Was ist ein Product Owner? Rolle, Fertigkeiten und Verantwortlichkeiten

In unserem vorangegangenen Artikel über Datenprodukte haben wir die Definition, die Merkmale und die Beispiele von Datenprodukten sowie die Notwendigkeit erörtert, zu einer produktbezogenen Denkweise überzugehen, um Ihre Datensätze wirklich in praktikable Datenprodukte zu verwandeln. Im Zuge dieser Umstellung auf eine Data Mesh-Architektur ist es wichtig, einen sehr wichtigen Teil des Datenproduktmanagements hervorzuheben - die Verantwortung für Datenprodukte. Es ist in der Tat von entscheidender Bedeutung, die richtigen Personen als Interessenvertreter für Ihre Unternehmensdatenprodukte zu benennen.

In diesem Artikel gehen wir auf die menschliche Seite von Datenprodukten ein - die Rolle, die Verantwortlichkeiten und die erforderlichen Fähigkeiten eines Data Product Owner.

Was sind die Aufgaben und Fähigkeiten eines Data Product Owner?

Wie der Name schon sagt, sind Data Product Owner die Garanten für die Entwicklung und den Erfolg von Datenprodukten innerhalb einer Organisation. Sie fungieren als Brücke zwischen Datenteams, Stakeholdern und Endnutzern und übersetzen komplexe Datenkonzepte in umsetzbare Erkenntnisse, die Wert und Innovation fördern. Um dies zu tun, verfügen Data Product Owner über einzigartige technische Fähigkeiten, einschließlich der Fähigkeit, Erkenntnisse aus Daten zu extrahieren und Muster zu erkennen, Programmiersprachen wie Python oder R zu verstehen und eine solide Grundlage in Datentechnologien wie Data Warehouses, Datenbanken, Data Lakes usw. zu haben.

Zusätzlich zu den technischen Fähigkeiten verfügt ein Data Product Owner über einen ausgeprägten Geschäftssinn und ist in der Lage, den geschäftlichen Kontext, die Ziele, Trends und die Gesamtlandschaft zu verstehen und Datenstrategien zu entwickeln, die auf diesen Kontext abgestimmt sind. Sie nutzen daher Daten für die Entscheidungsfindung, indem sie Daten korrekt erfassen und analysieren.

Schließlich verfügen Data Product Owner über hervorragende Kommunikationsfähigkeiten und sind in der Lage, den verschiedenen Interessengruppen im Unternehmen, z. B. Datenwissenschaftlern und Entwicklern, aber auch nicht-technischen Rollen wie Geschäftsanwendern und Analysten, Dateneinblicke zu vermitteln. Sie verfügen in der Regel auch über Erfahrung mit agilen Methoden und Problemlösungsfähigkeiten, um erfolgreiche Datenprodukte rechtzeitig zu liefern.

Was sind die Hauptaufgaben eines Data Product Owner?

Die oben beschriebene Vielschichtigkeit eines Product Owner führt dazu, dass er eine Vielzahl von Aufgaben hat. In Data Mesh in Action von J. Majchrzak et al. werden die Aufgaben der Data Product Owner wie folgt aufgeführt:

• Definition der Vision: Sie sind dafür verantwortlich, den Zweck der Erstellung eines Datenprodukts zu bestimmen, seine Nutzer zu verstehen und ihre Erwartungen durch die Brille des Produktdenkens zu erfassen.
• Strategische Planung der Produktentwicklung: Sie sind für die Erstellung eines umfassenden Fahrplans für die Entwicklung des Datenprodukts Migration sowie für die Festlegung der wichtigsten Leistungsindikatoren (KPIs) zuständig.
• Sicherstellung der Zufriedenheitsanforderungen: Eine wichtige Aufgabe ist es, sicherzustellen, dass das Datenprodukt alle Anforderungen erfüllt. Dazu gehört die Bereitstellung einer detaillierten Metadaten und die Gewährleistung der Einhaltung anerkannter Standards und data governance .
• Backlog Management & Priorisierung: Der Data Product Owner trifft taktische Entscheidungen bezüglich der Verwaltung des Backlogs des Datenprodukts. Dazu gehören die Priorisierung von Anforderungen, deren Klärung, die Aufteilung von Stories und die Genehmigung von implementierten Elementen.
• Management vonStakeholder : Sie müssen Informationen sammeln, um die Erwartungen zu verstehen und alle Unstimmigkeiten oder widersprüchlichen Anforderungen zu klären, um eine Abstimmung zu gewährleisten.
• Zusammenarbeit mit Entwicklungsteams: Die Zusammenarbeit mit dem Entwicklungsteam für Datenprodukte ist wichtig, um die Anforderungen zu klären und informierte Entscheidungen über Herausforderungen bei der Entwicklung und Implementierung zu treffen.
• Teilnahme an der Data Governance: Der Data Product Owner trägt aktiv zum data governance bei, beeinflusst die Einführung von Regeln innerhalb der Organisation und gibt wertvolles Feedback zur praktischen Umsetzung der data governance .

Obwohl der Grundsatz einen Product Owner für ein bestimmtes Datenprodukt vorschreibt, kann ein einziger Verantwortlicher mehrere Produkte beaufsichtigen, insbesondere wenn diese kleiner sind oder weniger Aufmerksamkeit erfordern. Die Größe und Komplexität von Datenprodukten variiert, was zu Unterschieden in den spezifischen Verantwortlichkeiten der Datenproduktverantwortlichen führt.

Was sind die Unterschiede zwischen einem Data Product Owner und einem Product Owner?

Die Beziehung zwischen einem Product Owner und einem Data Product Owner kann je nach spezifischen Merkmalen und Anforderungen variieren. In einigen Fällen überschneiden sich diese Rollen, in anderen weichen sie deutlich voneinander ab. In dem Buch "Data Mesh in Action" wird zwischen drei verschiedenen Szenarien unterschieden:

Fall 1: Die Doppelrolle

In diesem Szenario fungiert der Product Owner auch als Product Owner, und die Entwicklungsteams für das Datenprodukt und das Gesamtprodukt werden aufeinander abgestimmt. Diese Konfiguration ist am besten geeignet, wenn das Datenprodukt aus dem Quellsystem hervorgeht und die Komplexität überschaubar ist, sodass keine separaten Entwicklungsarbeiten erforderlich sind.

Ein Beispiel wäre ein Modul für den Kauf von Abonnements, das Daten über Käufe liefert, die nahtlos in das Ausgangssystem integriert sind.

Fall 2: Doppelte Eigentümerschaft, getrennte Teams

Hier hat der Data Product Owner eine Doppelrolle als Product Owner inne, aber die Teams, die für das Datenprodukt und die gesamte Produktentwicklung verantwortlich sind, sind getrennt. Dieser Aufbau wird angewandt, wenn die aus der Anwendung abgeleiteten analytischen Daten umfangreich sind und ein eigenes Backlog und ein spezialisiertes Team für die Ausführung erfordern.

Ein Beispiel wäre ein Modul für den Kauf von Abonnements, das analytische Daten bietet, die durch ein ML-Modell unterstützt werden und Vorhersagen über das Kaufverhalten ermöglichen.

Fall 3: Unabhängige Entitäten

In diesem Szenario sind die Rollen des Product Owner und des Product Owner getrennt, und die für das Datenprodukt und die gesamte Produktentwicklung zuständigen Teams arbeiten unabhängig voneinander. Diese Konfiguration wird gewählt, wenn es sich bei dem Datenprodukt um eine komplexe Lösung handelt, die unabhängige Entwicklungsbemühungen erfordert.

Ein Beispiel wäre der Aufbau eines Data Mart, der durch ein ML-Modell zur Vorhersage des Kaufverhaltens unterstützt wird.

Das Zusammenspiel der Rollen von Product Owner und Data Product Owner hängt im Wesentlichen von den Feinheiten des Datenprodukts und seiner Beziehung zum übergeordneten System ab. Ob sie konvergieren oder divergieren, die gewählte Konfiguration richtet sich nach den spezifischen Anforderungen, die sich aus der Komplexität und den Integrationsanforderungen des jeweiligen Datenprodukts ergeben.

Schlussfolgerung

Zusammenfassend lässt sich sagen, dass mit der zunehmenden Einführung von Datenproduktmanagement in einer Data Mesh-Architektur die Effektivität dedizierter Data Product Owner unabdingbar wird. Ihre Fähigkeit, technische Feinheiten mit Geschäftszielen zu verbinden, kombiniert mit einem tiefen Verständnis der sich entwickelnden Datentechnologien, positioniert sie als zentrale Figuren bei der Steuerung der Migration zur Freisetzung des vollen Potenzials von Unternehmensdatenprodukten.

Über Actian Corporation

Actian macht Daten einfach. Unsere Datenplattform vereinfacht die Verbindung, Verwaltung und Analyse von Daten in Cloud-, Hybrid- und lokalen Umgebungen. Mit jahrzehntelanger Erfahrung in den Bereichen Datenmanagement und -analyse liefert Actian leistungsstarke Lösungen, die es Unternehmen ermöglichen, datengesteuerte Entscheidungen zu treffen. Actian wird von führenden Analysten anerkannt und wurde für seine Leistung und Innovation mit Branchenpreisen ausgezeichnet. Unsere Teams präsentieren bewährte Anwendungsfälle auf Konferenzen (z. B. Strata Data) und tragen zu Open-Source-Projekten bei. Im ActianBlog behandeln wir Themen wie Echtzeit-Dateneingabe, Datenanalyse, Data Governance, Datenmanagement, Datenqualität, Datenintelligenz und KI-gesteuerte Analysen.