次の方法で共有

Microsoft Fabric 導入ロードマップ: データ カルチャ

  • [アーティクル]

Note

この記事は、"Microsoft Fabric 導入ロードマップ" シリーズ記事の一部です。 シリーズの概要については、「Microsoft Fabric 導入ロードマップ」を参照してください。

データ カルチャの構築は、分析の導入に密接に関連し、多くの場合、組織のデジタル変革の重要な側面となります。 "データ カルチャ" という用語は、組織によって異なる方法で定義できます。 この一連の記事では、データ カルチャは、組織内の一連の動作と規範を意味します。 これにより、次の方法で、情報に基づくデータの意思決定を定期的に採用する文化が奨励されます。

  • 組織内のより多くの領域にわたる、より多くの利害関係者による方法。
  • 意見ではなく、分析に基づく方法。
  • センター オブ エクセレンス (COE) によって承認されたベスト プラクティスに基づく、効果的かつ効率的な方法。
  • 信頼されたデータに基づく方法。
  • これにより、文書化されていない些細な知識への依存が軽減されます。
  • そうすることで、直感や本能に基づく決定に依存しすぎることがなくなります。

重要

データ カルチャは、単なる言葉でなく、実際の動作であると考えてください。 データ カルチャは、一連のルール (ガバナンス) ではありません。 したがって、データ カルチャは、やや抽象的な概念です。 許可され、報酬を受け、奨励される動作と規範、または、禁止される非推奨の動作と規範です。 健全なデータ カルチャが、組織のすべてのレベルの従業員にとって、実用的な知識を生み出して分配するための動機付けになることを念頭に置いてください。

組織内では、特定の事業単位またはチームが、業務を完了するために独自の動作と規範を持っている可能性があります。 組織の境界を越えると、データ カルチャの目的を達成するための具体的な方法は異なる可能性があります。 重要なのは、これらのすべての方法が、組織のデータ カルチャ目標に沿っている必要があるという点です。 この構造は、"一致する自律性" と考えることができます。

次の円形図は、データ カルチャに影響を与える相互関連の側面を示しています。

Diagram shows various relationships and influences in a data culture, which are described below.

この図は、次の項目間のあいまいなリレーションシップを表しています。

図の要素については、この一連の記事で説明します。

データ カルチャ ビジョン

データ カルチャの概念は、定義と測定が困難な可能性があります。 わかりやすく実用的かつ測定可能な方法でデータ カルチャを明示することが困難な場合でも、健全なデータ カルチャが組織にとって何を意味するかが定義されており、それが十分に認識されている必要があります。 健全なデータ カルチャのこのビジョンは、次の条件を満たす必要があります。

  • エグゼクティブ レベルに由来する。
  • 組織の目標に沿っている。
  • 導入戦略に直接影響を与える。
  • ガバナンス ポリシーとガイドラインを適用するときの基本原則として機能する。

データ カルチャの結果は、特に必須ではありません。 むしろ、データ カルチャの状態は、適用されるガバナンス規則 (またはガバナンス規則の欠如) に従った結果生じるものです。 すべてのレベルのリーダーは、イニシアチブをとるスタッフ メンバーを称賛し、認識し、報酬を与える方法を含め、自分の行動を通じて、何が重要であるかを積極的に示す必要があります。

ヒント

あなたが、(以前はデータセットと呼ばれていたセマンティック モデル、レイクハウス、レポートなどの) データ ソリューションを開発するための自分の努力が評価され感謝されるのが当然だと思えるとしたら、それは健全なデータ カルチャの優れた指標であると言えます。 ただし、これは、直接のマネージャーが何を最も評価するかによって変わる場合があります。

データ カルチャを確立するための最初の動機は、多くの場合、特定の戦略的なビジネス上の問題またはイニシアチブから生じます。 たとえば、次の場合です。

  • 新しいアジャイル競合への対応など、リアクティブな変更。
  • 新しい事業を開始したり、新しい市場に拡大して "グリーン フィールド" の機会をつかむなど、プロアクティブな変更。 確立された組織と比較して制約や複雑さが少ない場合は、最初からデータ駆動型にする方が比較的容易になる可能性があります。
  • 景気の停滞中に非効率性や冗長性を排除する圧力など、外部の変化によって駆動される。

これらの個々の状況において、多くの場合、特定の領域にデータ カルチャが根付いています。 その特定の領域は、依然として重要な場合でも、組織全体よりも小さい作業スコープである可能性があります。 この小さなスコープで必要な変更が行われたら、段階的にレプリケートし、組織の残りの部分に合わせて調整することができます。

テクノロジはデータ カルチャの目標を推進するのに役立ちますが、特定のツールや機能を実装することが目的なのではありません。 この一連の記事では、健全なデータ カルチャの導入に役立つ多くのトピックを扱います。 この記事の残りの部分では、データ カルチャの 3 つの重要な側面であるデータの検出、データの民主化、およびデータ リテラシーについて説明します。

データの検出

データ カルチャの成功は、毎日のアクティビティで適切なデータを操作しているユーザーにかかっています。 この目標を達成するには、ユーザーはデータ ソース、レポート、およびその他の項目を見つけてアクセスする必要があります。

"データの検出" は、組織全体で関連するデータ資産を効果的に見つける機能です。 主にデータの検出は、データが存在するという認識を高めることに関係しており、部門システムでデータがサイロ化している場合、これは特に難しくなる可能性があります。

データの検出は、"検索" とは少し異なる概念です。その理由を次に示します。

  • データの検出では、ユーザーがセマンティック モデルの名前などのアイテムのメタデータを確認することを許可します (ユーザーが現在、アイテムに対するアクセス権を持っていない場合でも)。 ユーザーは、その存在を認識したら、標準プロセスを実行してその項目へのアクセスを要求できます。
  • 検索でユーザーが既存の項目を見つけることができるのは、その項目に対するセキュリティ アクセス権がそのユーザーに既にあるときです。

ヒント

ユーザーがデータへのアクセスを要求できるよう、明確でシンプルなプロセスを用意することが重要です。 データが存在することがわかっているのに、ドメイン所有者によって確立されたガイドラインとプロセス内でそれにアクセスできなければ、ユーザーが不満を抱く可能性があります。 この場合、適切なチャネルを介してアクセスを要求するのではなく、非効率的な回避策を使用しなければならない可能性があります。

データの検出は、次の方法で導入作業とガバナンス プラクティスの実装に寄与します。

  • 信頼できる高品質のデータ ソースの使用を奨励する。
  • 使用可能なデータ資産への既存の投資を利用するようユーザーを促す。
  • 既存のデータ アイテム (レイクハウス、データ ウェアハウス、データ パイプライン、データフロー、セマンティック モデルなど) またはレポート アイテム (レポート、ダッシュボード、メトリックなど) の使用とエンリッチメントの促進。
  • データ資産を所有および管理するユーザーを把握できるよう支援する。
  • コンシューマー、作成者、所有者の間の接続を確立する。

OneLake データ ハブと承認の使用は、組織内のデータの検出を促進する主要な方法です。

さらに、データ カタログ ソリューションは、データ検出に非常に役立つツールです。 これにより、メタデータ タグと説明を記録して、より深いコンテキストと意味を提供できます。 たとえば、Microsoft Purview を使って、Fabric テナント (およびその他の多くのソース) から項目をスキャンしてカタログ化することができます。

データの検出に関する確認事項

以下のような質問を使用して、データの検出を評価します。

  • ビジネス ユーザーがデータを検索できるデータ ハブはありますか?
  • 定義とデータの場所を記述するメタデータ カタログはありますか?
  • 認定または昇格によって高品質なデータ ソースが承認されていますか?
  • ユーザーが必要なデータを見つけられないから、という理由で存在する冗長データソースはどの程度ありますか? どのロールがデータ項目の作成に必要ですか? どのロールが、レポートの作成またはアドホック分析の実行に必要ですか?
  • エンド ユーザーは既存のレポートを見つけて使用することができますか? それとも、データをエクスポートして自分のレポートを作成することに固執していますか?
  • 特定のビジネスの質問に対処したり、特定のデータを検索したりするのに使用するレポートを、エンド ユーザーはわかっていますか?
  • ユーザーは適切なデータ ソースとツールを使用していますか? それとも、これらに抵抗し、従来のものを優先していますか?
  • アナリストは、(たとえば、Power BI 複合モデルを使用することで) 既存の認定セマンティック モデルを新しいデータでエンリッチする方法を理解していますか?
  • データ項目の品質、完全性、名前付け規則はどの程度一貫していますか?
  • データ項目の所有者は、データ系列に従ってデータ項目の影響分析を実行できますか?

データの検出の成熟度レベル

次の成熟度レベルは、データ検出の現在の状態を評価するのに役立ちます。

Level Fabric データ検出の状態
100: 初期 • データが断片化され、まとまりを欠き、データを見つけるための明確な構造やプロセスがありません。

• ユーザーが、タスクに必要なデータを見つけて使用するのに苦労しています。
200: 反復可能 • データを整理して文書化するための取り組みが散発的または有機的に進行中ですが、特定のチームや部門のみに限られています。

• コンテンツが承認されることがありますが、これらの承認は定義されておらず、プロセスも管理されていません。 データはサイロ化および断片化されたままで、アクセスが困難です。
300: 定義済み • データを必要とするユーザーがデータを見つけやすいように、OneLake データ ハブなどの中央リポジトリが使用されています。

• 高品質なデータとコンテンツを承認するための明確なプロセスがあります。

• 基本的なドキュメントに、カタログ データ、定義、計算のほか、それらを検索する場所も含まれています。
400: 可能 • 構造化された一貫性のあるプロセスに従って、ユーザーが中央ハブからデータを承認、文書化、検索できます。 データ サイロは、ルールではなく例外です。

• 高品質のデータ資産が常に承認され、識別も容易です。

• 包括的がデータ ディクショナリが整備され、これによりデータの検出が向上しています。
500: 効率的 • データとメタデータが体系的に整理され、データ系列全体を把握できるように文書化されています。

• 高品質の資産が承認され、識別も容易です。

• Microsoft Purview などのカタログ ツールが、使用とガバナンスの両方において、データを検出可能にするために使用されています。

データの民主化

データの民主化とは、ビジネス上の問題の解決を担当する、より多くのユーザーの手にデータを渡すことを意味します。 この目的は、より多くのユーザーがより的確な、データ主導による意思決定を行えるようにすることです。

Note

データの民主化の概念は、セキュリティの欠如または職務に基づく正当な理由の欠如を意味するものではありません。 データの民主化は、正常なデータ カルチャの一部として、以下のようなセマンティック モデルを提供することで "シャドウ IT" の削減に役立ちます。

  • セキュリティで保護され、管理され、適切に管理されている。
  • 費用対効果が高く、タイムリーな方法でビジネス ニーズに適合している。

データの民主化に関する組織の立場は、導入とガバナンスに関連する取り組みに広範な影響を与えます。

警告

データへのアクセス権や分析を実行する権限が組織内の一部の個人に制限されている場合、通常、それは警告のサインです。データを操作できることは、健全なデータ カルチャの重要な特性であるためです。

データの民主化に関する確認事項

以下のような質問を使用して、データの民主化を評価します。

  • データと分析にはすぐにアクセスできますか? それとも、限られたロールや個人に制限されていますか?
  • ユーザーが新しいデータとツールへのアクセスを要求する効果的なプロセスはありますか?
  • データはチームと部署の間ですぐに共有できますか? それとも、サイロ化され、厳重にガードされていますか?
  • Power BI Desktop のインストールを許可されるユーザー。
  • Power BI Pro または Power BI Premium Per User (PPU) ライセンスを持つことを許可されるユーザー。
  • Fabric ワークスペースで資産の作成を許可されているのは誰ですか?
  • セルフサービス分析およびビジネス インテリジェンス (BI) ユーザーの望ましい有効化のレベルは何ですか? このレベルは、部署や職務によってどのように異なりますか?
  • エンタープライズとセルフサービス分析、および BI の間の望ましいバランスは何ですか?
  • どのトピックおよびビジネス ドメインに対して、どのデータ ソースが強く推奨されますか? 未承認のデータ ソースに対して、どのような使用法が許可されていますか?
  • コンテンツを管理できるユーザー。 データとレポートの間でこの決定が異なるかどうか。 エンタープライズ BI ユーザーと分散型ユーザーの間で決定が異なりますか? セルフサービス BI のコンテンツを所有および管理できるのは誰ですか?
  • コンテンツを使用できるユーザー。 この決定は、外部パートナー、顧客、サプライヤーの間で異なりますか?

データの民主化の成熟度レベル

次の成熟度レベルは、データ民主化の現在の状態を評価するのに役立ちます。

Level データ民主化の状態
100: 初期 • データと分析が少数のロールに制限され、そのロールを持つユーザーが他のユーザーへのアクセスを管理しています。

• ビジネス ユーザーが、タスクを完了するためにデータまたはツールへのアクセスを要求する必要があります。 延期期間やボトルネックに苦労しています。

• 組織のさまざまな領域でセルフサービス イニシアチブが実行され、その一部が成功を収めています。 これらのアクティビティは、正式なプロセスがほとんどなく、戦略的なプランもない、やや無秩序な方法で発生しています。 これらのセルフサービス アクティビティに対する監視と可視性が不足しています。 各ソリューションの成功や失敗について、よく理解されていません。

• エンタープライズ データ チームが、ビジネスのニーズに対応できません。 このチームに対して、要求の重要なバックログが存在しています。
200: 反復可能 • データとツールへのアクセスを拡大するための現在進行中の取り組みは限定的です。

• 複数のチームが、セルフサービス ソリューションである程度の成功を収めています。 組織内の人々が注目し始めています。

• エンタープライズとセルフサービス ソリューションの理想的なバランスを判断するために投資が行われています。
300: 定義済み • 多くのユーザーが、必要なデータとツールにアクセスできますが、すべてのユーザーが、作成したコンテンツに対して同じように有効になっている、または責任を負うわけではありません。

効果的なセルフサービス データ プラクティスが、組織のさらに多くの領域全体に段階的かつ目的に合わせてレプリケートされます。
400: 可能 • エンタープライズとセルフサービス ソリューションの作成者の間に健全なパートナーシップが存在します。 明確で現実的なユーザーのアカウンタビリティとポリシーにより、セルフサービス分析および BI のリスクが軽減されます。

• ユーザーがデータとツールへのアクセスを要求するための明確で一貫性のあるプロセスがあります。

• 重要なソリューションの構築においてイニシアチブをとる個人が認識され、報酬を受け取ります。
500: 効率的 • ユーザーのアカウンタビリティと効果的なガバナンスによって、中央チームは、ユーザーがデータを活用して行うことに自信を持っています。

• 自動化された監視対象のプロセスにより、ユーザーがデータとツールへのアクセスを簡単に要求できます。 データを使用する必要がある、またはデータを使用することに関心のあるすべてのユーザーが、これらのプロセスに従って分析を実行できます。

データ リテラシー

データ リテラシーとは、データと分析を正確かつ効果的に解釈、作成、伝達する能力を指します。

トレーニング作業は、メンタリングとユーザーの有効化に関する記事で説明したように、多くの場合、テクノロジ自体の使い方に焦点を当てるものです。 テクノロジ スキルは高品質のソリューションを生成するために重要ですが、組織全体で目的に合わせてデータ リテラシーを推進する方法を考慮することも重要です。 言い換えると、導入の成功には、単にユーザーにソフトウェアおよびライセンスを提供するよりもはるかに多くのことが必要です。

組織内のデータ リテラシーを改善する方法は、現在のユーザー スキルセット、データの複雑さ、必要な分析の種類など、多くの要因によって決まります。 データ リテラシーに関連する以下のアクティビティの種類に集中することもできます。

  • チャートとグラフの解釈
  • データの有効性の評価
  • 根本原因分析の実行
  • 相関関係と因果関係の区別
  • コンテキストと外れ値が結果の表示方法に与える影響を理解する
  • ストーリーテリングを使用して、コンシューマーがすばやく理解して動作できるようにする

ヒント

データ カルチャやガバナンスの取り組みの承認を得るのに苦労している場合は、データの検出 ("データの検索")、データの民主化 ("データの使用")、またはデータ リテラシー ("データの理解") によって達成できる具体的な利点に焦点を当てると、役立ちます。 また、データ カルチャの進歩によって解決または軽減できる特定の問題に焦点を当てても、役立つ可能性があります。

通常、最初のステップは、問題に対して適切な利害関係者の同意を得ることです。 次に、ソリューションへの戦略的アプローチと、ソリューションの詳細に対して、適切な利害関係者の同意を得る必要があります。

データ リテラシーに関する確認事項

以下のような質問を使用して、データ リテラシーを評価します。

  • データと BI ソリューションについて話すための一般的な分析ボキャブラリが組織に存在しますか? あるいは、定義が断片化され、サイロ間で異なっていますか?
  • ユーザーは意思決定を、直感や主観的体験ではなく、データと証拠に基づいて行うことにどの程度慣れていますか?
  • 自分の意見に相反する証拠を突きつけられたとき、ユーザーはどのように対応しますか? そのデータを批判的に評価しますか? それとも無視しますか? そのユーザーは自分の意見を変えることができますか? それとも、強く抵抗しますか?
  • データおよび分析ツールに関する学習をサポートするトレーニング プログラムは存在しますか?
  • ビジュアル分析と対話型レポートに大きな抵抗があり、静的なスプレッドシートが優先されていますか?
  • ビジネス上の質問にさらに効果的に対処できる可能性がある新しい分析方法とツールに対して、ユーザーが前向きですか? あるいは、既存の方法とツールを使い続けて、時間とエネルギーを節約したいと考えていますか?
  • 組織内のデータ リテラシーを評価または改善する方法やプログラムはありますか? リーダーシップはデータ リテラシー レベルを正確に理解していますか?
  • データ リテラシーに特に強い、または弱いロール、チーム、部門はありますか?

データ リテラシーの成熟度レベル

次の成熟度レベルは、データ リテラシーの現在の状態を評価するのに役立ちます。

Level データ リテラシーの状態
100: 初期 • 多くの場合、直感と主観的体験に基づいて意思決定が行われます。 既存の意見に疑問を呈するデータは、ほとんどの場合、無視されます。

• 個人が意思決定プロセスやディスカッションで自信を持ってデータを使用および理解することができません。

• レポート利用者に静的テーブルに対する強い希望があります。 これらの利用者は、対話型の視覚化や高度な分析方法を "思い付き" または不要なものとして無視します。
200: 反復可能 • 一部のチームや個人が、一貫性のない方法でデータを意思決定に取り入れています。 データを誤って解釈したことが、決定のミスや間違った結論につながったことが明確な事例があります。

• データが既存の信念に疑問を呈すると、多少の抵抗があります。

• 対話型の視覚化や高度な分析方法に懐疑的なユーザーが多少いますが、その使用は増えています。
300: 定義済み • チームと個人のほとんどが、ビジネス領域に関連するデータを理解し、それを暗黙的に意思決定に利用しています。

• データが既存の信念に疑問を呈すると、批判的なディスカッションが生まれ、変化を促すことがあります。

• 視覚化と高度な分析がさらに広く受け入れられていますが、必ずしも効果的に使用されているとは限りません。
400: 可能 • データ リテラシーが、組織内で必要なスキルとして明示的に認識されています。 一部のトレーニング プログラムがデータ リテラシーを扱っています。 データ リテラシーに特に弱い部門、チーム、個人を支援するための具体的な取り組みが行われています。

• ほとんどの個人がデータを効果的に使用し適用することで、より適切な意思決定を客観的に行い、アクションを実行できます。

• 戦略的に重要なデータ ソリューションで視覚的かつ分析的なベスト プラクティスが文書化され、守られています。
500: 効率的 • データ リテラシー、批判的思考、継続的な学習が、組織における戦略的スキルと価値になっています。 効果的なプログラムが、組織内のデータ リテラシー改善への進捗状況を監視しています。

• 組織全体で意思決定がデータによって推進されています。 意思決定のインテリジェンスや規範的分析が、主要な意思決定とアクションを推奨するために使用されています。

• 視覚的かつ分析的なベスト プラクティスが、データによるビジネス価値の創出に不可欠であると見なされています。

考慮事項と主なアクション

チェックリスト - データ カルチャを強化するために実行できる考慮事項と主なアクションを次に示します。

  • データ カルチャの目標と戦略の整合性: 育成したいデータ カルチャの種類について、真剣に検討します。 理想的には、コマンドとコントロールの立場よりも、ユーザー エンパワーメントの立場から検討します。
  • 現在の状態を把握する: さまざまな事業単位の利害関係者と話し合い、データ駆動型の意思決定に関して現在うまく機能している分析プラクティスと、うまく機能していないプラクティスを把握します。 現在の状態を理解し、将来の望ましい状態を定義するための一連のワークショップを実施します。
  • 利害関係者と話し合う: IT、BI、COE の利害関係者と話し合って、どのガバナンス制約に考慮が必要かを把握します。 このような会話は、セキュリティやインフラストラクチャなどのトピックについてチームを教育する機会にすることができます。 また、この機会を利用して、Fabric に含まれる機能について関係者を教育することもできます。
  • エグゼクティブ スポンサーを確認する: データ カルチャの目標を推進するために、備わっているエグゼクティブ スポンサーとサポートのレベルを確認します。
  • データ戦略に関する目的に合った意思決定を行う: 組織内の主要な事業単位に対して、ビジネス主導のセルフサービス、マネージド セルフサービス、エンタープライズ データ、分析および BI のユース ケースの理想的なバランスを判断します (コンテンツの所有権と管理に関する記事で説明されています)。 また、個人、チーム、部門別、エンタープライズ分析および BI に対して発行されるコンテンツの範囲とデータ戦略がどのように関係するのかも検討してください (コンテンツの配信スコープに関する記事で説明されています)。 この戦略的プランの総合的な目標と優先順位を定義します。 これらの決定が戦術的プランにどのような影響を与えるかを判断します。
  • 戦術的プランの作成: 即時、短期、長期のアクション項目に対する戦術的プランの作成を開始します。 目に見える違いを生み出す可能性がある、"クイック ウィン" を表すビジネス グループと問題を特定します。
  • 目標とメトリックを作成する: データ カルチャ イニシアチブの有効性を測定する方法を決定します。 主要業績評価指標 (KPI) または目標と成果指標 (OKR) を作成して、取り組みの結果を検証します。

データ カルチャに関する確認事項

以下のような質問を使用して、データ カルチャを評価します。

  • データは組織で戦略的資産と見なされていますか?
  • 経営幹部のリーダーシップに基づく、組織の目標に沿った健全なデータ カルチャのビジョンはありますか?
  • データ カルチャに沿って、ガバナンス ポリシーとガイドラインが作成されていますか?
  • 組織のデータ ソースは、コンテンツの作成者と利用者によって信頼されていますか?
  • ユーザーが意見、決定、選択の正当性を説明するとき、データを証拠として使用しますか?
  • 分析とデータの使用に関する知識は文書化されていますか? または、文書化されていない同族的な知識に依存していますか?
  • データ ソリューションを開発する取り組みは、ユーザー コミュニティによって価値が認められ、高く評価されていますか?

データ カルチャの成熟度レベル

次の成熟度レベルは、データ カルチャの現在の状態を評価するのに役立ちます。

Level データ カルチャの状態
100: 初期 • エンタープライズ データ チームが、ビジネスのニーズに対応できません。 要求の重大なバックログが存在しています。

• 組織のさまざまな領域でセルフサービス データおよび BI イニシアチブが実行され、その一部が成功を収めています。 これらのアクティビティは、正式なプロセスがほとんどなく、戦略的なプランもない、やや無秩序な様相で発生しています。

• セルフサービス BI アクティビティに対する監視と可視性が不足しています。 データおよび BI ソリューションの成功または失敗は十分に理解されていません。
200: 反復可能 • 複数のチームが、セルフサービス ソリューションである程度の成功を収めています。 組織内の人々が注目し始めています。

• エンタープライズとセルフサービス データ、分析、および BI の理想的なバランスを判断するために投資が行われています。
300: 定義済み • データ カルチャの促進のために具体的な目標が定められています。 これらの目標は段階的に実装されます。

• 個々の事業単位でうまくいったことから得られる知識が共有されます。

• 効果的なセルフサービス プラクティスは、組織のさらに多くの領域全体に段階的かつ目的に合わせてレプリケートされます。
400: 可能 • 情報に基づく意思決定を採用するデータ カルチャの目標が、組織の目標に一致しています。 エグゼクティブ スポンサー、COE によって積極的にサポートされ、採用戦略に直接的な影響があります。

• エグゼクティブ スポンサー、COE、部署、IT の間に、健全で生産的なパートナーシップが存在します。 各チームは共通の目標に向けて取り組んでいます。

• 重要なデータ ソリューションの構築においてイニシアチブをとる個人が認識され、報酬を受け取ります。
500: 効率的 • データ、分析、および BI ソリューションのビジネス価値が定期的に評価および測定されます。 KPI または OKR を使用して、データ カルチャの目標とこれらの取り組みの結果を追跡しています。

• フィードバック ループが実施され、継続的なデータ カルチャの改善が促進されています。

• 組織的導入、ユーザーの導入、ソリューションの導入の継続的な改善が最優先事項です。

関連するコンテンツ

Microsoft Fabric の導入ロードマップ シリーズの次の記事では、エグゼクティブ スポンサーの重要性について説明します。