Microsoft Fabric 採用藍圖:數據文化特性
注意
本文構成 Microsoft Fabric 採用藍圖系列文章的一部分。 如需系列的概觀,請參閱 Microsoft Fabric 採用藍圖。
建置數據文化與採用分析密切相關,而且通常是組織數字轉型的重要層面。 數據文化特性一詞可以透過不同組織的不同方式來定義。 在此系列文章中,數據文化特性表示組織中的一組行為和規範。 它鼓勵定期採用明智的數據決策文化:
- 透過組織更多領域的更多項目關係人。
- 根據分析,而不是意見。
- 根據卓越中心(COE)核准的最佳做法,以有效、有效率的方式進行。
- 根據受信任的數據。
- 這減少了對無證部落知識的依賴。
- 這減少了對駝背和膽量決策的依賴。
重要
請將數據文化視為您所做的,而不是您所說的內容。 您的數據文化特性不是一組規則(也就是控管)。 因此,數據文化特性是一個有點抽象的概念。 這是允許、獎勵和鼓勵的行為和規範,或不允許和勸阻的行為和規範。 請記住,良好的數據文化會激勵組織各級員工產生及散發可採取動作的知識。
在組織內,某些業務單位或小組可能會有自己的行為和規範,以便完成工作。 達成數據文化特性目標的特定方式可能會因組織界限而異。 重要的是,它們都應該符合組織數據文化目標。 您可以將此結構 視為對齊的自主權。
下列圓形圖表會傳達影響數據文化特性的相互關聯層面:
此圖表描述下列項目之間有些模棱兩可的關聯性:
- 數據文化特性是外部圓形。 其中的所有主題都會參與數據文化特性的狀態。
- 組織採用(包括指導和使用者啟用、用戶支援、實踐社群、治理和系統監督的實施層面)是內部圈子。 所有主題都是數據文化特性的主要參與者。
- 行政支援 和 卓越 中心是組織採用成功的推動因素。
- 數據識字、 數據民主化和數據 探索 是受到組織採用嚴重影響的數據文化層面。
- 內容擁有權和管理以及內容傳遞範圍與數據大眾化密切相關。
此圖表的元素會在這一系列文章中討論。
數據文化特性願景
數據文化特性的概念可能難以定義和測量。 雖然以有意義的、可操作且可測量的方式來表達數據文化是一項挑戰,但您必須清楚定義健康數據文化對組織意味著什麼。 健康情況良好的資料文化特性這項願景應該:
- 源自於執行層級。
- 符合 組織目標。
- 直接影響您的採用策略。
- 做為制定治理原則和指導方針的高階指導方針。
數據文化特性結果並非特別授權。 相反地,數據文化特性的狀態是遵循治理規則強制執行的結果(或缺乏治理規則)。 各級領導需要積極展示他們的行為,包括他們如何讚揚、認可和獎勵主動的員工。
提示
如果您可以理所當然地認為,開發數據解決方案的努力(例如語意模型,先前稱為數據集、Lakehouse 或報表)將會受到重視和讚賞,這是良好數據文化特性的絕佳指標。 不過,有時候,這取決於您的立即管理員最重視的內容。
建立數據文化特性的初始動機通常來自特定的策略性商務問題或計劃。 可能是:
- 反應式變更,例如回應新的敏捷競爭。
- 積極變革,如啟動新的業務線或擴大到新市場,以抓住“綠地”的機會。 相較於已建立的組織,從頭開始驅動數據可能會比較容易,因為條件約束和複雜度較低。
- 受外部變化的推動,如在經濟衰退期間消除效率低迷和裁員的壓力。
在這些情況下,通常會有一個特定區域,數據文化特性會根。 特定區域可能是比整個組織更小的工作範圍,即使它仍然很重要。 在這個較小的範圍內進行必要的變更之後,可以累加地複寫及調整組織其餘部分。
雖然技術可以協助提升數據文化特性的目標,但實作特定工具或功能並不是目標。 這一系列文章涵蓋許多有助於採用狀況良好數據文化的主題。 本文的其餘部分說明數據文化特性的三個重要層面: 數據探索、 數據大眾化和數據 素養。
資料探索
成功的數據文化特性取決於在日常活動中使用正確數據的使用者。 若要達成此目標,用戶必須尋找及存取數據源、報表和其他專案。
數據探索 是能夠有效地找出整個組織的相關數據資產。 主要來說,數據探索與改善數據存在意識有關,當數據在部門系統中被孤立時,可能會特別具有挑戰性。
數據探索與搜尋概念稍有不同,因為:
- 數據探索可讓使用者查看專案的元數據,例如語意模型的名稱,即使他們目前沒有存取權也一樣。 在使用者知道其存在之後,該使用者可以經歷標準程式來要求存取專案。
- 搜尋可讓使用者在專案具有安全性存取權時,找出現有的專案。
提示
請務必有清楚且簡單的程式,讓使用者可以要求存取數據。 知道數據存在,但在網域擁有者已建立的指導方針和程式內無法存取數據,可能是使用者感到沮喪的來源。 它可以強制他們使用效率不佳的因應措施,而不是透過適當的通道要求存取。
數據探索有助於採用工作,以及透過下列方式實作治理做法:
- 鼓勵使用受信任的高質量數據源。
- 鼓勵使用者利用現有數據資產的投資。
- 促進現有數據項的使用和擴充(例如 Lakehouse、數據倉儲、數據管線、數據流或語意模型)或報表專案(例如報表、儀錶板或計量)。
- 協助人員了解擁有和管理數據資產的人員。
- 建立取用者、建立者和擁有者之間的連線。
OneLake 數據中樞和使用背書是促進組織中數據探索的重要方式。
此外,數據目錄解決方案對於數據探索而言非常有價值。 他們可以記錄元數據標記和描述,以提供更深入的內容和意義。 例如, Microsoft Purview 可以從 Fabric 租使用者掃描和編錄專案(以及其他許多來源)。
關於數據探索的問題
使用如下找到的問題來評估數據探索。
- 是否有商務使用者可以搜尋數據的數據中樞?
- 是否有描述定義和數據位置的元數據目錄?
- 高質量數據源是否通過 認證 或 推廣它們來背 書?
- 備援數據源存在的程度為何,因為人員找不到所需的數據? 哪些角色預期會建立數據項? 預期哪些角色會建立報表或執行臨機操作分析?
- 終端使用者是否可以尋找及使用現有的報表,或者他們堅持數據導出來建立自己的報表嗎?
- 使用者是否知道要用來解決特定商務問題或尋找特定數據的報表?
- 人員是否使用適當的數據源和工具,或抵制它們,以利於舊版數據源?
- 分析師是否瞭解如何使用新的數據擴充現有的認證語意模型,例如,使用 Power BI複合模型?
- 數據項的品質、完整性和命名慣例有多一致?
- 數據項擁有者可以遵循 數據譜系 來執行數據項的影響分析嗎?
數據探索的成熟度層級
下列成熟度層級可協助您評估目前的數據探索狀態。
等級 | 網狀架構數據探索的狀態 |
---|---|
100:初始 | • 數據是分散和混亂的,沒有明確的結構或程序來尋找它。 • 用戶難以尋找和使用其工作所需的數據。 |
200:可重複 | • 組織和記錄數據的散佈或有機工作正在進行中,但僅限於特定小組或部門。 • 內容偶爾會經過背書,但未定義這些背書,且不會管理程式。 數據會保持孤立和分散,而且很難存取。 |
300:已定義 | • 中央存放庫,例如 OneLake 數據中樞,可用來讓數據更容易找到需要它的人員。 • 明確程式已就緒,可背書質量數據和內容。 • 基本檔包含目錄數據、定義和計算,以及尋找它們的位置。 |
400:能力 | • 結構化、一致的程式會引導使用者如何背書、記錄及從中央中樞尋找數據。 數據尋址接收器是例外狀況,而不是規則。 • 質量數據資產一致地經過背書且易於識別。 • 維護及改善數據探索的完整數據字典。 |
500:高效率 | • 數據與元數據會以完整檢視數據譜系來有系統地組織和記錄。 • 質量資產經過背書且易於識別。 • 編錄工具,例如 Microsoft Purview,可用來讓數據可供使用和控管。 |
資料大眾化
數據民主化是指將數據放入負責解決商務問題的更多使用者手中。 其內容是讓更多使用者做出更好的數據驅動決策。
注意
數據民主化的概念並不表示缺乏安全性或基於工作角色缺乏理由。 作為良好數據文化特性的一部分,數據民主化可藉由提供下列語意模型來減少 影子 IT :
- 受到保護、控管及妥善管理。
- 以符合成本效益且及時的方式滿足業務需求。
貴組織對數據民主化的立場將對採用和治理相關工作產生廣泛影響。
警告
如果存取數據或執行分析的能力僅限於組織中選取的一些個人,這通常是一個警告標誌,因為使用數據的能力是狀況良好的數據文化特性的重要特性。
關於數據大眾化的問題
使用如下找到的問題來評估數據大眾化。
- 數據和分析是否可輕易存取,或限制為有限的角色和個人?
- 是否為人員要求存取新數據和工具的有效程式?
- 數據是否會在小組和業務單位之間輕鬆共用,或數據被孤立且受到嚴密保護嗎?
- 神秘 是否允許安裝Power BI Desktop?
- 神秘 可讓Power BI Pro或Power BI 進階版 每位使用者 (PPU) 授權?
- 神秘 允許在網狀架構工作區中建立資產?
- 自助分析和商業智慧 (BI) 使用者啟用所需的層級為何? 此層級會根據業務單位或作業角色而有所不同?
- 企業與自助分析與 BI 之間所需的平衡為何?
- 哪些主題和商務網域強烈建議使用哪些數據源? 允許使用未經批准的數據源為何?
- 神秘 可以管理內容嗎? 數據與報表的這個決策是否不同? 企業 BI 使用者與分散式用戶的決定是否不同? 神秘 可以擁有和管理自助 BI 內容嗎?
- 神秘 可以取用內容嗎? 對於外部合作夥伴、客戶或供應商而言,此決策是否不同?
數據民主化的成熟度層級
下列成熟度層級可協助您評估目前的數據民主化狀態。
等級 | 數據民主化的狀態 |
---|---|
100:初始 | • 數據和分析僅限於少數角色,這些角色可讓其他人存取權。 • 商務用戶必須要求存取數據或工具才能完成工作。 它們與延遲或瓶頸作鬥爭。 • 自助計劃正在組織的各個領域取得一些成功。 這些活動以有點混亂的方式發生,幾乎沒有正式程式,沒有戰略規劃。 這些自助活動缺乏監督和可見度。 無法充分瞭解每個解決方案的成功或失敗。 • 企業數據小組無法跟上企業的需求。 此小組存在大量要求待處理專案。 |
200:可重複 | • 正在進行有限的努力,以擴大對數據和工具的存取。 • 多個小組在自助解決方案方面取得了可衡量的成功。 組織中 人員 開始注意。 • 正在進行投資,以找出企業和自助解決方案的理想平衡。 |
300:已定義 | • 許多人可以存取他們所需的數據和工具,儘管並非所有的使用者都對所建立的內容啟用或追究責任。 • 有效的自助數據做法會累加且有目的地複寫到組織更多領域。 |
400:能力 | • 企業和自助解決方案建立者之間存在狀況良好的合作關係。 清楚、現實的用戶帳戶和原則可降低自助式分析和 BI 的風險。 • 清楚且一致的程式可供使用者要求存取數據和工具。 • 主動建立寶貴解決方案的個人會得到認可和獎勵。 |
500:高效率 | • 用戶帳戶和有效控管可讓中央小組對使用者對數據的處理方式充滿信心。 • 自動化、受監視的程式可讓用戶輕鬆要求存取數據和工具。 任何需要或有興趣使用數據的人都可以遵循這些程式來執行分析。 |
數據素養
數據識字是指能夠正確且有效地解譯、建立及與數據和分析通訊。
訓練工作,如指導和用戶啟用一文所述,通常著重於如何使用技術本身。 技術技能對於產生高質量的解決方案很重要,但也必須考慮如何在整個組織中有目的地提升數據素養。 換句話說,成功的採用方式不僅僅是提供軟體和授權給使用者。
如何改善組織中的數據素養取決於許多因素,例如目前的使用者技能集、數據的複雜度,以及所需的分析類型。 您可以選擇專注於與資料素養相關的這些活動類型:
- 解譯圖表和圖形
- 評估數據的有效性
- 執行根本原因分析
- 辨別因果的相互關聯
- 了解內容和極端值如何影響結果呈現方式
- 使用講故事來協助消費者快速瞭解和採取行動
提示
如果您正努力獲得數據文化特性或治理工作核准,請專注於您可以透過數據探索(「尋找數據」)、數據民主化(「使用數據」或數據素養(「了解數據」)取得的有形優勢。 您也可以專注於您可以透過資料文化特性提升來解決或緩和的特定問題。
讓正確的項目關係人就問題達成一致通常是第一個步驟。 然後,讓項目關係人就解決方案的戰略方法以及解決方案詳細數據達成一致是一個問題。
關於數據素養的問題
使用如下找到的問題來評估數據素養。
- 組織中是否有常見的分析詞彙來討論數據和 BI 解決方案? 或者,定義是否分散且跨尋址接收器不同?
- 相較於直覺和主觀體驗,人們根據數據和證據做出決策有多舒服?
- 當持有意見的人面對相互矛盾的證據時,他們的反應如何? 他們是否要對數據進行重大評估,或將其關閉? 他們可以改變自己的觀點嗎?或者他們變得根深蒂固和抗拒嗎?
- 訓練計劃是否存在,可支援人員了解數據和分析工具?
- 是否對可視化分析和互動式報告有顯著的抵抗力,有利於靜態電子錶格?
- 人員是否願意使用新的分析方法和工具,以更有效地解決其商務問題? 或者,他們偏好繼續使用現有的方法和工具來節省時間和精力嗎?
- 組織中是否有評估或改善數據素養的方法或計劃? 領導階層是否對數據識字層級有準確的瞭解?
- 是否有數據素養特別強大或薄弱的角色、小組或部門?
數據識字的成熟度層級
下列成熟度層級可協助您評估目前的數據識字狀態。
等級 | 數據識字狀態 |
---|---|
100:初始 | • 決策經常根據直覺和主觀體驗做出。 面對挑戰現有意見的數據時,通常會關閉數據。 • 個人對決策流程或討論中的數據使用和瞭解信心很低。 • 報表取用者對靜態數據表有很強的喜好設定。 這些取用者會將互動式視覺效果或複雜的分析方法視為「花哨」或不必要的。 |
200:可重複 | • 某些小組和個人不一致地將數據納入決策制定中。 有一個明確的案例,即數據誤判導致有缺陷的決定或錯誤的結論。 • 當數據挑戰既有的信念時,會有一些阻力。 • 有些人對互動式視覺效果和複雜的分析方法持懷疑態度,不過其使用方式正在增加。 |
300:已定義 | • 大部分小組和個人都瞭解與其業務領域相關的數據,並隱含地使用它來通知決策。 • 當數據挑戰既有的信念時,它會產生重要的討論,有時也會促使變更。 • 視覺效果和進階分析被廣泛接受,但並非一律有效使用。 |
400:能力 | • 將數據識字明確識別為組織中的必要技能。 某些訓練計劃可處理數據識字。 系統會採取特定努力來協助具有特別弱數據素養的部門、小組或個人。 • 大部分個人都可以有效地使用和套用數據,以客觀上更好的決策並採取動作。 • 可視化和分析最佳做法記載並遵循在策略性重要的數據解決方案中。 |
500:高效率 | • 數據素養、批評思維和持續學習是組織中的戰略技能和價值。 有效的計劃會監視改善組織中數據素養的進度。 • 決策是由整個組織的數據所驅動。 決策智慧或規範性分析可用來建議關鍵決策和動作。 • 可視化和分析最佳做法被視為使用數據產生商業價值不可或缺的做法。 |
注意事項和關鍵措施
檢查清單 - 以下是一些您可以採取以強化數據文化特性的考慮和重要動作。
- 調整數據文化特性目標和策略: 認真考慮您想要培養的數據文化特性類型。 在理想情況下,它比命令和控制的位置更來自用戶授權的位置。
- 瞭解您目前的狀態: 與不同業務單位的項目關係人交談,以瞭解哪些分析做法目前運作良好,哪些做法不適用於數據驅動決策。 舉辦一系列研討會,了解現狀,制定預期的未來狀態。
- 與項目關係人交談: 與IT、BI和 COE 中的項目關係人交談,以瞭解哪些 治理 條件約束需要考慮。 這些交談可以提供機會,讓小組瞭解安全性與基礎結構等主題。 您也可以利用機會教育項目關係人瞭解 Fabric 中包含的特性和功能。
- 確認主管贊助: 確認您已具備的 主管贊助 和支援層級,以提升數據文化目標。
- 針對您的數據策略做出有目的的決策:決定企業主導自助、受控自助和企業數據、分析和 BI 使用案例的理想平衡,應該適用於組織的主要業務單位(內容擁有權和管理文章中涵蓋)。 也請考慮數據策略如何與個人、小組、部門和企業分析和 BI 的已發佈內容範圍有關(如內容傳遞範圍一文所述)。 定義此策略規劃的高階目標和優先順序。 判斷這些決策如何影響您的戰術規劃。
- 建立戰術計劃: 開始為立即、短期和長期動作專案建立戰術計劃。 識別代表「快速獲勝」的商務群組和問題,並可能會產生明顯的差異。
- 建立目標和計量: 決定您將如何測量數據文化特性計劃的有效性。 建立關鍵效能指標(KPI)或目標和關鍵結果(OKR),以驗證您工作的結果。
關於數據文化特性的問題
使用如下找到的問題來評估數據文化特性。
- 數據是否被視為組織中的策略資產?
- 是否有健康數據文化的願景源自執行領導,並符合組織目標?
- 數據文化特性指南會建立治理原則和指導方針嗎?
- 內容建立者和取用者是否信任組織數據源?
- 當為意見、決策或選擇辯護時,人們是否使用數據做為證據?
- 有關分析和數據使用的知識記載或依賴未經記載的部落知識嗎?
- 開發數據解決方案的努力是否受到使用者社群重視和讚賞?
數據文化特性的成熟度層級
下列成熟度層級可協助您評估數據文化特性的目前狀態。
等級 | 數據文化特性的狀態 |
---|---|
100:初始 | • 企業數據小組無法跟上企業的需求。 有大量要求待處理專案存在。 • 自助數據和 BI 計劃是在組織的各個領域取得一些成功。 這些活動以有點混亂的方式發生,幾乎沒有正式程式,沒有戰略規劃。 • 缺乏對自助 BI 活動的監督和可見度。 無法充分了解數據和 BI 解決方案的成功或失敗。 |
200:可重複 | • 多個小組在自助解決方案方面取得了可衡量的成功。 組織中 人員 開始注意。 • 正在進行投資,以識別企業和自助數據、分析和 BI 的理想平衡。 |
300:已定義 | • 為推進數據文化特性而建立特定目標。 這些目標會以累加方式實作。 • 分享在個別業務單位中運作的內容。 • 有效的自助做法會累加且有目的地復寫到組織更多領域。 |
400:能力 | • 採用明智決策的數據文化目標符合組織目標。 他們受到執行贊助者COE的積極支援,而且會對採用策略產生直接影響。 • 執行贊助者、COE、業務單位和IT之間存在健康且富有成效的合作關係。 小組正努力實現共享目標。 • 主動建置寶貴數據解決方案的個人會得到認可和獎勵。 |
500:高效率 | • 數據、分析和 BI 解決方案的商業價值會定期評估及測量。 KPI 或 OKR 可用來追蹤數據文化特性目標和這些工作的結果。 • 意見反應迴圈已就緒,並鼓勵進行中的數據文化特性改善。 • 持續改善組織採用、使用者採用和解決方案採用是首要任務。 |
相關內容
在 Microsoft Fabric 採用藍圖系列中的 下一篇文章 中,瞭解執行贊助人的重要性。
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應