Prioritätsmatrix-Canvas: PICK-Use Case

Warum verwenden?

Wähle das nächstbeste Datenauswertungs- und KI-Anwendungsbeispiel gemäß dem Kosten-Nutzen-Verhältnis aus.

Wann verwenden?

Wenn mehrere Use Case-Ideen für analytische & KI-Anwendungen innerhalb des gleichen Anwendungsdomänes und auf dem gleichen analytischen & KI-Reifegrad existieren und unklar ist, welche während des Workshops weiter untersucht oder danach umgesetzt werden sollen, verwenden Sie die PICK-Methode. Diese Methode hilft dabei, schnelle Gruppenentscheidungen auf der Grundlage einer "Guesstimation" zu treffen — einer geschätzten Einschätzung der Komplexität im Vergleich zum Wert jeder Anwendung. Das Akronym "PICK" steht für die vier Quadranten der Prioritätsmatrix: "Possible", "Implement", "Challenge" und "Kill".

Wie wird sie benutzt?

I. Vorbereitung

① Füllen Sie den Canvas-Kopf aus:

a) Beschriften Sie Fokus auf im Canvas-Kopf mit einer weißen Notiz für die Anwendungsdomäne und die analytische & KI-Reife.

② Beschriften Sie die Achsen und Quadranten mit weißen Notizen:

a) X-Achse: „Technische, analytische und organisatorische Komplexität“ – Komplexität kann aus verschiedenen Quellen entstehen, darunter eine fragmentierte Datenlandschaft, technische Hürden oder komplexe Prozesse. Solche Komplexität erhöht nicht nur die Kosten für Implementierung und Betrieb, sondern führt auch zu Verzögerungen, die die Wertrealisierung behindern. Zusätzlich erhöht sie wirtschaftliche, ökologische, rechtliche und technische Risiken.

b) Y-Achse: „Mehrwert für das Ziel“ – Bewerte den Wert einer Anwendung basierend auf ihrem Beitrag zur Erreichung des Ziels, das während des Workshops festgelegt wurde.

③ Beschrifte die Quadranten: Jeder der vier Quadranten sollte gemäß dem „PICK“-Akronym beschriftet werden. Die Reihenfolge ist unten dargestellt.

a) I. Quadrant: „I. Implementieren“ – Du solltest jene Anwendungen mit niedriger Komplexität und hohem Wert umsetzen.

b) II. Quadrant: "III. Challenge" - Du solltest Anwendungen mit hoher Komplexität und hohem Wert herausfordern, bevor du sie implementierst.

c) III. Quadrant: "II. Possible" - Du könntest Anwendungen mit niedriger Komplexität und niedrigem Wert implementieren, wenn es keine Anwendungen mit niedriger Komplexität und hohem Wert gibt.

d) IV. Quadrant: "IV. Kill" - Du solltest Anwendungen, die komplex sind und wenig Wert bieten, "killen" und damit vermeiden oder verschieben. Platziere sie in deinem Backlog (z. B. Use Case-Katalog), bis die notwendigen technischen, organisatorischen und personellen Strukturen entwickelt sind, um die Komplexität zu reduzieren.

II. Schätze

④ Verankerung: Wähle eine Anwendung aus dem "Sortiere ein"-Feld am linken Rand, die mittlere Komplexität und mittleren Wert besitzt. Platziere sie im Zentrum des Canvas. Dies wird dein Ankerelement sein, das als Maßstab dient, um alle anderen Anwendungen zu vergleichen, während du sie nach Komplexität und Wert kategorisierst.

Tipp: Wenn du bereits eine Anwendung innerhalb desselben Domains und Analytik- & KI-Reifegrads implementiert hast, die eine mittlere Komplexität und mittleren Wert aufweist, benutze diese bestehende Anwendung als deinen Anker.

Nun arbeitest du mit den Quadranten, die du in Schritt ③ beschriftet hast: Lass die Teilnehmer jede verbleibende Anwendung im Vergleich zu den bereits auf der Matrix positionierten Anwendungen, insbesondere dem Ankerelement, bewerten. Passe die Platzierung basierend auf diesem Vergleich an:

• Komplexität: Bewege die Anwendung nach rechts, wenn ihre Komplexität höher als die des Ankers ist, und nach links, wenn sie niedriger ist.

• Wert: Platziere die Anwendung weiter oben, wenn ihr Wert größer als der des Ankers ist, und weiter unten, wenn er kleiner ist.

Verwende zusätzlich weiße Notizzettel, um alle während deiner Schätzungen gemachten Annahmen zu notieren, um Klarheit und Transparenz im Entscheidungsprozess sicherzustellen.

Tipp: Wenn eine App von einer anderen abhängt, stelle diese Abhängigkeit dar, indem du sie mit Pfeilen verbindest. Platziere die abhängige App weiter rechts und höher, was auf eine erhöhte Komplexität aufgrund der Abhängigkeit von einer anderen App und einen höheren Wert hinweist, da sie zusätzliche Vorteile bietet.

Optional: Wenn es viel Diskussion oder Unsicherheit über die Wahrscheinlichkeit oder den Einfluss eines Scheiterns gibt, verwende Farben auf den Notizen, um zu zeigen, wie sicher du bist:

• Grün: Auf jeden Fall sicher

• Gelb: Mäßig sicher

• Rot: Gar nicht sicher

III. Nächste-beste-App

Schaue nach Apps im I. Quadranten „Implementieren“: dies ist dein relevanter Satz.

Wenn dieser Quadrant leer ist, richte deine Aufmerksamkeit auf den III. Quadranten „Möglich“. Sollten beide Quadranten keine Eintragungen enthalten, überprüfe dein Ankerelement. Es könnte sein, dass es nicht das durchschnittliche Szenario korrekt repräsentiert. In solchen Fällen wiederhole den II. Guesstimation-Schritt mit einer repräsentativeren „durchschnittlichen“ Anwendung.

Wichtig: Das Ankerelement gehört ebenfalls zu deinem relevanten Set!

Wähle aus dem relevanten Set eine Anwendung, die nicht von vorausgegangen oder vorausgesetzten Anwendungen abhängt, als die Next-Best-Anwendung aus. Diskutiere ihre Vorteile und Nachteile. Wird kein Konsens über die Next-Best-Anwendung erzielt, führe eine Abstimmung durch oder überlasse dem Entscheidungsträger die finale Entscheidung.

Wo kannst du mehr erfahren?

Datentreiber bietet dir nicht nur dieses Miroverse-Template, sondern auch:

• Das Data & AI Business Design Kit bietet zahlreiche Open-Source-Canvases zur Anwendung der Data & AI Business Design Methodik.

• Außerdem steht die kostenfreie Data & AI Business Design Community für Austausch, Veranstaltungen und Experteninhalte zur Verfügung.

• Kostenpflichtige Online- und Vor-Ort-Trainingskurse mit Zertifizierung sind in der Data & AI Business Design Academy verfügbar.

• Viele weitere Management-Tools, Workshop-Vorlagen und Projektvorlagen sind bei unserer kommerziellen Data & AI Business Design Bench erhältlich.

• Unser Data & AI Business Consulting bietet Unterstützung für Ihre Daten- und KI-Strategie, Innovations- und Transformationsprojekte.

Wenn Sie interessiert sind oder Fragen oder Feedback haben, kontaktieren Sie uns bitte unter: info@datentreiber.de.

Urheberrecht: Alle Rechte vorbehalten von Datentreiber GmbH.