Roadmap per l'adozione di Microsoft Fabric: Impostazioni cultura dei dati

Nota

Questo articolo fa parte della serie di articoli della roadmap per l'adozione di Microsoft Fabric. Per una panoramica della serie, vedere Roadmap per l'adozione di Microsoft Fabric.

La creazione di una cultura dei dati è strettamente correlata all'adozione dell'analisi ed è spesso un aspetto chiave della trasformazione digitale di un'organizzazione. Il termine impostazioni cultura dei dati può essere definito in modi diversi da organizzazioni diverse. In questa serie di articoli, le impostazioni cultura dei dati indicano un set di comportamenti e norme in un'organizzazione. Incoraggia una cultura che impiega regolarmente processi decisionali informati sui dati:

  • Da parte di più stakeholder in più aree dell'organizzazione.
  • In base all'analisi, non all'opinione.
  • In modo efficace ed efficiente basato sulle procedure consigliate approvate dal Centro di eccellenza (COE).
  • In base ai dati attendibili.
  • Ciò riduce la dipendenza dalla conoscenza tribale non documentata.
  • Questo riduce la dipendenza dalle decisioni di avvio e intestino.

Importante

Si pensi alla cultura dei dati come a ciò che si fa, non a quello che si dice. Le impostazioni cultura dei dati non sono un set di regole ,ovvero la governance. Pertanto, le impostazioni cultura dei dati sono un concetto astratto. Sono i comportamenti e le norme consentiti, ricompensati e incoraggiati, o quelli che non sono consentiti e scoraggiati. Tenere presente che una cultura dei dati integra motiva i dipendenti a tutti i livelli dell'organizzazione a generare e distribuire conoscenze utilizzabili.

All'interno di un'organizzazione, è probabile che alcune business unit o team abbiano comportamenti e norme propri per fare le cose. I modi specifici per raggiungere gli obiettivi della cultura dei dati possono variare attraverso i limiti dell'organizzazione. È importante che siano tutti allineati agli obiettivi della cultura dei dati dell'organizzazione. Si può pensare a questa struttura come all'autonomia allineata.

Il diagramma circolare seguente illustra gli aspetti correlati che influenzano le impostazioni cultura dei dati:

Diagram shows various relationships and influences in a data culture, which are described below.

Il diagramma illustra le relazioni in qualche modo ambigue tra gli elementi seguenti:

Gli elementi del diagramma vengono illustrati in questa serie di articoli.

Visione delle impostazioni cultura dei dati

Il concetto di cultura dei dati può essere difficile da definire e misurare. Anche se è difficile articolato la cultura dei dati in modo significativo, interattivo e misurabile, è necessario avere una definizione ben compresa di cosa significa una cultura dei dati integra per l'organizzazione. Questa visione di una cultura dei dati solida dovrà:

  • Nascere dal livello dirigenziale.
  • Allinearsi agli obiettivi dell'organizzazione.
  • Influenzare direttamente la strategia di adozione.
  • Fungere da principi guida generali per l'applicazione di criteri e linee guida per la governance.

I risultati delle impostazioni cultura dei dati non sono specificamente imposti. Invece, lo stato delle impostazioni cultura dei dati è il risultato di seguire le regole di governance quando vengono applicate (o la mancanza di regole di governance). I leader a tutti i livelli devono dimostrare attivamente attraverso le loro azioni ciò che è importante per loro, incluso come lodare, riconoscere e premiare i membri del personale che prendono l'iniziativa.

Suggerimento

Se si può dare per scontato che gli sforzi per sviluppare una soluzione dati (ad esempio un modello semantico, noto in precedenza come set di dati, una lakehouse o un report) saranno valutati e apprezzati, questo è un eccellente indicatore di una cultura dei dati integra. In alcuni casi, tuttavia, dipende dai valori di gestione immediati.

La motivazione iniziale per stabilire una cultura dei dati spesso deriva da un problema o un'iniziativa aziendale strategica specifica. Potrebbe trattarsi di:

  • Un cambiamento reattivo, ad esempio rispondere alla nuova concorrenza agile.
  • Un cambiamento proattivo, ad esempio l'avvio di una nuova linea di business o l'espansione in nuovi mercati per cogliere un'opportunità di "campo verde". Essere basati sui dati dall'inizio può essere relativamente più semplice quando sono presenti meno vincoli e complicazioni, rispetto a un'organizzazione stabilita.
  • In seguito a cambiamenti esterni, come ad esempio la pressione per eliminare inefficienze e ridondanze durante una crisi economica.

In ognuna di queste situazioni, spesso è presente un'area specifica in cui le impostazioni cultura dei dati sono radice. L'area specifica può essere un ambito di lavoro inferiore a quello dell'intera organizzazione, anche se è ancora significativo. Dopo aver apportato le modifiche necessarie in questo ambito più piccolo, è possibile replicare e adattare in modo incrementale per il resto dell'organizzazione.

Sebbene la tecnologia possa contribuire a promuovere gli obiettivi di una cultura dei dati, l'implementazione di strumenti o funzionalità specifici non è l'obiettivo. Questa serie di articoli illustra molti argomenti che contribuiscono all'adozione di una cultura dei dati integra. La parte restante di questo articolo illustra tre aspetti essenziali della cultura dei dati: individuazione dei dati, democratizzazione dei dati e alfabetizzazione dei dati.

Individuazione dei dati

Una cultura dei dati di successo dipende dagli utenti che lavorano con i dati corretti nelle attività quotidiane. Per raggiungere questo obiettivo, gli utenti devono trovare e accedere a origini dati, report e altri elementi.

L'individuazione dei dati è la possibilità di individuare in modo efficace gli asset di dati pertinenti nell'organizzazione. Principalmente, l'individuazione dei dati è interessata a migliorare la consapevolezza che i dati esistono, che possono essere particolarmente complessi quando i dati vengono silo nei sistemi di reparto.

L'individuazione dei dati è un concetto leggermente diverso dalla ricerca, perché:

  • L'individuazione dei dati consente agli utenti di visualizzare i metadati per un elemento, ad esempio il nome di un modello semantico, anche se attualmente non hanno accesso. Dopo che un utente è consapevole della sua esistenza, l'utente può eseguire il processo standard per richiedere l'accesso all'elemento.
  • La ricerca consente agli utenti di individuare un elemento esistente quando ha già accesso alla sicurezza all'elemento.

Suggerimento

È importante avere un processo chiaro e semplice in modo che gli utenti possano richiedere l'accesso ai dati. Sapere che i dati esistono, ma non essere in grado di accedervi entro le linee guida e i processi che il proprietario del dominio ha stabilito, può essere una fonte di frustrazione per gli utenti. Può forzare l'uso di soluzioni alternative inefficienti anziché richiedere l'accesso tramite i canali appropriati.

L'individuazione dei dati contribuisce alle attività di adozione e all'implementazione delle procedure di governance tramite:

  • Incoraggiare l'uso di origini dati di alta qualità attendibili.
  • Incoraggiare gli utenti a sfruttare gli investimenti esistenti in asset di dati disponibili.
  • Promozione dell'uso e dell'arricchimento di elementi di dati esistenti (ad esempio un lakehouse, un data warehouse, una pipeline di dati, un flusso di dati o un modello semantico) o elementi di report (ad esempio report, dashboard o metriche).
  • Aiutare gli utenti a comprendere chi possiede e gestisce gli asset di dati.
  • Stabilire connessioni tra consumer, creatori e proprietari.

L'hub dati OneLake e l'uso delle approvazioni sono modi chiave per promuovere l'individuazione dei dati nell'organizzazione.

Inoltre, le soluzioni del catalogo dati sono strumenti estremamente utili per l'individuazione dei dati. Possono registrare tag e descrizioni dei metadati per fornire un contesto e un significato più approfonditi. Ad esempio, Microsoft Purview può analizzare e catalogarne gli elementi da un tenant di Fabric (oltre a molte altre origini).

Domande da porre sull'individuazione dei dati

Usare domande come quelle riportate di seguito per valutare l'individuazione dei dati.

  • Esiste un hub dati in cui gli utenti aziendali possono cercare i dati?
  • Esiste un catalogo di metadati che descrive le definizioni e le posizioni dei dati?
  • Le origini dati di alta qualità sono approvate certificando o promuovendole ?
  • In che misura esistono origini dati ridondanti perché gli utenti non riescono a trovare i dati necessari? Quali ruoli devono creare elementi di dati? Quali ruoli devono creare report o eseguire analisi ad hoc?
  • Gli utenti finali possono trovare e usare report esistenti oppure insistere sulle esportazioni di dati per crearne di proprie?
  • Gli utenti finali sanno quali report usare per risolvere domande aziendali specifiche o trovare dati specifici?
  • Le persone usano le origini dati e gli strumenti appropriati o li resistono a favore di quelli legacy?
  • Gli analisti sanno come arricchire i modelli semantici certificati esistenti con nuovi dati, ad esempio usando un modello composito di Power BI?
  • Quanto sono coerenti gli elementi di dati nelle convenzioni di qualità, completezza e denominazione?
  • I proprietari degli elementi di dati possono seguire la derivazione dei dati per eseguire l'analisi dell'impatto degli elementi di dati?

Livelli di maturità dell'individuazione dei dati

I livelli di maturità seguenti consentono di valutare lo stato corrente dell'individuazione dei dati.

Livello Stato dell'individuazione dei dati di Fabric
100 - Iniziale • I dati vengono frammentati e disorganizzati, senza strutture o processi chiari per trovarli.

• Gli utenti faticano a trovare e usare i dati necessari per le loro attività.
200 - Ripetibile • Sono in corso sforzi sparsi o organici per organizzare e documentare i dati, ma solo in determinati team o reparti.

• Il contenuto viene occasionalmente approvato, ma queste approvazioni non vengono definite e il processo non viene gestito. I dati rimangono silo e frammentati ed è difficile accedervi.
300 - Definito • Un repository centrale, come l'hub dati OneLake, viene usato per semplificare l'individuazione dei dati per gli utenti che ne hanno bisogno.

• È in atto un processo esplicito per approvare i dati e i contenuti di qualità.

• La documentazione di base include dati, definizioni e calcoli del catalogo, nonché dove trovarli.
400 - Capace • Processi strutturati e coerenti guidano gli utenti a supportare, documentare e trovare dati da un hub centrale. I silo di dati sono l'eccezione anziché la regola.

• Gli asset di dati di qualità sono costantemente approvati e facilmente identificati.

• I dizionari dati completi vengono gestiti e migliorano l'individuazione dei dati.
500: Efficiente • I dati e i metadati sono organizzati e documentati sistematicamente con una visualizzazione completa della derivazione dei dati.

• Gli asset di qualità sono approvati e facilmente identificati.

• Gli strumenti di catalogazione, come Microsoft Purview, vengono usati per rendere individuabili i dati sia per l'uso che per la governance.

Democratizzazione dei dati

La democratizzazione dei dati si riferisce all'inserimento dei dati nelle mani di più utenti responsabili della risoluzione dei problemi aziendali. Si tratta di consentire a più utenti di prendere decisioni basate sui dati migliori.

Nota

Il concetto di democratizzazione dei dati non implica una mancanza di sicurezza o una mancanza di giustificazione in base al ruolo di lavoro. Come parte di una cultura dei dati integra, la democratizzazione dei dati consente di ridurre l'shadow IT fornendo modelli semantici che:

  • Sono protetti, regolamentati e ben gestiti.
  • Soddisfare le esigenze aziendali in modi convenienti e tempestivi.

La posizione dell'organizzazione sulla democratizzazione dei dati avrà un impatto ampio sull'adozione e sulle attività correlate alla governance.

Avviso

Se l'accesso ai dati o la possibilità di eseguire analisi è limitato a un numero selezionato di utenti dell'organizzazione, si tratta in genere di un segnale di avviso perché la possibilità di lavorare con i dati è una caratteristica fondamentale di una cultura dei dati integra.

Domande da porre sulla democratizzazione dei dati

Usare domande come quelle riportate di seguito per valutare la democratizzazione dei dati.

  • I dati e l'analisi sono facilmente accessibili o limitati a ruoli e utenti limitati?
  • È un processo efficace che consente agli utenti di richiedere l'accesso a nuovi dati e strumenti?
  • I dati vengono facilmente condivisi tra i team e le business unit o sono distribuiti e strettamente sorvegliati?
  • Chi è autorizzato a installare Power BI Desktop?
  • Chi è autorizzato a avere licenze Power BI Pro o Power BI Premium per utente (PPU) ?
  • Chi è autorizzato a creare asset nelle aree di lavoro di Fabric?
  • Qual è il livello desiderato di abilitazione dell'utente di business intelligence e analisi self-service? In che modo questo livello varia a seconda del ruolo di business unit o di lavoro?
  • Qual è l'equilibrio desiderato tra l'analisi aziendale e l'analisi self-service e bi?
  • Quali origini dati sono fortemente preferite per quali argomenti e domini aziendali? Qual è l'uso consentito di origini dati non approvate?
  • Chi può gestire il contenuto? Questa decisione è diversa per i dati rispetto ai report? La decisione è diversa per gli utenti bi aziendali rispetto agli utenti decentralizzati? Chi può possedere e gestire il contenuto di business intelligence self-service?
  • Chi può utilizzare il contenuto? Questa decisione è diversa per partner esterni, clienti o fornitori?

Livelli di maturità della democratizzazione dei dati

I livelli di maturità seguenti consentono di valutare lo stato corrente della democratizzazione dei dati.

Livello Stato di democratizzazione dei dati
100 - Iniziale • I dati e l'analisi sono limitati a un numero ridotto di ruoli, che controllano l'accesso ad altri utenti.

• Gli utenti aziendali devono richiedere l'accesso ai dati o agli strumenti per completare le attività. Lottano con ritardi o colli di bottiglia.

• Le iniziative self-service si svolgono con un certo successo in varie aree dell'organizzazione. Queste attività si verificano in modo piuttosto caotico, con pochi processi formali e nessun piano strategico. C'è una mancanza di supervisione e visibilità su queste attività self-service. L'esito positivo o negativo di ogni soluzione non è ben compreso.

• Il team dei dati aziendali non è in grado di soddisfare le esigenze dell'azienda. Esiste un backlog significativo delle richieste per questo team.
200 - Ripetibile • Sono in corso sforzi limitati per espandere l'accesso ai dati e agli strumenti.

• Più team hanno avuto un successo misurabile con soluzioni self-service. Persone nell'organizzazione stanno iniziando a prestare attenzione.

• Si stanno facendo investimenti per identificare l'equilibrio ideale tra soluzioni aziendali e self-service.
300 - Definito • Molte persone hanno accesso ai dati e agli strumenti necessari, anche se non tutti gli utenti sono ugualmente abilitati o ritenuti responsabili per il contenuto che creano.

• Le procedure efficaci per i dati self-service vengono replicate in modo incrementale e intenzionale in più aree dell'organizzazione.
400 - Capace • Esistono partnership sane tra creatori di soluzioni aziendali e self-service. La responsabilità e i criteri utente chiari e realistici attenuano il rischio di analisi self-service e BI.

• I processi chiari e coerenti sono disponibili per consentire agli utenti di richiedere l'accesso ai dati e agli strumenti.

• Gli individui che prendono iniziativa nella creazione di soluzioni preziose vengono riconosciuti e premiati.
500: Efficiente • La responsabilità degli utenti e la governance efficace offrono ai team centrali la fiducia in ciò che gli utenti fanno con i dati.

• I processi automatizzati e monitorati consentono agli utenti di richiedere facilmente l'accesso ai dati e agli strumenti. Chiunque abbia bisogno o interesse per l'uso dei dati può seguire questi processi per eseguire analisi.

Alfabetizzazione dei dati

L'alfabetizzazione dei dati si riferisce alla capacità di interpretare, creare e comunicare con dati e analisi in modo accurato ed efficace.

Gli sforzi di formazione, come descritto nell'articolo sul mentoring e sull'abilitazione degli utenti, spesso si concentrano su come usare la tecnologia stessa. Le competenze tecnologiche sono importanti per la produzione di soluzioni di alta qualità, ma è anche importante considerare come promuovere intenzionalmente l'alfabetizzazione dei dati in tutta l'organizzazione. Mettere in un altro modo, l'adozione di successo richiede molto più di semplicemente fornire software e licenze agli utenti.

Il modo in cui si migliora l'alfabetizzazione dei dati nell'organizzazione dipende da molti fattori, ad esempio set di competenze utente correnti, complessità dei dati e tipi di analisi necessari. È possibile scegliere di concentrarsi su questi tipi di attività correlate all'alfabetizzazione dei dati:

  • Interpretazione di grafici e grafici
  • Valutazione della validità dei dati
  • Esecuzione dell'analisi della causa radice
  • Distinguere la correlazione dalla causazione
  • Comprendere in che modo il contesto e gli outlier influiscono sul modo in cui vengono presentati i risultati
  • Uso della narrazione per aiutare i consumatori a comprendere e agire rapidamente

Suggerimento

Se si sta lottando per ottenere la cultura dei dati o gli sforzi di governance approvati, concentrandosi sui vantaggi tangibili che è possibile ottenere con l'individuazione dei dati ("trovare i dati"), la democratizzazione dei dati ("usare i dati") o l'alfabetizzazione dei dati ("comprendere i dati") può essere utile. Può anche essere utile concentrarsi su problemi specifici che è possibile risolvere o attenuare tramite i progressi della cultura dei dati.

Ottenere gli stakeholder giusti per accettare il problema è in genere il primo passaggio. Quindi, è questione di far accettare agli stakeholder l'approccio strategico a una soluzione, insieme ai dettagli della soluzione.

Domande da porre sull'alfabetizzazione dei dati

Usare domande come quelle riportate di seguito per valutare l'alfabetizzazione dei dati.

  • Esiste un vocabolario analitico comune nell'organizzazione per parlare di dati e soluzioni BI? In alternativa, le definizioni sono frammentate e diverse tra i silo?
  • Quanto sono confortevoli le persone con decisioni basate su dati e prove rispetto all'intuizione e all'esperienza soggettiva?
  • Quando le persone che hanno un'opinione sono confrontate con prove in conflitto, come reagiscono? Apprendono criticamente i dati o li ignorano? Possono modificare la loro opinione, o diventano radicati e resistenti?
  • Esistono programmi di formazione per supportare le persone nell'apprendimento dei dati e degli strumenti analitici?
  • Esiste una notevole resistenza all'analisi visiva e alla creazione di report interattivi a favore di fogli di calcolo statici?
  • Le persone sono aperte a nuovi metodi analitici e strumenti per affrontare potenzialmente le loro domande aziendali in modo più efficace? In alternativa, preferiscono continuare a usare metodi e strumenti esistenti per risparmiare tempo ed energia?
  • Esistono metodi o programmi per valutare o migliorare l'alfabetizzazione dei dati nell'organizzazione? La leadership ha una conoscenza accurata dei livelli di alfabetizzazione dei dati?
  • Ci sono ruoli, team o reparti in cui l'alfabetizzazione dei dati è particolarmente forte o debole?

Livelli di maturità dell'alfabetizzazione dei dati

I livelli di maturità seguenti consentono di valutare lo stato attuale dell'alfabetizzazione dei dati.

Livello Stato di alfabetizzazione dei dati
100 - Iniziale • Le decisioni vengono spesso prese in base all'intuizione e all'esperienza soggettiva. In caso di confronto con i dati che sfidano le opinioni esistenti, i dati vengono spesso ignorati.

• Gli individui hanno bassa fiducia nell'usare e comprendere i dati nei processi decisionali o nelle discussioni.

• I consumer di report hanno una forte preferenza per le tabelle statiche. Questi consumer ignorano visualizzazioni interattive o metodi analitici sofisticati come "fantasia" o non necessari.
200 - Ripetibile • Alcuni team e singoli utenti incorporano in modo incoerente i dati nel loro processo decisionale. Ci sono casi chiari in cui l'interpretazione errata dei dati ha portato a decisioni difettose o conclusioni sbagliate.

• C'è qualche resistenza quando i dati sfidano le convinzioni preesistenti.

• Alcune persone sono scettiche di visualizzazioni interattive e metodi analitici sofisticati, anche se il loro uso è in aumento.
300 - Definito • La maggior parte dei team e dei singoli utenti comprende i dati rilevanti per l'area aziendale e lo usa in modo implicito per informare le decisioni.

• Quando i dati sfidano le convinzioni preesistenti, producono discussioni critiche e talvolta motivano il cambiamento.

• Le visualizzazioni e l'analisi avanzata sono più ampiamente accettate, anche se non sempre usate in modo efficace.
400 - Capace • L'alfabetizzazione dei dati viene riconosciuta in modo esplicito come una competenza necessaria nell'organizzazione. Alcuni programmi di formazione riguardano l'alfabetizzazione dei dati. Vengono intraprese iniziative specifiche per aiutare reparti, team o individui che hanno un'alfabetizzazione dei dati particolarmente debole.

• La maggior parte delle persone può usare e applicare i dati in modo efficace per prendere decisioni più efficaci e intraprendere azioni.

• Le procedure consigliate visive e analitiche sono documentate e seguite in soluzioni di dati importanti in modo strategico.
500: Efficiente • L'alfabetizzazione dei dati, il pensiero critico e l'apprendimento continuo sono competenze e valori strategici nell'organizzazione. Programmi efficaci monitorano lo stato di avanzamento per migliorare l'alfabetizzazione dei dati nell'organizzazione.

• Il processo decisionale è basato sui dati nell'organizzazione. L'intelligence decisionale o l'analisi prescrittiva vengono usate per consigliare decisioni e azioni chiave.

• Le procedure consigliate visive e analitiche sono considerate essenziali per generare valore aziendale con i dati.

Considerazioni e azioni chiave

Elenco di controllo : ecco alcune considerazioni e azioni chiave che è possibile eseguire per rafforzare le impostazioni cultura dei dati.

  • Allineare gli obiettivi e la strategia delle impostazioni cultura dei dati: considerare seriamente il tipo di cultura dei dati che si vuole coltivare. Idealmente, è più da una posizione di responsabilizzazione dell'utente che da una posizione di comando e controllo.
  • Comprendere lo stato corrente: comunicare con gli stakeholder in diverse business unit per comprendere quali procedure di analisi funzionano correttamente e quali procedure non funzionano bene per il processo decisionale basato sui dati. Condurre una serie di workshop per comprendere lo stato corrente e formulare lo stato futuro desiderato.
  • Parlare con gli stakeholder: parlare con gli stakeholder in IT, BI e COE per comprendere quali vincoli di governance devono essere presi in considerazione. Queste conversazioni possono presentare un'opportunità per informare i team su argomenti come la sicurezza e l'infrastruttura. È anche possibile usare l'opportunità di informare gli stakeholder sulle funzionalità e sulle funzionalità incluse in Fabric.
  • Verifica sponsorizzazione dirigente: verificare il livello di sponsorizzazione e supporto esecutivo che si dispone di per promuovere gli obiettivi della cultura dei dati.
  • Prendere decisioni intenzionali sulla strategia dei dati: decidere quale sia l'equilibrio ideale tra i dati self-service, i dati self-service gestiti e aziendali, l'analisi e i casi d'uso di BI per le business unit chiave dell'organizzazione (trattati nell'articolo sulla proprietà e sulla gestione dei contenuti). Considerare anche il modo in cui la strategia dei dati è correlata alla portata del contenuto pubblicato per personale, team, reparto e analisi aziendale e BI (descritto nell'articolo ambito di distribuzione del contenuto). Definire gli obiettivi e le priorità generali per questa pianificazione strategica. Determinare come queste decisioni influiscono sulla pianificazione tattica.
  • Creare un piano tattico: iniziare a creare un piano tattico per azioni immediate, a breve termine e a lungo termine. Identificare i gruppi aziendali e i problemi che rappresentano "vittorie rapide" e possono fare una differenza visibile.
  • Creare obiettivi e metriche: determinare come misurare l'efficacia per le iniziative cultura dei dati. Creare indicatori di prestazioni chiave (KPI) o obiettivi e risultati chiave (OKR) per convalidare i risultati delle attività.

Domande da porre sulle impostazioni cultura dei dati

Usare domande come quelle riportate di seguito per valutare le impostazioni cultura dei dati.

  • I dati sono considerati un asset strategico nell'organizzazione?
  • Esiste una visione di una cultura dei dati sana che ha origine dai dirigenti esecutivi e si allinea agli obiettivi dell'organizzazione?
  • Le impostazioni cultura dei dati guidano la creazione di criteri e linee guida per la governance?
  • Le origini dati dell'organizzazione sono attendibili dai creatori di contenuti e dai consumer?
  • Quando giustifica un'opinione, una decisione o una scelta, le persone usano i dati come prove?
  • La conoscenza dell'analisi e dell'uso dei dati è documentata o dipende dalla conoscenza tribale non documentata?
  • Gli sforzi per sviluppare una soluzione dati sono apprezzati e apprezzati dalla community degli utenti?

Livelli di maturità delle impostazioni cultura dei dati

I livelli di maturità seguenti consentono di valutare lo stato corrente delle impostazioni cultura dei dati.

Livello Stato delle impostazioni cultura dei dati
100 - Iniziale • I team di dati aziendali non possono tenere il passo con le esigenze dell'azienda. Esiste un backlog significativo delle richieste.

• Le iniziative di business intelligence e dati self-service si svolgono con successo in varie aree dell'organizzazione. Queste attività si verificano in modo piuttosto caotico, con pochi processi formali e nessun piano strategico.

• C'è mancanza di supervisione e visibilità sulle attività di business intelligence self-service. I successi o gli errori delle soluzioni di business intelligence e dati non sono ben comprensibili.
200 - Ripetibile • Più team hanno avuto successi misurabili con soluzioni self-service. Persone nell'organizzazione stanno iniziando a prestare attenzione.

• Vengono effettuati investimenti per identificare l'equilibrio ideale tra dati aziendali e self-service, analisi e BI.
300 - Definito • Vengono stabiliti obiettivi specifici per promuovere la cultura dei dati. Questi obiettivi vengono implementati in modo incrementale.

• Imparare da ciò che funziona in singole business unit è condiviso.

• Le procedure self-service efficaci vengono replicate in modo incrementale e intenzionale in più aree dell'organizzazione.
400 - Capace • Gli obiettivi della cultura dei dati per adottare decisioni informate sono allineati agli obiettivi dell'organizzazione. Sono attivamente supportati dallo sponsor esecutivo, dal COE e hanno un impatto diretto sulle strategie di adozione.

• Esiste una partnership sana e produttiva tra lo sponsor esecutivo, il COE, le business unit e l'IT. I team stanno lavorando per raggiungere obiettivi condivisi.

• Le persone che prendono iniziativa nella creazione di soluzioni di dati preziose vengono riconosciute e premiate.
500: Efficiente • Il valore aziendale delle soluzioni di dati, analisi e BI viene valutato e misurato regolarmente. Gli indicatori KPI o gli OKR vengono usati per tenere traccia degli obiettivi delle impostazioni cultura dei dati e dei risultati di queste attività.

• I cicli di feedback sono disponibili e incoraggiano i miglioramenti continui delle impostazioni cultura dei dati.

• Miglioramento continuo dell'adozione dell'organizzazione, dell'adozione degli utenti e dell'adozione di soluzioni è una priorità assoluta.

Nell'articolo successivo della serie di roadmap per l'adozione di Microsoft Fabric, informazioni sull'importanza di uno sponsor esecutivo.