ARIC

ARIC-Work­shop 07.12.20: Vom Pioneer zum Pro­fes­sio­nal: Data Sci­ence Sys­te­me initi­al auf­bau­en und agil entwickeln

von Fal­ko Spil­ler und Ste­fan Hilmer

Data Sci­ence Sys­te­me basie­ren auf Metho­den, Pro­zes­sen und Algo­rith­men zur Extrak­ti­on von Mus­tern, Erkennt­nis­sen und Schlüs­sen sowohl aus struk­tu­rier­ten als auch unstruk­tu­rier­ten Daten. Die­se Sys­te­me sind sehr kom­plex, in Ent­wick­lung und auch Betrieb. Die Stacey-Matrix ver­deut­licht: Kom­ple­xe Vor­ha­ben ver­lan­gen nach agi­len Vor­ge­hens- und Arbeits­wei­sen, also ver­langt auch die Ent­wick­lung von Data Sci­ence Sys­te­men nach Agilität.

Der Wunsch nach Agi­li­tät in der Sys­tem­ent­wick­lung ist sehr stark der sich ändern­den Umwelt geschul­det. Auch Data Sci­ence Sys­te­me und ande­re KI-Sys­te­me müs­sen die­sen Ände­run­gen fol­gen kön­nen. Coro­na macht deut­lich, wie dis­rup­tiv Ver­än­de­run­gen sein kön­nen. Es bedarf nicht viel Fan­ta­sie sich vor­zu­stel­len wie stark sich bei­spiels­wei­se Schluss­fol­ge­run­gen eines Data Sci­ence Sys­tems für z.B. den Ein­zel­han­del in der Pan­de­mie ver­än­dert haben. Aber auch sonst soll­te ein sol­ches Sys­tem immer schnell an neue Gege­ben­hei­ten anpass­bar sein. Dies kann bei­spiels­wei­se durch das Pro­cess Frame­work Scrum erreicht wer­den. So kann eine pro­fes­sio­nel­le agi­le Sys­tem­ent­wick­lung erreicht werden.

Am Anfang der Ent­wick­lung eines Data Sci­ence Sys­tems müs­sen einer­seits das zu lösen­de Pro­blem und ande­rer­seits die ver­füg­ba­ren Daten betrach­tet wer­den. Es stellt sich die Fra­ge: Ist das Pro­blem mit vor­han­de­nen Daten lös­bar? Die­ser Nach­weis kann auf ver­schie­de­ne Arten erbracht wer­den, wobei Pilot-Ent­wick­lun­gen einen gro­ßen Raum ein­neh­men. In die­ser Pha­se bie­tet sich ein Vor­ge­hen nach der Metho­de des Design Thin­king an.

Es las­sen sich also zwei Pha­sen in der Ent­wick­lung von Data Sci­ence Sys­te­men unter­schei­den. In der ers­ten Pha­se, der ‚Pro­jekt­pha­se‘, baut das Team — wie Pio­nie­re — das Data Sci­ence Sys­tem initi­al auf. Erst in der zwei­ten Pha­se, der ‚Pro­dukt­pha­se‘, wird das Sys­tem zu einem Teil einer pro­fes­sio­nel­len IT-Land­schaft, in der es in einem agi­len Umfeld pro­fes­sio­nell wei­ter­ent­wi­ckelt wird. Dazwi­schen liegt der ‚Point of Tran­si­ti­on‘, der Punkt, an dem der Über­gang von einer Pha­se zur ande­ren erfolgt. Ihm kommt eine beson­de­re Bedeu­tung zu, denn hier kommt es beson­ders auf das Timing an, denn es ist wich­tig, die ‚Pro­jekt­pha­se‘ voll­stän­dig abzu­schlie­ßen und gleich­zei­tig die ‚Pro­dukt­pha­se‘ früh­zei­tig auf­zu­neh­men, um auf Ver­än­de­run­gen hin­rei­chend schnell reagie­ren zu können.

All dies wer­den Fal­ko Spil­ler und Ste­fan Hil­mer in ihrem Vor­trag beleuch­ten. Die Bei­den wer­den zei­gen, wie agi­le Metho­den und Arbeits­wei­sen in den ver­schie­de­nen Pha­sen der Ent­wick­lung von Data Sci­ence Sys­te­men unter­stüt­zend und ziel­füh­rend ein­ge­setzt wer­den können.

Der ARIC-Work­shop ist kos­ten­los und fin­det am 07.12.2020 um 16 Uhr als Webi­nar online statt. Ein Link zur Teil­nah­me wird ver­schickt. Dau­er: 45 Minu­ten Vor­trag mit anschlie­ßen­der Dis­kus­si­ons­run­de (etwa 30 Minuten).

Anmel­den kön­nen Sie sich unter der fol­gen­den E‑Mail-Adres­se info@aric-hamburg.de.

 

Share this:
X