“That’s Not Quite What I Wanted”: Closing the Last Mile of Information Product Delivery

Elk datateam kent dat moment wel. Maanden nadat de requirements zijn verzameld, wordt het dashboard opgeleverd en zegt de stakeholder: „Dat is niet bepaald wat ik wilde.” Bij de traditionele werkwijze – requirements, dataontwerp, data-ontwikkeling, dashboardontwerp, dashboardontwikkeling en vervolgens feedback – komt de meest waardevolle feedback pas aan het einde, op het moment dat het doorvoeren van wijzigingen het duurst is. Het ad-hocalternatief is niet beter: gissen op basis van een JIRA-ticket van één regel, het bouwen en weer in dezelfde lus terechtkomen.

Deze sessie laat zien hoe uw Information Value Stream te veranderen. Uitgaande van een ingevuld Information Product Canvas – een beknopte maar goed gestructureerde set requirements die in 30 minuten is vastgelegd – laat Shane zien hoe u gangbare Gen-AI-tools kunt gebruiken om binnen enkele uren, in plaats van maanden, een werkend prototype te genereren en dit aan de stakeholder te presenteren. Feedback op het prototype bepaalt vervolgens het dataontwerp, het dashboardontwerp en of er überhaupt gebouwd moet worden. Leer hoe u agile kunt werken zonder ad hoc te worden, en waar context, glossaries en conceptmodellen passen wanneer u eerst prototypen maakt.

• Waarom de Information Value Stream op het laatste stukje vastloopt: hoe de traditionele stroom van requirements, dataontwerp, dashboardontwerp en ontwikkeling de feedback van stakeholders naar het allerlaatste moment verschuift – wanneer het het duurst is om erop in te spelen – en waarom het ad-hocalternatief van gissen op basis van een JIRA-ticket van één regel je weer terugbrengt in dezelfde vicieuze cirkel van „dat is niet bepaald wat ik wilde“
• Begin licht maar goed gestructureerd: het voltooide Information Product Canvas als startartefact, businessvragen, acties en resultaten, persona’s, type oplevering, core business events, en waarom 30 minuten aan requirements in een gedeelde taal voldoende is om te beginnen met prototypen
• Van canvas naar prototype met LLM’s: een LLM gebruiken om een voltooid canvas binnen enkele uren om te zetten in een werkend prototype van het informatieproduct; welke context aan het model moet worden gegeven, wat er moet worden gecontroleerd en hoe een goed eerste prototype eruitziet
• Feedback eerst: het prototype aan de stakeholder voorleggen, hierop itereren en de opgedane kennis gebruiken om het dataontwerp, het dashboardontwerp en de beslissing om wel of niet te bouwen te sturen, inclusief een team waarbij één op de vijf ideeën bij het prototype bleef steken en zo de kosten van de bouw werden bespaard
• Van prototype naar productie: het gevalideerde prototype richten op echte gegevens, modelleren, transformeren, testen, live gaan, zonder af te wijken van wat de stakeholder al had goedgekeurd, en hoe het canvas en het prototype de acceptatiecriteria worden
• Agility, geen ad hoc: ‘prototype-first’ aanhouden als een gedisciplineerde value stream in plaats van vele onbeheerde dashboards, waarbij context, definities in de glossary en conceptmodellen het zware werk doen wanneer eerst een prototype wordt gemaakt, just-in-time vanuit het canvas, niet twee jaar van tevoren.