Data Science Teams sind häufig mit der Herausforderung konfrontiert, dass sie aufgrund ihrer speziellen Anforderungen und Abläufe nicht in das klassische Scrum Framework passen. Dennoch gilt es dem explorativen Charakter dieses Tätigkeitsfeldes ebenso Struktur zu geben, wie den Erfordernissen von Release-Prozessen gerecht zu werden. Auf diese Weise können die entwickelten Module besser in die bestehenden Produkte integriert werden. Gleichzeitig gibt es datengetriebene Anforderungen wie Reporting, die sehr gut in einem Scrum Framework abgebildet werden können und bei denen Abhängigkeiten zu anderen Scrum Teams bestehen.
Die Herausforderung besteht nun darin, beiden Arbeitsweisen gerecht zu werden, um Synergien zu nutzen, Verständnis füreinander zu schaffen und Wissensinseln zu vermeiden. Wir berichten von den Erfahrungen eines Data Solutions Teams mit Dual-Track Scrum bei der Eucon in diesem Spannungsfeld.