Peta strategi adopsi Microsoft Fabric: Budaya data

Catatan

Artikel ini membentuk bagian dari seri artikel peta jalan adopsi Microsoft Fabric. Untuk gambaran umum seri ini, lihat peta jalan adopsi Microsoft Fabric.

Membangun budaya data terkait erat dengan mengadopsi analitik, dan sering kali merupakan aspek utama dari transformasi digital organisasi. Istilah kultur data dapat didefinisikan dengan cara yang berbeda oleh organisasi yang berbeda. Dalam rangkaian artikel ini, budaya data berarti serangkaian perilaku dan norma dalam organisasi. Ini mendorong kultur yang secara teratur menggunakan pengambilan keputusan data yang diinformasikan:

• Dengan lebih banyak pemangku kepentingan di lebih banyak wilayah organisasi.
• Berdasarkan analitik, bukan pendapat.
• Dengan cara yang efektif dan efisien yang didasarkan pada praktik terbaik yang disetujui oleh Center of Excellence (COE).
• Berdasarkan data tepercaya.
• Praktik itu mengurangi ketergantungan pada pengetahuan suku yang tidak terdokumentasi.
• Mengurangi ketergantungan pada firasat dan keputusan.

Penting

Pikirkan kultur data sebagai apa yang Anda lakukan, bukan apa yang Anda katakan. Kultur data Anda bukanlah seperangkat aturan (melainkan tata kelola). Jadi, kultur data adalah konsep yang agak abstrak. Ini adalah perilaku dan norma yang diizinkan, dihargai, dan disarankan—atau yang tidak diizinkan dan tidak disarankan. Perlu diingat bahwa kultur data yang sehat memotivasi karyawan di semua tingkat organisasi untuk menghasilkan dan mendistribusikan pengetahuan yang dapat ditindaklanjuti.

Dalam organisasi, unit bisnis atau tim tertentu kemungkinan memiliki perilaku dan norma mereka sendiri untuk menyelesaikan pekerjaan. Cara khusus untuk mencapai tujuan budaya data dapat bervariasi di seluruh batas organisasi. Yang penting adalah semuanya harus selaras dengan tujuan kultur data organisasi. Anda dapat menganggap struktur ini sebagai otonomi yang selaras.

Diagram melingkar berikut menyampaikan aspek yang saling terkait yang memengaruhi budaya data Anda:

Diagram menggambarkan hubungan yang agak ambigu di antara item berikut:

• Budaya data adalah lingkaran luar. Semua topik di dalamnya berkontribusi pada keadaan budaya data.
• Adopsi organisasi (termasuk aspek implementasi pendampingan dan pengaktifan pengguna, dukungan pengguna, komunitas praktik, tata kelola, dan pengawasan sistem) adalah lingkaran dalam. Semua topik adalah kontributor utama untuk budaya data.
• Dukungan eksekutif dan Center of Excellence adalah pendorong keberhasilan adopsi organisasi.
• Literasi data, demokratisasi data, dan penemuan data adalah aspek budaya data yang sangat dipengaruhi oleh adopsi organisasi.
• Kepemilikan dan manajemen konten, dan cakupan pengiriman konten, terkait erat dengan demokratisasi data.

Elemen diagram dibahas di seluruh rangkaian artikel ini.

Visi kultur data

Konsep budaya data bisa sulit ditentukan dan diukur. Meskipun sulit untuk mengartikulasikan budaya data dengan cara yang bermakna, dapat ditindaklanjuti, dan terukur, Anda harus memiliki definisi yang dipahami dengan baik tentang apa arti budaya data yang sehat bagi organisasi Anda. Visi budaya data yang sehat ini harus:

• Berasal dari tingkat eksekutif.
• Selaras dengan tujuan organisasi.
• Secara langsung memengaruhi strategi adopsi Anda.
• Berfungsi sebagai prinsip panduan tingkat tinggi untuk menetapkan kebijakan dan panduan tata kelola.

Hasil budaya data tidak secara khusus diamanatkan. Sebaliknya, status budaya data adalah hasil dari mengikuti aturan tata kelola saat diberlakukan (atau kurangnya aturan tata kelola). Para pemimpin di semua tingkatan perlu secara aktif menunjukkan melalui tindakan mereka apa yang penting bagi mereka, termasuk bagaimana mereka memuji, mengenali, dan memberi penghargaan kepada anggota staf yang mengambil inisiatif.

Tip

Jika Anda dapat mengambil begitu saja bahwa upaya Anda untuk mengembangkan solusi data (seperti model semantik, lakehouse, atau laporan) akan dihargai dan dihargai, itu adalah indikator yang sangat baik dari budaya data yang sehat. Namun, terkadang hal itu tergantung pada apa yang paling dihargai oleh manajer langsung Anda.

Motivasi awal untuk membangun budaya data sering kali berasal dari masalah atau inisiatif bisnis strategis tertentu. Mungkin:

• Perubahan reaktif, seperti menanggapi kompetisi baru yang gesit.
• Perubahan proaktif, seperti memulai lini bisnis baru atau berekspansi ke pasar baru untuk merebut peluang "lapangan hijau". Menjadi data yang didorong dari awal bisa relatif lebih mudah ketika ada lebih sedikit batasan dan komplikasi, dibandingkan dengan organisasi yang mapan.
• Didorong oleh perubahan eksternal, seperti tekanan untuk menghilangkan inefisiensi dan redundansi selama penurunan ekonomi.

Dalam setiap situasi ini, sering kali ada area tertentu di mana budaya data berakar. Area tertentu bisa menjadi ruang lingkup upaya yang lebih kecil dari seluruh organisasi, bahkan jika masih signifikan. Setelah perubahan yang diperlukan dilakukan pada cakupan yang lebih kecil ini, perubahan tersebut dapat direplikasi secara bertahap dan disesuaikan untuk organisasi lainnya.

Meskipun teknologi dapat membantu memajukan tujuan kultur data, penerapan alat atau fitur tertentu bukanlah tujuannya. Rangkaian artikel ini mencakup banyak topik yang berkontribusi pada adopsi budaya data yang sehat. Sisa artikel ini membahas tiga aspek penting dari kultur data: penemuan data, demokratisasi data, dan literasi data.

Penemuan data

Kultur data yang sukses bergantung pada pengguna yang bekerja dengan data yang tepat dalam aktivitas sehari-hari mereka. Untuk mencapai tujuan ini, pengguna perlu menemukan dan mengakses sumber data, laporan, dan item lainnya.

Penemuan data adalah kemampuan untuk menemukan aset data yang relevan secara efektif di seluruh organisasi. Terutama, penemuan data berkaitan dengan peningkatan kesadaran bahwa data ada, yang dapat sangat menantang ketika data disedot dalam sistem departemen.

Penemuan data adalah konsep yang sedikit berbeda dari pencarian, karena:

• Penemuan data memungkinkan pengguna untuk melihat metadata untuk item, seperti nama model semantik, bahkan jika mereka saat ini tidak memiliki akses ke item tersebut. Setelah pengguna mengetahui keberadaannya, pengguna tersebut dapat melalui proses standar untuk meminta akses ke item.
• Pencarian memungkinkan pengguna menemukan item yang sudah ada ketika mereka sudah memiliki akses keamanan ke item.

Tip

Penting untuk memiliki proses yang jelas dan sederhana sehingga pengguna dapat meminta akses ke data. Mengetahui bahwa data ada—tetapi tidak dapat mengaksesnya dalam pedoman dan proses yang telah ditetapkan pemilik domain—dapat menjadi sumber frustrasi bagi pengguna. Ini dapat memaksa mereka untuk menggunakan solusi yang tidak efisien alih-alih meminta akses melalui saluran yang tepat.

Penemuan data berkontribusi pada upaya adopsi dan implementasi praktik tata kelola dengan:

• Mendorong penggunaan sumber data berkualitas tinggi tepercaya.
• Mendorong pengguna untuk memanfaatkan investasi yang ada dalam aset data yang tersedia.
• Mempromosikan penggunaan dan pengayaan item data yang ada (seperti lakehouse, gudang data, alur data, aliran data, atau model semantik) atau item pelaporan (seperti laporan, dasbor, atau metrik).
• Membantu orang memahami siapa yang memiliki dan mengelola aset data.
• Membangun koneksi antara konsumen, pembuat, dan pemilik.

Hub data OneLake dan penggunaan dukungan adalah cara utama untuk mempromosikan penemuan data di organisasi Anda.

Selain itu, solusi katalog data adalah alat yang sangat berharga untuk penemuan data. Mereka dapat merekam tag dan deskripsi metadata untuk memberikan konteks dan makna yang lebih dalam. Misalnya, Microsoft Purview dapat memindai dan membuat katalog item dari penyewa Fabric (serta banyak sumber lainnya).

Pertanyaan untuk diajukan tentang penemuan data

Gunakan pertanyaan seperti yang ditemukan di bawah ini untuk menilai penemuan data.

• Apakah ada hub data tempat pengguna bisnis dapat mencari data?
• Apakah ada katalog metadata yang menjelaskan definisi dan lokasi data?
• Apakah sumber data berkualitas tinggi didukung dengan mensertifikasi atau mempromosikannya ?
• Sejauh mana sumber data redundan ada karena orang tidak dapat menemukan data yang mereka butuhkan? Peran apa yang diharapkan untuk membuat item data? Peran apa yang diharapkan untuk membuat laporan atau melakukan analisis ad hoc?
• Dapatkah pengguna akhir menemukan dan menggunakan laporan yang ada, atau apakah mereka bersikeras pada ekspor data untuk membuat laporan mereka sendiri?
• Apakah pengguna akhir tahu laporan mana yang akan digunakan untuk mengatasi pertanyaan bisnis tertentu atau menemukan data tertentu?
• Apakah orang yang menggunakan sumber dan alat data yang sesuai, atau menolaknya demi sumber dan alat warisan?
• Apakah analis memahami cara memperkaya model semantik bersertifikat yang ada dengan data baru—misalnya, dengan menggunakan model komposit Power BI?
• Seberapa konsisten item data dalam konvensi kualitas, kelengkapan, dan penamaannya?
• Bisakah pemilik item data mengikuti silsilah data untuk melakukan analisis dampak item data?

Tingkat kematangan penemuan data

Tingkat kematangan berikut dapat membantu Anda menilai status penemuan data Anda saat ini.

Tingkat	Status penemuan data Fabric
100: Awal	• Data terfragmentasi dan tidak terorganisir, tanpa struktur atau proses yang jelas untuk menemukannya. • Pengguna berjuang untuk menemukan dan menggunakan data yang mereka butuhkan untuk tugas mereka.
200: Dapat diulang	• Upaya tersebar atau organik untuk mengatur dan mendokumen data sedang berlangsung, tetapi hanya di tim atau departemen tertentu. • Konten terkadang didukung, tetapi dukungan ini tidak ditentukan dan prosesnya tidak dikelola. Data tetap tersedot dan terfragmentasi, dan sulit untuk diakses.
300: Ditentukan	• Repositori pusat, seperti hub data OneLake, digunakan untuk membuat data lebih mudah ditemukan bagi orang yang membutuhkannya. • Proses eksplisit diberlakukan untuk mengesahkan data dan konten berkualitas. • Dokumentasi dasar mencakup data katalog, definisi, dan perhitungan, serta tempat menemukannya.
400: Mampu	• Proses terstruktur dan konsisten memandu pengguna cara memberi dukungan, mendokumen, dan menemukan data dari hub pusat. Silo data adalah pengecualian alih-alih aturan. • Aset data berkualitas secara konsisten didukung dan mudah diidentifikasi. • Kamus data komprehensif dipertahankan dan meningkatkan penemuan data.
500: Efisien	• Data dan metadata diatur secara sistematis dan didokumentasikan dengan tampilan lengkap silsilah data. • Aset berkualitas didukung dan mudah diidentifikasi. • Alat katalog, seperti Microsoft Purview, digunakan untuk membuat data dapat ditemukan untuk penggunaan dan tata kelola.

Demokratisasi data

Demokratisasi data mengacu pada penempatan data ke tangan lebih banyak pengguna yang bertanggung jawab untuk memecahkan masalah bisnis. Ini tentang memungkinkan lebih banyak pengguna untuk membuat keputusan berbasis data yang lebih baik.

Catatan

Konsep demokratisasi data tidak menyiratkan kurangnya keamanan atau kurangnya pembenaran berdasarkan peran pekerjaan. Sebagai bagian dari budaya data yang sehat, demokratisasi data membantu mengurangi IT bayangan dengan menyediakan model semantik yang:

• Diamankan, diatur, dan dikelola dengan baik.
• Penuhi kebutuhan bisnis dengan cara yang hemat biaya dan tepat waktu.

Posisi organisasi Anda pada demokratisasi data akan berdampak luas pada upaya terkait tata kelola dan adopsi.

Peringatan

Jika akses ke data atau kemampuan untuk melakukan analitik terbatas pada jumlah individu tertentu dalam organisasi, itu biasanya merupakan tanda peringatan karena kemampuan untuk bekerja dengan data adalah karakteristik utama dari budaya data yang sehat.

Pertanyaan yang perlu diajukan tentang demokratisasi data

Gunakan pertanyaan seperti yang ditemukan di bawah ini untuk menilai demokratisasi data.

• Apakah data dan analitik mudah diakses, atau dibatasi untuk peran dan individu terbatas?
• Apakah proses efektif diterapkan bagi orang untuk meminta akses ke data dan alat baru?
• Apakah data mudah dibagikan antara tim dan unit bisnis, atau di-silo dan dijaga dengan ketat?
• Siapa yang diizinkan menginstal Power BI Desktop?
• Siapa yang diizinkan memiliki lisensi Power BI Pro atau Power BI Premium Per Pengguna (PPU)?
• Siapa yang diizinkan untuk membuat aset di ruang kerja Fabric?
• Berapa tingkat pengaktifan pengguna analitik layanan mandiri dan kecerdasan bisnis (BI) yang diinginkan? Bagaimana tingkat ini bervariasi tergantung pada unit bisnis atau peran pekerjaan?
• Apa keseimbangan yang diinginkan antara analitik perusahaan dan layanan mandiri, dan BI?
• Sumber data apa yang sangat disukai untuk topik dan domain bisnis apa? Apa yang diizinkan menggunakan sumber data yang tidak disanksi?
• Siapa yang dapat mengelola konten? Apakah keputusan ini berbeda untuk data versus laporan? Apakah keputusan berbeda untuk pengguna BI perusahaan versus pengguna terdesentralisasi? Siapa yang dapat memiliki dan mengelola konten BI layanan mandiri?
• Siapa yang dapat menggunakan konten? Apakah keputusan ini berbeda untuk mitra eksternal, pelanggan, atau pemasok?

Tingkat kematangan demokratisasi data

Tingkat kematangan berikut dapat membantu Anda menilai status demokratisasi data Anda saat ini.

Tingkat	Status demokratisasi data
100: Awal	• Data dan analitik terbatas pada sejumlah kecil peran, yang gatekeep akses ke orang lain. • Pengguna bisnis harus meminta akses ke data atau alat untuk menyelesaikan tugas. Mereka berjuang dengan penundaan atau hambatan. • Inisiatif layanan mandiri berlangsung dengan beberapa keberhasilan di berbagai bidang organisasi. Aktivitas ini terjadi dengan cara yang agak kacau, dengan beberapa proses formal dan tidak ada rencana strategis. Ada kurangnya pengawasan dan visibilitas ke dalam aktivitas layanan mandiri ini. Keberhasilan atau kegagalan setiap solusi tidak dipahami dengan baik. • Tim data perusahaan tidak dapat mengikuti kebutuhan bisnis. Backlog permintaan yang signifikan ada untuk tim ini.
200: Dapat diulang	• Ada upaya terbatas yang sedang berlangsung untuk memperluas akses ke data dan alat. • Beberapa tim telah memiliki keberhasilan yang terukur dengan solusi layanan mandiri. Orang-orang di organisasi mulai memperhatikan. • Investasi sedang dilakukan untuk mengidentifikasi keseimbangan ideal solusi perusahaan dan layanan mandiri.
300: Ditentukan	• Banyak orang memiliki akses ke data dan alat yang mereka butuhkan, meskipun tidak semua pengguna sama-sama diaktifkan atau dimintai pertanggungjawaban atas konten yang mereka buat. • Praktik data layanan mandiri yang efektif secara bertahap dan sengaja direplikasi di lebih banyak area organisasi.
400: Mampu	• Kemitraan yang sehat ada di antara perusahaan dan pembuat solusi layanan mandiri. Akuntabilitas dan kebijakan pengguna yang jelas dan realistis mengurangi risiko analitik layanan mandiri dan BI. • Proses yang jelas dan konsisten tersedia bagi pengguna untuk meminta akses ke data dan alat. • Individu yang mengambil inisiatif dalam membangun solusi berharga diakui dan dihargai.
500: Efisien	• Akuntabilitas pengguna dan tata kelola yang efektif memberi tim pusat keyakinan pada apa yang dilakukan pengguna dengan data. • Proses otomatis yang dipantau memungkinkan orang untuk dengan mudah meminta akses ke data dan alat. Siapa pun dengan kebutuhan atau minat untuk menggunakan data dapat mengikuti proses ini untuk melakukan analitik.

Literasi data

Literasi data mengacu pada kemampuan untuk menafsirkan, membuat, dan berkomunikasi dengan data dan analitik secara akurat dan efektif.

Upaya pelatihan, seperti yang dijelaskan dalam artikel pendampingan dan pengaktifan pengguna, sering kali berfokus pada cara menggunakan teknologi itu sendiri. Keterampilan teknologi penting untuk menghasilkan solusi berkualitas tinggi, tetapi penting juga untuk mempertimbangkan cara memajukan literasi data di seluruh organisasi dengan sengaja. Dengan cara lain, adopsi yang berhasil membutuhkan lebih dari sekadar menyediakan perangkat lunak dan lisensi kepada pengguna.

Cara Anda meningkatkan literasi data di organisasi Anda bergantung pada banyak faktor, seperti keterampilan pengguna saat ini, kompleksitas data, dan jenis analitik yang diperlukan. Anda dapat memilih untuk fokus pada jenis aktivitas ini yang terkait dengan literasi data:

• Menginterpretasikan bagan dan grafik
• Menilai validitas data
• Melakukan analisis akar penyebab
• Membedakan korelasi dari penyebab
• Memahami bagaimana konteks dan outlier memengaruhi bagaimana hasil disajikan
• Menggunakan mendongeng untuk membantu konsumen memahami dan bertindak dengan cepat

Tip

Jika Anda sedang berusaha mendapatkan kultur data atau upaya tata kelola yang disetujui, berfokus pada manfaat nyata yang dapat Anda capai dengan penemuan data ("temukan data"), demokratisasi data ("gunakan data"), atau literasi data ("pahami data") dapat membantu. Hal ini juga dapat membantu untuk fokus pada masalah tertentu yang dapat Anda selesaikan atau mitigasi melalui kemajuan budaya data.

Mendapatkan pemangku kepentingan yang tepat untuk menyepakati masalah biasanya merupakan langkah pertama. Kemudian, ini adalah masalah mendapatkan pemangku kepentingan untuk menyepakati pendekatan strategis untuk solusi, bersama dengan detail solusi.

Pertanyaan yang perlu diajukan tentang literasi data

Gunakan pertanyaan seperti yang ditemukan di bawah ini untuk menilai literasi data.

• Apakah kosakata analitik umum ada di organisasi untuk berbicara tentang data dan solusi BI? Atau, apakah definisi terfragmentasi dan berbeda di seluruh silo?
• Seberapa nyaman orang-orang dengan membuat keputusan berdasarkan data dan bukti dibandingkan dengan intuisi dan pengalaman subjektif?
• Ketika orang-orang yang memegang pendapat dihadapkan dengan bukti yang bertentangan, bagaimana mereka bereaksi? Apakah mereka secara kritis mengapresiasi data, atau apakah mereka mengalihkannya? Dapatkah mereka mengubah pendapat mereka, atau apakah mereka menjadi terkejut dan tahan?
• Apakah program pelatihan ada untuk mendukung orang-orang dalam mempelajari tentang data dan alat analitis?
• Apakah ada ketahanan yang signifikan terhadap analitik visual dan pelaporan interaktif yang mendukung spreadsheet statis?
• Apakah orang terbuka untuk metode dan alat analitik baru untuk mengatasi pertanyaan bisnis mereka secara lebih efektif? Atau, apakah mereka lebih suka tetap menggunakan metode dan alat yang ada untuk menghemat waktu dan energi?
• Apakah ada metode atau program untuk menilai atau meningkatkan literasi data dalam organisasi? Apakah kepemimpinan memiliki pemahaman yang akurat tentang tingkat literasi data?
• Apakah ada peran, tim, atau departemen di mana literasi data sangat kuat atau lemah?

Tingkat kematangan literasi data

Tingkat kematangan berikut dapat membantu Anda menilai status literasi data Anda saat ini.

Tingkat	Status literasi data
100: Awal	• Keputusan sering dibuat berdasarkan intuisi dan pengalaman subjektif. Ketika dihadapkan dengan data yang menantang pendapat yang ada, data sering disepelekan. • Individu memiliki keyakinan rendah untuk menggunakan dan memahami data dalam proses atau diskusi pengambilan keputusan. • Melaporkan konsumen memiliki preferensi yang kuat untuk tabel statis. Konsumen ini menutup visualisasi interaktif atau metode analitik canggih sebagai "mewah" atau tidak perlu.
200: Dapat diulang	• Beberapa tim dan individu secara tidak konsisten memasukkan data ke dalam pengambilan keputusan mereka. Ada kasus yang jelas di mana salah menafsirkan data telah menyebabkan keputusan yang cacat atau kesimpulan yang salah. • Ada beberapa ketahanan ketika data menantang keyakinan yang sudah ada sebelumnya. • Beberapa orang skeptis dengan visualisasi interaktif dan metode analitik canggih, meskipun penggunaannya meningkat.
300: Ditentukan	• Mayoritas tim dan individu memahami data yang relevan dengan area bisnis mereka dan menggunakannya secara implisit untuk menginformasikan keputusan. • Ketika data menantang keyakinan yang sudah ada sebelumnya, hal ini menghasilkan diskusi penting dan terkadang memotivasi perubahan. • Visualisasi dan analitik tingkat lanjut lebih banyak diterima, meskipun tidak selalu digunakan secara efektif.
400: Mampu	• Literasi data diakui secara eksplisit sebagai keterampilan yang diperlukan dalam organisasi. Beberapa program pelatihan membahas literasi data. Upaya khusus diambil untuk membantu departemen, tim, atau individu yang memiliki literasi data yang sangat lemah. • Sebagian besar individu dapat secara efektif menggunakan dan menerapkan data untuk membuat keputusan yang lebih baik secara objektif dan mengambil tindakan. • Praktik terbaik visual dan analitik didokumenkan dan diikuti dalam solusi data yang penting secara strategis.
500: Efisien	• Literasi data, pemikiran kritis, dan pembelajaran berkelanjutan adalah keterampilan dan nilai strategis dalam organisasi. Program yang efektif memantau kemajuan untuk meningkatkan literasi data dalam organisasi. • Pengambilan keputusan didorong oleh data di seluruh organisasi. Kecerdasan keputusan atau analitik preskriptif digunakan untuk merekomendasikan keputusan dan tindakan utama. • Praktik terbaik visual dan analitik dipandang penting untuk menghasilkan nilai bisnis dengan data.

Pertimbangan dan tindakan utama

Daftar periksa - Berikut adalah beberapa pertimbangan dan tindakan utama yang dapat Anda ambil untuk memperkuat budaya data Anda.

• Menyelaraskan tujuan dan strategi kultur data Anda: Berikan pertimbangan serius pada jenis budaya data yang ingin Anda kembangkan. Idealnya, ini lebih kepada posisi pemberdayaan pengguna daripada posisi perintah dan kontrol.
• Pahami status Anda saat ini: Bicaralah dengan pemangku kepentingan di unit bisnis yang berbeda untuk memahami praktik analitik mana yang saat ini bekerja dengan baik dan praktik mana yang tidak berfungsi dengan baik untuk pengambilan keputusan berbasis data. Lakukan serangkaian lokakarya untuk memahami keadaan saat ini dan merumuskan keadaan masa depan yang diinginkan.
• Berbicara dengan pemangku kepentingan: Bicaralah dengan pemangku kepentingan di IT, BI, dan COE untuk memahami batasan tata kelola mana yang perlu dipertimbangkan. Percakapan ini dapat menyajikan kesempatan untuk mendidik tim tentang topik seperti keamanan dan infrastruktur. Anda juga dapat menggunakan kesempatan untuk mendidik pemangku kepentingan tentang fitur dan kemampuan yang disertakan dalam Fabric.
• Verifikasi sponsor eksekutif: Verifikasi tingkat sponsor eksekutif dan dukungan yang Anda miliki untuk memajukan tujuan budaya data.
• Buat keputusan khusus tentang strategi data Anda: Tentukan keseimbangan ideal layanan mandiri yang dipimpin bisnis, layanan mandiri terkelola, dan data perusahaan, analitik, dan kasus penggunaan BI harus untuk unit bisnis utama dalam organisasi (tercakup dalam artikel kepemilikan dan manajemen konten). Pertimbangkan juga bagaimana strategi data berkaitan dengan sejauh mana konten yang diterbitkan untuk analitik pribadi, tim, departemen, dan perusahaan dan BI (dijelaskan dalam artikel cakupan pengiriman konten). Tentukan tujuan dan prioritas tingkat tinggi Anda untuk perencanaan strategis ini. Tentukan bagaimana keputusan ini memengaruhi perencanaan taktis Anda.
• Buat rencana taktis: Mulai buat rencana taktis untuk item tindakan segera, jangka pendek, dan jangka panjang. Identifikasi grup bisnis dan masalah yang mewakili "kemenangan cepat" dan dapat membuat perbedaan yang terlihat.
• Membuat tujuan dan metrik: Tentukan bagaimana Anda akan mengukur efektivitas untuk inisiatif budaya data Anda. Buat indikator performa utama (KPI) atau tujuan dan hasil utama (OKR) untuk memvalidasi hasil upaya Anda.

Pertanyaan yang perlu diajukan tentang budaya data

Gunakan pertanyaan seperti yang ditemukan di bawah ini untuk menilai budaya data.

• Apakah data dianggap sebagai aset strategis dalam organisasi?
• Apakah ada visi budaya data sehat yang berasal dari kepemimpinan eksekutif dan selaras dengan tujuan organisasi?
• Apakah budaya data memandu pembuatan kebijakan dan pedoman tata kelola?
• Apakah sumber data organisasi dipercaya oleh pembuat konten dan konsumen?
• Saat membenarkan pendapat, keputusan, atau pilihan, apakah orang menggunakan data sebagai bukti?
• Apakah pengetahuan tentang analitik dan penggunaan data didokumentasikan atau apakah ada keandalan pada pengetahuan suku yang tidak terdokumentasi?
• Apakah upaya untuk mengembangkan solusi data dihargai dan dihargai oleh komunitas pengguna?

Tingkat kematangan kultur data

Tingkat kematangan berikut akan membantu Anda menilai status budaya data Anda saat ini.

Tingkat	Status kultur data
100: Awal	• Tim data perusahaan tidak dapat mengikuti kebutuhan bisnis. Backlog permintaan yang signifikan ada. • Data layanan mandiri dan inisiatif BI berlangsung dengan beberapa keberhasilan di berbagai bidang organisasi. Kegiatan ini terjadi dengan cara yang agak kacau, dengan beberapa proses formal dan tidak ada rencana strategis. • Ada kurangnya pengawasan dan visibilitas ke dalam kegiatan BI layanan mandiri. Keberhasilan atau kegagalan data dan solusi BI tidak dipahami dengan baik.
200: Dapat diulang	• Beberapa tim telah memiliki keberhasilan yang terukur dengan solusi layanan mandiri. Orang-orang di organisasi mulai memperhatikan. • Investasi dilakukan untuk mengidentifikasi keseimbangan ideal data perusahaan dan layanan mandiri, analitik, dan BI.
300: Ditentukan	• Tujuan khusus ditetapkan untuk memajukan budaya data. Tujuan ini diimplementasikan secara bertahap. • Pembelajaran dari apa yang bekerja di unit bisnis individu dibagikan. • Praktik layanan mandiri yang efektif secara bertahap dan sengaja direplikasi di lebih banyak bidang organisasi.
400: Mampu	• Tujuan budaya data untuk menggunakan pengambilan keputusan berdasarkan informasi selaras dengan tujuan organisasi. Mereka secara aktif didukung oleh sponsor eksekutif, COE, dan mereka berdampak langsung pada strategi adopsi. • Kemitraan yang sehat dan produktif ada antara sponsor eksekutif, COE, unit bisnis, dan IT. Tim bekerja menuju tujuan bersama. • Individu yang mengambil inisiatif dalam membangun solusi data berharga diakui dan dihargai.
500: Efisien	• Nilai bisnis data, analitik, dan solusi BI dievaluasi dan diukur secara teratur. KPI atau OKR digunakan untuk melacak tujuan budaya data dan hasil upaya ini. • Perulangan umpan balik ada, dan mendorong peningkatan budaya data yang sedang berlangsung. • Peningkatan berkelanjutan adopsi organisasi, adopsi pengguna, dan adopsi solusi adalah prioritas utama.

Konten terkait

Dalam artikel berikutnya dalam seri peta strategi adopsi Microsoft Fabric, pelajari tentang pentingnya sponsor eksekutif.