Peta strategi adopsi Microsoft Fabric

Tujuan dari rangkaian artikel ini adalah untuk memberikan peta strategi. Peta strategi menyajikan serangkaian pertimbangan strategis dan taktis serta item tindakan yang mengarah pada keberhasilan adopsi Microsoft Fabric, dan membantu membangun budaya data di organisasi Anda.

Memajukan adopsi dan menumbuhkan budaya data lebih dari sekadar mengimplementasikan fitur teknologi. Teknologi dapat membantu organisasi dalam membuat dampak terbesar, tetapi budaya data yang sehat melibatkan banyak pertimbangan di seluruh spektrum orang, proses, dan teknologi.

Catatan

Saat membaca rangkaian artikel ini, kami sarankan Anda juga mempertimbangkan panduan perencanaan implementasi Power BI. Setelah Anda terbiasa dengan konsep dalam peta strategi adopsi Microsoft Fabric, pertimbangkan untuk meninjau skenario penggunaan. Memahami beragam cara Power BI digunakan dapat memengaruhi strategi dan keputusan implementasi Anda untuk semua Microsoft Fabric.

Diagram ini menggambarkan area peta strategi adopsi Microsoft Fabric berikut.

Diagram shows the 12 high-level areas of Fabric adoption, which are described in the table below.

Area dalam diagram di atas meliputi:

Area Keterangan
Area 1. Budaya data: Budaya data mengacu pada seperangkat perilaku dan norma dalam organisasi yang mendorong budaya berbasis data. Membangun budaya data terkait erat dengan mengadopsi Fabric, dan sering kali merupakan aspek utama dari transformasi digital organisasi.
Area 2. Sponsor eksekutif: Sponsor eksekutif adalah seseorang dengan kredibilitas, pengaruh, dan otoritas di seluruh organisasi. Mereka menganjurkan untuk membangun budaya data dan mengadopsi Fabric.
Area 3. Keselarasan Bisnis: Seberapa baik budaya data dan strategi data memungkinkan pengguna bisnis untuk mencapai tujuan bisnis. Strategi data BI yang efektif selaras dengan strategi bisnis.
Area 4. Kepemilikan dan manajemen konten: Ada tiga strategi utama tentang bagaimana kecerdasan bisnis (BI) dan konten analitik dimiliki dan dikelola: BI layanan mandiri yang dipimpin bisnis, BI layanan mandiri terkelola, dan BI perusahaan. Strategi-strategi ini memiliki pengaruh yang signifikan terhadap adopsi, tata kelola, dan model operasi Pusat Keunggulan (COE).
Area 5. Cakupan pengiriman konten: Ada empat strategi utama untuk konten dan pengiriman data: pribadi, tim, departemen, dan perusahaan. Strategi-strategi ini memiliki pengaruh yang signifikan terhadap adopsi, tata kelola, dan model operasi COE.
Area 6. Center of Excellence: A Fabric COE adalah tim internal pakar teknis dan bisnis. Para ahli ini secara aktif membantu orang lain yang bekerja dengan data dalam organisasi. COE membentuk inti dari komunitas yang lebih luas untuk memajukan tujuan adopsi yang selaras dengan visi budaya data.
Area 7. Pemerintahan: Tata kelola data adalah seperangkat kebijakan dan prosedur yang menentukan cara organisasi menginginkan data digunakan. Saat mengadopsi Fabric, tujuan tata kelola adalah untuk memberdayakan komunitas pengguna internal semaksi mungkin, sambil mematuhi persyaratan dan peraturan industri, pemerintah, dan kontraktual.
Area 8. Pendampingan dan pemberdayaan pengguna: Tujuan penting dari upaya adopsi adalah untuk memungkinkan pengguna mencapai sebanyak mungkin dalam batas yang ditetapkan oleh pedoman dan kebijakan tata kelola. Tindakan mendampingi pengguna adalah salah satu tanggung jawab terpenting COE. Ini memiliki pengaruh langsung pada upaya adopsi.
Area 9. Komunitas praktik Komunitas praktik terdiri dari sekelompok orang dengan minat yang sama, yang berinteraksi dan saling membantu secara sukarela. Komunitas yang aktif merupakan indikator budaya data yang sehat. Ini dapat secara signifikan memajukan upaya adopsi.
Area 10. Dukungan pengguna: Dukungan pengguna mencakup metode yang diatur secara informal dan terorganisir secara resmi untuk menyelesaikan masalah dan menjawab pertanyaan. Baik metode dukungan formal maupun informal sangat penting untuk diadopsi.
Area 11. Pengawasan sistem: Pengawasan sistem meliputi tanggung jawab administrasi sehari-hari untuk mendukung proses internal, alat, dan orang.
Area 12. Manajemen perubahan: Manajemen perubahan melibatkan prosedur untuk mengatasi dampak perubahan bagi orang-orang dalam organisasi. Prosedur ini melindungi dari gangguan dan kehilangan produktivitas karena perubahan solusi atau proses. Strategi data yang efektif menjelaskan siapa yang bertanggung jawab untuk mengelola perubahan ini dan praktik dan sumber daya yang diperlukan untuk mewujudkannya.

Hubungan dalam diagram di atas dapat diringkas sebagai berikut.

  • Visi budaya data organisasi Anda akan sangat memengaruhi strategi yang Anda ikuti untuk layanan mandiri dan perusahaankepemilikan dan manajemen konten dan cakupan pengiriman konten.
  • Strategi ini, pada gilirannya, akan berdampak besar pada model operasi untukPusat Keunggulan dan keputusan tata kelola Anda.
  • Pedoman tata kelola, kebijakan, dan proses yang ditetapkan memengaruhi metode implementasi yang digunakan untuk pendampingan dan pengaktifan, komunitas praktik, dan dukungan pengguna.
  • Keputusan tata kelola akan menentukan kegiatanpengawasan sistem (administrasi) sehari-hari.
  • Keputusan adopsi dan tata kelola diterapkan bersama manajemen perubahan untuk mengurangi dampak dan gangguan perubahan pada proses bisnis yang ada.
  • Semua budaya data dan keputusan dan tindakan terkait adopsi dicapai dengan lebih mudah dengan panduan dan kepemimpinan dari sponsor eksekutif, yang memfasilitasi keselarasan bisnis antara strategi bisnis dan strategi data. Keselarasan ini pada gilirannya menginformasikan budaya data dan keputusan tata kelola.

Setiap artikel individu dalam seri ini membahas topik utama yang terkait dengan item dalam diagram. Pertimbangan dan item tindakan potensial disediakan. Setiap artikel disimpulkan dengan serangkaian tingkat kematangan untuk membantu Anda menilai keadaan Anda saat ini sehingga Anda dapat memutuskan tindakan apa yang harus diambil selanjutnya.

Adopsi Microsoft Fabric

Adopsi alat analitik yang berhasil seperti Fabric melibatkan pembuatan proses, dukungan, alat, dan data yang efektif tersedia dan diintegrasikan ke dalam pola penggunaan berkelanjutan reguler untuk pembuat konten, konsumen, dan pemangku kepentingan dalam organisasi.

Penting

Serangkaian artikel adopsi ini difokuskan pada adopsi organisasi. Lihat Tingkat kematangan adopsi Microsoft Fabric untuk pengenalan tiga jenis adopsi: organisasi, pengguna, dan solusi.

Kesalahpahaman yang umum adalah bahwa adopsi terutama berkaitan dengan penggunaan atau jumlah pengguna. Tidak diragukan lagi bahwa statistik penggunaan merupakan faktor penting. Namun, penggunaan bukan satu-satunya faktor. Adopsi bukan hanya tentang menggunakan teknologi secara teratur; ini tentang menggunakannya secara efektif. Efektivitas jauh lebih sulit untuk didefinisikan dan diukur.

Jika memungkinkan, upaya adopsi harus selaras di seluruh platform analitik dan layanan BI.

Catatan

Individu—dan organisasi itu sendiri—terus belajar, berubah, dan meningkat. Itu berarti tidak ada akhir formal untuk upaya terkait adopsi.

Artikel yang tersisa dalam seri adopsi Power BI ini membahas aspek adopsi berikut.

Penting

Anda mungkin bertanya-tanya bagaimana peta jalan adopsi Fabric ini berbeda dari kerangka kerja adopsi Power BI. Kerangka kerja adopsi dibuat terutama untuk mendukung mitra Microsoft. Ini adalah sekumpulan sumber daya ringan untuk membantu mitra menyebarkan solusi Power BI untuk pelanggan mereka.

Seri adopsi ini lebih kekinian. Ini dimaksudkan untuk memandu setiap orang atau organisasi yang menggunakan—atau mempertimbangkan untuk menggunakan—Fabric. Jika Anda ingin meningkatkan implementasi Power BI of Fabric yang ada, atau merencanakan implementasi Power BI atau Fabric baru, peta jalan adopsi ini adalah tempat yang tepat untuk memulai.

Target audiens

Audiens yang dimaksudkan dari rangkaian artikel ini tertarik pada satu atau beberapa hasil berikut.

  • Meningkatkan kemampuan organisasi mereka untuk menggunakan analitik secara efektif.
  • Meningkatkan tingkat kematangan organisasi mereka yang terkait dengan pengiriman analitik.
  • Memahami dan mengatasi tantangan terkait adopsi yang dihadapi saat penskalaan dan pertumbuhan.
  • Meningkatkan laba atas investasi (ROI) organisasi mereka dalam data dan analitik.

Serangkaian artikel ini akan paling membantu bagi mereka yang bekerja di organisasi dengan satu atau beberapa karakteristik berikut.

  • Beban kerja Power BI atau Fabric lainnya disebarkan dengan beberapa keberhasilan.
  • Ada kantong adopsi virus, tetapi analitik tidak diatur dengan sengaja di seluruh organisasi.
  • Solusi analitik disebarkan dengan beberapa skala yang bermakna, tetapi tetap ada kebutuhan untuk menentukan:
    • Apa yang efektif dan apa yang harus dipertahankan.
    • Apa yang harus ditingkatkan.
    • Bagaimana penyebaran di masa mendatang bisa lebih strategis.
  • Implementasi analitik yang diperluas sedang dipertimbangkan atau direncanakan.

Rangkaian artikel ini juga akan membantu untuk:

  • Organisasi yang berada di tahap awal implementasi analitik.
  • Organisasi yang telah berhasil dengan adopsi dan sekarang ingin mengevaluasi tingkat kematangan mereka saat ini.

Asumsi dan cakupan

Fokus utama dari rangkaian artikel ini adalah pada platform Microsoft Fabric.

Untuk sepenuhnya mendapat manfaat dari informasi yang disediakan dalam artikel ini, Anda harus memiliki pemahaman tentang konsep dasar Power BI dan konsep dasar Fabric.

Pada artikel berikutnya dalam seri ini, pelajari tentang tingkat kematangan adopsi Fabric. Tingkat kematangan direferensikan di seluruh rangkaian artikel. Selain itu, lihat artikel kesimpulan untuk sumber daya terkait adopsi tambahan.

Sumber daya bermanfaat lainnya meliputi:

Mitra berpengalaman tersedia untuk membantu organisasi Anda berhasil dengan inisiatif adopsi. Untuk berinteraksi dengan mitra, kunjungi portal mitra Power BI.

Ucapan terima kasih

Artikel peta strategi adopsi Microsoft Fabric ditulis oleh Melissa Coates, Kurt Buhler, dan Peter Myers. Matthew Roche, dari Tim Penasihat Pelanggan Fabric, memberikan panduan strategis dan umpan balik kepada para ahli subjek. Peninjau termasuk Cory Moore, James Ward, Timothy Bindas, Greg Moir, dan Chuy Varela.