Prioritätsmatrix-Canvas für RATs

Warum verwenden?

Nutze es, um die risikoreichsten Annahmetests (RATs) effektiv zu priorisieren.

Wann verwenden?

In der letzten Phase des Workshops kommt die Prioritätsmatrix zum Einsatz, um kritische Annahmen zu bewerten oder unbeantwortete Fragen zu klären, die mit weißen Notizen gekennzeichnet sind. Dieser Schritt ist entscheidend, bevor du deine Daten- und KI-Strategie umsetzen und dein Daten-/KI-Produkt(e) implementieren kannst. Die Matrix hilft dabei, die Wahrscheinlichkeit eines Scheiterns (als "Fail likelihood"-Achse bezeichnet) und die potenziellen Auswirkungen dieser Fehler (als "Fail impact"-Achse bezeichnet) für jede Annahme oder Frage zu bewerten. Priorisiere die Prüfung von Annahmen oder Fragen, die ein hohes Risiko eines Fehlers darstellen und signifikante negative Konsequenzen haben, wenn sie sich als falsch erweisen.

So geht's

I. Vorbereitung

1. Fülle den Canvas-Kopf:

a) LabelFokus auf im Canvas-Kopf mit einer weißen Notiz "Annahmen & Fragen".

2. Beschrifte die Achsen und Quadranten mit weißen Notizen:

a) X-Achse: "Ausfallwahrscheinlichkeit" - Wie wahrscheinlich ist es, dass die Annahme falsch ist oder die Antwort auf die Frage negativ ausfällt?

b) Y-Achse: "Ausfallauswirkung" - In welchem negativen Ausmaß beeinflusst eine widerlegte Hypothese oder negative Antwort die Verwirklichung der Daten- und KI-Strategie oder die Implementierung des Daten/KI-Produkts? Eine falsche Annahme mit hoher Ausfallauswirkung könnte deine Strategie/dein Produkt zerstören. Bei einer falschen Annahme mit geringer Ausfallauswirkung könntest du ein neues Strategie- oder Produktdesign finden.

c) I. Quadrant: "III. Wichtig" - Du solltest diese Annahmen mit geringer Ausfallwahrscheinlichkeit und hoher Ausfallauswirkung als Drittes testen.

d) II. Quadrant: "I. Riskant" - Du solltest diese Annahmen mit hoher Ausfallwahrscheinlichkeit und hoher Ausfallauswirkung zuerst testen.

e) III. Quadrant: "IV. Sicher" - Du solltest diese Annahmen mit geringer Ausfallwahrscheinlichkeit und geringer Ausfallauswirkung zuletzt testen.

f) IV. Quadrant: „II. Unwahrscheinlich“ - Diese Annahmen mit hoher Fehlerwahrscheinlichkeit und geringer Fehlerauswirkung sollten als Zweites getestet werden.

II. Geschichtenerzählen

Wenn die Zeit es zulässt, überprüfen Sie alle Canvas und fragen Sie sich selbst: Ist es vollständig, korrekt und konsistent? Wenn Unklarheiten auftreten, fügen Sie weiße Notizen mit den Annahmen oder Fragen hinzu. Eine Möglichkeit, dies zu tun, besteht darin, "Geschichtenerzähler & Teufelsadvokaten" zu spielen: Der Moderator erzählt den Fortschritt des Workshops, während die Teilnehmer die Plausibilität prüfen. Wenn sie eine Lücke, einen Fehler usw. entdecken, fügen sie eine weitere weiße Notiz hinzu.

III. Sammlung

Sammeln Sie alle weißen Notizen mit einer kritischen Annahme oder offenen Frage von den Canvas und platzieren Sie sie im Sortieren in-Feld am linken Rand der Priority Matrix Canvas. Duplizieren Sie diese ursprünglichen Notizen, ändern Sie die Farbe auf Blau und fügen Sie kontextuelle Informationen hinzu, damit jede Notiz selbsterklärend ist.

V. Schätzung

3.Ankerelement: Wähle eine Notiz aus dem Sort in-Feld mit mittlerer Fehlwahrscheinlichkeit und mittlerem Fehlaufwand und platziere sie in der Mitte des Canvas. Dies ist dein Ankerelement, an dem alle anderen Annahmen oder Fragen gemessen werden, um als Benchmark für „durchschnittliche“ Fehlwahrscheinlichkeit und -aufwand zu dienen.

4. Quadranten: Weise die Teilnehmer an, die Fehlwahrscheinlichkeit und die Auswirkung jeder neuen Annahme oder Frage relativ zu den bereits auf der Matrix positionierten, insbesondere im Vergleich zum Ankerelement, zu bewerten. Diese Bewertung sollte iterativ erfolgen und Anpassungen erlauben, da neue Informationen die relative Skala potenziell ändern können:

• Wahrscheinlichkeit des Scheiterns: Bewege die Notiz weiter nach rechts, wenn die Wahrscheinlichkeit höher ist als bei den bereits platzierten, und nach links, wenn sie geringer ist.

• Auswirkung des Scheiterns: Positioniere die Notiz höher, wenn deren Auswirkung größer ist als bei den bestehenden, und tiefer, wenn sie weniger ist.

Diese Anpassung sollte dynamisch fortgesetzt werden. Die Teilnehmer sollten ermutigt werden, bereits platzierte Notizen gegebenenfalls neu zu positionieren, um während der gesamten Sitzung eine genaue relative Bewertung aufrechtzuerhalten.

Tipp: Wenn eine Annahme oder Frage von einer anderen abhängt, veranschauliche diese Beziehung, indem du sie mit Pfeilen verbindest. Platziere die abhängige Annahme oder Frage höher und weiter rechts als die, von der sie abhängt, um die erhöhte Ausfallwahrscheinlichkeit und den Einfluss widerzuspiegeln. Diese Anpassung erkennt an, dass eine abhängige Annahme oder Frage höhere Risiken trägt, da ihre Gültigkeit von einer anderen Annahme abhängt, die noch nicht validiert ist, und somit auch ihren potenziellen Einfluss verstärkt.

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

• Grün: Vollkommen sicher

• Gelb: Mäßig sicher

• Rot: Überhaupt nicht sicher

VI. Riskiest Assumption Tests (RATs)

Konzentriere dich darauf, die Annahmen/Fragen im II. Quadranten mit dem Label „I. Riskiest“ zu testen, da sie am wahrscheinlichsten scheitern und sich negativ auf deine Strategie/Produkt auswirken. Überlege dir für jede Annahme, Experimente zu entwerfen, Experteninterviews durchzuführen oder Forschungsstudien zu unternehmen, um sie zu verifizieren oder zu falsifizieren. Zeichne diese Aufgaben in deinem Managementsystem auf, wie z.B. einem Kanban Board oder einer HELD (Hypothesen-, Experimente- und Learnings-Datenbank).

Wichtig: Denk daran, dass auch das Ankerelement als kritische Annahme/Frage betrachtet wird, die getestet werden muss!

Wo findet man mehr?

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

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

• Darüber hinaus steht die kostenlose Data & AI Business Design Community für Austausch, Veranstaltungen und Experteninhalte zur Verfügung.

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

• Viele zusätzliche Management-Tools, Workshop-Vorlagen und Projekt-Blaupausen sind von unserer kommerziellen Data & AI Business Design Bench erhältlich.

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

Bei Interesse oder Fragen oder Rückmeldungen kontaktieren Sie uns bitte unter: info@datentreiber.de.

Urheberrecht: Alle Rechte vorbehalten von Datentreiber GmbH.