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

  • Articolo

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 cultura dei dati può essere definito in modi diversi da organizzazioni diverse. In questa serie di articoli, per cultura dei dati si intende 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.
  • Basato sull'analisi, non sull'opinione.
  • In modo efficace ed efficiente, basato sulle procedure consigliate approvate dal Center of Excellence (COE).
  • Basato su dati attendibili.
  • Riduce la dipendenza dalla conoscenza tribale non documentata.
  • Riduce la dipendenza dalle decisioni precipitose.

Importante

Si pensi alla cultura dei dati come a ciò che si fa, non a ciò che si dice. La cultura dei dati non è un set di regole (quella è la governance). Pertanto, la cultura dei dati è un concetto astratto. Indica i comportamenti e le norme che sono 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 diffondere conoscenze utili.

All'interno di un'organizzazione, è probabile che alcune business unit o alcuni team abbiano comportamenti e norme propri per agire. I modi specifici per raggiungere gli obiettivi della cultura dei dati possono variare nell'organizzazione. È importante che siano tutti allineati agli obiettivi della cultura dei dati dell'organizzazione. È possibile considerare questa struttura come autonomia allineata.

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

Il diagramma mostra varie relazioni e influenze nella cultura dei dati, descritte di seguito.

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 della cultura dei dati

Il concetto di cultura dei dati può essere difficile da definire e misurare. Anche se è difficile articolare la cultura dei dati in modo significativo, interattivo e misurabile, è necessario disporre di una definizione ben chiara 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 della cultura dei dati non sono specificamente imposti. Al contrario, lo stato della cultura dei dati deriva dal rispetto delle regole di governance quando vengono applicate (o la mancanza di regole di governance). I leader a tutti i livelli devono dimostrare attivamente attraverso le proprie 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, una lakehouse o un report) saranno valutati e apprezzati, questo è un ottimo indicatore di una cultura dei dati integra. In alcuni casi, tuttavia, dipende dai valori del proprio referente diretto.

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

  • essere un cambiamento reattivo, ad esempio la risposta alla nuova concorrenza agile;
  • essere un cambiamento proattivo, ad esempio l'avvio di una nuova linea di business o l'espansione in nuovi mercati per cogliere un'opportunità "in campo verde"; basarsi sui dati dall'inizio può essere relativamente più semplice quando sono presenti meno vincoli e complicazioni, rispetto a un'organizzazione stabilita;
  • insorgere 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 la cultura dei dati si radica. L'area specifica può essere un ambito di lavoro inferiore a quello dell'intera organizzazione, anche se comunque significativo. Dopo aver apportato le modifiche necessarie in questo ambito più piccolo, è possibile replicarle e adattarle 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. Il resto 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 dal fatto che gli utenti lavorino con i dati giusti nelle attività quotidiane. Per raggiungere questo obiettivo, gli utenti devono trovare e accedere a origini dati, report e altri elementi.

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

L'individuazione dei dati è un concetto leggermente diverso rispetto alla 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 vi hanno accesso. Quando un utente è consapevole della loro 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 disporre di 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. Questo 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:

  • incoraggiando l'uso di origini dati di alta qualità attendibili;
  • incoraggiando gli utenti a sfruttare gli investimenti esistenti in asset di dati disponibili;
  • promuovendo l'uso e l'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);
  • aiutando gli utenti a comprendere chi possiede e gestisce gli asset di dati;
  • stabilendo connessioni tra consumer, creator e proprietari.

L'hub dati di OneLake e l'uso di 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 catalogare 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 certificandole 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 prediligono 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 una 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 di individuazione dei dati di Fabric
100 - Iniziale • I dati sono frammentati e disorganizzati, senza strutture o processi chiari per trovarli.

• Gli utenti faticano a trovare e usare i dati necessari per le attività.
200 - Ripetibile • Vengono fatti sforzi frammentari od 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 suddivisi in silo e frammentati ed è difficile accedervi.
300 - Definito • Un repository centrale, come l'hub dati OneLake, viene usato per semplificare la ricerca dei dati per gli utenti che ne hanno bisogno.

• È stato eseguito un processo esplicito per approvare i dati e i contenuti di qualità.

• La documentazione di base include dati, definizioni e calcoli del catalogo, nonché la posizione in cui trovarli.
400 - Capace • Processi strutturati e coerenti consentono agli utenti di approvare, 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.

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

• Le risorse di qualità sono approvate e facilmente identificate.

• 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. Nell'ambito di una cultura dei dati integra, la democratizzazione dei dati consente di ridurre lo shadow IT fornendo modelli semantici che:

  • sono protetti, regolamentati e ben gestiti;
  • soddisfano 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 riservati 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 disporre di 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 Enterprise rispetto agli utenti decentralizzati? Chi può possedere e gestire il contenuto BI 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 Enterprise non è in grado di soddisfare le esigenze dell'azienda. Esiste un backlog significativo delle richieste per questo team.
200 - Ripetibile • Vengono fatti sforzi limitati per espandere l'accesso ai dati e agli strumenti.

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

• Si fanno investimenti per identificare l'equilibrio ideale tra soluzioni Enterprise 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 creato.

• 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 creator di soluzioni Enterprise e self-service. Responsabilità e criteri utente chiari e realistici attenuano il rischio di analisi self-service e BI.

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

• Le persone che prendono l'iniziativa nella creazione di soluzioni preziose vengono riconosciute e premiate.
500: Efficiente • La responsabilità degli utenti e una governance efficace offrono ai team centrali la fiducia in ciò che gli utenti fanno con i dati.

• Processi automatizzati e monitorati consentono agli utenti di richiedere facilmente l'accesso ai dati e agli strumenti. Chiunque abbia bisogno o interesse nell'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 Mentoring e 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. In altre parole, l'adozione di successo richiede molto più della semplice fornitura di 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
  • Valutazione della validità dei dati
  • Esecuzione dell'analisi della causa radice
  • Distinzione tra correlazione e rapporto di causa ed effetto
  • 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 fatica a far approvare la cultura dei dati o gli sforzi di governance, può essere utile concentrarsi 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 anche essere utile concentrarsi su problemi specifici che è possibile risolvere o attenuare tramite i progressi della cultura dei dati.

Portare gli stakeholder giusti a riconoscere il problema è in genere il primo passaggio. Quindi, occorre 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 si trovano a proprio agio 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 si mostrano immobili e resistenti?
  • Esistono programmi di training 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 si mostrano aperte a nuovi metodi analitici e strumenti per affrontare potenzialmente le proprie 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 utenti hanno bassa fiducia nell'uso e nella comprensione dei dati nei processi decisionali o nelle discussioni.

• I consumer di report hanno una preferenza assoluta per le tabelle statiche. Questi consumer ignorano visualizzazioni interattive o metodi analitici sofisticati come "fantasiosi" o non necessari.
200 - Ripetibile • Alcuni team e singoli utenti incorporano in modo incoerente i dati nel 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 rispetto alle visualizzazioni interattive e ai 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 la 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 competenza necessaria nell'organizzazione. Alcuni programmi di training 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 e intraprendere azioni più efficaci.

• 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 della cultura dei dati.

  • Allineare gli obiettivi e la strategia di cultura dei dati: prendere in considerazione 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: Parlare 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 le capacità incluse in Fabric.
  • Verifica sponsorizzazione executive: verificare il livello di sponsorizzazione executive e il supporto che si ha a disposizione per promuovere gli obiettivi della cultura dei dati.
  • Prendere decisioni intenzionali sulla strategia dei dati: decidere quale sia l'equilibrio ideale tra i casi d'uso self-service, self-service gestiti ed Enterprise, analisi e BI per le business unit chiave dell'organizzazione (trattato nell'articolo relativo alla proprietà e alla gestione dei contenuti). Si consideri anche il modo in cui la strategia dei dati è correlata alla portata del contenuto pubblicato per l'analisi personale, il team, il reparto e l'analisi Enterprise 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 di cultura dei dati. Creare indicatori di prestazioni chiave (KPI) oppure obiettivi e risultati chiave (OKR) per convalidare i risultati delle attività.

Domande da porre sulla cultura dei dati

Usare domande come quelle riportate di seguito per valutare la 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?
  • La cultura dei dati guida la creazione di criteri e linee guida per la governance?
  • Le origini dati dell'organizzazione sono attendibili dai creator 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 valutati e apprezzati dalla community degli utenti?

Livelli di maturità della cultura dei dati

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

Livello Stato della cultura dei dati
100 - Iniziale • I team di dati Enterprise non riescono a 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 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 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. Le persone dell'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.

• Le informazioni su ciò che funziona in singole business unit sono condivise.

• Le procedure efficaci per il self-service vengono replicate in modo incrementale e intenzionale in più aree dell'organizzazione.
400 - Capace • Gli obiettivi della cultura dei dati da adottare per il processo decisionale informato 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 il reparto IT. I team stanno lavorando per raggiungere obiettivi condivisi.

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

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

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

Contenuto correlato

L'articolo successivo nella serie di roadmap per l'adozione di Microsoft Fabric riporta informazioni sull'importanza di uno sponsor esecutivo.