agile data analytics

15
Agile Data Analytics Benjamin Klatt, Collin Rogowski Entwicklertag Frankfurt, 10.03.2016

Upload: inovex-gmbh

Post on 14-Apr-2017

618 views

Category:

Technology


0 download

TRANSCRIPT

Agile Data Analytics

Benjamin Klatt, Collin Rogowski Entwicklertag Frankfurt, 10.03.2016

Key StoryData Analytics hat eigene

Herausforderungen gegenüber reiner Anwendungsentwicklung

-„so kann man Scrum anpassen, um es auch

hier zu nutzen“

2

3

Beispiel: KFZ-Preisbewertungauf einer Online-Automobilplattform

!"#?

Wie teuer soll ich mein Auto anbieten?

3mio frühere Verkäufejedoch ist kein Angebot gleich

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

Lernen aus

Herausforderungen durch viele Freiheitsgradeund hohen Explorationsbedarf

4

Charakteristika von Data AnalyticsQualitätskriterien oft nicht binär

#60%

9.000 11.000

95%

12.0008.000

Präzision versus ZuverlässigkeitKein natürliches richtig oder falsch

5

Charakteristika von Data AnalyticsUnterschiedliche Entwicklungsgeschwindigkeit

$Schnelle

Entwicklungszyklen durch Interaktivität

(z.B. Modell-Bildung)

%Langsame

Entwicklungszyklen durch große Datenmengen

(z.B. Vorverarbeitung)

Langsamer und schnellerals klassische Entwicklung

6

„Kein natürliches Richtig oder Falsch“

-„Wir können das nicht

entscheiden“

Perspektiven-Wechsel

„Was will unser Kunde?“-

„Können wir das?“

7**Eric Ries – The Lean Startup *Minimum Viable Product

Lean Startup Cycle**IDEA

BUILD

PRODUCT

MEASURE

DATA

LEARN

MVP*

LernenwasKundenwirklichbrauchenundDatenalsRohstoffgewinnen

8Quelle: http://www.heise.de/newsticker/meldung/Tesla-bringt-Autopilot-Funktion-per-Software-Update-2848008.html

Beispiel Tesla „Autopilot“ per Software-Update

&Online

Software-Update

'

LernendankfrühemReleaseAktiveFahrereingriffe=IndizfürOptimierungsbedarf

WannwirdAutopilotgenutzt:AutobahnoderWohngebiet?

9* Eric Ries – The Lean Startup

IDEA

BUILD

PRODUCT

MEASURE

DATA

LEARN

Was brauchen unsere Kunden wirklich?

Lean Startup Cycle*

** Desirée Sy: Adapting Usability Investigations for Agile User-centered Design

Dual Track Scrum**

%

%

Discovery

Delivery„Liefern“

„Lernen“

Was bieten wir unseren Kunden an?Können wir das?

10

Dual Track Scrum Sprints

%

%Discovery

DeliveryDeliverySprint

DeliverySprint

Discovery Sprint

Discovery Sprint

Anforderungen anderer Stakeholder

11

Dual Track Scrum Product Backlogs%

DISCOVERY DELIVERY

%DoR Delivery

PRODUCT

MEASURE

DATALEARN

1.2.3.

Opportunity Backlog

4.

1.2.3.

ProductBacklog

4. DoR Discovery

12

Dual Track Scrum Product Owner

!!!!

13

Rückblick Beispiel: KFZ-Preisbewertung

!"#? "

"

"

"

"

"

"

"

"

"

"

"

"

"

"

"

Lernen aus

DualTrackAnsatzDiscovery: MaschinellesLernenüberPreistreiberDelivery: MVPimA/BTestLeanStartupDataLoop: BenutzerfeedbackalsInputzurVerbesserung

14http://qz.com/571007/the-magic-that-makes-spotifys-discover-weekly-playlists-so-damn-good/

Ausblick: DatenprodukteDiscover Weekly

User Profil

Playlists passendePlaylists

neue Songs

1.2.3.4.5.

Vielen Dank

Dr. Benjamin KlattCollin Rogowski

inovex GmbHKupferhütte 4.1Schanzenstr. 6-20 D-51063 Köln

[email protected]@inovex.de