Roteiro de adoção do Microsoft Fabric: cultura de dados

Nota

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

A construção de uma cultura de dados está intimamente relacionada à adoção de análises e, muitas vezes, é um aspeto fundamental da transformação digital de uma organização. O termo cultura de dados pode ser definido de diferentes maneiras por diferentes organizações. Nesta série de artigos, cultura de dados significa um conjunto de comportamentos e normas em uma organização. Incentiva uma cultura que emprega regularmente a tomada de decisões informadas sobre dados:

• Por mais stakeholders em mais áreas da organização.
• Com base em análises, não em opiniões.
• De forma eficaz, eficiente e baseada nas melhores práticas aprovadas pelo Centro de Excelência (COE).
• Com base em dados fidedignos.
• Isso reduz a dependência de conhecimento tribal não documentado.
• Isso reduz a dependência de palpites e decisões intestinais.

Importante

Pense na cultura de dados como o que você faz, não o que você diz. Sua cultura de dados não é um conjunto de regras (isso é governança). Portanto, a cultura de dados é um conceito um tanto abstrato. São os comportamentos e normas que são permitidos, recompensados e encorajados – ou aqueles que são despermitidos e desencorajados. 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, certas unidades de negócios ou equipes provavelmente terão seus próprios comportamentos e normas para fazer as coisas. As maneiras específicas de alcançar os objetivos da cultura de dados podem variar entre os limites organizacionais. O importante é que todos eles estejam alinhados com os objetivos da cultura de dados organizacional. Você pode pensar nessa estrutura como autonomia alinhada.

O diagrama circular a seguir transmite os aspetos inter-relacionados que influenciam sua cultura de dados:

O diagrama mostra as relações um tanto 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.
• A adoção organizacional (incluindo os aspetos de implementação de mentoria e capacitação de usuários, suporte ao usuário, comunidade de prática, governança e supervisão do sistema) é o círculo interno. Todos os tópicos são os principais contribuintes para a cultura de dados.
• O apoio executivo e o Centro de Excelência são impulsionadores para o sucesso da adoção organizacional.
• Alfabetização de dados, democratização de dados e descoberta de dados são aspetos da cultura de dados que são fortemente influenciados pela adoção organizacional.
• A propriedade e o gerenciamento de conteúdo, bem como 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 medir. Embora seja desafiador articular a cultura de dados de uma forma significativa, acionável e mensurável, você precisa ter uma definição bem compreendida do que uma cultura de dados saudável significa para sua organização. Esta visão de uma cultura de dados saudável deve:

• Originário do nível executivo.
• Alinhar-se com os objetivos organizacionais.
• Influencie diretamente a sua estratégia de adoção.
• Servir como princípios orientadores de alto nível para a adoção de políticas e diretrizes de governança.

Os resultados da cultura de dados não são especificamente obrigatórios. Em vez disso, o estado da cultura de dados é o resultado de seguir as regras de governança à medida que elas são aplicadas (ou a falta de regras de governança). Os líderes em todos os níveis precisam demonstrar ativamente, por meio de suas ações, o que é importante para eles, incluindo como elogiam, reconhecem e recompensam os membros da equipe que tomam iniciativas.

Gorjeta

Se você pode dar como certo que seus esforços para desenvolver uma solução de dados (como um modelo semântico — anteriormente conhecido como um conjunto de dados, uma casa de lago ou um relatório) serão valorizados e apreciados, isso é um excelente indicador de uma cultura de dados saudável. Às vezes, no entanto, depende do que seu gerente imediato mais valoriza.

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

• Uma mudança reativa, como responder a uma nova concorrência ágil.
• Uma mudança proativa, como iniciar uma nova linha de negócios ou expandir para novos mercados para aproveitar uma oportunidade de "campo verde". Ser orientado por dados desde o início pode ser relativamente mais fácil 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 uma recessão económica.

Em cada uma dessas situações, geralmente há uma área específica onde a cultura de dados cria raízes. A área específica pode ser um escopo de esforço menor do que toda a organização, mesmo que ainda seja significativo. Depois que as alterações necessárias são feitas nesse escopo menor, elas podem ser replicadas incrementalmente e adaptadas para o resto da organização.

Embora a tecnologia possa ajudar a avançar os objetivos de uma cultura de dados, implementar ferramentas ou recursos específicos não é o objetivo. Esta série de artigos abrange muitos tópicos que contribuem para a adoção de uma cultura de dados saudável. O restante deste artigo aborda três aspetos essenciais da cultura de dados: descoberta de dados, democratização de dados e alfabetização de dados.

Deteção de dados

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

A descoberta de dados é a capacidade de localizar efetivamente ativos de dados relevantes em toda a organização. Principalmente, a descoberta de dados está preocupada em melhorar a consciência de que os dados existem, o que pode ser particularmente desafiador quando os dados são 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 metadados de um item, como o nome de um modelo semântico, mesmo que não tenham acesso a ele no momento. Depois que um usuário está ciente de sua existência, esse usuário pode passar pelo processo padrão para solicitar acesso ao item.
• A pesquisa permite que os usuários localizem um item existente quando já tiverem acesso de segurança ao item.

Gorjeta

É importante ter um processo claro e simples para que os usuários possam solicitar acesso aos dados. Saber que os dados existem, mas ser incapaz de acessá-los dentro das diretrizes e processos que o proprietário do domínio estabeleceu, pode ser uma fonte de frustração para os usuários. Pode forçá-los a usar soluções alternativas ineficientes em vez de solicitar acesso através dos canais adequados.

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

• Incentivar a utilização de fontes de dados fiáveis e de elevada qualidade.
• Incentivar os utilizadores a tirar partido dos investimentos existentes nos ativos de dados disponíveis.
• Promover o uso e o enriquecimento de itens de dados existentes (como um 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 possui e gerencia ativos de dados.
• Estabelecer conexões entre consumidores, criadores e proprietários.

O hub de dados 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. Eles podem gravar metadados, tags e descrições para fornecer contexto e significado mais profundos. Por exemplo, o Microsoft Purview pode verificar e catalogar itens de um locatário do Fabric (bem como de muitas outras fontes).

Perguntas a fazer sobre a deteção de dados

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

• Existe um centro de dados onde os utilizadores empresariais podem procurar dados?
• Existe um catálogo de metadados que descreva definições e locais de dados?
• As fontes de dados de alta qualidade são apoiadas pela sua certificação ou promoção ?
• Até que ponto existem fontes de dados redundantes porque as pessoas não conseguem encontrar os dados de que precisam? Quais funções devem criar itens de dados? Que funções devem criar relatórios ou realizar análises ad hoc?
• Os usuários finais podem encontrar e usar relatórios existentes ou insistem em exportações de dados para criar seus próprios?
• Os usuários finais sabem quais relatórios usar para responder a perguntas comerciais específicas ou encontrar dados específicos?
• As pessoas estão usando as fontes de dados e ferramentas apropriadas ou resistindo a elas em favor das legadas?
• Os analistas entendem como enriquecer 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 de itens de dados?

Níveis de maturidade da descoberta de dados

Os seguintes níveis de maturidade podem ajudá-lo a avaliar seu estado atual de descoberta de dados.

Nível	Estado da descoberta de dados de malha
100: Inicial	• Os dados são fragmentados e desorganizados, sem estruturas ou processos claros para encontrá-los. • Os utilizadores têm dificuldade em encontrar e utilizar os dados de que necessitam para as suas tarefas.
200: Repetível	• Esforços dispersos ou orgânicos para organizar e documentar dados estão em andamento, mas apenas 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 OneLake, é usado para tornar os dados mais fáceis de encontrar para as pessoas que precisam deles. • Existe um processo explícito 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 sobre como endossar, documentar e encontrar dados de um hub central. Os silos de dados são a exceção e não a regra. • 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	• Os dados e metadados são sistematicamente organizados e documentados com uma visão completa da linhagem de dados. • Ativos de qualidade são endossados e facilmente identificados. • Ferramentas de catalogação, como o Microsoft Purview, são usadas para tornar os dados detetáveis para uso e governança.

Democratização de dados

A democratização de dados refere-se a colocar os dados nas mãos de mais usuários que são responsáveis por resolver problemas de negócios. Trata-se de permitir que mais usuários tomem melhores decisões baseadas em dados.

Nota

O conceito de democratização de dados não implica falta de segurança ou falta de justificativa com base no cargo. Como parte de uma cultura de dados saudável, a democratização de dados ajuda a reduzir a TI sombra, fornecendo modelos semânticos que:

• São seguros, governados e bem geridos.
• Atenda às necessidades de negócios de forma econômica e oportuna.

A posição da sua organização sobre a democratização de dados terá um amplo impacto na adoção e nos esforços relacionados à governança.

Aviso

Se o acesso aos dados ou a capacidade de realizar análises for limitado a um número selecionado de indivíduos na organização, isso geralmente é um sinal de alerta, porque a capacidade de trabalhar com dados é uma característica fundamental de uma cultura de dados saudável.

Perguntas a fazer sobre democratização de dados

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

• Os dados e as análises são facilmente acessíveis ou estão restritos a funções e indivíduos limitados?
• Existe um processo eficaz para as pessoas solicitarem acesso a novos dados e ferramentas?
• Os dados são prontamente compartilhados entre equipes e unidades de negócios ou são isolados e protegidos de perto?
• Quem tem permissão para ter o Power BI Desktop instalado?
• Quem tem permissão para ter licenças do Power BI Pro ou Power BI Premium Por Usuário (PPU)?
• Quem tem permissão para criar ativos em espaços de trabalho do Fabric?
• Qual é o nível desejado de análise de autoatendimento e capacitação do usuário de business intelligence (BI)? Como esse nível varia dependendo da unidade de negócios ou da função?
• Qual é o equilíbrio desejado entre análise empresarial e de autosserviço e BI?
• Quais fontes de dados são altamente preferidas para quais tópicos e domínios de negócios? Qual é o uso permitido de fontes de dados não sancionadas?
• Quem pode gerir conteúdos? Essa decisão é diferente para dados versus relatórios? A decisão é diferente para usuários de BI corporativos versus usuários descentralizados? Quem pode possuir e gerenciar conteúdo de BI de autoatendimento?
• Quem pode consumir conteúdo? Esta decisão é diferente para parceiros externos, clientes ou fornecedores?

Níveis de maturidade da democratização dos dados

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

Nível	Estado da democratização dos dados
100: Inicial	• Dados e análises são limitados a um pequeno número de funções, que controlam o acesso a outros. • Os utilizadores empresariais devem solicitar acesso a dados ou ferramentas para concluir tarefas. Debatem-se com atrasos ou estrangulamentos. • Iniciativas de autosserviço estão ocorrendo com algum sucesso em várias áreas da organização. Essas atividades estão ocorrendo de forma um tanto caótica, com poucos processos formais e sem plano estratégico. Há uma falta de supervisão e visibilidade dessas atividades de autosserviço. O sucesso ou fracasso de cada solução não é bem compreendido. • A equipa de dados empresariais não consegue acompanhar as necessidades do negócio. Existe uma acumulação significativa de pedidos para esta equipa.
200: Repetível	• Há esforços limitados em curso para expandir o acesso a dados e ferramentas. • Várias equipes tiveram sucesso mensurável com soluções de autoatendimento. As pessoas na organização estão começando a prestar atenção. • Investimentos estão sendo feitos para identificar o equilíbrio ideal entre soluções empresariais e de autosserviço.
300: Definido	• Muitas pessoas têm acesso aos dados e ferramentas de que necessitam, embora nem todos os utilizadores estejam igualmente habilitados ou responsabilizados pelo conteúdo que criam. • Práticas eficazes de dados de autoatendimento são replicadas de forma incremental e proposital em mais áreas da organização.
400: Capaz	• Existem parcerias saudáveis entre os criadores de soluções empresariais e self-service. Políticas e responsabilidade do usuário claras e realistas reduzem o risco de análise de autoatendimento e BI. • Processos claros e consistentes estão em vigor para que os usuários solicitem acesso a dados e ferramentas. • Os indivíduos que tomam a iniciativa na construção de soluções valiosas são reconhecidos e recompensados.
500: Eficiente	• A responsabilidade do usuário e a governança eficaz 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 a necessidade ou interesse de usar dados pode seguir esses processos para realizar análises.

Literacia de dados

A literacia de dados refere-se à capacidade de interpretar, criar e comunicar com dados e análises de forma precisa e eficaz.

Os esforços de treinamento, conforme descrito no artigo de mentoria e capacitação de usuários, geralmente se concentram em como usar a tecnologia em si. As habilidades tecnológicas são importantes para produzir soluções de alta qualidade, mas também é importante considerar como promover propositalmente a alfabetização de dados em toda a organização. Dito de outra forma, uma adoção bem-sucedida exige muito mais do que simplesmente fornecer software e licenças aos usuários.

A forma como você melhora a alfabetização de dados em sua organização depende de muitos fatores, como os conjuntos de habilidades atuais do usuário, a complexidade dos dados e os tipos de análise necessários. Pode optar por se concentrar nestes tipos de atividades relacionadas com a literacia de dados:

• Interpretação de tabelas e gráficos
• Avaliação da validade dos dados
• Executando análise de causa raiz
• Discernindo correlação de causalidade
• Compreender como o contexto e os valores atípicos afetam a forma como os resultados são apresentados
• Usando o storytelling para ajudar os consumidores a entender e agir rapidamente

Gorjeta

Se você está lutando para aprovar a cultura de dados ou os esforços de governança, focar em benefícios tangíveis que você pode alcançar com a descoberta de dados ("encontrar os dados"), democratização de dados ("usar os dados") ou alfabetização de dados ("entender os dados") pode ajudar. Também pode ser útil concentrar-se em problemas específicos que você pode resolver ou mitigar por meio de avanços na cultura de dados.

Conseguir que as partes interessadas certas cheguem a acordo sobre o problema é, normalmente, o primeiro passo. Em seguida, é uma questão de fazer com que as partes interessadas concordem sobre a abordagem estratégica de uma solução, juntamente com os detalhes da solução.

Perguntas a fazer sobre literacia 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? Alternativamente, as definições são fragmentadas e diferentes entre silos?
• Quão confortáveis estão as pessoas em tomar decisões com base em dados e evidências em comparação com a intuição e a experiência subjetiva?
• Quando as pessoas que têm uma opinião são confrontadas com provas contraditórias, como reagem? Avaliam criticamente os dados ou rejeitam-nos? Podem alterar a sua opinião ou tornam-se entrincheirados e resistentes?
• Existem programas de formação para apoiar as pessoas na aprendizagem sobre dados e ferramentas analíticas?
• Existe uma resistência significativa à análise visual e aos relatórios interativos em favor de planilhas estáticas?
• As pessoas estão abertas a novos métodos e ferramentas analíticas para potencialmente abordar suas questões de negócios de forma mais eficaz? Em alternativa, preferem continuar a utilizar os métodos e ferramentas existentes para poupar tempo e energia?
• Existem métodos ou programas para avaliar ou melhorar a literacia de dados na organização? A liderança tem uma compreensão precisa dos níveis de literacia de dados?
• Existem funções, equipas ou departamentos em que a literacia de dados é particularmente forte ou fraca?

Níveis de maturidade da literacia de dados

Os seguintes níveis de maturidade podem ajudá-lo a avaliar o seu estado atual de literacia de dados.

Nível	Estado da literacia de dados
100: Inicial	• As decisões são frequentemente tomadas com base na intuição e na experiência subjetiva. Quando confrontados com dados que desafiam opiniões existentes, os dados são frequentemente descartados. • Os indivíduos têm pouca confiança para usar e entender dados em processos de tomada de decisão ou discussões. • Os consumidores de relatórios têm uma forte preferência por tabelas estáticas. Esses consumidores descartam visualizações interativas ou métodos analíticos sofisticados como "extravagantes" ou desnecessários.
200: Repetível	• Algumas equipas e indivíduos incorporam dados de forma inconsistente nas suas tomadas de decisão. Há casos claros em que a má interpretação dos dados levou a decisões erradas ou conclusões erradas. • Há alguma resistência quando os dados desafiam crenças pré-existentes. • Algumas pessoas são céticas em relação a visualizações interativas e métodos analíticos sofisticados, embora seu uso esteja aumentando.
300: Definido	• A maioria das equipas e indivíduos compreende dados relevantes para a sua área de negócio e utiliza-os implicitamente para informar decisões. • Quando os dados desafiam crenças pré-existentes, produzem discussões críticas e, por vezes, motivam mudanças. • Visualizações e análises avançadas são mais amplamente aceitas, embora nem sempre usadas de forma eficaz.
400: Capaz	• A literacia de dados é reconhecida explicitamente como uma competência necessária na organização. Alguns programas de formação abordam a literacia de dados. São feitos esforços específicos para ajudar departamentos, equipas ou indivíduos que têm uma literacia de dados particularmente fraca. • A maioria dos indivíduos pode efetivamente usar e aplicar dados para tomar decisões objetivamente melhores e tomar ações. • As melhores práticas visuais e analíticas são documentadas e seguidas em soluções de dados estrategicamente importantes.
500: Eficiente	• Literacia de dados, pensamento crítico e aprendizagem contínua são competências e valores estratégicos na organização. Programas eficazes monitoram o progresso para melhorar a alfabetização de dados na organização. • A tomada de decisão 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 melhores práticas visuais e analíticas são vistas como essenciais para gerar valor de negócio com dados.

Considerações e ações-chave

Lista de verificação - Aqui estão algumas considerações e ações-chave que você pode tomar para fortalecer sua cultura de dados.

• Alinhe suas metas e estratégia de cultura de dados: considere seriamente o tipo de cultura de dados que você deseja cultivar. Idealmente, é mais de uma posição de empoderamento do usuário do que uma posição de comando e controle.
• Entenda seu estado atual: converse com as partes interessadas em diferentes unidades de negócios para entender quais práticas de análise estão funcionando bem e quais práticas não estão funcionando bem para a tomada de decisões orientada por dados. Realizar uma série de workshops para compreender o estado atual e formular o estado futuro desejado.
• Fale com as partes interessadas: converse com as partes interessadas em TI, BI e COEpara entender quais restrições de governança precisam ser consideradas. Essas conversas podem representar uma oportunidade para educar as equipes sobre tópicos como segurança e infraestrutura. Você também pode usar a oportunidade para educar as partes interessadas sobre os recursos incluídos no Fabric.
• Verificar patrocínio executivo: verifique o nível de patrocínio executivo e suporte que você tem em vigor para avançar as metas de cultura de dados.
• Tome decisões propositais sobre sua estratégia de dados: decida qual deve ser o equilíbrio ideal entre casos de uso de autosserviço liderado por negócios, autosserviço gerenciado e dados corporativos, análises e BI para as principais unidades de negócios da organização (abordado no artigo sobre propriedade e gerenciamento de conteúdo). Considere também como a estratégia de dados se relaciona com a extensão do conteúdo publicado para análises e BI pessoais, de equipe, departamentais e empresariais (descrito no artigo do 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 e longo prazo. Identifique grupos de negócios e problemas que representam "ganhos rápidos" 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-chave (OKRs) para validar os resultados dos seus esforços.

Perguntas a fazer 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 da liderança executiva e se alinha com os objetivos organizacionais?
• A cultura de dados orienta a criação de políticas e diretrizes de governança?
• As fontes de dados organizacionais são confiáveis para os criadores de conteúdo e consumidores?
• Ao justificar uma opinião, decisão ou escolha, as pessoas usam dados como prova?
• O conhecimento sobre análise e uso de dados está documentado ou há uma dependência de conhecimento tribal não documentado?
• Os esforços para desenvolver uma solução de dados são valorizados e apreciados pela comunidade de utilizadores?

Níveis de maturidade da cultura de dados

Os seguintes níveis de maturidade irão ajudá-lo a avaliar o estado atual da sua cultura de dados.

Nível	Estado da cultura de dados
100: Inicial	• As equipas de dados empresariais não conseguem acompanhar as necessidades do negócio. Existe uma acumulação significativa de pedidos. • Dados de autoatendimento e iniciativas de BI estão ocorrendo com algum sucesso em várias áreas da organização. Essas atividades ocorrem de forma um tanto caótica, com poucos processos formais e sem plano estratégico. • Há falta de supervisão e visibilidade das atividades de BI de autoatendimento. Os sucessos ou falhas dos dados e das soluções de BI não são bem compreendidos.
200: Repetível	• Várias equipes tiveram sucessos mensuráveis com soluções de autoatendimento. As pessoas na organização estão começando a prestar atenção. • Investimentos estão sendo feitos para identificar o equilíbrio ideal entre dados corporativos e de autoatendimento, análises e BI.
300: Definido	• São estabelecidas metas específicas para o avanço da cultura de dados. Estes objetivos são implementados gradualmente. • Aprendizados com o que funciona em unidades de negócios individuais são compartilhados. • Práticas eficazes de autosserviço são replicadas de forma incremental e proposital em mais áreas da organização.
400: Capaz	• As metas da cultura de dados para empregar a tomada de decisão informada estão alinhadas com os objetivos organizacionais. Eles são ativamente apoiados pelo patrocinador executivo, o COE, e têm um impacto direto nas estratégias de adoção. • Existe uma parceria saudável e produtiva entre o patrocinador executivo, COE, unidades de negócios e TI. As equipas estão a trabalhar em prol de objetivos partilhados. • Os indivíduos que tomam a iniciativa na construção de soluções de dados valiosas são reconhecidos e recompensados.
500: Eficiente	• O valor comercial das soluções de dados, análises e BI é regularmente avaliado e medido. KPIs ou OKRs são usados para acompanhar as metas da cultura de dados e os resultados desses esforços. • Ciclos de feedback estão em vigor e incentivam melhorias contínuas na cultura de dados. • A melhoria contínua da adoção organizacional, adoção de usuários e adoção de soluções é uma prioridade máxima.

Conteúdos relacionados

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