Zusammenfassung
Der Wert eines Datenprojekts wird nicht allein durch Daten oder AI generiert. Der Wert entsteht erst durch einen spezifischen Anwendungsfall (Use Case), der es uns ermöglicht, Wissen und Handlungen aus Daten mittels Analysen oder AI abzuleiten. Im Kap. 2 zu Design Thinking haben wir Methoden zum Identifizieren solcher Use Cases hinreichend beschrieben. Diese Use Cases können aber nur in einer entsprechenden Umgebung mit etablierten Prozessen ihre Wirkung entfalten oder überhaupt erst entdeckt und ausgearbeitet werden. Dabei ist ein mehrschrittiges Vorgehen notwendig und das wiederholte Durchlaufen des Prozesses sinnvoll. Im Data Value Loop laufen die Fäden einer konsekutiven Data Value Chain, der benötigten Technologie, einer datengetriebenen Kultur und von agilen Prozessen zusammen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Als kurzer Geschichtsexkurs: Eine heute immer noch funktionierende Basislösung auf allen Unix-basierenden Systemen ist der Großvater all dieser Lösungen, der CRON, den es seit 1975 gibt und der nach wie vor in einfachen Setups Anwendung findet.
Literatur
Abela, A. (2006). Choosing a good chart. Extreme Presentation. https://extremepresentation.typepad.com/blog/2006/09/choosing_a_good.html. Zugegriffen: 26. April 2022.
Bornstein, M., Li, J., & Casado, M. (2020). Emerging Architectures for Modern Data Infrastructure. a16z. https://future.a16z.com/emerging-architectures-modern-data-infrastructure/. Zugegriffen: 26. April 2022.
Bratton, A., & Glynn, K. (2020). How to Measure Your Organization’s Data Maturity. Towards Data Science. https://towardsdatascience.com/how-to-measure-your-organizations-data-maturity-2352cbaf1896. Zugegriffen: 28. April 2022.
Christ, S. (19. Februar 2019). Daten-für-alle-Gesetz – SPD will Unternehmen zum Teilen ihrer Daten zwingen. Tagesspiegel. https://www.tagesspiegel.de/wirtschaft/daten-fuer-alle-gesetz-spd-will-unternehmen-zum-teilen-ihrer-daten-zwingen/23979210.html. Zugegriffen: 28. April 2022.
Gartner Glossary. (o. J.). Data Literacy. Gartner. https://www.gartner.com/en/information-technology/glossary/data-literacy. Zugegriffen: 25. April 2022.
Google and Sudden Compass. (2020). Unlock Sprints™. Design Sprints. https://designsprintkit.withgoogle.com/resources/method-recipes/unlock-sprints. Zugegriffen: 28. April 2022.
Larman, C. (o. J.). Larman’s Laws of Organizational Behavior. Craig Larman. https://www.craiglarman.com/wiki/index.php?title=Larman%27s_Laws_of_Organizational_Behavior. Zugegriffen: 25. April 2022.
Murray, D. (2020). How should our company structure our data team? Medium. https://medium.com/snaptravel/how-should-our-company-structure-our-data-team-e71f6846024d. Zugegriffen: 10. April 2022
Tufte, E. R. (2001). The Visual Display of Quantitative Information. Cheshire: Graphics Press.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Greiner, R., Berger, D., Böck, M. (2022). Der Data Value Loop. In: Analytics und Artificial Intelligence. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-38159-2_5
Download citation
DOI: https://doi.org/10.1007/978-3-658-38159-2_5
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-38158-5
Online ISBN: 978-3-658-38159-2
eBook Packages: Business and Economics (German Language)