La visualización de datos y su análisis preciso son fundamentales para el éxito de los proyectos basados en datos. Éstos deben ser completos y estar libres de contradicciones. Abordar estrategias para las visualizaciones de datos es un factor esencial para el éxito de los proyectos. Este texto presenta estrategias que pueden utilizarse para determinar de forma óptima los requisitos en proyectos de ciencia de datos con un componente de visualización.
Inhaltsverzeichnis
Las partes interesadas
Las partes interesadas son un factor importante que influye en la agilidad del proyecto y contribuye así a su éxito. A veces puede resultar exigente poner en práctica todos los requisitos y deseos de las partes interesadas y responder a ellos.
Este es especialmente el caso cuando en un proyecto participan muchas partes interesadas y éstas tienen ideas diferentes, posiblemente incluso controvertidas, sobre el resultado final. A continuación se ilustrarán las distintas estrategias existentes en este contexto mediante un proyecto de visualización.
El jefe de proyecto
Basándonos en nuestros muchos años de experiencia en más de 1.000 proyectos de ciencia de datos con un componente de visualización, han surgido diversos retos y hemos establecido procedimientos y estrategias adecuados para afrontarlos.
Para estos procesos de toma de decisiones sobre el planteamiento, hemos desarrollado un árbol de decisiones que ayuda a estructurar y controlar rápidamente las tareas. Se empieza por la primera pregunta relativa a las Cuadros de mandoLa siguiente tabla muestra los distintos tipos de datos, informes u otras visualizaciones que pueden ponerse a disposición con fines de orientación.
4 estrategias para proyectos de ciencia de datos
1. estrategia antes y después
Situación: Si un cliente ya dispone de una visualización - por ejemplo en forma de informe, como PowerPoint o como aplicación con los cuadros de mando integrados en diversas tecnologías como QlikSense, Qlikview, Tableau, Power BI o similares - primero debe aclararse si ésta debe optimizarse o ampliarse. Recomendación: Hemos establecido el siguiente enfoque para la optimización: Creamos En primer lugar, una comprensión profesional de las visualizaciones en un taller. Aclaramos el propósito y los objetivos, así como todos los componentes de los diagramas, incluidos los significados de los KPI, las dimensiones y la pregunta exacta a la que debe responder la visualización. A partir de esta información, los diagramas se desarrollan metódicamente de acuerdo con las normas de visualización establecidas.
Presentación de los resultadosPor último, presentamos los resultados a los clientes comparando la variante anterior con la nueva. Profundizamos en las mejoras implementadas y presentamos nuestra propuesta.
Historia de éxito #1: Análisis de informes según las Reglas de éxito (Hichert)
La optimización de los gráficos según las Reglas del Éxito de Hichert aumenta la aceptación de los informes en los mandos inferiores e intermedios.
Desafío
Un conocido fabricante de automóviles quiere aumentar la percepción y aceptación de los informes existentes en la dirección.
Procedimiento
Se celebra un taller sobre el contenido de las visualizaciones existentes y se recogen las historias de los usuarios. Las visualizaciones serán desarrolladas de nuevo por expertos de Viz y presentadas en el taller según el método antes/después.
Solución
Se desarrolla un concepto de visualización de acuerdo con las Normas de Éxito, en las que se establecen directrices uniformes para la presentación de gráficos.
Resultado
Se desarrolla el concepto de visualización de acuerdo con las Reglas de Éxito y se definen las directrices para los gráficos. Se analizan los gráficos y se implementan en el concepto de visualización. La aceptación e interpretabilidad de los gráficos ha aumentado significativamente en el círculo de mandos inferiores e intermedios.
2. estrategia opt-in/opt-out
Situación: La situación es diferente si ya existe una visualización y se quiere ampliar. En este caso, recomendamos la estrategia opt-in/opt-out. En primer lugar recopilamos las historias de usuario. Estos reflejan el flujo de trabajo de los usuarios y ofrecen una buena visión de las necesidades reales de los clientes como base para los requisitos en los proyectos de ciencia de datos.
Recomendación: A partir de la información recopilada, las historias de usuario se convierten en visualizaciones. Para cada visualización se desarrolla también una alternativa para su selección.
Presentación de los resultados: En un taller de resultados intermedios, presentamos a los clientes los gráficos desarrollados con alternativas. Comentamos las ventajas e inconvenientes de cada variante y damos nuestra recomendación.
Caso de éxito #2: Desarrollo conceptual de informes según IBCS
La presentación de informes conforme a las normas IBCS aumenta la aceptación por parte de los usuarios correspondientes
Desafío
Una filial quiere aumentar la aceptación de los informes de gestión existentes e integrar los informes de la empresa matriz.
Procedimiento
Se celebra un taller sobre el contenido de las visualizaciones existentes y se recogen las historias de los usuarios. Las visualizaciones se desarrollan y se presentan en el taller como una propuesta entre dos opciones a elegir.
Solución
Se desarrolla un concepto de visualización conforme a las normas IBCS con referencia a las "Reglas de éxito según Hichert". A continuación se lleva a cabo un análisis de viabilidad y el concepto se aplica con éxito.
Resultnis
Se desarrolla el concepto de visualización según IBCS y se definen las directrices para los gráficos ¨Se analizan las historias de usuario y se desarrollan los gráficos apropiados ¨La aceptación e interpretabilidad de los gráficos ha aumentado en el nivel superior de gestión.
3. estrategia de influencia
Situación: Hay casos en los que nuestros clientes parten de cero y no tienen ninguna base de visualización. El número de líderes de opinión es entonces grande, por lo que no es fácil responder a los deseos y la visión de diseño de todos.
Recomendación: Una posible solución es crear un encontrar partes interesadas cuya influencia en el proyecto sea decisiva. es. En las votaciones intermedias, los desarrollos visuales deben basarse en sus ideas. Este enfoque se conoce como la estrategia del "influencer".
Presentación de los resultadosLos resultados se presentan a todo el grupo de interesados y se debaten en función de los beneficios e innovaciones obtenidos.
Caso de éxito #3: Plataforma de análisis para la gestión de costes de piezas
Supervisión del proceso de adquisición y suministro de piezas individuales tras la interrupción de la serie en el
Área de posventa.
Desafío
Una conocida empresa automovilística desea vincular y visualizar diversos datos específicos de posventa procedentes de compras y ventas.
Procedimiento
Se celebra un taller con el propietario del producto en el que se recogen las historias de los usuarios. Los expertos desarrollan las visualizaciones y las presentan a los usuarios y otras partes interesadas tras coordinarse con el propietario del producto.
Solución
A partir de las diversas fuentes de datos de posventa, se determina el panorama de los datos y se crean interfaces. Se desarrolla una aplicación interactiva y flexible con visualizaciones fáciles de usar.
Resultado
Transparencia de las tendencias de los precios de compra y, por tanto, consecución de una mejor posición de partida en las negociaciones de precios. Desarrollo de una variable de medición y control para la medición y el control de objetivos. Reconocimiento y determinación de la conspicuidad de los costes adicionales en comparación con los precios de descatalogación en serie.
4. Estrategia "Asesor
Situación: Hay casos en los que no es posible encontrar a una persona influyente y, sin embargo, hay que atender a varias partes interesadas en un proyecto. En estas situaciones, la definición exacta de los requisitos en los proyectos de ciencia de datos puede costar mucho tiempo valioso del proyecto. Las consecuencias son revisiones constantes y procesos que consumen muchos recursos.
Recomendación: Para este caso, nuestra recomendación es seguir la estrategia del "consultor". En este caso, todos los requisitos de los proyectos de ciencia de datos con los Criterios de aceptación recopilados y priorizados conjuntamentet. La aplicación corre a cargo de los expertos en visualización y las reacciones se registran en una votación intermedia.
Presentación de los resultados: Presentamos la versión final de las visualizaciones y comentamos la metodología utilizada para crearlas.
Caso de éxito #4: Análisis del valor para el cliente
Para la gestión de ventas de un distribuidor de herramientas, se desarrolló un prototipo de cuadro interactivo.
Visualización creada.
Desafío
Un distribuidor alemán de herramientas sólo dispone hasta ahora de un análisis inflexible que no ofrece ninguna comparación con otros clientes. La visualización debe ser vívida, interactiva y
seguir siendo detallado.
Procedimiento
En el taller se definen con el cliente los parámetros más importantes de la presentación. Los expertos desarrollan la visualización y luego se presenta al cliente mediante la narración de historias.
Solución
A partir de los datos disponibles en SAP, los parámetros se calcularon y visualizaron en Tableau. Cada parámetro de un cliente recibe una puntuación fácilmente comprensible, en función del grupo de referencia seleccionado.
Resultado
La visualización permite ver de forma rápida y sencilla en qué áreas está rindiendo un cliente en comparación con su grupo de referencia. Toda la información de cada cliente puede recuperarse y compararse con el grupo de referencia.
5. tratamiento de atrasos
SituaciónEl último enfoque, y el más sencillo, es el procesamiento del backlog. Cuando todos los requisitos de los proyectos de ciencia de datos están claramente definidos, ya no hay más discusiones sobre ellos. Así, automáticamente se define un backlog (tareas pendientes del proyecto) y se acuerda con los clientes.
Recomendación: Procesar las tareas existentes sucesivamente en los sprints.
Presentación de los resultadosEn la presentación final, se hace referencia a los requisitos del proyecto de ciencia de datos y se muestra su aplicación. Esto puede ocurrir de forma dinámica en un software o de forma estática en un PowerPoint.
Caso de éxito #5: Cuadro de mando de KPI de garantía
Comparabilidad de las métricas de mercado en un cuadro de mando de gestión.
Desafío
Un gran fabricante de automóviles quiere presentar los KPI de rendimiento en un cuadro de mandos de gestión. Hay que determinar una fórmula para la mensurabilidad de los KPI.
Procedimiento
En un kick-off con el cliente, los requisitos definidos se traducen en historias de usuario con criterios de aceptación. El backlog creado se procesa conforme a SCRUM.
Solución
Los KPI se calculan sobre la base de un índice unificado. La visualización se implementa en QlikView. Los cálculos de los valores de los KPI se controlan mediante archivos Excel.
Resultado
Realización de un prototipo y lanzamiento para
Primeros mercados de prueba. Crear una representación cartográfica para comparar los KPI.
Conclusión
Cada proyecto de ciencia de datos es único. Sin embargo, el camino hacia una solución individual tiene similitudes estructurales y preguntas recurrentes. La brújula de datos es la respuesta a estos puntos en común y ayuda, Acelerar, evaluar y optimizar los procesos. Al igual que una brújula real ayuda a navegar y permite tener clara la propia posición, la brújula de datos también proporciona orientación. Los proyectos de ciencia de datos son muy complejos y es muy importante no perder la visión de conjunto. Con la brújula de datos que hemos desarrollado, nunca perdemos de vista el objetivo, porque lo sabemos: Sólo quien tiene la orientación adecuada puede abrir nuevos caminos.
Según nuestra experiencia, estas estrategias para definir y aplicar requisitos en proyectos de ciencia de datos ofrecen una protección integral para garantizar el éxito del proyecto. Recordamos numerosos casos de uso y, en consecuencia, muchas experiencias de las que hemos podido aprender.
En particular, los escenarios en los que intervienen muchas partes interesadas no sólo se encuentran entre los casos más frecuentes, sino también entre los más exigentes. Quienes se adentran en el proyecto de ciencia de datos con una estrategia para los requisitos ya tienen mucho ganado antes de empezar.
0 comentarios