Product Discovery Workshop – ein Design Sprint speziell für Datenprodukte

Gepostet am: 20. Dezember 2017

Von

Wir haben ein neues Workshop-Format entwickelt, das den spezifischen Besonderheiten von Datenprodukten Rechnung trägt und mit dem wir (und unsere Kunden) systematisch zu Ideen für innovative Datenprodukte kommen. Den Ablauf dieses Product Discovery Workshops beschreibe ich in diesem Artikel.

Die Wirtschaftspresse entdeckt das Thema „Künstliche Intelligenz“ für sich. Nach dem „AI Winter“ scheint jetzt der Sommer angebrochen. Ich habe vor etwa 20 Jahren meine ersten Berührungspunkte mit den Konzepten und Algorithmen der KI gehabt, also in einer Zeit, als man sich noch warm anziehen musste. Mehrere wesentliche Voraussetzungen, die damals dazu führten, dass die Methoden nur im Kleinen funktionierten, haben sich seitdem verändert:

  1. Daten sind heute besser verfügbar.
  2. Die Rechenkapazität ist stark gestiegen.
  3. Die Verfügbarkeit dieser Kapazität in der Cloud hat die Einsatzmöglichkeiten demokratisiert.

Somit wird der Beginn des Sommers zumindest von einem stabilen Hoch getragen.

Der Nutzer ist König!

Bei all der Begeisterung für neue Technologien sollte man allerdings nicht vergessen, dass immer noch der Kunde entscheidet, ob er ein Produkt kauft oder nicht. Damit wir Produkte bauen, die einen Nutzen für den Kunden stiften, und dabei die Möglichkeiten von Daten und Künstlicher Intelligenz optimal einsetzen, haben wir den Data Product Discovery Workshop entwickelt.

Ich berichte hier exemplarisch von den Ergebnissen eines solchen Workshops, den wir auf der Fachkonferenz solutions.hamburg durchgeführt haben.

Der Teilnehmerkreis

Wir haben gute Erfahrungen mit Gruppen gemacht, in denen die Teilnehmer sich thematisch ergänzen. Daher haben wir die Gruppen so zusammengestellt, dass sich in jeder Gruppe sowohl Datenprodukte-Neulinge befanden als auch erfahrene Produktmanager von Datenprodukten.

Aufgabe

Datenprodukte entstehen oft im Kontext einer bestehenden Kundenbeziehung oder eines bestehenden Produkts. Damit sich die Workshop-Teilnehmer im ersten Schritt auf die neuen Methoden konzentrieren können, bringen wir (vereinfachte) Beispiele aus unseren Kundenprojekten (z. B. Recommender für mobile.de) und aus unserer Produktentwicklung mit. Wir können damit ein realistisches Setup garantieren und auf fachliche Rückfragen antworten, ohne dass ein Teilnehmer einen Wissensvorsprung hat. Im zweiten Teil des Workshops wenden wir die Methoden auf die spezifischen Produkte der Teilnehmer an.

Mit dem Kunden beginnen

Im ersten Schritt konzentrieren wir uns auf einen Kunden und dessen Aufgaben („Jobs“).

Im Mittelpunkt stehen zwei Fragen: In welchem Kontext wird das Produkt benutzt und welches Ziel soll erreicht werden? Dabei kommt es darauf an, nicht nur die unmittelbaren Aufgaben, sondern auch das erweiterte Umfeld zu betrachten.

Schaut man sich beispielsweise das Umfeld des Produkts “Turnschuh” an, dann ist auch die grundsätzliche Entscheidung für oder gegen den Laufsport relevant, nicht nur die Streckenauswahl. Im Folgenden werde ich dieses Beispiel weiter verfeinern.

Wir orientieren uns bei dieser Analyse an Methoden aus dem Design Sprint und dem Jobs to be done-Framework.

Wo ist das Problem – und können Daten es lösen?

Als Nächstes suchen wir nach einer Herausforderung, die der Nutzer des Produkts überwinden möchte. Mit Daten lassen sich bekanntlich nicht alle Probleme lösen, deshalb gehen wir in dieser Phase sehr spezifisch vor. Wir analysieren, welche Entscheidungen in jedem Schritt getroffen werden und was im besten und schlechtesten Fall dabei herauskommen könnte. Dies führt uns zu einer konkreten Problemstellung, die durch ein Datenprodukt gelöst werden kann. Als Läufer werde ich zum Beispiel durch die Streckenauswahl motiviert oder demotiviert. Informationen sind dazu geeignet, die Auswahl der Strecke positiv zu beeinflussen. Dienste wie strava.com haben dieses Informationsbedürfniss aufgegriffen und bieten entsprechende Lösungen an.

Problem Solution Fit: Wie könnte ein Datenprodukt aussehen?

Mit einer konkreten Fragestellung fällt es deutlich leichter, auf Ideen für ein Produkt zu kommen. Diesen kreativen Teil des Workshops unterstützen wir durch Inspirationen und Beispiele von Datenprodukten. Des Weiteren geben wir verschiedene Hinweise, in welche Richtung eine Value Proposition eines Datenprodukts gehen kann.

Methodisch kombinieren wir die Kreativität, die sich entfaltet, wenn man alleine unter Zeitdruck auf Ideen kommen soll, mit einer anschließenden Konsolidierung der Ideen in der Gruppe. Entscheidend ist dabei, dass wir das Datenprodukt aus der Sicht des Nutzers denken. Daher können wir uns auf die Visualisierung und die Integration des Produkts in die spezifische Situation des Nutzers konzentrieren. Die Ergebnisse der Kreativübung können später in direktem Kontakt mit dem Nutzer erprobt werden. Die technische Machbarkeit und die Algorithmik stehen erst zu einem späteren Zeitpunkt auf dem Programm.

Machbarkeit

In der Regel ergeben sich aus der Kreativitätsübung verschiedene Lösungsoptionen, die manchmal auch miteinander kombiniert werden können. Damit der Einstieg in die Entwicklung eines Datenprodukts leichter fällt, überprüfen wir noch, welche Daten, die für das Produkt benötigt werden, heute schon verfügbar sind. Quellen können dabei interner und externer Natur sein. Weiterhin überprüfen wir, ob diese Daten bereits schon in einer Form vorliegen, die es erlaubt, sie in das Produkt einfließen zu lassen. Diese Bewertung hilft dabei, eine Priorisierung der unterschiedlichen Ideen vorzunehmen und Anforderungen an die eigene Systemlandschaft zu formulieren.

Ein USP für ein Datenprodukt

Den Mehrwert für den Kunden haben wir an dieser Stelle des Trainings ausreichend analysiert. Als Anbieter des Dienstes können wir einen weiteren Mehrwert aus der Produktnutzung des Kunden ziehen. In dieser Übung versuchen wir, einen Feedback Loop in die Produktnutzung einzubauen. Dieser dient dazu, Daten für unseren Algorithmus zu erzeugen, um dessen Qualität zu verbessern und neue Dienste anbieten zu können.

Der Abschluss: Lean Canvas

Wir konsolidieren die einzelnen Ergebnisse des Tages im Format des Lean Canvas. So sieht man das identifizierte Problem, die Lösung, die Value Proposition, die Kosten- und die Umsatzstruktur auf einen Blick und kann die eigene Idee noch einmal ganzheitlich bewerten.

Wir wollen verändern

Wenn Sie dieser Bericht neugierig gemacht hat, dann sprechen Sie uns gern an. Wir können entweder einen individuellen Data Product Discovery Workshop bei Ihnen im Hause auf die Beine stellen, den wir gezielt auf Ihre Branche, auf Ihr Unternehmen und auf Ihre Datensituation zuschneiden. Oder Sie besuchen zunächst eines unserer Data Product Discovery Trainings, um sich mit den Denkmodellen, Frameworks und Tools der Data Product Discovery im Allgemeinen vertraut zu machen. Mit beiden Formaten können wir Ihnen dabei helfen, Ihre spezifischen Customer Jobs noch besser zu erledigen.

2018-01-10T16:16:12+00:00