Hoja de ruta de adopción de Microsoft Fabric: Referencia cultural de datos

  • Artículo

Nota:

Este artículo forma parte de la serie de artículos de la hoja de ruta de adopción de Microsoft Fabric. Para obtener información general sobre la serie, consulte la hoja de ruta de adopción de Microsoft Fabric.

La creación de una cultura de datos está estrechamente relacionada con la adopción del análisis, y a menudo es un aspecto clave de la transformación digital de una organización. El término cultura de datos se puede definir de maneras diferentes en distintas organizaciones. En esta serie de artículos, se considera cultura de datos un conjunto de comportamientos y normas en una organización. Esta fomenta una cultura que regularmente realiza tomas de decisiones bien fundadas en datos:

  • Por parte de más partes interesadas en más áreas de la organización.
  • Basadas en el análisis, no en la opinión.
  • De una manera eficaz basada en los procedimientos recomendados aprobados por el centro de excelencia (COE).
  • Basadas en datos de confianza.
  • Que reducen la dependencia en el conocimiento tribal no documentado.
  • Que reducen la dependencia en las corazonadas y las decisiones instintivas.

Importante

Piense en la cultura de datos como lo que se hace, no lo que se dice. La cultura de datos no es un conjunto de reglas (la gobernanza cumple ese papel). Por lo tanto, la cultura de datos es un concepto algo abstracto. Son los comportamientos y las normas que se permiten, recompensan y fomentan, o los que no se permiten y desaconsejan. Tenga en cuenta que una cultura de datos en buen estado motiva a los empleados de todos los niveles de la organización a generar y distribuir conocimientos prácticos.

Dentro de una organización, es probable que determinadas unidades de negocio o equipos tengan sus propios comportamientos y normas para realizar las cosas. Las formas específicas de lograr los objetivos de la cultura de datos pueden variar de unos departamentos a otros. Lo importante es que todos coincidan con los objetivos de la cultura de datos de la organización. Esta estructura se puede ver como una autonomía alineada.

El siguiente diagrama circular muestra los aspectos interrelacionados que pueden influir en una cultura de datos:

En el diagrama se muestran varias relaciones e influencias en una referencia cultural de datos, que se describen a continuación.

En el diagrama se describen relaciones algo ambiguas entre los siguientes elementos:

Los elementos del diagrama se describen en esta serie de artículos.

Visión de la cultura de datos

El concepto de cultura de datos puede ser difícil de definir y medir. Aunque es difícil expresar la cultura de datos de una manera significativa, útil y medible, es importante que comprenda bien la definición de lo que significa una cultura de datos correcta para su organización. Esta visión de una cultura de datos correcta debe:

  • Tener origen en el nivel ejecutivo.
  • Alinear con objetivos de la organización.
  • Influir directamente en la estrategia de adopción.
  • Actuar como principios rectores de alto nivel para la aplicación de directivas y directrices de gobernanza.

Los resultados de la cultura de datos no se exigen específicamente. Más bien, el estado de la cultura de datos es el resultado de seguir las reglas de gobernanza a medida que se aplican (o la falta de ellas). Los líderes de todos los niveles deben demostrar activamente a través de sus acciones lo que es importante para ellos, incluido cómo elogian, reconocen y recompensan a los miembros del personal que toman iniciativa.

Sugerencia

Si puede tener en cuenta que sus esfuerzos para desarrollar una solución de datos (como un modelo semántico, una instancia de Lakehouse o un informe) se valorarán y apreciarán, es un excelente indicador de una referencia cultural de datos correcta. En ocasiones, sin embargo, depende de lo que el administrador valore más.

La motivación inicial para establecer una cultura de datos a menudo proviene de un problema o iniciativa empresarial estratégico concreto. Podría ser:

  • Un cambio reactivo, como responder a una nueva competencia ágil.
  • Un cambio proactivo, como iniciar una nueva línea de negocio o expandirse a nuevos mercados para aprovechar una oportunidad totalmente nueva. Basarse en los datos desde el principio puede ser relativamente más fácil cuando hay menos restricciones y complicaciones, en comparación con una organización establecida.
  • Controlada por cambios externos, como la presión para eliminar ineficiencias y redundancias durante una caída económica.

En cada una de estas situaciones, a menudo hay un área específica en la que la referencia cultural de datos se raíz. El área específica podría ser un ámbito de esfuerzo menor que toda la organización, incluso si sigue siendo significativa. Después de realizar los cambios necesarios en este ámbito más pequeño, se pueden replicar y adaptar de forma incremental al resto de la organización.

Aunque la tecnología puede ayudar a avanzar en los objetivos de una cultura de datos, la implementación de herramientas o características específicas no es el objetivo. Esta serie de artículos cubre muchos temas que contribuyen a la adopción de una cultura de datos correcta. En el resto de este artículo se abordan tres aspectos esenciales de la cultura de datos: la detección de datos, la democratización de datos y la flexibilidad de datos.

Detección de datos

Una cultura de datos correcta depende de los usuarios que trabajan con los datos adecuados en sus actividades cotidianas. Para lograr este objetivo, los usuarios deben buscar y acceder a orígenes de datos, informes y otros elementos.

La detección de datos es la capacidad de localizar eficazmente recursos de datos pertinentes en toda la organización. Principalmente, el descubrimiento de datos se ocupa de mejorar la conciencia de que los datos existen, lo que puede ser particularmente desafiante cuando los datos están aislados en sistemas departamentales.

La detección de datos es un concepto ligeramente diferente al de búsqueda, porque:

  • La detección de datos permite a los usuarios ver los metadatos de un elemento, como el nombre de un modelo semántico, incluso si actualmente no tienen acceso a él. Una vez que un usuario conoce su existencia, puede pasar por el proceso estándar para solicitar acceso al elemento.
  • La búsqueda permite a los usuarios localizar un elemento existente cuando ya tienen acceso de seguridad al elemento.

Sugerencia

Es importante tener un proceso claro y sencillo para que los usuarios puedan solicitar acceso a los datos. Saber que los datos existen, pero no poder acceder a ellos debido a las instrucciones y los procesos establecidos por el propietario del dominio, puede ser frustrante para los usuarios. Puede obligarles a usar soluciones alternativas ineficaces en lugar de solicitar acceso en los canales adecuados.

La detección de datos contribuye a los esfuerzos de adopción y a la implementación de prácticas de gobernanza mediante las siguientes acciones:

  • Fomentar el uso de orígenes de datos de alta calidad de confianza.
  • Animar a los usuarios a aprovechar las inversiones existentes en los recursos de datos disponibles.
  • Promover el uso y el enriquecimiento de elementos de datos existentes (como un lago, almacenamiento de datos, canalización de datos, flujo de datos o modelo semántico) o elementos de informes (como informes, paneles o métricas).
  • Ayudar a las personas a comprender quién posee y administra los recursos de datos.
  • Establecer conexiones entre consumidores, creadores y propietarios.

El centro de datos OneLake y el uso de aprobaciones son formas clave de promover la detección de datos en la organización.

Además, las soluciones del catálogo de datos son herramientas extremadamente valiosas para la detección de datos. Pueden registrar etiquetas y descripciones de metadatos para proporcionar un contexto y un significado más profundos. Por ejemplo, Microsoft Purview puede examinar y catalogar elementos de un inquilino de Fabric (así como de muchos otros orígenes).

Preguntas sobre la detección de datos

Use preguntas como las siguientes para evaluar la detección de datos.

  • ¿Hay un centro de datos en el que los usuarios empresariales puedan buscar datos?
  • ¿Hay un catálogo de metadatos que describa definiciones y ubicaciones de datos?
  • ¿Los orígenes de datos de alta calidad están aprobados mediante sucertificación o promoción?
  • ¿En qué medida existen orígenes de datos redundantes porque los usuarios no pueden encontrar los datos que necesitan? ¿Qué roles se esperan para crear elementos de datos? ¿Qué roles se esperan para crear informes o realizar análisis ad hoc?
  • ¿Pueden los usuarios finales buscar y usar los informes existentes, o bien insisten en exportaciones de datos para crear los suyos propios?
  • ¿Los usuarios finales saben qué informes usar para abordar preguntas empresariales específicas o encontrar datos concretos?
  • ¿Los usuarios utilizan los orígenes de datos y las herramientas adecuados, o bien se decantan por alternativas heredadas?
  • ¿Comprenden los analistas cómo enriquecer los modelos semánticos certificados existentes con nuevos datos, por ejemplo, mediante un modelo compuesto de Power BI?
  • ¿Qué coherencia tienen los elementos de datos en sus convenciones de calidad, integridad y nomenclatura?
  • ¿Los propietarios de elementos de datos pueden seguir linaje de datos para realizar un análisis de impacto de los elementos de datos?

Niveles de madurez de la detección de datos

Los siguientes niveles de madurez le pueden ayudar a evaluar el estado actual de la detección de datos.

Level Estado de la detección de datos de Fabric
100: Inicial • Los datos están fragmentado y desorganizados, sin estructuras ni procesos claros para encontrarlos.

• Los usuarios tienen dificultades para encontrar y usar los datos que necesitan para sus tareas.
200: Repetible • Esfuerzos dispersos u orgánicos para organizar y documentar los datos, pero solo en determinados equipos o departamentos.

• El contenido se aprueba ocasionalmente, pero estas aprobaciones no se definen y el proceso no se administra. Los datos permanecen aislados y fragmentados, y es difícil acceder a ellos.
300: Definición • Se usa un repositorio central, como el centro de datos OneLake, para facilitar la búsqueda de datos a las personas que los necesitan.

• Se ha implementado un proceso explícito para aprobar los datos y el contenido de calidad.

• La documentación básica incluye datos de catálogo, definiciones y cálculos, así como dónde encontrarlos.
400: Capaz • Los procesos estructurados y coherentes guían a los usuarios para aprobar, documentar y buscar datos desde un centro central. Los silos de datos son la excepción en lugar de la regla.

• Los recursos de datos de calidad se aprueban y identifican fácilmente de forma coherente.

• Se mantienen diccionarios de datos completos y se mejora la detección de datos.
500: Eficiente • Los datos y los metadatos se organizan y documentan de manera sistemática con una vista completa del linaje de datos.

• Los recursos de calidad se aprueban y se identifican fácilmente.

• Se usan herramientas de catalogación, como Microsoft Purview, a fin de que los datos sean reconocibles tanto para uso como para gobernanza.

Democratización de datos

La democratización de datos hace referencia a poner los datos en manos de más usuarios responsables de resolver problemas empresariales. Se trata de permitir que más usuarios tomen mejores decisiones controladas por datos.

Nota:

El concepto de democratización de los datos no implica una falta de seguridad ni justificación basada en el rol de trabajo. Como parte de una cultura de datos correcta, la democratización de los datos ayuda a reducir la TI en la sombra al proporcionar modelos semánticos que:

  • Están protegidos, controlados y bien administrados.
  • Satisfacen las necesidades empresariales de un modo rentable y oportuno.

La posición de su organización sobre la democratización de los datos tendrá un gran impacto en los esfuerzos relacionados con la adopción y la gobernanza.

Advertencia

Si el acceso a los datos o la capacidad de realizar análisis se limita a un número determinado de personas de la organización, suele ser una señal de advertencia, ya que la capacidad de trabajar con datos es una característica clave de una cultura de datos.

Preguntas sobre la democratización de los datos

Use preguntas como las siguientes para evaluar la democratización de los datos.

  • ¿Los datos y los análisis son accesibles fácilmente o están restringidos a roles y usuarios limitados?
  • ¿Existe un proceso eficaz para que los usuarios soliciten acceso a nuevos datos y herramientas?
  • ¿Los datos se comparten fácilmente entre equipos y unidades de negocio, o bien están silos y estrechamente protegidos?
  • ¿Quién tiene permiso para instalar Power BI Desktop?
  • ¿Quién puede tener licencias de Power BI Pro o Power BI Premium por usuario (PPU)?
  • ¿Quién puede crear recursos en áreas de trabajo de Fabric?
  • ¿Cuál es el nivel deseado de habilitación de usuarios de análisis de autoservicio e inteligencia empresarial (BI)? ¿Cómo varía este nivel en función de la unidad de negocio o el rol de trabajo?
  • ¿Cuál es el equilibrio deseado entre el análisis de autoservicio y la empresa y BI?
  • ¿Qué orígenes de datos se prefieren fuertemente para qué temas y dominios empresariales? ¿Cuál es el uso permitido de orígenes de datos no autorizados?
  • ¿Quién puede administrar el contenido? ¿Esta decisión es diferente para los datos y para los informes? ¿La decisión es diferente para los usuarios de BI empresarial frente a los usuarios descentralizados? ¿Quién puede poseer y administrar el contenido de BI de autoservicio?
  • ¿Quién puede consumir contenido? ¿Esta decisión es diferente para asociados externos, clientes y proveedores?

Niveles de madurez de la democratización de datos

Los siguientes niveles de madurez le pueden ayudar a evaluar el estado actual de la democratización de datos.

Level Estado de democratización de datos
100: Inicial • Los datos y los análisis se limitan a un pequeño número de roles, que controlan el acceso de otros usuarios.

• Los usuarios empresariales deben solicitar acceso a datos o herramientas para completar tareas. Tienen problemas con retrasos o cuellos de botella.

• Las iniciativas de autoservicio se llevan a cabo con cierto éxito en varias áreas de la organización. Estas actividades se llevan a cabo de una manera algo caótica, con pocos procesos formales y sin un plan estratégico. Hay una falta de supervisión y visibilidad en estas actividades de autoservicio. El éxito o el error de cada solución no se entiende bien.

• El equipo de datos empresariales no puede mantenerse al día con las necesidades de la empresa. Existe un trabajo pendiente significativo de solicitudes para este equipo.
200: Repetible • Hay esfuerzos limitados en curso para ampliar el acceso a los datos y las herramientas.

• Varios equipos han tenido éxito medible con soluciones de autoservicio. Personas de la organización empiezan a prestar atención.

• Se están realizando inversiones para identificar el equilibrio ideal de soluciones empresariales y de autoservicio.
300: Definido • Muchas personas tienen acceso a los datos y las herramientas que necesitan, aunque no todos los usuarios están igualmente habilitados ni son responsables del contenido que crean.

• Las prácticas de datos de autoservicio eficaces se replican de forma incremental y intencionada en más áreas de la organización.
400: Competente • Existen asociaciones correctas entre creadores de soluciones empresariales y de autoservicio. Una responsabilidad clara y realista de los usuarios y las directivas mitigan el riesgo de análisis de autoservicio y BI.

• Existen procesos claros y coherentes para que los usuarios soliciten acceso a los datos y las herramientas.

• Las personas que toman iniciativa en la creación de soluciones valiosas se reconocen y recompensan.
500: Eficiente • La responsabilidad del usuario y la gobernanza eficaz proporcionan a los equipos centrales confianza sobre lo que hacen los usuarios con los datos.

• Los procesos automatizados y supervisados permiten a los usuarios solicitar fácilmente acceso a datos y herramientas. Cualquiera con la necesidad o el interés de usar datos puede seguir estos procesos para realizar análisis.

Flexibilidad de los datos

La alfabetización de datos hace referencia a la capacidad de interpretar, crear y comunicarse con datos y análisis de forma precisa y eficaz.

Los esfuerzos de entrenamiento, como se describe en el artículo sobre mentoría y habilitación de usuarios, a menudo se centran en cómo usar la propia tecnología. Las aptitudes tecnológicas son importantes para generar soluciones de alta calidad, pero también es importante tener en cuenta cómo avanzar intencionadamente en el dominio de los datos en toda la organización. Dicho de otro modo, para la adopción correcta se necesita mucho más que proporcionar software y licencias a los usuarios.

La forma de mejorar la flexibilidad de los datos en su organización depende de muchos factores, como los conjuntos de aptitudes de usuario actuales, la complejidad de los datos y los tipos de análisis necesarios. Puede optar por centrarse en estos tipos de actividades relacionadas con la alfabetización de datos:

  • Interpretación de gráficos y grafos.
  • Evaluación de la validez de los datos.
  • Realización de análisis de la causa principal.
  • Distinción entre correlación y causalidad.
  • Comprensión de cómo influyen el contexto y los valores atípicos en los resultados que se presentan.
  • Uso de la narración para ayudar a los consumidores a comprender y actuar rápidamente.

Sugerencia

Si tiene dificultades para aprobar la cultura de datos o los esfuerzos de gobernanza, puede ser útil centrarse en las ventajas tangibles que se pueden lograr con la detección de datos ("buscar los datos"), la democratización de los datos ("usar los datos") o la flexibilidad de los datos ("comprender los datos"). También puede ser útil centrarse en problemas específicos que se pueden resolver o mitigar con los avances de la cultura de datos.

Normalmente, el primer paso es conseguir que las partes interesadas adecuadas acepten el problema. Después, se trata de conseguir que las partes interesadas se pongan de acuerdo en el enfoque estratégico de una solución, junto con los detalles de la solución.

Preguntas para preguntar sobre la alfabetización de datos

Use preguntas como las siguientes para evaluar la flexibilidad de los datos.

  • ¿Existe un vocabulario analítico común en la organización para hablar sobre los datos y las soluciones de BI? Como alternativa, ¿las definiciones están fragmentadas y son diferentes entre silos?
  • ¿Cuál es la comodidad de los usuarios con la toma de decisiones basadas en datos y pruebas en comparación con la intuición y la experiencia subjetiva?
  • Cuando a los usuarios que tienen una opinión se les presentan pruebas en conflicto, ¿cómo reaccionan? ¿Valoran los datos de forma crítica o los descartan? ¿Pueden modificar su opinión o se atrincheran y se vuelven reacios?
  • ¿Existen programas de entrenamiento para ayudar a los usuarios a aprender sobre datos y herramientas analíticas?
  • ¿Existe una resistencia significativa al análisis visual y a los informes interactivos en favor de las hojas de cálculo estáticas?
  • ¿Los usuarios están abiertos a nuevos métodos analíticos y herramientas para abordar potencialmente sus preguntas empresariales de forma más eficaz? Como alternativa, ¿prefieren seguir usando los métodos y herramientas existentes para ahorrar tiempo y energía?
  • ¿Hay métodos o programas para evaluar o mejorar la flexibilidad de los datos en la organización? ¿La dirección tiene una comprensión precisa de los niveles de flexibilidad de los datos?
  • ¿Hay roles, equipos o departamentos en los que la flexibilidad de datos sea especialmente fuerte o débil?

Niveles de madurez de la flexibilidad de los datos

Los siguientes niveles de madurez le pueden ayudar a evaluar el estado actual de la flexibilidad de los datos.

Level Estado de la flexibilidad de los datos
100: Inicial • Las decisiones se toman con frecuencia en función de la intuición y la experiencia subjetiva. Cuando se presentan datos que desafían las opiniones existentes, a menudo se descartan.

• Los usuarios tienen poca confianza a la hora de usar y comprender los datos en los procesos de toma de decisiones o los debates.

• Los consumidores de informes tienen una mayor preferencia por las tablas estáticas. Estos consumidores descartan las visualizaciones interactivas o los métodos analíticos sofisticados por ser "sofisticados" o innecesarios.
200: Repetible • Algunos equipos e individuos incorporan de forma incoherente los datos en su toma de decisiones. Hay casos claros en los que la interpretación incorrecta de los datos ha llevado a decisiones o conclusiones erróneas.

• Hay cierta resistencia cuando los datos cuestionan creencias ya existentes.

• Algunos usuarios son escépticos con respectos a las visualizaciones interactivas y los métodos analíticos sofisticados, aunque su uso aumenta progresivamente.
300: Definición • La mayoría de los equipos y usuarios comprenden los datos relevantes para su área de negocio y los usan implícitamente para fundamentar sus decisiones.

• Cuando los datos cuestionan creencias ya existentes, generan debates críticos y, a veces, motivan el cambio.

• Las visualizaciones y el análisis avanzado se aceptan de forma más amplia, aunque no siempre se usan de forma eficaz.
400: Capaz • La flexibilidad de los datos se reconoce explícitamente como una aptitud necesaria en la organización. Algunos programas de entrenamiento abordan la flexibilidad de los datos. Se realizan esfuerzos específicos para ayudar a los departamentos, equipos o individuos para los que la flexibilidad de los datos es especialmente débil.

• La mayoría de los usuarios pueden utilizar y aplicar datos de forma eficaz para tomar decisiones y medidas de forma objetiva.

• Los procedimientos recomendados visuales y analíticos se documentan y se siguen en soluciones de datos de importancia estratégica.
500: Eficiente • La flexibilidad de los datos, el pensamiento crítico y el aprendizaje continuo son aptitudes y valores estratégicos de la organización. Los programas efectivos supervisan el progreso para mejorar la flexibilidad de los datos en la organización.

• La toma de decisiones se basa en datos en toda la organización. Se usa la inteligencia de decisiones o el análisis prescriptivo para recomendar decisiones y acciones clave.

• Los procedimientos recomendados visuales y analíticos se consideran esenciales para generar valor empresarial con los datos.

Consideraciones y acciones clave

Lista de comprobación: estas son algunas consideraciones y acciones clave que puede realizar para reforzar la cultura de datos.

  • Alinear los objetivos y la estrategia de la cultura de datos: preste especial atención al tipo de cultura de datos que quiere cultivar. Lo ideal es que sea más desde una posición de capacitación del usuario que desde una posición de ordeno y mando.
  • Comprensión del estado actual: hable con las partes interesadas de las diferentes unidades de negocio para saber qué procedimientos de análisis funcionan bien en la actualidad y cuáles no para la toma de decisiones basadas en datos. Realice una serie de talleres para conocer el estado actual y formular el estado futuro deseado.
  • Comunicación con las partes interesadas: hable con las partes interesadas de TI, BI o el COE para saber qué restricciones de gobernanza se deben tener en cuenta. Estas conversaciones pueden presentar una oportunidad para educar a los equipos en temas como seguridad e infraestructura. También puede usar la oportunidad de educar a las partes interesadas en las características y funcionalidades incluidas en Fabric.
  • Comprobación del nivel de patrocinio: compruebe el nivel de patrocinio y apoyo de la dirección que tiene para avanzar en los objetivos de la cultura de datos.
  • Tome decisiones con propósito sobre su estrategia de datos: decida cuál debería ser el equilibrio ideal entre autoservicio dirigido por el negocio, autoservicio administrado y datos empresariales, análisis y casos de uso de BI para las unidades de negocios clave de la organización (cubierto en el artículo sobre propiedad y gestión de contenidos). Considere también cómo se relaciona la estrategia de datos con el alcance del contenido publicado para análisis y BI personal, de equipo, departamental y empresarial (descrito en el artículo sobre el ámbito de la entrega de contenido). Defina sus objetivos generales y prioridades para esta planificación estratégica. Determine cómo afectan estas decisiones a la planificación táctica.
  • Creación de un plan táctico: comience por crear un plan táctico para elementos de acción inmediatos, a corto y a largo plazo. Identifique los grupos de negocio y los problemas que representan "resultados rápidos" y pueden marcar una diferencia notable.
  • Creación de objetivos y métricas: determine cómo medirá la eficacia de las iniciativas de cultura de datos. Cree indicadores clave de rendimiento (KPI) o objetivos y resultados clave (OKR) para validar los resultados de sus esfuerzos.

Preguntas para formular información sobre la referencia cultural de datos

Use preguntas como las que se encuentran a continuación para evaluar la referencia cultural de datos.

  • ¿Los datos se consideran un activo estratégico en la organización?
  • ¿Existe una visión de una cultura de datos saludable que se origina en el liderazgo ejecutivo y se alinea con los objetivos de la organización?
  • ¿La referencia cultural de datos guía la creación de directivas y directrices de gobernanza?
  • ¿Los orígenes de datos de la organización son de confianza para los creadores y consumidores de contenido?
  • Al justificar una opinión, decisión o elección, ¿los usuarios utilizan los datos como evidencia?
  • ¿Está documentado el conocimiento sobre el análisis y los datos o depende de los conocimientos tribales no documentados?
  • ¿Los esfuerzos para desarrollar una solución de datos valorada y apreciada por la comunidad de usuarios?

Niveles de madurez de la cultura de datos

Los siguientes niveles de madurez le ayudarán a evaluar el estado actual de la cultura de datos.

Level Estado de la cultura de datos
100: Inicial • Los equipos de datos empresariales no pueden mantenerse al día con las necesidades de la empresa. Existe un trabajo pendiente significativo de solicitudes.

• Los datos de autoservicio y las iniciativas de BI se llevan a cabo con cierto éxito en varias áreas de la organización. Estas actividades se producen de una manera algo caótica, con pocos procesos formales y sin plan estratégico.

• Hay una falta de supervisión y visibilidad de las actividades de inteligencia empresarial de autoservicio. Los éxitos o errores de los datos y las soluciones de BI no se entienden bien.
200: Repetible • Varios equipos han tenido éxitos medibles con soluciones de autoservicio. Personas de la organización empiezan a prestar atención.

• Se están realizando inversiones para identificar el equilibrio ideal de datos empresariales y de autoservicio, análisis y BI.
300: Definido • Se establecen objetivos específicos para avanzar en la cultura de datos. Estos objetivos se implementan de forma incremental.

• Se comparten los aprendizajes de lo que funciona en unidades de negocio individuales.

• Las prácticas eficaces de autoservicio se replican de forma incremental y intencionada en más áreas de la organización.
400: Competente • Los objetivos de la cultura de datos para emplear una toma de decisiones informada están alineados con los objetivos de la organización. Cuentan con el apoyo activo del patrocinio de la directiva, el COE y tienen un impacto directo en las estrategias de adopción.

• Existe una asociación productiva y en buen estado entre el patrocinio de la directiva, el COE, las unidades de negocio y TI. Los equipos trabajan para lograr objetivos compartidos.

• Las personas que toman iniciativa en la creación de soluciones de datos valiosas se reconocen y recompensan.
500: Eficiente • El valor empresarial de las soluciones de datos, análisis y BI se evalúa y mide con regularidad. Los KPI o OKR se usan para realizar un seguimiento de los objetivos de referencia cultural de datos y los resultados de estos esfuerzos.

• Hay bucles de comentarios en vigor y fomentan mejoras en la cultura de datos en curso.

• La mejora continua de la adopción en la organización y por parte de los usuarios y la adopción de soluciones es una de las principales prioridades.

Contenido relacionado

En el siguiente artículo de la serie de hojas de ruta de adopción de Microsoft Fabric, obtenga información sobre la importancia de un patrocinador ejecutivo.