Los requisitos en los proyectos de ciencia de datos y su análisis preciso son de vital importancia para el éxito de los proyectos basados en datos. Éstos deben ser completos y estar libres de contradicciones. El tratamiento de los requisitos es un factor clave para el éxito de los proyectos. Este texto presenta estrategias para determinar de forma óptima los requisitos en proyectos de ciencia de datos con un componente de visualización.

Cuantos más participantes activos haya en un proyecto, mayor será el reto de satisfacerlos a todos

Las partes interesadas son un factor importante que determina la Agilidad del proyecto y contribuye así a determinar su éxito. A veces puede resultar exigente poner en práctica todos los requisitos o deseos de las partes interesadas y responder a ellos.

Este es el caso, en particular, cuando en un proyecto participan muchas partes interesadas que tienen ideas diferentes, incluso controvertidas, sobre el resultado final. A continuación se describen las distintas estrategias disponibles en este contexto utilizando un Proyecto de visualización se juegue.

¿Cómo puede un director de proyecto estructurar un proyecto para que sea un éxito?

Basándonos en nuestros muchos años de experiencia en más de 300 proyectos de ciencia de datos con un componente de visualización, han surgido diversos retos y hemos desarrollado procedimientos y enfoques adecuados. Estrategias establecidos para contrarrestarlos.

Para estos procesos de toma de decisiones sobre el enfoque, hemos desarrollado un árbol de decisiones que ayuda a estructurar y controlar rápidamente las tareas. Comienza con la primera pregunta relativa a los cuadros de mando, informes u otras visualizaciones existentes que pueden servir de orientación.

I 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 debe optimizarse o ampliarse.

Recomendación: Hemos establecido el siguiente procedimiento de optimización: Primero creamos un entendimiento profesional para visualizaciones en un Taller. En el proceso, 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.

II Estrategia Opt-In / Opt-Out

Situación: La situación es diferente si ya existe una visualización y se quiere ampliar. En este caso, se recomienda utilizar Estrategia Opt-In / Opt-Out. En primer lugar, recopilamos las historias de los usuarios en un taller. Éstas reflejan 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 Alternativa de elección desarrollado.

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.

III Estrategia "Influencer

Situación: Hay casos en los que nuestros clientes parten de cero y no tienen ninguna base de visualización. El número de Líder de opinión es entonces grande, por lo que no es fácil responder a los deseos y la visión del diseño de todo el mundo.

Recomendación: Una posible solución es encontrar una parte interesada cuya influencia en el proyecto sea crucial. En las consultas intermedias, los desarrollos visuales deben basarse en las ideas de la parte interesada. Este enfoque se conoce como "Estrategia "Influencer conocido.

Presentación de los resultadosLos resultados se presentan a todo el grupo de interesados y se debaten en función de los beneficios e innovaciones obtenidos.

IV 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. La definición exacta de los requisitos en los proyectos de ciencia de datos puede ahorrar un tiempo precioso en estas situaciones. Duración del proyecto coste. Las consecuencias son una revisión constante y Procesos intensivos en recursos.

Recomendación: Para este caso, nuestra recomendación es "Estrategia "Asesor a seguir. En el proceso, se recopilan y priorizan conjuntamente todos los requisitos de los proyectos de ciencia de datos con los criterios de aceptación asociados. La aplicación corre a cargo de los expertos en visualización y se registran los comentarios durante una votación intermedia. Presentación de los resultados: Presentamos la versión final de las visualizaciones y comentamos la metodología utilizada para crearlas.

Tratamiento de atrasos

SituaciónEl último enfoque, y el más sencillo, es el tratamiento de los requisitos pendientes. Cuando todos los requisitos de Proyectos de ciencia de datos están claramente definidas, ya no hay discusiones sobre ellas. Así, automáticamente se define y acuerda con los clientes un backlog (tareas pendientes del proyecto).

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.

Conclusión

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.