Roteiro de adoção do Microsoft Fabric: Cultura de dados

Observação

Este artigo faz parte da série de artigos de roteiro de adoção do Microsoft Fabric. Para obter uma visão geral da série, consulte o roteiro de adoção do Microsoft Fabric.

A criação de uma cultura de dados está intimamente relacionada à adoção do Power BI e com frequência é um aspecto fundamental da transformação digital de uma organização. O termo cultura de dados pode ser definido de maneiras diferentes por organizações diferentes. Nesta série de artigos, a cultura de dados significa o conjunto de comportamentos e normas em uma organização. Ele incentiva uma cultura que emprega regularmente a tomada de decisão informada por dados:

• Por mais stakeholders das outras áreas da organização.
• Baseada em análise e não em opinião.
• De maneira eficaz e eficiente baseada nas melhores práticas aprovadas = pelo Centro de Excelência (COE).
• Baseada em dados confiáveis.
• Que reduz a dependência do conhecimento não documentado de grupos específicos.
• Que reduz a dependência de palpites e decisões tomadas por intuição.

Importante

Pense na cultura de dados como algo que você faz e não que você diz. A cultura de dados não é um conjunto de regras (isso é governança). Portanto, a cultura de dados é um conceito um pouco abstrato. São os comportamentos e as normas permitidos, recompensados e incentivados e aqueles que não são permitidos ou incentivados. Tenha em mente que uma cultura de dados saudável motiva os funcionários em todos os níveis da organização a gerar e distribuir conhecimento acionável.

Dentro de uma organização, é provável que determinadas unidades de negócios ou equipes tenham comportamentos e normas próprios para fazer as coisas. As maneiras específicas para alcançar os objetivos da cultura de dados podem variar dentro da organização. O importante é que eles estejam alinhados aos objetivos organizacionais da cultura de dados. Essa estrutura pode ser considerada como autonomia alinhada.

O diagrama circular a seguir apresenta os aspectos inter-relacionados que influenciam a cultura de dados:

O diagrama representa relações um pouco ambíguas entre os seguintes itens:

• A cultura de dados é o círculo externo. Todos os tópicos dentro dele contribuem para o estado da cultura de dados.
• Adoção organizacional (incluindo os aspectos de implementação de orientação e habilitação do usuário, suporte ao usuário, comunidade de práticas, governança e supervisão do sistema) é o círculo interno. Todos os tópicos são grandes colaboradores da cultura de dados.
• Suporte executivo e Centro de excelência são os impulsionadores para o sucesso da adoção organizacional.
• A alfabetização de dados, a democratização de dados e a descoberta de dados são aspectos da cultura de dados muito influenciados pela adoção organizacional.
• A Propriedade e gerenciamento de conteúdo e o escopo de entrega de conteúdo estão intimamente relacionados à democratização de dados.

Os elementos do diagrama são discutidos ao longo desta série de artigos.

Visão da cultura de dados

O conceito de cultura de dados pode ser difícil de definir e de medir. Embora seja um desafio articular a cultura de dados de maneira que tenha significado, seja possível de colocar em prática e possa ser medida, é necessário ter uma definição bem clara do que uma cultura de dados saudável significa para a sua organização. Essa visão de uma cultura de dados saudável deve:

• Ter origem no nível executivo.
• Alinhar-se aos objetivos organizacionais.
• Influenciar diretamente a estratégia de adoção.
• Servir como princípio orientador de alto nível para a adoção de diretrizes e políticas de governança.

Os resultados da cultura de dados não são determinados especificamente. Em vez disso, o estado da cultura de dados é o resultado do cumprimento das regras de governança conforme elas são impostas (ou a falta delas). Os líderes em todos os níveis precisam demonstrar na prática o que é importante para eles por meio de suas ações, incluindo como eles elogiam, reconhecem e recompensam os membros da equipe que têm iniciativa.

Dica

Se você puder dar como certo que seus esforços para desenvolver uma solução de dados (como um modelo semântico—anteriormente conhecido como conjunto de dados, lakehouse ou relatório) serão valorizados e apreciados, esse é um excelente indicador de uma cultura de dados saudável. No entanto, algumas vezes isso vai depender do que o seu gerente imediato mais valoriza.

A motivação inicial para estabelecer uma cultura de dados geralmente vem de um problema ou uma iniciativa de negócios estratégico específico. Pode ser:

• Uma mudança reativa, como uma resposta à uma nova concorrência ágil.
• Uma mudança proativa, como o início de uma nova linha de negócios ou a expansão para novos mercados para aproveitar uma oportunidade "green field". Pode ser relativamente fácil ser orientado por dados desde o início quando há menos restrições e complicações, em comparação com uma organização estabelecida.
• Impulsionada por mudanças externas, como a pressão para eliminar ineficiências e redundâncias durante um período de retenção econômica.

Em cada uma dessas situações, geralmente há uma área específica na qual a cultura de dados se estabelece. A área específica pode ser um escopo de esforço menor do que toda a organização, e ainda significativo. Após fazer as modificações necessárias no escopo menor, elas podem ser replicadas incrementalmente e adaptadas para o restante da organização.

Embora a tecnologia possa ajudar a alcançar as metas de uma cultura de dados, a implementação de ferramentas ou recursos específicos não é o objetivo. Esta série de artigos aborda muitos tópicos que contribuem para a adoção de uma cultura de dados saudável. O restante deste artigo aborda três aspectos essenciais da cultura de dados: a descoberta de dados, a democratização de dados e o letramento de dados.

Descoberta de dados

Uma cultura de dados bem-sucedida depende de os usuários trabalharem com os dados corretos em suas atividades diárias. Para atingir essa meta, os usuários precisam encontrar e acessar as fontes de dados, os relatórios e outros itens.

A descoberta de dados é a capacidade de localizar efetivamente ativos de dados relevantes em toda a organização. A descoberta de dados trata-se principalmente de melhorar a consciência de que os dados existem, o que pode ser particularmente desafiador quando estão isolados em sistemas departamentais.

A descoberta de dados é um conceito ligeiramente diferente da pesquisa, porque:

• A descoberta de dados permite que os usuários vejam os metadados de um item, como o nome de um modelo semântico, mesmo que não tenham acesso a ele no momento. Depois que um usuário tiver conhecimento de sua existência, ele poderá passar pelo processo padrão para solicitar acesso ao item.
• A pesquisa permite que os usuários localizem um item existente quando eles já têm acesso de segurança ao item.

Dica

É importante ter um processo claro e simples para que os usuários possam solicitar o acesso aos dados. Saber que um conjunto de dados existe e não poder acessá-lo dentro das diretrizes e dos processos estabelecidos pelo proprietário do domínio pode ser frustrante para os usuários. Isso pode fazer com que eles usem soluções alternativas ineficientes em vez de solicitar o acesso por meio dos canais apropriados.

A descoberta de dados contribui para os esforços de adoção e a implementação das práticas de governança ao:

• Incentivar o uso de fontes de dados confiáveis de alta qualidade.
• Incentivar os usuários a aproveitar os investimentos existentes em ativos de dados disponíveis.
• Promover o uso e o enriquecimento de itens de dados existentes (como lakehouse, data warehouse, pipeline de dados, fluxo de dados ou modelo semântico) ou itens de relatório (como relatórios, painéis ou métricas).
• Ajudar as pessoas a entender quem é o proprietário e gerencia os artefatos de dados.
• Estabelecer conexões entre os consumidores, os criadores e os proprietários.

O hub de dados do OneLake e o uso de endossos são as principais maneiras de promover a descoberta de dados em sua organização.

Além disso, as soluções de catálogo de dados são ferramentas extremamente valiosas para a descoberta de dados. Elas podem registrar marcas e descrições de metadados para fornecer contexto e significado mais profundos. Por exemplo, o Microsoft Purview pode examinar e catalogar itens de um locatário do Fabric (bem como muitas outras fontes).

Perguntas a serem feitas sobre a descoberta de dados

Use perguntas como as encontradas abaixo para avaliar a descoberta de dados.

• Existe um hub de dados onde os usuários corporativos podem pesquisar dados?
• Existe um catálogo de metadados que descreve definições e locais de dados?
• As fontes de dados de alta qualidade são endossadas certificando-as ou promovendo-as ?
• Até que ponto as fontes de dados redundantes existem porque as pessoas não podem encontrar os dados de que precisam? Quais funções devem criar itens de dados? Quais funções devem criar relatórios ou executar análise ad hoc?
• Os usuários finais podem encontrar e usar relatórios existentes ou eles não têm acesso às exportações de dados para criar seus próprios relatórios?
• Os usuários finais sabem quais relatórios usar para resolver perguntas comerciais específicas ou localizar dados específicos?
• As pessoas estão usando as fontes de dados e as ferramentas apropriadas ou resistindo a elas em favor de fontes de dados herdados?
• Os analistas entendem como enriquecer os modelos semânticos certificados existentes com novos dados - por exemplo, usando um modelo composto do Power BI?
• Quão consistentes são os itens de dados em suas convenções de qualidade, integridade e nomenclatura?
• Os proprietários de itens de dados podem seguir a linhagem de dados para executar a análise de impacto desses itens?

Níveis de maturidade da descoberta de dados

Os níveis de maturidade a seguir podem ajudá-lo a avaliar o estado atual da descoberta de dados.

Nível	Estado da descoberta de dados do Fabric
100: Inicial	• Os dados estão fragmentados e desorganizados, sem estruturas ou processos claros para encontrá-los. • Os usuários têm dificuldade para localizar e usar os dados necessários para suas tarefas.
200: Repetível	• Esforços dispersos ou orgânicos para organizar e documentar dados estão em andamento, mas somente em determinadas equipes ou departamentos. • O conteúdo é ocasionalmente endossado, mas esses endossos não são definidos e o processo não é gerenciado. Os dados permanecem isolados e fragmentados e são de difícil acesso.
300: Definido	• Um repositório central, como o hub de dados do OneLake, é usado para facilitar a localização de dados para as pessoas que precisam deles. • Um processo explícito está em vigor para endossar dados e conteúdo de qualidade. • A documentação básica inclui dados de catálogo, definições e cálculos, bem como onde encontrá-los.
400: Capaz	• Processos estruturados e consistentes orientam os usuários a endossar, documentar e localizar dados de um hub central. Os silos de dados são a exceção em vez da regra. • Os ativos de dados de qualidade são consistentemente endossados e facilmente identificados. • Dicionários de dados abrangentes são mantidos e melhoram a descoberta de dados.
500: Eficiente	• Dados e metadados são organizados e documentados sistematicamente com uma exibição completa da linhagem de dados. • Os ativos de qualidade são endossados e facilmente identificados. • Ferramentas de catalogação, como o Microsoft Purview, são usadas para tornar os dados detectáveis para uso e governança.

Democratização de dados

A democratização de dados refere-se a colocar os dados ao alcance de mais usuários responsáveis por resolver problemas de negócios. Trata-se de capacitar mais usuários para tomarem melhores decisões baseadas em dados.

Observação

O conceito de democratização de dados não implica em falta de segurança nem em falta de justificativa baseada na função de trabalho. Como parte de uma cultura de dados íntegros, a democratização de dados ajuda a reduzir a shadow IT, fornecendo modelos semânticos que:

• Protegidos, controlados e bem gerenciados.
• Que atendam às necessidades comerciais de maneiras econômicas e em tempo hábil.

A posição da organização em relação à democratização de dados tem um amplo impacto nos esforços relacionados à adoção e à governança.

Aviso

O acesso aos dados ou a capacidade de executar análises limitados a um número específico de pessoas na organização são sinais de alerta típicos, pois a capacidade de trabalhar com os dados é uma característica fundamental de uma cultura de dados saudável.

Perguntas a serem feitas sobre a democratização de dados

Use perguntas como as encontradas abaixo para avaliar a democratização de dados.

• Os dados e as análises estão prontamente acessíveis ou restritos a funções e indivíduos limitados?
• Há um processo eficaz em vigor para que as pessoas solicitem acesso a novos dados e ferramentas?
• Os dados são compartilhados prontamente entre equipes e unidades de negócios ou são armazenados em silos e protegidos?
• Quem tem permissão para ter o Power BI Desktop instalado?
• Quem tem permissão para ter licenças Power BI Pro ou PPU (Power BI Premium por usuário)?
• Quem tem permissão para criar ativos em workspaces do Fabric?
• Qual é o nível desejado de capacitação do usuário de BI (business intelligence) e análise de autoatendimento? Como esse nível varia de acordo com a unidade de negócios ou a função de trabalho?
• Qual é o equilíbrio desejado entre a análise empresarial e de autoatendimento e o BI?
• Quais fontes de dados são altamente preferenciais para quais tópicos e domínios de negócios? Qual é o uso permitido das fontes de dados não autorizadas?
• Quem pode gerenciar o conteúdo? Essa decisão é diferente para dados e para relatórios? A decisão é diferente para usuários de BI empresariais e usuários descentralizados? Quem pode possuir e gerenciar conteúdo de BI de autoatendimento?
• Quem pode consumir conteúdo? Essa decisão é diferente para parceiros, clientes e fornecedores externos?

Níveis de maturidade da democratização de dados

Os níveis de maturidade a seguir podem ajudá-lo a avaliar seu estado atual de democratização de dados.

Nível	Estado da democratização de dados
100: Inicial	• Dados e análises são limitados a um pequeno número de funções, que têm acesso de portabilidade a outras pessoas. • Os usuários corporativos devem solicitar acesso a dados ou ferramentas para concluir tarefas. Eles têm dificuldades com atrasos ou gargalos. • Iniciativas de autoatendimento estão em andamento, com alguns casos de sucesso, em várias áreas da organização. Essas atividades ocorrem de maneira um pouco caótica, com poucos processos formais e sem um plano estratégico. Há uma falta de supervisão e de visibilidade dessas atividades de autoatendimento. O sucesso ou a falha de cada solução não é bem compreendido. • A equipe de dados empresariais não consegue acompanhar as necessidades da empresa. Existe uma lista de pendências significativa de solicitações para esta equipe.
200: Repetível	• Há esforços limitados em andamento para expandir o acesso a dados e ferramentas. • Várias equipes tiveram sucessos mensuráveis com as soluções de autoatendimento. As pessoas na organização estão começando a prestar atenção. • Estão sendo realizados investimentos para identificar o equilíbrio ideal entre as soluções empresariais e de autoatendimento.
300: definido	• Muitas pessoas têm acesso aos dados e ferramentas de que precisam, embora nem todos os usuários sejam igualmente habilitados ou responsabilizados pelo conteúdo que criam. • As práticas de dados de autoatendimento eficazes são replicadas de forma incremental e intencional em mais áreas da organização.
400: capaz	• Existem parcerias saudáveis entre os criadores de soluções empresariais e de autoatendimento. Políticas e responsabilidade do usuário claras e realistas mitigam o risco de BI e análise de autoatendimento. • Processos claros e consistentes estão em vigor para que os usuários solicitem acesso a dados e ferramentas. • As pessoas que tomam a iniciativa na criação de soluções valiosas são reconhecidas e recompensadas.
500: eficiente	• A responsabilidade do usuário e a governança efetiva dão às equipes centrais confiança no que os usuários fazem com os dados. • Processos automatizados e monitorados permitem que as pessoas solicitem facilmente acesso a dados e ferramentas. Qualquer pessoa com necessidade ou interesse em usar dados pode seguir esses processos para executar análises.

Letramento de dados

A alfabetização de dados refere-se à capacidade de interpretar, criar e se comunicar com dados e análises com precisão e eficiência.

Os esforços de treinamento, conforme descrito no artigo orientação e habilitação do usuário, geralmente se concentram em como usar a tecnologia. As habilidades tecnológicas são importantes para produzir soluções de alta qualidade, mas também é importante considerar como aumentar o letramento de dados em toda a organização. Em outras palavras, uma adoção bem-sucedida envolve mais do que simplesmente fornecer software e licenças do Power BI aos usuários.

A maneira de aprimorar o letramento de dados em sua organização depende de vários fatores, como as habilidades atuais dos usuários, a complexidade dos dados e os tipos de análise necessários. Você pode optar por se concentrar nestes tipos de atividades relacionadas à alfabetização em dados:

• Interpretar diagramas e gráficos
• Avaliar a validade dos dados
• Executar a análise de causa raiz
• Diferenciar a correlação da causa
• Entender como o contexto e as exceções afetam a forma como os resultados são apresentados
• Usar narrativas para ajudar os consumidores a entenderem e agirem rapidamente

Dica

Se você estiver com dificuldades para obter aprovação dos esforços de cultura e governança de dados, concentre-se nos benefícios tangíveis que podem ser obtidos com a descoberta de dados ("localizar os dados"), com a democratização de dados ("usar os dados") ou com o letramento de dados ("entender os dados"). Também pode ser útil se concentrar em problemas específicos que você pode resolver ou minimizar com o desenvolvimento da cultura de dados.

Obter a concordância dos stakeholders corretos sobre o problema geralmente é a primeira etapa. Em seguida, a questão é fazer com que os stakeholders concordem com a abordagem estratégica da solução juntamente com os detalhes da solução.

Perguntas a serem feitas sobre a alfabetização de dados

Use perguntas como as encontradas abaixo para avaliar a alfabetização de dados.

• Existe um vocabulário analítico comum na organização para falar sobre dados e soluções de BI? Como alternativa, as definições são fragmentadas e diferentes entre silos?
• Quão confortável as pessoas estão com tomadas de decisões baseadas em dados e evidências em comparação com a experiência intuitiva e subjetiva?
• Quando as pessoas que têm uma opinião se deparam com evidências conflitantes, como elas reagem? Elas avaliam os dados de forma crítica ou os ignoram? Elas podem mudar de opinião ou se tornam enraizadas e resistentes?
• Existem programas de treinamento para dar suporte às pessoas no aprendizado de dados e ferramentas analíticas?
• Há resistência significativa à análise visual e aos relatórios interativos em favor de planilhas estáticas?
• As pessoas estão abertas a novos métodos analíticos e ferramentas para potencialmente abordar suas perguntas de negócios com mais eficiência? Como alternativa, elas preferem continuar usando métodos e ferramentas existentes para economizar tempo e energia?
• Há métodos ou programas para avaliar ou melhorar a vulnerabilidade de dados na organização? A liderança tem uma compreensão precisa dos níveis de alfabetização de dados?
• Há funções, equipes ou departamentos em que a alfabetização de dados é particularmente forte ou fraca?

Níveis de maturidade da alfabetização de dados

Os níveis de maturidade a seguir podem ajudá-lo a avaliar seu estado atual de alfabetização de dados.

Nível	Estado de alfabetização de dados
100: Inicial	• As decisões são tomadas com frequência com base na intuição e na experiência subjetiva. Quando você se depara com dados que desafiam as opiniões existentes, eles geralmente são ignorados. • Os indivíduos têm baixa confiança para usar e entender os dados em processos de tomada de decisão ou discussões. • Os consumidores de relatório têm uma forte preferência por tabelas estáticas. Esses consumidores encaram visualizações interativas ou métodos analíticos sofisticados como "sofisticados" ou desnecessários.
200: Repetível	• Algumas equipes e indivíduos incorporam dados inconsistentemente em suas tomadas de decisão. Há casos claros em que a interpretação incorreta de dados levou a decisões com falhas ou conclusões erradas. • Há alguma resistência quando os dados são desafiados por ameaças pré-existentes. Algumas pessoas são céticas em relação às visualizações interativas e aos métodos analíticos sofisticados, embora seu uso esteja aumentando.
300: Definido	• A maioria das equipes e indivíduos entende os dados relevantes para sua área de negócios e os usa implicitamente para informar as decisões. • Quando os dados desafiam as ameaças pré-existentes, eles produzem discussões críticas e, às vezes, motivam mudanças. • Visualizações e análises avançadas são mais amplamente aceitas, embora nem sempre sejam usadas com eficiência.
400: Capaz	• A alfabetização de dados é reconhecida explicitamente como uma habilidade necessária na organização. Alguns programas de treinamento abordam a vulnerabilidade de dados. Esforços específicos são realizados para ajudar departamentos, equipes ou indivíduos que têm uma alfabetização de dados particularmente fraca. • A maioria das pessoas pode efetivamente usar e aplicar dados para tomar decisões melhor e tomar medidas de forma objetiva. • As práticas recomendadas visuais e analíticas são documentadas e seguidas em soluções de dados estrategicamente importantes.
500: Eficiente	• A alfabetização de dados, o pensamento crítico e o aprendizado contínuo são habilidades estratégicas e valores na organização. Programas efetivos monitoram o progresso para melhorar a alfabetização de dados na organização. • A tomada de decisões é orientada por dados em toda a organização. A inteligência de decisão ou a análise prescritiva são usadas para recomendar decisões e ações importantes. • As práticas recomendadas visuais e analíticas são vistas como essenciais para gerar valor comercial com os dados.

Considerações e ações principais

Lista de verificação – estas são algumas considerações e ações principais que você pode tomar para fortalecer a sua cultura de dados.

• Alinhe as metas e estratégia da sua cultura de dados: considere seriamente o tipo de cultura de dados que você deseja cultivar. O ideal é ter a perspectiva de capacitação do usuário em vez de uma posição de comando e controle.
• Entender o estado atual: converse com os stakeholders de diferentes unidades de negócios para entender quais práticas de análise estão funcionando bem e quais não estão funcionando para a tomada de decisões orientada por dados. Conduza uma série de workshops para entender o estado atual e formular o estado futuro desejado.
• Fale com os stakeholders: converse com os stakeholders de TI, de BI e com o COE para entender quais restrições de governança precisam ser consideradas. Estas conversas podem apresentar uma oportunidade para instruir as equipes sobre tópicos como segurança e infraestrutura. Você também pode usar a oportunidade para instruir os stakeholders sobre os recursos e funcionalidades incluídos no Fabric.
• Verifique o patrocínio executivo: verifique o nível de patrocínio executivo e de suporte que você tem para alcançar as metas de cultura de dados.
• Tome decisões com propósito sobre sua estratégia de dados: decida qual é o equilíbrio ideal entre casos de uso de BI, análise e dados empresariais, de autoatendimento orientado a negócios e autoatendimento gerenciado que deve ser usado para as principais unidades de negócios da organização (abordados no artigo sobre propriedade e gerenciamento de conteúdo). Considere também como a estratégia de dados se relaciona a todo o conteúdo publicado de BI e análise pessoal, de equipe, departamental e empresarial (abordado no artigo sobre escopo de entrega de conteúdo). Defina suas metas e prioridades de alto nível para esse planejamento estratégico. Determine como essas decisões afetam seu planejamento tático.
• Crie um plano tático: comece a criar um plano tático para itens de ação imediatos, de curto prazo e de longo prazo. Identifique os grupos e os problemas de negócios que representam uma "vitória rápida" e podem fazer uma diferença visível.
• Crie metas e métricas: determine como você medirá a eficácia de suas iniciativas de cultura de dados. Crie indicadores-chave de desempenho (KPIs) ou objetivos e resultados principais (OKRs) para validar os resultados de seus esforços.

Perguntas a serem feitas sobre a cultura de dados

Use perguntas como as encontradas abaixo para avaliar a cultura de dados.

• Os dados são considerados um ativo estratégico na organização?
• Existe uma visão de uma cultura de dados saudável que se origina na liderança executiva e se alinha aos objetivos organizacionais?
• A cultura de dados orienta a criação de políticas e diretrizes de governança?
• As fontes de dados organizacionais são consideradas confiáveis por criadores de conteúdo e consumidores?
• Ao justificar uma opinião, decisão ou escolha, as pessoas usam dados como evidência?
• O conhecimento sobre análise e uso de dados está documentado ou há uma dependência do conhecimento não documentado?
• Os esforços para desenvolver uma solução de dados são valorizados e reconhecidos pela comunidade de usuários?

Níveis de maturidade da cultura de dados

Os níveis de maturidade a seguir ajudarão você a avaliar o estado atual da sua cultura de dados.

Level	Estado da cultura de dados
100: inicial	• As equipes de dados empresariais não conseguem acompanhar as necessidades da empresa. Existe uma lista de pendências significativa de solicitações. • Iniciativas de BI e de dados de autoatendimento estão em andamento, com alguns casos de sucesso, em várias áreas da organização. Essas atividades ocorrem de maneira um pouco caótica, com poucos processos formais e sem um plano estratégico. Há uma falta de supervisão e de visibilidade das atividades de BI de autoatendimento. Os sucessos ou as falhas das soluções de BI e de dados não são bem compreendidos.
200: Repetível	• Várias equipes tiveram sucessos mensuráveis com as soluções de autoatendimento. As pessoas na organização estão começando a prestar atenção. • Estão sendo realizados investimentos para identificar o equilíbrio ideal entre BI, análise e dados empresariais e de autoatendimento.
300: definido	• Metas específicas são estabelecidas para avançar na cultura de dados. Essas metas são implementadas incrementalmente. Os aprendizados do que funciona em unidades de negócios individuais são compartilhados. • As práticas de autoatendimento eficazes são replicadas de forma incremental e intencional em mais áreas da organização.
400: capaz	• As metas de cultura de dados para empregar a tomada de decisões informadas estão alinhadas com os objetivos organizacionais. Elas são ativamente apoiados pelo patrocinador executivo, o COE< que tem um impacto direto nas estratégias de adoção. Existe uma parceria saudável e produtiva entre o patrocinador executivo, o COE, as unidades de negócios e a TI. As equipes estão trabalhando em prol de metas compartilhadas. • As pessoas que tomam a iniciativa na criação de soluções de dados valiosas são reconhecidas e recompensadas.
500: eficiente	• O valor de negócios das soluções de dados, análises e BI é regularmente avaliado e medido. KPIs ou OKRs são usados para acompanhar as metas de cultura de dados e os resultados desses esforços. Loops de comentários estão em vigor e incentivam melhorias contínuas na cultura de dados. • A melhoria contínua da adoção organizacional, da adoção do usuário e da adoção da solução são as prioridades principais.

Conteúdo relacionado

No próximo artigo da série de roteiros de adoção do Microsoft Fabric, saiba mais sobre a importância de um patrocinador executivo.