Den Erfindern von Scrum und von Lean Thinking ist empirisches Arbeiten sehr wichtig. Aber warum? Und was ist das Gegenteil von empirisch? Und wie geht empirisches Arbeiten genau? In einer kleinen Serie gehe ich diesen Fragen nach.
Nehmen wir unser Münzdrehbeispiel aus dem letzten Beitrag. Durch ein paar Experimente finden wir heraus, was die Dauer beeinflusst bzw. reduziert.
Nun können wir noch gezielter Daten sammeln, z. B. verschiedene Oberflächen testen. Nach ein paar Messungen können wir die Werte aus einer Tabelle in einer Grafik übertragen. Daran würden wir noch besser sehen, wie die Dauer bei gleicher Münze aber steigender Rauigkeit abnimmt. Ward schlägt vor, das wesentliche Wissen auf einer DIN-A3-Seite zu sammeln. (Wie man eine Münze - oder Scheibe - richtig lange dreht, hat Joseph Bendik herausgefunden und daraus ein Spielzeug gemacht: die Eulersche Scheibe).
Ein berühmtes Beispiel für das Aufschreiben von Daten sind die Tagebücher der Wright-Brüder, die man sich bei der Library of Congress ansehen kann, z. B. das Tagebuch von Orville Wright von 1902.
Sollten wir die Daten elektronisch speichern? Ja, aber so, dass die Beteiligten Daten auch schnell einsehen können. Nicht immer sind Excel oder Open Office geeignete Werkzeuge. Vielleicht sollte man sich auch mal R (mit RStudio) ansehen, um größere Datenmengen besser zu verstehen.
Die Daten helfen uns, eine Theorie der Zusammenhänge aufzubauen. George Box schreibt in einem Buch über Experimentieren, dass sich dabei Deduktion und Induktion abwechseln./2, S. 2/. Die Daten beeinflussen unsere Modelle. Dann verfeinern wir unsere Theorie und sammeln neue Daten.
Überblick über die anderen Teile:
Wo und wie speichern wir Daten?
Empirisch arbeiten bedeutet, Entscheidungen auf Basis von Daten zu treffen. Die Daten sollen uns helfen. Wo fangen wir an? Allen Ward schlägt vor, bei den Fehlern und Qualitätsproblemen anzufangen. /1, Chapter 2/ Das Thema sollte wichtig genug sein, um diesen Aufwand zu betreiben und am besten gibt es auch schon ein paar historische Daten.Nehmen wir unser Münzdrehbeispiel aus dem letzten Beitrag. Durch ein paar Experimente finden wir heraus, was die Dauer beeinflusst bzw. reduziert.
 |
| Einflussfaktoren |
Ein berühmtes Beispiel für das Aufschreiben von Daten sind die Tagebücher der Wright-Brüder, die man sich bei der Library of Congress ansehen kann, z. B. das Tagebuch von Orville Wright von 1902.
Sollten wir die Daten elektronisch speichern? Ja, aber so, dass die Beteiligten Daten auch schnell einsehen können. Nicht immer sind Excel oder Open Office geeignete Werkzeuge. Vielleicht sollte man sich auch mal R (mit RStudio) ansehen, um größere Datenmengen besser zu verstehen.
Die Daten helfen uns, eine Theorie der Zusammenhänge aufzubauen. George Box schreibt in einem Buch über Experimentieren, dass sich dabei Deduktion und Induktion abwechseln./2, S. 2/. Die Daten beeinflussen unsere Modelle. Dann verfeinern wir unsere Theorie und sammeln neue Daten.
Überblick über die anderen Teile:
- Statistik für Scrum Teams: 1. empirisch/nicht empirisch
- Statistik für Scrum Teams: 2. Daten sammeln
- Statistik für Scrum Teams: 4. Auf Daten reagieren
Literatur
- /1/ Ward, Allen C. ; Oosterwal, Dantar P. ; II, Durward K. Sobek: Visible Knowledge for Flawless Design : The Secret Behind Lean Product Development. 1. Aufl.. Justus-Liebig-Universität Gießen : Taylor & Francis, 2018.
- /2/ Box, George E. P. ; Hunter, J. Stuart ; Hunter, William G.: Statistics for experimenters : design, innovation, and discovery. 2. Aufl.. New York: Wiley-Interscience, 2005
Keine Kommentare:
Kommentar veröffentlichen