Data thinking: an innovative framework for data-driven solutions

Table of Contents

As we all know, digitalization is the industrial revolution of our time. Buzzwords such as artificial intelligence, big data and machine learning are shaping not only the digital transformation, but our everyday lives.  Four out of five organizations are convinced that data-driven AI solutions will permanently change their industry. By 2025, we can save around 350 million euros in costs and increase company revenue by 150 million euros in Germany alone. But did you know that 60% of data projects don’t make it past the testing and experimentation phase? This is because there is usually no common data tool or data strategy. User needs are often not defined clearly enough or desired goals are not explicitly stated. This is where data thinking comes in: the data-driven innovation method answers economic questions with a data-based mindset. We’ll show you how you can use data thinking to save your company from this lack of a plan and use data as an innovation driver.

Data as the basis for a strong strategy

Data generates knowledge and knowledge is power. Data thinking is the combination between data science and design thinking. But what exactly does it mean? In data thinking, you ask yourself how you can create business value from data.

 

Figure 1: Data thinking combines data science and design thinking

 
 

Design thinking provides the answer to this question. The creative process for idea generation identifies the user’s needs and specifically addresses the desires and possible use cases. You develop solutions for data-driven challenges in a creative way. As a business expert, you put the needs of the user at the center of all considerations. Through an iterative approach, you also ensure that your idea meets the user requirements and evaluate it with the help of defined KPIs. So, you should clarify the following questions:

 
  • What problems does your user have?

  • How can you solve them in a data-driven way?

 

You then use data science methods to develop these creative solutions into complete data solutions. For example, data mining and data analytics are powerful tools to identify trends and correlations. They enable you to exploit the full potential of data by generating knowledge from it. By working together with IT experts and data scientists, you can check whether the project is feasible at an early stage. For example, it’s important to assess whether the necessary forms of data processing are possible and if the required system architecture is available. So, clarify the following questions here:

 
  • What data is available for the solution?
  • Is the solution technically feasible?

 

The basic idea of data thinking is to develop user-centric and data-driven solutions in a creative way by working together in an interdisciplinary team.

 

Step by step to data happiness

 

Unfortunately, data alone does not contain a solution manual: what problems does your user have and how can your ideas be implemented? In data thinking, it’s important to put quality before quantity and concept before a lack of a plan. The data thinking process helps you to develop structured data-based solutions. It’s divided into three essential steps:

 
 
  1. Exploration

  2. Ideation

  3. Evaluation

 

 

Figure 2: the iterative data thinking process

 
 

The first step is exploration. True to the motto “Fall in love with the problem, not a particular solution”, the first step is to focus on the problem. You need to formulate it clearly and as precisely as possible. To do this, you analyze the specific use case and evaluate existing company data. Which data can you tackle quickly with little effort and still achieve a large impact, and for which data sets do you need to plan more time? Towards the end of the exploration, you and your project team determine which key figures or metrics should be used to evaluate the solution ideas. The exploration lays the foundation for the further iterative procedure.

 
 

The second step is ideation. Whether it’s new products, innovative services or promising business models – this is where you can unleash your full creative potential. To do this, you work with the IT team to define the requirements for data quality and structure. Which data sources can be helpful apart from existing data sources? Share your ideas with your project team and develop a valuable database. However, the challenge is not to collect a lot of data. Limit yourself to the necessary and most promising data. Based on this, you develop prototypes and MPVs, so called minimum viable products. With them, you bring the most important characteristics of your idea to life.

 

The third and final step of data thinking is the evaluation. Your solution ideas are put through their paces here. To do this, you present the prototype to selected test users inside or outside your company. They test your solution and give you feedback on the idea and implementation. Based on this, you evaluate the idea again objectively using the key figures and metrics defined in the exploration. After that, the process of data thinking starts again. This happens until your solution meets all the required target values in the KPIs in the evaluation. Then you have achieved your goal, and the product can be launched on the market.

 

Becoming a data-driven company with data thinking

 

The advantages of data thinking are obvious: the framework helps you and your company to develop user-oriented and data-driven solutions. The business focus ensures that data is not just senselessly collected and stored but used profitably. At the same time, early IT input ensures technical feasibility. The positive side effect: teamwork involving all areas increases acceptance of the solution in the organization.

 

The opportunities and potential of digitalization are mostly still uncharted territory for businesses. Digital transformation is not a single step, but rather a continuous process that requires corrections and adjustments. Data thinking offers you a tool you can use to integrate data into your corporate culture step by step. This way, your company can invest in data-driven and user-centric solutions that have a measurable business impact right from the start. The data process is no longer a black box. An iterative approach and constant exchange with users guarantee you a transparent problem solution with a chance of success. 

 

Do you want to put your company on the path to data-driven business? With the concept of data thinking, you will succeed in building a company-wide data strategy. Feel free to contact us and we will help you lead the digital development of your company to success.

 

Die Digitalisierung ist bekanntlich die industrielle Revolution der Gegenwart. Buzzwords, wie künstliche Intelligenz, Big Data oder Machine Learning prägen dabei nicht nur den digitalen Wandel, sondern auch unseren Berufsalltag.  Vier von fünf Unternehmen sind überzeigt, dass datengetriebene KI-Lösungen ihre Branche nachhaltig verändern wird. Bis 2025 können wir so allein in Deutschland rund 350 Millionen Euro Kosten einsparen und den Unternehmensumsatz um 150 Millionen Euro steigern. Doch wusstest Du, dass es 60 % der Datenprojekte nicht über die Test- und Experimentierphase hinausschaffen? Grund dafür ist, dass es meist kein gängiges Datenwerkzeug oder eine einheitliche Datenstrategie gibt. Oftmals werden die Bedürfnisse der Nutzer nicht klar genug definiert oder die gewünschten Ziele nicht ausdrücklich festgelegt. Hier setzt Data Thinking an: Die datengetriebene Innovationsmethode beantwortet wirtschaftliche Fragen mit einem datenbasierten Mindset. Wir zeigen Dir, wie Du mit Data Thinking Dein Unternehmen vor dem Konzept der Planlosigkeit bewahrst und Daten als Innovationstreiber nutzen kannst.

 

 

Daten als Grundlage für eine starke Strategie

 

Bild 1: Data Thinking als Kombination aus Data Science und Design Thinking 

 

 

Daten erzeugen Wissen und Wissen ist bekanntlich Macht. Das Data Thinking (zu Deutsch: Daten denken) ist die Kombination aus Data Science (Datenwissenschaft) und dem Design Thinking (Entwurfsdenken). Doch was genau bedeutet das? Beim Data Thinking fragst Du Dich, wie Du aus Daten einen Unternehmenswert erzeugen kannst. 

Die Antwort auf diese Frage liefert Dir das Design Thinking. Der Kreativprozess zur Ideenfindung identifiziert die Bedürfnisse der Nutzer und geht dabei konkret auf die Wünsche und mögliche Use Cases ein. Auf kreativem Weg entwickelst Du Lösungen für datengetriebene Herausforderungen. Als Business-Experte stellst Du so die Bedürfnisse des Nutzers in den Mittelpunkt aller Überlegungen. Durch ein iteratives Vorgehen stellst Du außerdem sicher, dass Deine Lösungsidee die Nutzeranforderungen erfüllt und bewertest sie mit festgelegten KPIs. Kläre hier also folgende Fragen:  

  • Welche Probleme hat Dein Nutzer?
  • Wie kannst Du diese datengetrieben lösen?

Im Anschluss entwickelst Du diese kreativen Lösungen mithilfe von Data Science-Methoden zu vollständigen Datenlösungen weiter. Beispielsweise Data Mining und Data Analytics sind mächtige Werkzeuge, um Trends und Zusammenhänge zu erkennen. Sie ermöglichen es Dir, das gesamte Datenpotenzial auszuschöpfen, indem Wissen aus den Daten generiert wird. Durch die Zusammenarbeit mit IT-Experten und Data Scientists kannst Du frühzeitig prüfen, ob das Projekt realisierbar ist. Dabei ist es wichtig einzuschätzen, ob beispielsweise die notwendigen Formen der Datenverarbeitung möglich sind und die benötigte Systemarchitektur vorhanden ist. Kläre hier also folgende Fragen:

  • Welche Daten stehen Dir zur Lösung zur Verfügung?
  • Ist die Lösung technisch umsetzbar?

Die Grundidee des Data Thinkings ist es, dass Du durch die Zusammenarbeit in einem interdisziplinären Team auf kreative Weise nutzerzentrierte und datengetriebene Lösungen entwickelst. 

 

Schritt für Schritt zum Datenglück

Daten allein enthalten leider keine Lösungsanleitung: Welche Probleme hat Dein Nutzer und lassen sich Deine Vorhaben praxisrelevant implementieren? Beim Data Thinking gilt es an dieser Stelle Qualität vor Quantität und Konzept vor Planlosigkeit zu setzen. Der Data Thinking-Prozess hilft Dir dabei, strukturiert datenbasierte Lösungen zu entwickeln. Er gliedert sich in drei wesentliche Schritte:

  1. Erkundung
  2. Ideenfindung
  3. Evaluation

This image has an empty alt attribute; its file name is image-1.png

 

Bild 2: Der iterative Data Thinking-Prozess 

Der erste Schritt ist die Erkundung. Getreu dem Motto “Fall in love with the problem, not a particular solution.” geht es darum, Dich auf die Problemstellung zu fokussieren. Diese musst Du außerdem klar und möglichst genau formulieren. Hierzu analysiert Du den konkreten Use Case und wertest bereits bestehende Unternehmensdaten aus. Welche Daten kannst Du schnell mit geringem Aufwand angehen und trotzdem einen großen Impact erzielen, und bei welchen Datenbeständen musst Du mehr Zeit einplanen? Gegen Ende der Erkundung legst Du gemeinsam mit Deinem Projektteam fest, anhand welcher Kennzahlen oder Metriken die Lösungsideen evaluiert werden sollen. Die Erkundung legt hier den Grundstein für das weitere iterative Vorgehen. 

Der zweite Schritt ist die Ideenfindung. Ob neue Produkte, innovative Services oder erfolgsversprechende Geschäftsmodelle – hier kannst Du Dein gesamtes kreatives Potenzial entfalten. Dafür definierst Du in Zusammenarbeit mit dem IT-Team die Anforderungen an die Datenqualität und -struktur. Welche Datenquellen können abgesehen von bestehenden Datenquellen hilfreich sein? Teile Deine Ideen mit deinem Projektteam und erarbeitet euch eine wertvolle Datenbasis. Die Herausforderung besteht allerdings nicht darin, besonders viele Daten zu sammeln. Beschränke Dich auf die notwendigen und vielversprechendsten Daten. Aufbauend darauf entwickelst Du Prototypen und MVPs, sogenannte minimal funktionsfähige Produkte. Mit ihnen erweckst Du die wichtigsten Charakteristika Deiner Idee zum Leben.

Der dritte und abschließende Schritt des Data Thinkings ist die Evaluation. Deine Lösungsideen werden hier auf Herz und Nieren geprüft. Dazu stellst Du Deinen Prototyp ausgewählten Testnutzern innerhalb oder außerhalb Deines Unternehmens vor. Diese testen Deine Lösung und geben Dir Feedback zur Idee und Umsetzung. Aufbauend darauf evaluierst Du anhand der in der Erkundung festgelegten Kennzahlen und Metriken die Idee nochmal objektiv. Im Anschluss beginnt der Prozess des Data Thinkings erneut. Dies geschieht solange, bis Deine Lösung in der Evaluation alle erforderlichen Zielwerte in den KPIs erfüllt. Dann ist Dein Ziel erreicht und das Produkt kann auf den Markt gebracht werden.  

 

Mit Data Thinking zum datengetriebenen Unternehmen

Die Vorteile von Data Thinking liegen auf der Hand: Das Framework hilft Dir und Deinem Unternehmen, nutzerorientierte und datengetriebene Lösungen zu entwickeln. Der Business-Fokus sorgt dafür, dass Daten nicht nur sinnlos gesammelt und gespeichert werden, sondern gewinnbringend eingesetzt werden. Gleichzeitig sichert der frühe IT-Input die technische Umsetzbarkeit. Der positive Nebeneffekt: Teamwork aus allen Bereichen erhöht die Akzeptanz der Lösung im Unternehmen.

Die Möglichkeiten und Potenziale der Digitalisierung sind meist noch unternehmerisches Neuland. Die digitale Transformation ist kein einzelner Schritt, sondern viel mehr ein kontinuierlicher Prozess, der Korrekturen und Anpassungen erfordert. Data Thinking bietet Dir ein Werkzeug, mit dem Du die Datennutzung step-by-step in die Unternehmenskultur integrieren kannst. Auf diese Weise kann Dein Unternehmen von Beginn an in datengetriebene und nutzerzentrierte Lösungen investieren, die einen messbaren Business Impact haben. Der Datenprozess ist keine Black Box mehr. Die iterative Vorgehensweise und der stetige Austausch mit den Nutzern garantieren Dir eine transparente Problemlösung mit Aussicht auf Erfolg.

Möchtest Du Dein Unternehmen nun auf den Weg zum datengetriebenen Business bringen? Mit dem Konzept des Data Thinkings gelingt es Dir, eine unternehmensweite Datenstrategie aufzubauen. Melde Dich gerne bei uns und wir helfen Dir, die digitale Entwicklung Deines Unternehmens zum Erfolg zu führen.

Rebecca Marzahn
Rebecca Marzahn
Rebecca is a StackFuel veteran. She has been on board for more than 2 years now, assisting our marketing and sales department. When she’s not writing social media or blog posts, she skillfully juggles between tasks for the two departments. As the real power woman that she is, she’s also in the final stages of her Master's degree. In her free time, Rebecca has a passion for dog sports and enters contests with her two dogs.

Related articles

Newsletter

Subscribe to our newsletter and stay updated to our trainings and the latest L&D trends!

Mit Absenden des Formulars habe ich die Datenschutzerklärung und AGB zur Kenntnis genommen. Ich bin damit einverstanden, dass mir StackFuel E-Mails mit Angeboten und Neuigkeiten sendet.

Most read posts
How to become a Data Analyst
21 April 2021
Top 5 skills every data scientist needs
11 November 2020
Automating processes: Recognizing and using potentials
17 February 2021
Meistgelesene Beiträge