Ein Data-Science-Projekt starten

Die Idee für ein Data-Science-Projekt steht fest, jetzt gilt es, die Umsetzung zu planen. Es ist ratsam, ein Projekt mit einem MVP (Minimal Viable Product) zu beginnen. Eine Idee kann in der Theorie noch so gut und einfach klingen, die Herausforderungen zeigen sich dann oft erst in der praktischen Umsetzung. Deswegen sollte eine Idee erst getestet werden, bevor die komplette Umsetzung und der produktive Einsatz erfolgen.

Innerhalb von wenigen Wochen kann bereits eine erste Basis-Version des Produkts entwickelt werden, mit der ein erster Mehrwert generiert wird. Gleichzeitig dient dieses MVP aber auch dazu, die Data-Science-Idee zu konkretisieren und eine bessere Abschätzung über die Komplexität der Umsetzung zu erlangen. Ist die Datengrundlage ausreichend? Ist das Endprodukt so, wie es von den Fachabteilungen gewünscht wurde? Ist der gewählte Tech Stack passend? Dank eines MVP lassen sich diese Fragen nicht nur theoretisch, sondern auch praktisch beantworten. Das MVP kann innerhalb des Unternehmens allen relevanten Mitarbeitenden vorgestellt und auch von diesen bereits getestet werden. Das vereinfacht nicht nur die darauf folgende Projektplanung, sondern führt auch direkt zu einer besseren Anerkennung des Data-Science-Projekts im Unternehmen.

Ist das MVP abgeschlossen und analysiert, beginnt die Weiterentwicklung. Zuerst wird eine Projekt-Roadmap inklusive verschiedener Meilensteine festgelegt, bevor diese dann Sprint für Sprint in einer agilen Arbeitsweise umgesetzt wird. Auch hier kann das Projekt immer wieder nachjustiert und angepasst werden, sodass aus einem MVP Schritt für Schritt ein vollständiges Produkt für den realen Einsatz entsteht.

Vorteile des iterativen MVP-Ansatzes im Vergleich zur konventionellen Projektentwicklung

Dieser Artikel ist ein Auszug aus dem Whitepaper "Startbereit für Data Science. Potenziale erkennen, Innovationen beschleunigen, Wachstum fördern".