全テンプレート

RATs のための優先順位マトリクス キャンバス

Martin Szugat

856 件の閲覧
6 回使用
5 件のいいね

報告

なぜ使用するのか?

RATs(リスクの高い仮説検証テスト)を効果的に優先順位付けするために使用します。

いつ使用するのか?

ワークショップの最終段階で、優先順位マトリクスが使用され、白い付箋で示された重要な仮定や未解決の質問を評価します。このステップは、データ&AI戦略の実行やデータ/AI製品の実装に進む前に必要不可欠です。マトリクスは、各仮定や質問の失敗の可能性(「失敗の可能性」軸としてラベル付け)と、これらの失敗の影響の大きさ(「失敗の影響」軸としてラベル付け)を評価するのに役立ちます。失敗のリスクが高く、誤っていると重大な悪影響をもたらす仮定や質問を優先してテストしてください。

利用方法

I. 準備

1. キャンバスヘッダーを記入する:

a) キャンバスヘッダーの注力領域 に、"仮定と質問"という白い付箋を貼る。

2. 白い付箋で軸とクアドラントをラベル付けする:

a) X 軸:「失敗可能性」- その仮定が間違っている、またはその質問の答えが否定的である可能性はどのくらい高いですか?

b) Y 軸:「失敗の影響」- 偽の仮説や否定的な答えがデータ&AI戦略の実現やデータ/AI製品の実施にどの程度の悪影響を与えるか。影響の大きい仮定が間違っていると、戦略や製品が失敗する可能性があります。影響が小さい場合には、新しい戦略や製品デザインを見つける可能性があります。

c) I. クアドラント:「III. 重要」- 失敗の可能性は低いが影響が大きい仮定を第3にテストしてください。

d) II. クアドラント:「I. リスクが高い」- 失敗の可能性が高く、影響も大きい仮定を最優先でテストしてください。

e) III. クアドラント:「IV. 安全」- 失敗の可能性が低く影響も小さい仮定を最後にテストしてください。

f) IV. クォードラント: "II. 不可能性" - 失敗の可能性が高く、影響が少ない仮定を二番目にテストするべきです。

II. ストーリーテリング

時間が許せば、すべてのキャンバスを見直し、「完全で正確かつ一貫しているか」確認してください。不確実性が生じた場合は、仮定や質問を白い付箋に追加します。このようにする方法の一つに「語り手と批判者」をプレイすることがあります。ファシリテーターがワークショップの進行を説明し、参加者が妥当性をチェックします。ギャップやエラーを見つけた場合は別の白い付箋を追加してください。

III. コレクション

重要な仮定や未解決の質問を含む白い付箋をすべてキャンバスから集め、それらをソートインフィールドの優先度マトリックスキャンバスの左端に配置します。これらの元の付箋を複製し、色を青に変えて、各ノートが自己説明できるようにコンテキスト情報を追加します。

V. 見積

3.アンカー要素: ソートインフィールドから、失敗の可能性が中程度で失敗の影響も中程度の付箋を選び、キャンバスの中央に配置します。これが「平均的な」失敗の可能性と影響のベンチマークとなるアンカー要素として、他のすべての仮定や質問と比較する基準となります。

4. クアドラント: 参加者に、それぞれの新しい仮定や質問の失敗の可能性や影響を、特にアンカー要素との関連性に基づいて、すでにマトリックスに配置されているものと比較して評価させます。この評価は反復的になり、新しい情報が相対スケールを変える可能性がある場合に調整を可能にします:

  • 失敗の可能性: 付箋を右に移動させると、すでに置かれているものより失敗の可能性が高く、左に移動させることで低くします。

  • 失敗の影響: 付箋を上に位置付けると、既存のものより失敗の影響が大きく、下に位置付けると影響が少ないことを示します。

この調整は動的に続行し、セッションを通じて正確な相対評価を維持するために、参加者が以前に置かれた付箋を必要に応じて再配置するように促します。

ヒント: ある仮定や質問が別のものに依存している場合、その関係を矢印で示します。依存している仮定や質問は、依存先の仮定や質問よりも上かつ右に配置して、その失敗の可能性と影響の大きさを反映させます。この調整は、依存している仮定や質問が、まだ検証されていない他の仮定に依存しているため、より高いリスクを伴い、その潜在的な影響も増強されることを認識したものです。

任意: 失敗の可能性や影響について多くの議論や不確実性が存在する場合、付箋に色を使ってどの程度確信があるかを示します:

  • 緑: 完全に確信している

  • 黄色: ある程度確信している

  • 赤: 全く確信していない

VI. 最も危険な仮定テスト(RATs)

「I. 計画において最もリスクが高い」とラベル付けされたII. クアドラント内の仮説や質問に焦点を当てましょう。これらは失敗しやすく、戦略や製品に悪影響を及ぼす可能性が最も高いです。その検証には、実験を設計したり、エキスパートインタビューを行ったり、調査研究を実施したりすることを検討してください。これらのタスクは、カンバンボードやHELD(仮説、実験、学びのデータベース)などの管理システムで記録します。

重要: アンカー要素もまた、テストすべき重要な仮説や質問であることを忘れないでください!

さらに詳しくは?

Datentreiber は、このMiroverseのテンプレートだけでなく、次のものも提供しています。

  • Data & AI Business Design Kit では、Data & AI Business Design Method を用いて適用するための数々のオープンソースキャンバスを提供しています。

  • また、無料のData & AI Business Design Communityが、情報交換、イベント、エキスパートのコンテンツを提供する場として利用できます。

  • 有料のオンラインおよび現地でのトレーニングコースと認定試験は、Data & AI Business Design Academy で提供されています。

  • 私たちの商用Data & AI Business Design Benchには、多くの管理ツール、ワークショップテンプレート、プロジェクトプランが用意されています。

  • Data & AI Business Consultingでは、データ&AI戦略、イノベーション、変革プロジェクトのサポートを提供しています。

ご興味がある方や質問、フィードバックがある方は、info@datentreiber.deまでご連絡ください。

著作権:Datentreiber GmbHが全著作権を保有しています。

Martin Szugat

Data & AI Business Catalyst @ Datentreiber

To help companies to design and transform into data-driven and AI-powered businesses I've invented the Data & AI Business Design Method and our company Datentreiber developed the Data & AI Business Design Kit - a collection of open source canvases - as well as the Data & AI Business Design Bench - a commercial collection of Miro templates & tools. I'm an official Miro Creator and a Miro Solution Partner.


カテゴリー

類似テンプレート

3 件のいいね
318 回使用
アクション優先順位マトリクス テンプレート