Zdieľať cez

Plán prijatia služby Microsoft Fabric: Kultúra údajov

  • Článok

Poznámka

Tento článok je súčasťou série článkov o prijatí služby Microsoft Fabric. Prehľad série nájdete v téme Plán prijatia služby Microsoft Fabric.

Budovanie kultúry údajov úzko súvisí s prijímaním analýz, a často je kľúčovým aspektom digitálnej transformácie organizácie. Pojem kultúra údajov môžu rôzne organizácie definovať rôznymi spôsobmi. V tejto sérii článkov znamená kultúra údajov množinu správaní a noriem v organizácii. Podporuje kultúru, ktorá pravidelne využíva informované údaje pri rozhodovaní:

  • Viac účastníkov projektu v rámci viacerých oblastí organizácie.
  • Založené na analýze, nie na názoroch.
  • Účinným a efektívnym spôsobom, ktorý je založený na osvedčených postupoch schválených Centrom excelentnosti (CE).
  • Založené na dôveryhodných údajoch.
  • To znižuje závislosť od nelegálnych kmeňových vedomostí.
  • To znižuje závislosť na predtuchách a črevných rozhodnutiach.

Dôležité

Predstavte si kultúru údajov ako to, čo robíte, nie to, čo hovoríte. Vaša kultúra údajov nie je množina pravidiel (riadenie). Kultúra údajov je teda trochu abstraktná koncepcia. Povolené, odmeny a povzbudzované správania a normy sú zakázané a neodporúčané. Nezabúdajte, že zdravá kultúra údajov motivuje zamestnancov na všetkých úrovniach organizácie k generovaniu a distribúcii znalostí s akciami.

V rámci organizácie budú mať niektoré organizačné jednotky alebo tímy pravdepodobne svoje vlastné správanie a normy na to, aby veci robili. Konkrétne spôsoby na dosiahnutie cieľov v oblasti kultúry údajov sa môžu líšiť v rámci hraníc organizácie. Dôležité je, aby boli všetky v súlade s cieľmi kultúry údajov organizácie. Túto štruktúru môžete považovať za zarovnanú autonómiu.

Nasledujúci kruhový diagram znázorní prepojené aspekty, ktoré ovplyvňujú vašu kultúru údajov:

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

Diagram znázorňuje trochu nejednoznačné vzťahy medzi nasledujúcimi položkami:

Prvky diagramu sú popísané v tejto sérii článkov.

Vízia kultúry údajov

Definovať a merať koncept kultúry údajov môže byť zložité. Hoci je náročné formulovať kultúru údajov zmysluplným, užitočným a merateľným spôsobom, musíte mať zrozumiteľnú definíciu toho, čo pre vašu organizáciu znamená zdravá kultúra údajov. Zdravá kultúra údajov by mala:

  • Pochádza z úrovne manažéra.
  • Sú v súlade s cieľmi organizácie.
  • Priamo ovplyvnite svoju stratégiu prijatia.
  • Slúžia ako hlavné zásady na vysokej úrovni na uzákonenie zásad riadenia a usmernení.

Výstupy jazykovej verzie údajov sa špecificky nenariaďujú. Naopak stav kultúry údajov je výsledkom posúdenia pravidiel riadenia, ktoré sú vynútené (alebo nedostatok pravidiel riadenia). Vedúci predstavitelia na všetkých úrovniach musia aktívne preukázať svojou činnosťou, čo je pre nich dôležité, vrátane toho, ako chvália, uznávajú a odmeňujú zamestnancov, ktorí preberajú iniciatívu.

Prepitné

Ak môžete považovať za samozrejmé, že vaše úsilie o vytvorenie dátového riešenia (napríklad sémantického modelu – predtým známeho ako množina údajov, lakehouse alebo zostava) bude cenené a cenené, čo je vynikajúci indikátor zdravej kultúry údajov. Niekedy to však závisí od toho, aké hodnoty váš okamžitý manažér hodnotí najviac.

Počiatočná motivácia k vytváraniu kultúry údajov často pochádza z určitého strategického obchodného problému alebo iniciatívy. Môže to byť:

  • reaktívnej zmeny, ako je reakcia na novú agilnú hospodársku súťaž.
  • Proaktívna zmena, ako je začatie novej obchodnej línie alebo rozšírenie na nové trhy s cieľom využiť príležitosť na "zelené pole". To, že údaje sú riadené od začiatku, môže byť relatívne jednoduchšie, ak existuje menej obmedzení a komplikácií v porovnaní so zavedenou organizáciou.
  • Sú poháňané externými zmenami, ako je napríklad tlak na odstránenie neefektívnosti a redundancie počas hospodárskeho poklesu.

V každom z týchto situácií často existuje konkrétna oblasť, v ktorej má kultúra údajov korene. Špecifická oblasť môže byť rozsah úsilia, ktorý je menší ako celá organizácia, aj keď je stále významný. Po vykonaní potrebných zmien v tomto menšom rozsahu sa môžu prírastkovo replikovať a prispôsobiť zvyšku organizácie.

Hoci technológia môže pomôcť dosiahnuť vyššiu cieľovú kultúru údajov, implementácia konkrétnych nástrojov alebo funkcií nie je objektívna. Táto séria článkov zahŕňa mnoho tém, ktoré prispievajú k prijatiu zdravej kultúry údajov. Zvyšná časť tohto článku sa zaoberá tromi základnými aspektmi kultúry údajov: zisťovanie údajov, demokratizácia údajov a gramotnosť údajov.

Zisťovanie údajov

Úspešná kultúra údajov závisí od používateľov, ktorí pracujú so správnymi údajmi vo svojich každodenných aktivitách. Na dosiahnutie tohto cieľa musia používatelia vyhľadať a získať prístup k zdrojom údajov, zostavám a ďalším položkám.

Vyhľadávanie údajov je schopnosť efektívne vyhľadať relevantné položky údajov v rámci organizácie. Predovšetkým ide o zlepšenie povedomia o údajoch, ktoré môže byť obzvlášť náročné v prípade sprístupnenia údajov v systémoch oddelení.

Vyhľadávanie údajov sa mierne líši od konceptu vyhľadávania, pretože:

  • Vyhľadávanie údajov umožňuje používateľom zobraziť metaúdaje pre položku, ako je napríklad názov sémantického modelu, dokonca aj vtedy, ak k nej aktuálne nemajú prístup. Keď si používateľ je vedomý svojej existencie, môže prejsť štandardným procesom a požiadať o prístup k položke.
  • Vyhľadávanie umožňuje používateľom vyhľadať existujúcu položku, keď už majú k položke zabezpečený prístup.

Prepitné

Je dôležité mať jasný a jednoduchý proces, aby používatelia mohli požiadať o prístup k údajom. Informácie o tom, že údaje existujú – ale neschopnosť pristupovať k nim v rámci usmernení a procesov, ktoré vlastník domény vytvoril – môže byť pre používateľov zdrojom frustrácie. Môže ich to prinútiť, aby používali neefektívne riešenia namiesto toho, aby požadovali prístup prostredníctvom správnych kanálov.

Vyhľadávanie údajov prispieva k úsiliu o prijatie a k implementácii postupov riadenia prostredníctvom:

  • Podpora používania dôveryhodných vysokokvalitných zdrojov údajov.
  • Povzbudzujte používateľov, aby využili existujúce investície do dostupných dátových aktív.
  • Upozorňujúc na používanie a obohatenie existujúcich položiek údajov (napríklad lakehouse, data warehouse, data pipeline, dataflow alebo sémantický model) alebo položky zostáv (napríklad zostavy, tabule alebo metriky).
  • Pomoc ľuďom pochopiť, kto vlastní a spravuje položky údajov.
  • Vytvorenie prepojení medzi spotrebiteľmi, tvorcami a vlastníkmi.

Údajové centrum OneLake a používanie odporúčaní sú kľúčovými spôsobmi podpory zisťovania údajov vo vašej organizácii.

Navyše riešenia data catalog sú mimoriadne cenné nástroje na zisťovanie údajov. Môžu zaznamenávať značky a popisy metaúdajov, čím poskytnú hlbší kontext a význam. Microsoft Purview môže napríklad prehľadávať a katalógovať položky z nájomníka služby Fabric (ako aj z mnohých iných zdrojov).

Otázky týkajúce sa zisťovania údajov

Použite otázky ako tie, ktoré sú uvedené nižšie, a vyhodnoťte vyhľadávanie údajov.

  • Existuje dátové centrum, v ktorom môžu podnikoví používatelia vyhľadávať údaje?
  • Existuje katalóg metaúdajov, ktorý popisuje definície a umiestnenia údajov?
  • Odporúčajú sa vysokokvalitné zdroje údajov certifikovaním alebo ich propagáciou ?
  • Do akej miery existujú nadbytočné zdroje údajov, pretože ľudia nemôžu nájsť údaje, ktoré potrebujú? Aké roly by mali vytvárať položky údajov? Aké roly by mali vytvárať zostavy alebo vykonávať ad hoc analýzu?
  • Môžu koncoví používatelia nájsť a používať existujúce zostavy, alebo trvajú na tom, že export údajov vytvorí vlastné?
  • Vedia koncoví používatelia, ktoré zostavy použiť na riešenie konkrétnych obchodných otázok alebo vyhľadanie konkrétnych údajov?
  • Používajú ľudia vhodné zdroje údajov a nástroje, alebo im odolávajú v prospech starších?
  • Rozumejú analytici, ako obohatiť existujúce certifikované sémantické modely novými údajmi – napríklad pomocou zloženého modelu Power BI?
  • Aké konzistentné sú údajové položky v ich kvalite, úplnosti a konvenciách pomenovania?
  • Môžu vlastníci položiek údajov postupovať podľa pôvodu údajov a vykonávať analýzu vplyvu položiek údajov?

Úrovne splatnosti zisťovania údajov

Nasledujúce úrovne splatnosti vám môžu pomôcť posúdiť aktuálny stav vyhľadávania údajov.

Úrovni Stav zisťovania údajov služby Fabric
100: Počiatočná • Údaje sú roztrieštené a neorganizované bez jasných štruktúr ani procesov, ktoré by ich našli.

• Používatelia sa snažia nájsť a použiť údaje, ktoré potrebujú pre svoje úlohy.
200: Opakovateľné • Prebieha bodové alebo organické úsilie o usporiadanie a dokumentáciu údajov, no len v určitých tímoch alebo oddeleniach.

• Obsah sa príležitostne odporúča, no tieto odporúčania nie sú definované a proces sa nespravuje. Údaje zostávajú vylúpené a fragmentované a je ťažké k nim pristupovať.
300: Definované • Centrálny odkladací priestor, ako napríklad údajové centrum OneLake, sa používa na jednoduchšie vyhľadávanie údajov pre ľudí, ktorí ich potrebujú.

• Je nastavený explicitný proces odporúčania kvalitných údajov a obsahu.

• Základná dokumentácia zahŕňa údaje katalógu, definície a výpočty, ako aj to, kde ich nájsť.
400: Schopné • Štruktúrované, konzistentné procesy sprevádzajú používateľov ako odporúčať, zdokumentovať a vyhľadávať údaje z centrálneho centra. Údajové silá sú výnimkou namiesto pravidla.

• Kvalitné údajové položky sa konzistentne odporúčajú a ľahko identifikujú.

• Komplexné slovníky údajov sa udržiavajú a zlepšujú zisťovanie údajov.
500: Efektívne • Údaje a metaúdaje sú systematicky usporiadané a zdokumentované s úplným prehľadom pôvodu údajov.

• Kvalitné materiály sa odporúčajú a ľahko identifikujú.

• Nástroje na katalóg, ako napríklad Microsoft Purview, sa používajú na využitie a riadenie údajov.

Demokratizácia údajov

Demokratizácia údajov sa týka vloženia údajov do rúk väčšieho počtu používateľov zodpovedných za riešenie obchodných problémov. Týka sa to umožnenia väčšiemu používateľovi prijímať lepšie rozhodnutia založené na údajoch.

Poznámka

Koncepcia demokratizácie údajov neznamená nedostatok zabezpečenia alebo nedostatok opodstatnenia založené na pracovnej úlohe. V rámci zdravej kultúry údajov pomáha demokratizácia údajov znižovať tieňové IT tým, že poskytuje sémantické modely, ktoré:

  • Sú zabezpečené, riadené a dobre spravované.
  • Naplniť potreby podniku nákladovo efektívnymi a včasným spôsobom.

Pozícia vašej organizácie v oblasti demokratizácie údajov bude mať rozsiahly vplyv na úsilie súvisiace s prijatím a riadením.

Upozornenie

Ak je prístup k údajom alebo možnosť vykonávať analýzu obmedzená na vybraný počet jednotlivcov v organizácii, je to zvyčajne výstražné znamienko, pretože schopnosť pracovať s údajmi je kľúčovou charakteristikou zdravej kultúry údajov.

Otázky týkajúce sa demokratizácie údajov

Použite otázky ako tie, ktoré sú uvedené nižšie, na posúdenie demokratizácie údajov.

  • Sú údaje a analýzy ľahko dostupné alebo obmedzené na obmedzené roly a jednotlivcov?
  • Je pre ľudí efektívny proces žiadosti o prístup k novým údajom a nástrojom?
  • Zdieľajú sa údaje medzi tímami a obchodnými jednotkami ľahko, alebo sú sladené a pozorne strážené?
  • Kto má Aplikácia Power BI Desktop nainštalovanú?
  • Kto má licenciu na Power BI Pro alebo Power BI Premium na používateľa?
  • Kto je povolené vytvárať položky v pracovných priestoroch služby Fabric?
  • Aká je požadovaná úroveň samoobslužnej analýzy a zapnutia analytických nástrojov (BI)? Ako sa táto úroveň líši v závislosti od organizačnej jednotky alebo roly úloh?
  • Aká je požadovaná rovnováha medzi podnikovou a samoobslužou analýzou a službou BI?
  • Aké zdroje údajov sa výrazne uprednostňujú pre aké témy a podnikové domény? Aké je povolené použitie neschválených zdrojov údajov?
  • Kto môžete spravovať obsah? Je toto rozhodnutie iné v prípade údajov a zostáv? Líši sa rozhodnutie podnikových používateľov BI od decentralizovaných používateľov? Kto môžete vlastniť a spravovať samoobslužný obsah BI?
  • Kto môže využívať obsah? Je toto rozhodnutie iné v prípade externých partnerov, zákazníkov alebo dodávateľov?

Úrovne vyspelosti demokratizácie údajov

Nasledujúce úrovne vyspelosti vám môžu pomôcť posúdiť váš súčasný stav demokratizácie údajov.

Úrovni Stav demokratizácie v údajoch
100: Počiatočná • Údaje a analýzy sú obmedzené na malý počet rolí, ktoré brána prístup k ostatným.

• Podnikoví používatelia musia na dokončenie úloh požiadať o prístup k údajom alebo nástrojom. Bojujú s meškaním alebo kritickými miestami.

• Samoobslužné iniciatívy prebiehajú s určitou úspechom v rôznych oblastiach organizácie. Tieto činnosti sa vyskytujú trochu chaoticky, s niekoľkými formálnymi procesmi a žiadnym strategickým plánom. Dozor a viditeľnosť týchto samoobslužných činností nie sú k dispozícii. Úspech alebo zlyhanie každého riešenia nie je dobre pochopiteľné.

• Podnikový dátový tím nedokáže držať krok s potrebami podniku. Pre tento tím existuje značný počet nevybavených požiadaviek.
200: Opakovateľné • V súčasnosti sa vynakladá len obmedzené úsilie na rozšírenie prístupu k údajom a nástrojom.

• So samoobslužnými riešeniami dosiahli viaceré tímy merateľný úspech. Ľudia v organizácii začínajú venovať pozornosť.

• Prebieha investície na identifikáciu ideálnej rovnováhy podnikových a samoobslužných riešení.
300: Definované • Veľa ľudí má prístup k údajom a nástrojom, ktoré potrebujú, hoci nie všetci používatelia sú rovnako aktívni alebo braní na zodpovednosť za obsah, ktorý vytvárajú.

• Účinné postupy pri samoobslužných údajoch sa prírastkovo a cieľavedome replikujú vo viacerých oblastiach organizácie.
400: Schopné • Zdravé partnerstvá existujú medzi podnikovými tvorcami a tvorcami samoobslužných riešení. Jasné, realistické zodpovednosti používateľov a politiky zmierňujú riziko samoobslužnej analýzy a BI.

• Používatelia môžu požadovať prístup k údajom a nástrojom, existujú jasné a konzistentné procesy.

• Jednotlivci, ktorí prevezmú iniciatívu pri budovaní hodnotných riešení, sú uznávaní a odmenení.
500: Efektívne • Zodpovednosť používateľov a účinné riadenie poskytujú centrálnym tímom dôveru v to, čo používatelia robia s údajmi.

• Automatizované, monitorované procesy umožňujú ľuďom jednoducho požiadať o prístup k údajom a nástrojom. Každý, kto potrebuje alebo má záujem používať údaje, môže pri vykonávaní analýzy postupovať podľa týchto procesov.

Gramotnosť údajov

Údajová gramotnosť sa týka schopnosti presne a efektívne interpretovať, vytvárať a komunikovať s údajmi a analýzou.

Úsilie o trénovanie, ktoré je popísané v článku mentoringu a povolení pre používateľov, sa často zameriava na to, ako používať samotnú technológiu. Technologické zručnosti sú dôležité pre vytváranie vysokokvalitných riešení, ale je tiež dôležité zvážiť, ako zámerne presadzovať gramotnosť údajov v celej organizácii. Inými spôsobmi, úspešné prijatie trvá oveľa viac než len poskytovanie softvéru a licencií používateľom.

Spôsob zlepšenia gramotnosti údajov vo vašej organizácii závisí od mnohých faktorov, ako sú napríklad aktuálne zručnosti používateľov, zložitosť údajov a typy analýz, ktoré sa vyžadujú. Môžete sa zamerať na tieto typy aktivít súvisiace s gramotnosťou údajov:

  • Interpretácia grafov a grafov
  • Hodnotenie platnosti údajov
  • Vykonanie analýzy hlavných príčin
  • Náročná korelácia zo príčin
  • Vysvetlenie, ako kontext a odchýlky ovplyvňujú spôsob zobrazovania výsledkov
  • Použitie rozprávanie príbehu s cieľom pomôcť spotrebiteľom rýchlo pochopiť a konať

Prepitné

Ak sa snažíte schváliť kultúru údajov alebo úsilie o riadenie, pričom sa zameriavate na hmatateľné výhody, ktoré môžete dosiahnuť zistením údajov ("nájsť údaje"), demokratizácia údajov ("použitie údajov"), alebo gramotnosť údajov ("pochopiť údaje") môže pomôcť. Môže byť tiež užitočné zamerať sa na konkrétne problémy, ktoré môžete vyriešiť alebo zmierniť prostredníctvom pokroku kultúry údajov.

Získanie správnej strany, aby sa dohodli na probléme, je zvyčajne prvým krokom. Potom je otázkou, či sa účastníci projektu dohodnú na strategickom prístupe k riešeniu spolu s podrobnosťami o riešení.

Otázky týkajúce sa gramotnosti údajov

Ak chcete posúdiť gramotnosť s údajmi, použite otázky podobné tým, ktoré sú uvedené nižšie.

  • Existuje v organizácii častý analytický slovník, keď hovoríme o údajoch a riešeniach BI? Sú definície fragmentované a odlišujú sa v silách?
  • Aké pohodlné sú ľudia s rozhodovaním na základe údajov a dôkazov v porovnaní s intuíciou a subjektívnou skúsenosťou?
  • Keď ľudia, ktorí majú názor, čelia konfliktným dôkazom, ako reagujú? Kriticky hodnotia údaje alebo ich zamietajú? Môžu zmeniť svoj názor, alebo sa stanú zakorenené a odolné?
  • Existujú školiace programy, ktoré podporujú ľudí pri učení sa o údajoch a analytických nástrojoch?
  • Je vo všeobecnosti značný odpor voči vizuálnej analýze a interaktívnemu vytváraniu zostáv v prospech statických tabuľkových hárkov?
  • Sú ľudia otvorení novým analytickým metódam a nástrojom, ktoré potenciálne umožňujú efektívnejšie riešiť svoje obchodné otázky? Alebo dávajú prednosť používajte existujúce metódy a nástroje na úsporu času a energie?
  • Existujú v organizácii metódy alebo programy, ktoré treba posúdiť alebo zlepšiť gramotnosť údajov? Rozumie vedenie presne úrovni gramotnosti údajov?
  • Existujú roly, tímy alebo oddelenia, kde je gramotnosť údajov obzvlášť silná alebo slabá?

Úrovne vyspelosti gramotnosti údajov

Nasledujúce úrovne vyspelosti vám môžu pomôcť posúdiť aktuálny stav údajovej gramotnosti.

Úrovni Stav gramotnosti údajov
100: Počiatočná • Rozhodnutia sa často prijímajú na základe intuície a subjektívnych skúseností. Pri riešení údajov, ktoré sú výzvou pre existujúce stanoviská, sa údaje často zamieta.

• Jednotlivci majú nízku dôveru v používanie a pochopenie údajov pri rozhodovacích procesoch alebo diskusiách.

• Spotrebitelia zostáv majú silnú preferenciu pre statické tabuľky. Títo spotrebitelia odmietajú interaktívne vizualizácie alebo sofistikované analytické metódy ako "vymyslené" alebo nepotrebné.
200: Opakovateľné • Niektoré tímy a jednotlivci nekonzistentne zahrnujú údaje do rozhodovania. Existujú jasné prípady, v ktorých nesprávna interpretácia údajov viedla k chybným rozhodnutiam alebo nesprávnym záverom.

• Je tu nejaký odpor, keď údaje výzvy pre-existujúce presvedčenie.

• Niektorí ľudia sú skeptickí interaktívnych vizualizácií a sofistikovaných analytických metód, hoci ich využívanie narastá.
300: Definované • Väčšina tímov a jednotlivcov rozumie údajom relevantným pre ich obchodnú oblasť a implicitne ich používa na informovanie o rozhodnutiach.

• Keď údaje prednáša existujúce presvedčenie, vyvoláva dôležité diskusie a niekedy aj motivuje k zmene.

• Vizualizácie a pokročilá analýza sú prijímané širšie, aj keď nie vždy efektívne.
400: Schopné • Gramotnosť údajov je v organizácii jednoznačne uznávaná ako nevyhnutná zručnosť. Niektoré školiace programy sa zaoberajú gramotnosťou údajov. Osobitné úsilie sa vynakladá na pomoc oddeleniam, tímom alebo jednotlivcom, ktorí majú obzvlášť slabú gramotnosť údajov.

• Väčšina jednotlivcov môže efektívne využívať a používať údaje, aby prijímala objektívne lepšie rozhodnutia a prijímala opatrenia.

• Osvedčené postupy vizuálu a analýzy sú zdokumentované a sledované pri strategicky dôležitých údajových riešeniach.
500: Efektívne • Gramotnosť s údajmi, kritické myslenie a kontinuálne vzdelávanie sú strategické zručnosti a hodnoty v organizácii. Účinné programy monitorujú pokrok s cieľom zlepšiť gramotnosť údajov v organizácii.

• Rozhodovanie je založené na údajoch v rámci celej organizácie. Rozhodovacia inteligencia alebo preskriptívna analýza sa používajú na odporúčanie kľúčových rozhodnutí a akcií.

• Najvhodnejšie postupy vizuálu a analýzy sa považujú za nevyhnutné na vytvorenie obchodnej hodnoty pomocou údajov.

Dôležité informácie a kľúčové akcie

Kontrolný zoznam – tu je niekoľko dôležitých informácií a kľúčových opatrení, ktoré môžete vykonať na posilnenie kultúry údajov.

  • Zarovnajte svoje ciele a stratégiu v oblasti údajovej kultúry: Vážne zvážte typ údajovej kultúry, ktorú chcete rozvíjať. V ideálnom prípade je to viac z pozície posilnenia postavenia používateľa, ako pozícia príkazu a riadenia.
  • Porozumenie aktuálnemu stavu: Obráťte sa na účastníkov projektu v rôznych organizačných jednotkách, aby ste pochopili, ktoré analytické postupy v súčasnosti fungujú dobre a ktoré postupy nefungujú správne pri rozhodovaní na základe údajov. Vykonávať sériu workshopov, aby ste porozumeli súčasnému stavu a formulovali požadovaný budúci stav.
  • Porozprávajte sa so zainteresovanými stranami: Porozprávajte sa so zainteresovanými stranami v oblasti IT, BI a CE , aby ste pochopili, aké obmedzenia riadenia je potrebné zvážiť. Tieto konverzácie môžu predstavovať príležitosť vzdelávať tímy v témach, ako je zabezpečenie a infraštruktúra. Môžete tiež využiť príležitosť na vzdelávanie účastníkov projektu o funkciách a možnostiach služby Fabric.
  • Overenie výkonného sponzorstva: Overte úroveň výkonného sponzorstva a podpory, ktorú máte na mieste, aby ste mohli napredovať ciele kultúry údajov.
  • Prijímajte cieľavedomé rozhodnutia o svojej stratégii údajov: Rozhodnite sa, akú ideálnu rovnováhu by mali používať samoobslužné, spravované samoobslužné a podnikové údaje, analytické nástroje a prípady použitia BI pre kľúčové organizačné jednotky v organizácii (ktoré sú popísané v článku o vlastníctve a spravovaní obsahu). Zvážte tiež, ako sa stratégia údajov týka rozsahu publikovaného obsahu pre osobnú, tímovú, oddelenie a podnikovú analýzu a BI (popísané v článku o rozsahu doručenia obsahu). Definujte svoje ciele a priority vysokej úrovne pre toto strategické plánovanie. Určite, ako tieto rozhodnutia ovplyvnia vaše taktické plánovanie.
  • Vytvorenie taktického plánu: Začnite vytvárať taktický plán na okamžité, krátkodobé a dlhodobé akčné položky. Identifikujte obchodné skupiny a problémy, ktoré predstavujú "rýchle výhry" a môžu predstavovať viditeľný rozdiel.
  • Vytváranie cieľov a metrík: Určte, ako budete merať účinnosť iniciatív v oblasti kultúry údajov. Vytvorte kľúčové ukazovatele výkonu (KPI) alebo ciele a kľúčové výsledky (OKR) na overenie výsledkov vášho úsilia.

Otázky týkajúce sa kultúry údajov

Na posúdenie kultúry údajov použite otázky podobné tým, ktoré sú uvedené nižšie.

  • Sú údaje v organizácii považované za strategické aktívum?
  • Existuje vízia zdravej kultúry údajov, ktorá pochádza z vedenia vedenia a je v súlade s cieľmi organizácie?
  • Usmerňuje kultúra údajov tvorbu politík a usmernení pre riadenie?
  • Sú zdroje údajov organizácie dôveryhodné tvorcami obsahu a spotrebiteľmi?
  • Používajú ľudia pri odôvodnení stanoviska, rozhodnutia alebo voľby údaje ako dôkaz?
  • Sú znalosti o analýze a používaní údajov zdokumentované, alebo je závislosť od nelegálnych kmeňových vedomostí?
  • Sú snahy o vytvorenie riešenia údajov cenené a cenené používateľskou komunitou?

Úrovne splatnosti kultúry údajov

Nasledujúce úrovne splatnosti vám pomôžu vyhodnotiť aktuálny stav vašej kultúry údajov.

Úrovni Stav kultúry údajov
100: Počiatočná • Tímy podnikových údajov nemôžu držať krok s potrebami podniku. Existujú významné nevybavené žiadosti.

• Samoobslužné údaje a iniciatívy BI sa konajú s určitým úspechom v rôznych oblastiach organizácie. Tieto činnosti sa vyskytujú trochu chaoticky, s niekoľkými formálnymi procesmi a žiadnym strategickým plánom.

• Chýba dozor a viditeľnosť samoobslužných činností BI. Úspechy alebo zlyhania údajov a riešení BI nie sú dobre pochopiteľné.
200: Opakovateľné • So samoobslužnými riešeniami zaznamenali viaceré tímy merateľné úspechy. Ľudia v organizácii začínajú venovať pozornosť.

• Prebieha investície na identifikáciu ideálnej rovnováhy podnikových a samoobslužných údajov, analýz a BI.
300: Definované • Sú stanovené konkrétne ciele na napredovanie v kultúre údajov. Tieto ciele sa implementujú postupne.

• Vzdelávanie z toho, čo funguje v jednotlivých organizačných jednotkách, je zdieľané.

• Účinné samoobslužné postupy sa replikujú prírastkovo a cieľavedome vo viacerých oblastiach organizácie.
400: Schopné • Ciele kultúry údajov použiť informované rozhodovanie sú v súlade s cieľmi organizácie. Aktívne ich podporuje výkonný sponzor, CE, a majú priamy vplyv na stratégie prijímania.

• Existuje zdravé a produktívne partnerstvo medzi výkonným sponzorom, CE, obchodnými jednotkami a IT. Tímy sa snažia o dosiahnutie spoločných cieľov.

• Jednotlivci, ktorí prevezmú iniciatívu pri vytváraní hodnotných dátových riešení, sú uznávaní a odmenení.
500: Efektívne • Obchodná hodnota údajov, analýz a riešení BI sa pravidelne vyhodnocuje a meria. Kľúčové ukazovatele výkonu alebo kódy okrs sa používajú na sledovanie cieľov kultúry údajov a výsledkov tohto úsilia.

• Slučky pripomienok sú na mieste a podporujú prebiehajúce vylepšenia kultúry údajov.

• Neustále zlepšovanie osvojenia organizácie, osvojenia používateľov a osvojenia riešení je najvyššou prioritou.

Súvisiaci obsah

V nasledujúcom článku v sérii plánov prijatia služby Microsoft Fabric sa oboznámite s dôležitosťou výkonného sponzora.