Canevas de matrice de priorisation pour les RATs

Pourquoi l’utiliser ?

Utilisez-le pour prioriser efficacement les tests des hypothèses les plus risquées (RATs).

Quand l’utiliser ?

Dans la phase finale d’un atelier, la matrice de priorisation est utilisée pour évaluer des hypothèses critiques ou aborder des questions sans réponse, indiquées par des pense-bêtes blancs. Cette étape est essentielle avant que vous puissiez avancer avec l’exécution de votre stratégie de données et d’IA et la mise en œuvre de votre ou vos produits de données/IA. La matrice aide à évaluer à la fois la probabilité d’un échec (étiquetée comme l’axe « Probabilité d’échec ») et l’impact potentiel de ces échecs (étiquetée comme l’axe « Impact d’échec ») pour chaque hypothèse ou question. Priorisez le test des hypothèses ou questions présentant un risque élevé d’échec et ayant des conséquences négatives significatives si elles s’avèrent incorrectes.

Mode d’emploi

I. Préparation

1. Remplissez l’en-tête du canevas :

a) Étiquetez Se concentrer sur dans l’en-tête du canevas avec un pense-bête blanc « Hypothèses & Questions ».

2. Étiquetez les axes et les quadrants avec des pense-bêtes blancs :

a) Axe X : « Probabilité d’échec » - Quelle est la probabilité que l’hypothèse soit fausse ou que la réponse à la question soit négative ?

b) Axe Y : « Impact d’échec » - Dans quelle mesure négative une hypothèse falsifiée ou une réponse négative impacte-t-elle la réalisation de la stratégie de données & IA ou la mise en œuvre du produit de données/IA ? Une fausse hypothèse avec un fort impact d’échec pourrait tuer votre stratégie/produit. Pour une fausse hypothèse avec un faible impact d’échec, vous pourriez trouver un nouveau design de stratégie/produit.

c) I. Quadrant : « III. Important » - Vous devriez tester ces hypothèses avec une faible probabilité d’échec et un fort impact d’échec en troisième.

d) II. Quadrant : « I. Risque maximal » - Vous devriez tester ces hypothèses avec une forte probabilité d’échec et un fort impact d’échec en premier.

e) III. Quadrant : « IV. Sûr » - Vous devriez tester ces hypothèses avec une faible probabilité d’échec et un faible impact d’échec en dernier.

f) IV. Quadrant : "II. Improbable" - Vous devriez tester ces hypothèses avec une forte probabilité d’échec et un faible impact d’échec en second.

II. Storytelling

Si le temps le permet, passez en revue tous les canevas et demandez-vous s’ils sont complets, corrects et cohérents. Si des incertitudes apparaissent, ajoutez des pense-bêtes blancs contenant les hypothèses ou questions. Une manière de le faire est de jouer "conteur et avocat du diable" : le facilitateur raconte le déroulement de l’atelier tandis que les participants vérifient la plausibilité. S’ils découvrent un écart, une erreur, etc., ils ajoutent un autre pense-bête blanc.

III. Collection

Rassemblez tous les pense-bêtes blancs portant une hypothèse critique ou une question ouverte des canevas, et placez-les dans le champ Sort in à la bordure gauche du canevas Priority Matrix. Dupliquez ces pense-bêtes originaux, changez leur couleur en bleu et ajoutez des informations contextuelles pour que chaque note soit explicite.

V. Guesstimation

3.Élément d’ancrage : Choisissez un pense-bête du champ Trier par avec une probabilité de défaillance moyenne et un impact de défaillance moyen, et positionnez-le au centre du canevas. C’est votre élément d’ancrage, par rapport auquel toutes les autres hypothèses ou questions seront comparées, servant de référence pour une probabilité et un impact de défaillance "moyens".

4. Quadrants : Demandez aux participants d’évaluer la probabilité de défaillance et l’impact de défaillance de chaque nouvelle hypothèse ou question par rapport à celles déjà positionnées sur la matrice, notamment en relation avec l’élément d’ancrage. Cette évaluation doit être itérative, permettant des ajustements à mesure que de nouvelles informations modifient potentiellement l’échelle relative :

• Probabilité d’échec : Déplacez le pense-bête plus à droite si sa probabilité d’échec est plus élevée que celles déjà placées, et à gauche si elle est plus faible.

• Impact d’échec : Positionnez le pense-bête plus haut si son impact d’échec est plus grand que ceux existants, et plus bas si c’est moins.

Ce réajustement doit continuer tout au long de la session, les participants étant encouragés à repositionner les notes déjà placées si nécessaire pour maintenir des évaluations relatives précises.

Astuce : Si une hypothèse ou une question dépend d’une autre, illustrez cette relation en les reliant par des flèches. Placez l’hypothèse ou la question dépendante plus haut et à droite de celle dont elle dépend, pour refléter sa plus grande probabilité d’échec et son impact. Cet ajustement reconnaît qu’une hypothèse ou une question dépendante comporte des risques plus élevés, car sa validité dépend d’une autre hypothèse qui n’est pas encore validée, renforçant ainsi son impact potentiel.

Optionnel : S’il y a beaucoup de débat ou d’incertitude concernant la probabilité d’échec ou l’impact, utilisez des couleurs sur les pense-bêtes pour montrer votre degré de certitude :

• Vert : Absolument sûr

• Jaune : Moyennement sûr

• Rouge : Pas sûr du tout

VI. Tests des Hypothèses les Plus Risquées (RATs)

Concentrez-vous sur le test des hypothèses/questions du II. Quadrant étiqueté comme "I. Risqué" car elles sont les plus susceptibles d’échouer et d’avoir un impact négatif sur votre stratégie/produit. Pour chacune, envisagez de concevoir des expériences, de mener des entretiens avec des experts, ou de réaliser des études de recherche pour les valider ou les réfuter. Enregistrez ces tâches dans votre système de gestion, tel qu’un tableau Kanban ou une HELD (Hypothèses, Expériences et Base de Données des Apprentissages).

Important : N’oubliez pas que l’élément d’ancrage est également considéré comme une hypothèse/question critique à tester !

Où trouver plus d’informations ?

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

• Le Data & AI Business Design Kit propose de nombreux canevas open source pour appliquer la méthode Data & AI Business Design.

• En outre, la communauté Data & AI Business Design gratuite est accessible pour les échanges, événements et contenus d’experts.

• Des formations en ligne et sur place payantes avec certification sont disponibles à l’Data & AI Business Design Academy.

• De nombreux autres outils de gestion, modèles pour ateliers et plans de projet sont disponibles dans notre Data & AI Business Design Bench commercial.

• Notre service de consulting en Data & IA offre un accompagnement pour vos projets de stratégie, d’innovation et de transformation en matière de données & IA.

Si vous êtes intéressé(e) ou si vous avez des questions ou des remarques, veuillez nous contacter à l’adresse suivante : info@datentreiber.de.

Droits d’auteur : Tous droits réservés par Datentreiber GmbH.