Was ist ein Product Owner? Rolle, Fertigkeiten und Verantwortlichkeiten

Zusammenfassung

Ein Data Product Owner für die Entwicklung, den Erfolg und den geschäftlichen Nutzen von Datenprodukten innerhalb eines Unternehmens verantwortlich.
Die Position erfordert technisches Verständnis, unternehmerisches Urteilsvermögen, Kommunikationsfähigkeiten sowie die Fähigkeit, sowohl mit technischen als auch mit nicht-technischen Teams zusammenzuarbeiten.
Zu den Kernaufgaben gehören die Festlegung der Vision, die Planung der Roadmap, die Verwaltung des Backlogs, die Abstimmung mit den Beteiligten sowie die Sicherstellung, dass die Anforderungen an Governance und Qualität erfüllt werden.
Ein Data Product Owner arbeitet Product Owner eng mit den Entwicklungsteams zusammen, um Anforderungen zu klären und Entscheidungen zur Umsetzung zu lenken.
Je nach Situation kann sich die Product Owner mit der traditionellen Product Owner überschneiden oder von dieser getrennt bleiben.

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, mit der Fähigkeit, 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 zur Entscheidungsfindung , indem sie Daten korrekt sammeln 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, dessen Nutzer zu verstehen und deren Erwartungen aus der Perspektive des Produktdenkens zu erfassen.
Strategische Planung der Produktentwicklung: Sie sind dafür verantwortlich, einen umfassenden Fahrplan für Migration Entwicklung des Datenprodukts zu erstellen sowie wichtige Leistungsindikatoren (KPIs) zu definieren.
Sicherstellung der Anforderungen an die Zufriedenheit: Es ist eine entscheidende Aufgabe, sicherzustellen, dass das Datenprodukt alle Anforderungen erfüllt. Dazu gehört die Bereitstellung einer detaillierten Metadaten sowie die Gewährleistung der Einhaltung anerkannter Standards und Data Governance .
Backlog-Management und Priorisierung: Der Data Product Owner taktische Entscheidungen bezüglich der Verwaltung des Datenprodukt-Backlogs. Dazu gehören die Priorisierung von Anforderungen, deren Klärung, die Aufteilung von Stories und die Abnahme implementierter Elemente.
Stakeholder : Sie müssen Informationen sammeln, um die Erwartungen zu verstehen und etwaige Unstimmigkeiten oder widersprüchliche Anforderungen zu klären, um die Abstimmung sicherzustellen.
Zusammenarbeit mit den Entwicklungsteams: Die Zusammenarbeit mit dem Datenprodukt-Entwicklungsteam ist unerlässlich, um Anforderungen zu klären und informierte Entscheidungen Herausforderungen zu treffen, die die Entwicklung und Implementierung betreffen.
Mitwirkung bei Data Governance: Der Data Product Owner leistet einen Product Owner Beitrag zum Data Governance , indem er die Einführung von Regeln innerhalb der Organisation mitgestaltet und wertvolles Feedback zur praktischen Umsetzung der Data Governance gibt.

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 den Autor