So baut man Data Science Plattformen

Lesezeit: ca. 2min.

Teil 3: Individualisierbare Workflows und Dashboards

Je mehr Informationen eine Plattform darstellt und je detaillierter die einzelnen Analytikprojekte sind, desto strikter ist oft auch die Art und Weise, wie Projekte geplant und umgesetzt werden müssen. Was wäre aber, wenn die einzelnen Projektschritte sich nach dem Unternehmen richten würden und man einzelne Dashboards wiederverwenden könnte? Genau das betrachten wir dieses Mal.

Ohne Individualisierbarkeit des Workflows kein Mehrwert!

Eingabemasken, Teilschritte und Checkboxen – jeder kennt sie und jeder hat sich schon in verschiedensten Umgebungen mit ihnen befassen müssen. Damit Analytikumgebungen ihre Arbeit verrichten können, sind sie dementsprechend unflexibel in der Bedienung und oft auch starr was die Abfolge anbelangt.

Muss man sich an eine neue Lösung erst gewöhnen und in ihr zurechtfinden, kann es dauern bis entsprechende Datenprojekte starten können und Ergebnisse liefern. Gleichzeitig ist es aufwändig, wenn man bestehende Prozesse an die neue Umgebung anpassen muss. Dies ist einer der Gründe, warum sich Unternehmen oft schwer tun, bestehende Plattformen durch neue zu ersetzen. Aber trotzdem gilt: Prozesse und Projekte, vor allem im Analytikbereich, sind in ihren Ansprüchen oft ebenso gewachsen wie die Unternehmen selbst. Eine steife Benutzerführung ist da eher hinderlich.

Ein Ansatz, wie man dies lösen könnte: Individualisierbare Workflows, die sich in ihrer Abfolge und Bedienung frei konfigurieren lassen. So können existierenden Schritte und Projekte übernommen werden und gleichzeitig um neue Funktionalitäten ergänzt und verschlankt werden. Übertragen und angepasst, dienen die einzelnen Schritte ebenfalls einer besseren Dokumentation und Nachvollziehbarkeit des gesamten Prozesses.  Durch das Anpassen und Zusammenstellen der einzelnen Projekt- und Prozessschritte, ließen sich in der Plattform auch leichter und schneller Prototypen einzelner Use Cases und Projekte erstellen und prüfen – Unternehmen wird dieser Punkt, nicht zuletzt im Hinblick der Skalierbarkeit, immer wichtiger.  Aber nur wenige Plattformen bieten diese Möglichkeit bereits aktuell.

Data Science Workflow

FAZIT: Mit der Möglichkeit die einzelnen Projektschritte selbst zusammenzustellen, erhält man eine Analytikumgebung, mit der Unternehmen ohne lange Einarbeitungszeit und Lernen eigene Datenprojekte erstellen und verwalten können.

Reusability und Repurpose statt Wegwerf-Dashboards

Was im oberen Punkt für die Prozessschritte gilt, gilt auch für das Erstellen von Dashboards bzw. Ansichten. Zudem benötigt ein wirklich flexibler Einsatz von Analytikumgebungen eine freie Informationsdarstellung. Man muss den jeweiligen Beteiligten bzw. Benutzergruppen die Möglichkeit geben, ihre Ansichten bzw. Dashboard frei einzurichten bzw. sie nach den jeweiligen Anforderungen zusammenstellen. Nicht jede Gruppe benötigt alle oder dieselben Informationen. Kann man sich die Ansichten selbst konfigurieren vermeidet man einen Overload an Informationen und fördert effektiveres Arbeiten. Was nutzen die ganzen Informationen, wenn dadurch die Übersicht verloren geht? Mit einzelnen Widgets lassen sich zielbestimmte Projektsichten zusammenbauen, die genau die Informationen darstellen und bearbeiten lassen, die die jeweiligen Beteiligten auch wirklich benötigen.

Aber wie lässt sich das leicht umsetzen? Hier zeigt sich wie grundlegend ein intelligentes Rollenkonzept ist! Kann man Berechtigungen auf Komponentenebene steuern, lassen sich individuelle Dashboards entsprechenden schnell umsetzen. Das Erstellen einzelner Ansichten für jede dedizierte Benutzergruppe entfällt – stattdessen wird eine Vorgabe aufgesetzt und die einzelnen Elemente wären, je nach Berechtigung, ein- bzw. ausgeblendet. Und wie wie verteilt man die erstellen Dashboards an die Nutzer? Eine einfache Umsetzung wäre, wenn sie sich per simplen Link mit anderen Nutzern zu teilen lassen würden.

Analytikplattform Data Science Plattform Dashboards

Vereinfacht kann man sich dies wie eine Art „Template“ vorstellen, wie es bei Content-Manegement-System wie Worpdress zum Einsatz kommt. So profitieren direkt mehrere Parteien von der Erstellung, was den Arbeitsaufwand senkt. Gleichzeitig können diese Dashboards dann auch ANDEREN Projekten zugewiesen werden. Vorteil: Schnellere Fortschritte im einzelnen Projekt und einfacheres Anlegen neuer Projekte. Auf diese Weise ließen sich Ansichten per Deep Link, in Form einer URL, im gesamten Unternehmen verteilen. Genau dieser Faktor ist essenziell, wenn es um die Skalierbarkeit von Datenprojekten geht.

FAZIT: Wie beim Workflow sind individuelle Ansichten wichtig, möchte man Analytikumgebungen möglichst breit Einsetzen. Mit der Kombination aus Berechtigungskonzept und der Möglichkeit zum Verteilen, lassen sich Arbeitsaufwand und die Einstiegszeit reduzieren. 

Sind Sie auf der Suche nach einer innovativen Data Science Plattform? Dann entdecken Sie YUNA!