由于可用数据海量和选项多种多样，选择通常很困难。因此，在数据科学项目开始时，确定正确的用例是最重要和最大的任务之一。更严重的是，尽管经常能找到正确的用例，但结果仍然没有达到预期。实际交付 80% 的数据科学项目尽管最初的假设并非日常业务中所需的运营附加值。主要问题不是分析方法，而是开发的解决方案缺乏面向用户。那么，如何识别具有高业务潜力的面向用户的用例呢？借助数据思维方法可以应对的挑战。在本文中，您可以确切地了解这一切以及为什么我们 IMODEL 在我们的研讨会中依赖数据思维。
定义： 数据思维是一种整体方法，可帮助公司系统地识别以用户为导向的用例，从而创造实际的附加值。数据思维将数据科学与经过验证的创新方法设计思维相结合。
数据科学：一门处理从数据中提取知识的跨学科科学。
设计思维：一个以用户为导向的寻找想法和解决方案的创造性过程。
数据思维：创造性地开发具有高业务潜力的面向用户的数据科学用例。
通过在数据科学项目中使用设计思维方法，重点是用户和开发数据驱动的解决方案，从项目一开始就满足他们的需求。
为什么要进行数据思考？
传统的咨询方法（通常也用于数据科学环境）传统上从现有数据的角度开始。是否意味着哪些数据可用以及可以使用这些数据做什么？这种方法通常会导致开发的解决方案最终对最终用户几乎没有用处。相比之下，数据思维方法直接从要解决的问题和客户需求开始。因此，潜在的问题是一个完全不同的问题：问题是什么，谁有问题？
因此，数据思维方法侧重于与公司的相关性，尤其是用户的角度。只有在第二步中，才检查了哪些方法和数据可用于解决问题，以及它们在多大程度上已经存在或需要首先收集。
数据思维方法的原则为公司提供了以下好处，其中包括：
- 问题而不是技术：业务和用户利益是所有考虑因素的核心，而不是其背后的技术。
- 数据之前的附加值：使用案例是根据业务挑战而不是现有数据确定的。
因此，我们在最初的研讨会中使用数据思维方法，以确保在使用正确的用例时，从一开始就提出正确的问题。通过这种方式，可以提前澄清重要的技术和工艺相关问题。最后，那些数据驱动的用例得到了解决，这些用例可以通过合理的努力来实现，并且从经济角度和用户角度来看，这些用例对您来说确实是值得的！
数据思考过程是什么样的？
数据思维研讨会的目的是了解问题、相关业务流程、责任范围、现有数据和 IT 基础设施以及项目预期。为了实现这一目标，我们 开发了一个三阶段流程，该流程基于设计思维流程，但将其简化为与数据科学项目相关的步骤。
下图概述了每个阶段的流程和目标。
当然，这个过程不是一成不变的，而是根据每个客户的需求灵活和个性化地量身定制的。
为了应对客户的挑战和可能的解决方案，我们使用了设计思维和六西格玛环境中的各种方法。添加六西格码方法对于数据科学项目特别有用，因为它们专注于基于数据的过程分析。通过这种方式，我们的数据科学家为每个客户单独组装正确的工具包，以便深入了解客户的工作环境并梳理出必要的信息。
在我们仔细研究各个阶段之前，问题仍然存在，理想情况下谁应该参与数据思维研讨会？需要不同的人来获得完整的图片并满足各种信息要求。重要的是，除了技术专家，即数据科学家和数据所有者（公司负责数据管理的人员）和管理层之外，潜在解决方案的最终用户也要得到代表。毕竟，开发一种解决方案应该让他们的日常工作更轻松是很重要的。在这些跨学科团队中，在每个数据思考阶段共同取得有形和具体的成果。
数据思维阶段 1：定义
第一阶段是关于要解决的问题。公司面临的挑战是什么？应该解决哪个具体问题？由于客户经常带着很多想法来找我们，因此了解概况并共同解决特定问题非常重要。以下内容适用于每个数据科学项目：问题和数据基础必须相辅相成！因此，参与的数据科学家已经关注了可能的数据源和潜力，因此可以帮助对用例想法进行现实的评估。通过这种方式，我们可以最大限度地降低由于对数据情况的错误评估而设定不切实际目标的风险。一般来说，事实证明，在开始时专注于较小的用例以积累经验并快速取得成功是有用的。
然后，定义阶段的目标还包括定义客户对项目的期望，并为项目的其余部分记录这些期望。
简而言之，第一阶段包括以下步骤：
- 特定问题的发展
- 制定可衡量的目标
- 制定可衡量的验收标准
数据思维阶段 2：同理心
第二阶段是根据定义的问题更好地了解客户。目的是深入了解日常流程和最终使用解决方案的环境。
因此，移情阶段包括以下步骤：
- 在此过程中任命相关联系人
- 相关流程和程序的介绍
- 定义相关数据和数据所有者
- 相关基础设施的介绍
虽然传统上主要关注点是理解数据，但数据思维方法也非常关注流程理解。从数据科学项目开始，对运营流程的早期关注就为随后的成功运营奠定了基础。
数据思维第 3 阶段：想法
在第三阶段，是时候发挥创造力了：定义用户对解决方案的期望非常重要，这样它才能创造真正的附加值。例如，这是否意味着它必须具备哪些功能？在这里，只需踩在白板上概述初始解决方案即可提供帮助。
从要解决的问题开始，在完成三个阶段之后，在数据思维研讨会结束时，有一个面向用户和数据驱动的问题解决方案的路线图。
查看数据科学项目的典型项目流程，所述研讨会成功实现了业务理解的第一步。
结论
一个成功的数据科学项目不仅仅是关于数据。借助数据思维方法，您可以从一开始就以面向用户的方式处理用例，从而释放数据的全部潜力。这确保了在成功实施后，开发的解决方案也为您的公司和最终用户创造了实际的附加值。这增加了您的员工对最终解决方案的信任和接受度。此外，您的数据科学计划可以通过明确定义目标和验收标准来衡量。总而言之，即使是怀疑论者也会成为粉丝，并为进一步的用例铺平道路。
