Lienzo de Matriz de Prioridad para RATs

¿Por qué usarlo?

Utilízalo para priorizar efectivamente las pruebas de suposiciones más riesgosas (RATs).

¿Cuándo usarlo?

En la fase final de un taller, la matriz de prioridad se utiliza para evaluar las suposiciones críticas o abordar preguntas sin respuesta, indicadas por notas adhesivas blancas. Este paso es esencial antes de poder proceder con la ejecución de tu estrategia de datos y AI y la implementación de tu(s) producto(s) de datos/AI. La matriz ayuda a evaluar tanto la probabilidad de fracaso (etiquetada como el eje "Probabilidad de fallo") como el impacto potencial de estos fallos (etiquetada como el eje "Impacto del fallo") para cada suposición o pregunta. Prioriza las pruebas de las suposiciones o preguntas que presenten un alto riesgo de fallo y tengan consecuencias negativas significativas si se demuestra que son incorrectas.

Cómo utilizar

I. Preparación

1. Completa el encabezado del lienzo:

a) Etiqueta Enfócate en en el encabezado del lienzo con una nota adhesiva blanca "Suposiciones y Preguntas".

2. Etiqueta los ejes y cuadrantes con notas adhesivas blancas:

a) Eje X: "Probabilidad de fallo" - ¿Qué tan probable es que la suposición sea falsa o que la respuesta a la pregunta sea negativa?

b) Eje Y: "Impacto del fallo" - ¿Hasta qué punto un hipótesis falsificada o una respuesta negativa impactan negativamente la realización de la estrategia de datos y IA o la implementación del producto de datos/IA? Una suposición falsa con un alto impacto de fallo podría acabar con tu estrategia/producto. Para una suposición falsa con un bajo impacto de fallo podrías encontrar un nuevo diseño de estrategia/producto.

c) I. Cuadrante: "III. Importante" - Deberías probar aquellas suposiciones con baja probabilidad de fallo y alto impacto de fallo en tercer lugar.

d) II. Cuadrante: "I. Más arriesgado" - Deberías probar aquellas suposiciones con alta probabilidad de fallo y alto impacto de fallo primero.

e) III. Cuadrante: "IV. Más seguro" - Deberías probar aquellas suposiciones con baja probabilidad de fallo y bajo impacto de fallo al final.

f) IV. Cuadrante: "II. Improbable" - Deberías probar esas suposiciones con una alta probabilidad de fallo y bajo impacto de fallo en segundo lugar.

II. Narrativa

Si el tiempo lo permite, revisa todos los lienzos y pregúntate: ¿está completo, correcto y consistente? Si surgen incertidumbres, añade notas adhesivas blancas con las suposiciones o preguntas. Una forma de hacer esto es jugar a "narrador y abogado del diablo": el facilitador narra el progreso del taller mientras los participantes verifican la plausibilidad. Si descubren un vacío, un error, etc., añaden otra nota adhesiva blanca.

III. Colección

Reúne todas las notas adhesivas blancas que tengan una suposición crítica o pregunta abierta de los lienzos, y colócalas en el campo Ordenar en en el borde izquierdo del lienzo de la Matriz de Prioridad. Duplica estas notas adhesivas originales, cambia el color a azul y añade información contextual para que cada nota sea autoexplicativa.

V. Estimación Aproximada

3.Elemento Ancla: Elige una nota adhesiva del campo Ordenar en con una probabilidad de fallo media y un impacto de fallo medio, y colócala en el centro del lienzo. Este es tu elemento ancla, contra el cual se compararán todas las demás suposiciones o preguntas, sirviendo como punto de referencia para la "media" de probabilidad de fallo e impacto.

4. Cuadrantes: Instruye a los participantes para evaluar la probabilidad de fallo y el impacto de cada nueva suposición o pregunta en relación con las ya posicionadas en la matriz, particularmente en relación con el elemento ancla. Esta evaluación debe ser iterativa, permitiendo ajustes a medida que nueva información pueda alterar la escala relativa:

• Probabilidad de fallo: Mueve la nota adhesiva más a la derecha si su probabilidad de fallo es mayor que las ya colocadas, y hacia la izquierda si es menor.

• Impacto del fallo: Coloca la nota adhesiva más arriba si su impacto de fallo es mayor que las existentes, y más abajo si es menor.

Este ajuste debe continuar de manera dinámica, animando a los participantes a reposicionar las notas previamente colocadas según sea necesario para mantener evaluaciones relativas precisas durante toda la sesión.

Consejo: Si una suposición o pregunta depende de otra, ilustra esta relación conectándolas con flechas. Coloca la suposición o pregunta dependiente más arriba y a la derecha de la que depende, para reflejar su mayor probabilidad de falla e impacto. Este ajuste reconoce que una suposición o pregunta dependiente conlleva mayores riesgos, ya que su validez depende de otra suposición aún no validada, lo que amplifica también su impacto potencial.

Opcional: Si hay mucho debate o incertidumbre sobre la probabilidad de falla o el impacto, utiliza colores en las notas adhesivas para mostrar tu grado de certeza:

• Verde: Absolutamente seguro

• Amarillo: Moderadamente seguro

• Rojo: No seguro en absoluto

VI. Pruebas de Suposiciones Más Riesgosas (RATs)

Concéntrate en probar las suposiciones/preguntas en el II. Cuadrante etiquetado como "I. Más arriesgado" ya que son las más propensas a fallar y a impactar negativamente tu estrategia/producto. Para cada una, considera diseñar experimentos, realizar entrevistas con expertos o llevar a cabo estudios de investigación para verificarlas o falsificarlas. Registra estas tareas en tu sistema de gestión, como un tablero Kanban o una base de datos HELD (Hipótesis, Experimentos y Aprendizajes).

Importante: ¡Recuerda que el elemento ancla también se considera una suposición/pregunta crítica a probar!

¿Dónde encontrar más?

Datentreiber te ofrece no solo esta plantilla de Miroverse, sino también:

• El Kit de Diseño de Negocios de Datos y AI ofrece numerosos lienzos de código abierto para aplicar el Método de Diseño de Negocios de Datos y AI.

• Además, la Comunidad de Diseño de Negocios de Datos y AI gratuita está disponible para intercambios, eventos y contenido experto.

• Cursos de formación online y presenciales con certificación están disponibles en la Academia de Diseño de Negocios de Datos y AI.

• Muchos más herramientas de gestión, plantillas de talleres y proyectos tipo están disponibles en nuestro Bench Comercial de Diseño de Negocios de Datos y AI.

• Nuestro Data & AI Business Consulting ofrece soporte para tus proyectos de estrategia, innovación y transformación en datos y IA.

Si estás interesado o tienes alguna pregunta o comentario, contáctanos en: info@datentreiber.de.

Derechos de autor: Todos los derechos reservados por Datentreiber GmbH.