Canvas de Monetização de Dados

Por que usar?

Desenhe uma solução analítica para um produto de dados/IA aplicável a um ou mais casos de uso.

Quando usar?

Quando você tem uma ideia ou conceito para um caso de uso relacionado a um produto de dados/IA e precisa desenhar uma solução analítica. Este processo ajuda a derivar os requisitos técnicos, organizacionais e de pessoal necessários para desenvolver o produto.

Como usar?

I. Preparação

1. Preencha o cabeçalho do canvas:

a) Etiquete Focar em no cabeçalho do canvas com uma nota adesiva branca com o nome do produto de dados/IA ou ideia do caso de uso. Você pode copiar a nota adesiva Focar em do canvas Analytics & AI Use Case em que estava trabalhando anteriormente. Ou escolha um caso de uso (ideia) por exemplo do canvas Business Model / Case, Analytics & AI Maturity ou Priority Matrix.

b) Rodapé: Adicione uma legenda com notas adesivas da cor correspondente:

• Notas adesivas verdes: "Elemento existente"

• Notas adesivas amarelas: "Elemento planejado"

• Notas adesivas vermelhas: "Elemento ausente"

• Notas adesivas brancas: "Pergunta / Suposição / Insight / Decisão / Tarefa"

II. Design de Produto de Dados / IA

Comece adicionando notas adesivas vermelhas, amarelas ou verdes para representar respectivamente os elementos ausentes, planejados ou existentes nas caixas a seguir para esboçar o fluxo de dados e as etapas de análise. Note que para um novo produto de dados, a maioria dos elementos estarão ausentes:

② Comece pelo final, no lado direito do canvas (veja Referências para um início fácil):

a) Valor dos Dados: O valor das informações deve ser medido em termos de métricas de desempenho de negócios (por exemplo, indicadores-chave de desempenho, KPI). Coloque as notas adesivas correspondentes nesta caixa. Adicione também notas sobre a qualidade das informações—como métricas de desempenho de modelo—e sobre as funcionalidades do modelo, que servem como indicadores de uma IA sustentável, explicável, responsável e confiável, assim como indicadores de qualidade dos dados.

b) Produtos de Dados: Detalhe as saídas desejadas do seu produto de dados/IA com notas adesivas, focando particularmente nas informações desejadas, que incluem perguntas específicas que o produto pretende responder. Nos casos em que a informação não é calculada diretamente a partir dos dados, mas é prevista/estimada usando aprendizado de máquina, por exemplo, os usuários esperam uma explicação de como a informação é obtida (ver "IA Explicável").

③Análise de Dados: Considere diferentes abordagens analíticas para obter a informação desejada e esboce os passos de preparação, análise e visualização de dados nesta caixa, usando notas adesivas vermelhas, amarelas e verdes. Conecte estas notas (de todas as caixas) com setas horizontais para ilustrar o fluxo de dados e informações.

Avalie os méritos e limitações de vários algoritmos e métodos para garantir que eles estejam alinhados com os padrões exigidos de qualidade da informação e funcionalidades do modelo, como explicabilidade (por exemplo, modelos "caixa branca" explicáveis vs. "caixa preta" opacos). Conclua selecionando a solução mais promissora.

④Conjuntos de Dados: Identifique e desenvolva ideias de conjuntos de dados essenciais e benéficos como entrada para a cadeia de análise (a fim de derivar a informação desejada).

Coloque uma nota adesiva para cada conjunto de dados identificado na caixa Data Sets e vincule estas notas aos passos iniciais de preparação e análise de dados na caixa Data Analytics.

Referências

A: Da caixa Solutions do Analytics & AI Use Case, copie todas as notas adesivas azuis que definem as informações desejadas pelo usuário para a caixa Data Products. Altere sua cor para vermelho, amarelo ou verde - dependendo da disponibilidade da informação - e, se necessário, especifique a informação desejada de forma mais precisa, ou seja, dê a uma métrica um nome distintivo, defina sua unidade, a resolução temporal, a granularidade etc.

B: Para o quadro Data Value, procure por notas adesivas correspondentes nos quadros Benefits e Objectives & Results no canvas Analytics & AI Use Case. O valor dos dados ou informações é medido por como isso habilita o usuário a alcançar seus objetivos e resultados específicos.

C: Caso você esteja em dúvida sobre a disponibilidade dos dados, explore o panorama de dados usando o canvas Data Landscape. Copie todas as notas adesivas da caixa Data Sets para as caixas Sort in do canvas Data Landscape. Identifique as fontes desses conjuntos de dados, conceba conjuntos de dados adicionais e posicione todos eles dentro dos quadrantes do panorama de dados. Avalie sua disponibilidade e, de acordo, atualize a cor das notas adesivas nos canvases Data Landscape e Data Monetization: verde → ativo de dados, vermelho → lacuna de dados, e amarelo → dados (conjunto com) problemas.

III. Design de Requisitos TOP

Em seguida, derive os requisitos tecnológicos, organizacionais e de pessoal a partir do design do seu produto de dados / IA:

• Adicione notas adesivas verdes para os recursos ou capacidades tecnológicas, organizacionais e pessoais existentes.

• Adicione notas adesivas vermelhas para as lacunas na sua infraestrutura tecnológica, estrutura organizacional ou estrutura de pessoal.

• Adicione notas adesivas amarelas para mudanças e iniciativas tecnológicas, organizacionais ou de pessoal já planejadas, em andamento ou com problemas.

⑤ Tecnologia: Comece avaliando a infraestrutura tecnológica necessária para o seu projeto. Inicie do lado esquerdo do seu canvas e prossiga para a direita, movendo-se sistematicamente abaixo das caixas correspondentes, de Conjuntos de Dados para Valor dos Dados. Para cada estágio do ciclo de vida dos seus dados—acesso, limpeza, integração, armazenamento, análise e visualização—considere quais ferramentas, plataformas e sistemas são essenciais.

No campo Tecnologia, localizado abaixo das caixas superiores—Conjuntos de Dados, Análise de Dados, Produtos de Dados & Valor de Dados—coloque (múltiplas) notas adesivas para cada estágio do ciclo de vida dos dados. Cada nota deve estar etiquetada com os nomes dos produtos técnicos ou categorias essenciais para operar os processos nesse estágio específico. Arranje essas notas diretamente abaixo dos seus respectivos estágios para manter um alinhamento claro.

Para ilustrar visualmente o empilhamento tecnológico dentro de cada estágio, empilhe essas notas adesivas—ou alternativamente, use formas retangulares—verticalmente para representar a sobreposição de tecnologias. Por exemplo, um módulo Python pode ser posicionado em cima da linguagem de programação Python, que por sua vez se baseia em uma plataforma de computação em nuvem. Conecte essas notas adesivas empilhadas com setas horizontais para ilustrar o fluxo de dados e como cada componente tecnológico se integra com os processos gerais de manuseio de dados.

⑥ Organização: Para cada componente técnico, identifique o time, departamento, divisão, empresa subsidiária/similar ou fornecedor externo que "possui" e é responsável por sua implementação e operações. No quadro de Organização, coloque notas adesivas que representem essas unidades organizacionais. Elas devem ser posicionadas abaixo ou próximas aos seus componentes técnicos correspondentes para esclarecer a dependência. Conecte essas notas adesivas com setas horizontais para ilustrar o fluxo de comunicação, como a transferência de requisitos.

⑦ Pessoas: Por último, identifique o pessoal-chave necessário para implementar e operar o produto de dados/IA e sua infraestrutura tecnológica. Coloque notas adesivas na caixa Pessoas, posicionadas abaixo da unidade organizacional correspondente. Rotule cada nota adesiva com a função, cargo, título ou especialidade do indivíduo e, opcionalmente, inclua o número de equivalentes em tempo integral (FTE) entre parênteses. Use setas para mapear as linhas de reporte e/ou as conexões de colaboração e comunicação entre estas pessoas.

Dica: De acordo com a Lei de Conway ("A estrutura de um sistema é determinada pelos padrões de comunicação das pessoas que o projetam."), é recomendável pensar em reorganizar antes de implementar o sistema. Para melhorar a compreensão, você pode adicionar linhas verticais pontilhadas para visualizá-lo no canvas:

• As dependências entre os conjuntos de dados e as análises e os componentes tecnológicos,

• As responsabilidades das unidades organizacionais em relação aos componentes tecnológicos,

• As afiliações que ligam as pessoas às suas respectivas unidades organizacionais.

Referências

D: Atualize o canvas Analytics & AI Maturity (caixas azuis) com as capacidades tecnológicas, organizacionais e de pessoal para completar seu roadmap de analytics & AI.

E: Se a implementação e operação do(s) seu(s) produto(s) de dados exigir mudanças fundamentais no seu modelo de negócios, atualize também o canvas de Business Model.

Onde encontrar mais?

A Datentreiber oferece a você, além deste modelo Miroverse:

• O Data & AI Business Design Kit oferece inúmeros canvases de código aberto para aplicar o Método de Data & AI Business Design.

• Além disso, a Comunidade de Data & AI Business Design gratuita está disponível para troca de informações, eventos e conteúdos de especialistas.

• Cursos de treinamento online e presenciais pagos, com certificação, estão disponíveis na Academia de Data & AI Business Design.

• Muitas ferramentas de gestão adicionais, modelos de workshop e esquemas de projeto estão disponíveis em nosso Banco de Data & AI Business Design comercial.

• Nossa Consultoria de Negócios de Dados e IA oferece suporte para sua estratégia, inovação e projetos de transformação em dados e IA.

Se você estiver interessado ou tiver perguntas ou feedback, entre em contato conosco pelo e-mail: info@datentreiber.de.

Copyright: Todos os direitos reservados por Datentreiber GmbH.