagrundlag, som skal bruges. En grundig konceptualisering af opgaven gør det muligt at evaluere, om dataprojektet skal stoppe, fordi virksomheden erkender, at datagrundlaget ikke er tilgængeligt. Måske vurderer virksomheden, at det er for omkostningstungt at etablere datagrundlaget.

Gør nytte af pilotprojekter. Et pilotprojekt har som fornemmeste mål at give en indikation af, om datagrundlaget giver de resultater, virksomheden sigter efter. Start med et velvalgt begrænset område, og afhængigt af opgavens kompleksitet kan det være relevant med flere pilotprojekter til at afdække algoritmerne og strukturering af data, inden de indgår i analysen. Med pilotprojekter kan man først og fremmest verificere løsningsmuligheder. Dernæst er det en effektiv måde at arbejde agilt på. Man kan tilpasse projektformål, omfang og tidsplan i takt med den viden, man opnår gennem projektet. Det skaber transparens og grundlag for ledelsen til at vurdere, om business casen fortsat kan indfries, omend den måske er tilpasset, siden projektet begyndte.

Det rigtige projektteam gør forskellen

Sammensæt projektteamet med omtanke. Det gør en forskel i forhold til, hvor gode resultater projektet kan frembringe, og hvor hurtigt det sker. Sørg for en stærk repræsentation fra forretningen og en projektleder, som kan facilitere det nødvendige samarbejde mellem de forskellige kompetencer. Virksomhedens forretning skal være repræsenteret, og helst fra de(t) fagområde(r), hvorfra data bruges og løsningen skal anvendes. En data scientist skal ikke forveksles med en it-kompetence og skal deltage fra begyndelsen af projektet. Når projektet repræsenterer så mange forskellige fagkompetencer, er det nødvendigt med en projektleder til at facilitere det nødvendige samarbejde.

Udpeg forandringsagenten - medarbejderen med den største aktie i projektet. Det styrker projektteamets forståelse af opgaven og de relaterede muligheder, der opstår undervejs. Det er også medvirkende til at øge forretningens parathed, så forløbet fra leverance til løsning bliver kortere og er fuldt accepteret.

Vælg en projektleder med faglig indsigt og evne til at bygge bro mellem projektdeltagerne, som langt fra taler samme sprog. De er specialister inden for deres respektive fagområder og har kun i begrænset omfang viden om hinandens fagområder. Desto før der opnås en fælles referenceramme for opgaven og en forståelse for, hvem der har viden om hvad, jo hurtigere vil projektteamet komme til at arbejde produktivt og med høj kvalitet i løsningen. Synergierne tæller og er centrale for projektets tidsplan, budget og fremtidige gevinst.

Styrken ligger i det personlige møde

Står du over for udfordringer i dit dataanalyseprojekt og har brug for sparring, så kontakt Giovanni Mellace

Book et møde

OM ROOFTOP ANALYTICS

Rooftop Analytics har dyb erfaring med at lede projekter, som indbefatter udvikling af databaserede løsninger. Vi følger en stærk metodisk tilgang i afklaring af data, udvikling af datamodel og programmering af algoritmer. Vi er i stand til at tænke projekter til ende og kan derfor identificere den reelle omkostning og tidshorisont for implementering.

Læs mere

Rooftop Analytics tilbyder services, som er nødvendige for at kunne realisere komplekse dataprojekter.

Når flere teknologier kommer i spil samtidig, opstår synergierne.