Canevas de Monétisation de Données

Pourquoi l'utiliser ?

Concevez une solution analytique pour un produit de données/IA applicable à un ou plusieurs cas d'utilisation.

Quand l'utiliser ?

Lorsque vous avez une idée ou un concept pour un cas d'utilisation lié à un produit de données/IA et que vous devez concevoir une solution analytique. Ce processus aide à définir les exigences techniques, organisationnelles et en personnel nécessaires au développement du produit.

Comment l'utiliser ?

I. Préparation

1. Remplissez l'en-tête du canevas :

a) Étiquetez Centré sur dans l'en-tête du canevas avec un pense-bête blanc portant le nom du produit de données/IA ou de l'idée de cas d’utilisation. Vous pouvez copier le pense-bête Centré sur depuis le canevas Cas d’utilisation analytiques & IA sur lequel vous travailliez précédemment. Ou choisissez un cas d’utilisation (idée) par exemple à partir du canevas Modèle/Étude de cas, Maturité analytique & IA ou Matrice de priorités.

b) Pied de page : Ajoutez une légende avec des pense-bêtes de la couleur correspondante :

• Pense-bêtes verts : « Élément existant »

• Pense-bêtes jaunes : « Élément planifié »

• Pense-bêtes rouges : « Élément manquant »

• Pense-bêtes blancs : « Question / Hypothèse / Perspective / Décision / Tâche »

II. Conception de Produit de Données / IA

Commencez par ajouter des pense-bêtes rouges, jaunes ou verts pour représenter respectivement des éléments manquants, planifiés ou existants dans les cases suivantes pour esquisser le flux de données et les étapes d'analyse. Notez que pour un nouveau produit de données, la plupart des éléments seront manquants :

② Commencez par la fin sur le côté droit du canevas (voir Références pour un démarrage facile) :

a) Valeur des données : La valeur de l'information doit être mesurée en termes de mesures de performance business (p. ex. indicateurs de performance clé, kPI). Placez les pense-bêtes correspondants dans cette boîte. Fournissez également des notes sur la qualité de l'information—telles que les métriques de performance des modèles—et sur les fonctionnalités des modèles, qui servent d'indicateurs d'une IA durable, explicable, responsable et fiable, ainsi que sur les indicateurs de qualité des données.

b) Produits de données : Détaillez les résultats escomptés de votre produit de données/IA avec des pense-bêtes, en vous concentrant particulièrement sur les informations souhaitées, ce qui inclut les questions spécifiques auxquelles le produit vise à répondre. Dans les cas où l'information n'est pas calculée directement à partir des données, mais est prédite/estimée à l'aide de l'apprentissage automatique, par exemple, les utilisateurs attendent une explication sur la manière dont l'information est obtenue (cf. « IA explicable »).

③Analyse des Données : Réfléchissez à différentes approches analytiques pour obtenir les informations souhaitées et esquissez dans cette case les étapes de préparation, d'analyse et de visualisation des données, en utilisant des pense-bêtes rouges, jaunes et verts. Reliez ces pense-bêtes (dans toutes les cases) avec des flèches horizontales pour illustrer le flux de données et d'informations.

Évaluez les avantages et les limites de divers algorithmes et méthodes pour vous assurer qu'ils sont conformes aux normes requises en matière de qualité des informations et de caractéristiques des modèles, telles que l'explicabilité (par exemple : modèles explicables "boîte blanche" contre modèles opaques "boîte noire"). Concluez en sélectionnant la solution la plus prometteuse.

④Jeux de Données : Identifiez et proposez des ensembles de données essentiels et bénéfiques comme intrants du pipeline d'analyse (afin de dériver les informations souhaitées).

Placez un pense-bête pour chaque ensemble de données identifié dans la boîte Ensembles de Données et liez-les aux étapes initiales de préparation et d'analyse des données dans la boîte Analyse des Données.

Références

A : Depuis la boîte Solutions du canevas Cas d’utilisation d’Analytics & IA, copiez tous les pense-bêtes bleus qui définissent les informations souhaitées par l'utilisateur dans la boîte Produits de Données. Changez leur couleur en rouge, jaune ou vert - selon la disponibilité de l'information - et, si nécessaire, précisez les informations désirées, par exemple : donnez un nom distinctif à une métrique, définissez son unité, la résolution temporelle, la granularité, etc.

B : Pour la case Valeur des données, recherchez les pense-bêtes correspondants dans les cases Avantages et Objectifs & Résultats sur le canevas Cas d’utilisation de l’Analytics & IA. La valeur des données ou informations se mesure en fonction de leur capacité à permettre à l'utilisateur d'atteindre ses objectifs et résultats spécifiques.

C : Si vous n'êtes pas sûr de la disponibilité des données, explorez le paysage des données à l'aide du canevas Data Landscape. Copiez tous les pense-bêtes de la boîte Data Sets vers les boîtes Sort in du canevas Data Landscape. Identifiez les sources de ces ensembles de données, imaginez des ensembles de données supplémentaires, et positionnez-les tous au sein des quadrants du paysage des données. Évaluez leur disponibilité et mettez à jour en conséquence la couleur des pense-bêtes sur les canevas Data Landscape et Data Monetization : vert → actif de données, rouge → manque de données, et jaune → données (ensemble avec) problèmes.

III. Conception des exigences TOP

Ensuite, dérivez les exigences technologiques, organisationnelles et en personnel à partir de la conception de votre produit de données/IA :

• Ajoutez des pense-bêtes verts pour les ressources ou les capacités technologiques, organisationnelles et de personnel existantes.

• Ajoutez des pense-bêtes rouges pour indiquer les lacunes dans votre infrastructure technologique, votre structure organisationnelle ou de personnel.

• Ajoutez des pense-bêtes jaunes pour les changements et initiatives technologiques, organisationnels ou de personnel déjà planifiés, en cours, ou posant problème.

⑤ Technologie : Commencez par évaluer l'infrastructure technologique nécessaire pour votre projet. Partez du côté gauche de votre canevas et progressez vers la droite, en vous déplaçant systématiquement sous les cases correspondantes, de Ensembles de données à Valeur des données. Pour chaque phase du cycle de vie de vos données—accès, nettoyage, intégration, stockage, analyse et visualisation—considérez quels outils, plateformes et systèmes sont essentiels.

Dans la boîte Technologie, située sous les boîtes supérieures—Ensembles de données, Analyse des données, Produits de données & Valeur des données—placez (plusieurs) pense-bêtes pour chaque étape du cycle de vie des données. Chaque note doit être étiquetée avec le nom des produits techniques ou des catégories essentiels pour opérer les processus à cette étape spécifique. Disposez ces notes directement en dessous de leurs étapes respectives pour maintenir un alignement clair.

Pour représenter visuellement la pile technologique à chaque étape, empilez ces pense-bêtes—ou alternativement, utilisez des formes rectangulaires—verticalement pour représenter la superposition des technologies. Par exemple, un module Python pourrait être positionné au-dessus du langage de programmation Python, qui à son tour est basé sur une plateforme de cloud computing. Reliez ces pense-bêtes empilés avec des flèches horizontales pour illustrer le flux de données et comment chaque composant technologique s'intègre dans les processus globaux de gestion des données.

⑥ Organisation : Pour chaque composant technique, identifiez l'équipe, le département, la division, la filiale ou l'entreprise sœur, ou le fournisseur externe qui "possède" et est responsable de sa mise en œuvre et de son fonctionnement. Dans la boîte Organisation, placez des pense-bêtes représentant ces unités organisationnelles. Ceux-ci doivent être positionnés en dessous ou près de leurs composants techniques correspondants pour clarifier la dépendance. Connectez ces pense-bêtes avec des flèches horizontales pour illustrer le flux de communication, tel que le transfert de besoins.

⑦ Personnes : Enfin, identifiez les personnes clés nécessaires pour mettre en œuvre et faire fonctionner le produit de données/IA et son infrastructure technologique. Placez des pense-bêtes dans la boîte Personnes, positionnés sous l'unité organisationnelle correspondante. Étiquetez chaque pense-bête avec le rôle, la fonction, le titre ou la compétence de l'individu, et, éventuellement, incluez le nombre d'équivalents temps plein (ETP) entre parenthèses. Utilisez des flèches pour tracer les lignes hiérarchiques et/ou les connexions de collaboration et de communication entre ces personnes.

Conseil : Selon la loi de Conway (« La structure d'un système est déterminée par les schémas de communication des personnes qui le conçoivent. ») vous devriez envisager de réorganiser avant de mettre en œuvre le système. Pour améliorer la compréhension, vous pourriez ajouter des lignes pointillées verticales pour le visualiser sur le canevas :

• Les dépendances entre les ensembles de données et les analyses et les composants technologiques,

• Les responsabilités des unités organisationnelles concernant les composants technologiques,

• Les affiliations liant les personnes à leurs unités organisationnelles respectives.

Références

D: Mettez à jour le canevas Analytics & AI Maturity (boîtes bleues) avec les capacités technologiques, organisationnelles et personnelles pour compléter votre feuille de route Analytics & AI.

E: Si la mise en œuvre et l'exploitation de votre ou vos produits de données nécessitent des changements fondamentaux à votre modèle économique, mettez également à jour le canevas du modèle économique.

Où en trouver plus ?

Datentreiber vous offre non seulement ce modèle Miroverse, mais aussi :

• Le Kit de Conception Business & IA propose de nombreux canevas open source pour appliquer la méthode de Conception Business & IA.

• En outre, la Communauté de Conception Business & IA gratuite est disponible pour l'échange, les événements et les contenus d'experts.

• Des formations payantes en ligne et sur site avec certification sont disponibles à l'Académie de Conception Business & IA.

• De nombreux outils de gestion supplémentaires, modèles d'atelier et plans de projet sont disponibles sur notre Bench de Conception Business & IA commercial.

• Notre conseil en Data et IA offre un accompagnement pour vos projets de stratégie, d'innovation et de transformation en Data et IA.

Si vous êtes intéressé ou si vous avez des questions ou des feedbacks, veuillez nous contacter à l'adresse suivante : info@datentreiber.de.

Copyright : Tous droits réservés par Datentreiber GmbH.