Κοινή χρήση μέσω

Οδικός χάρτης υιοθέτησης του Microsoft Fabric: Κουλτούρα δεδομένων

  • Άρθρο

Σημείωμα

Αυτό το άρθρο αποτελεί μέρος της σειράς άρθρων του χάρτη υιοθέτησης του Microsoft Fabric. Για μια επισκόπηση της σειράς, ανατρέξτε στο θέμα Οδικός χάρτης υιοθέτησης του Microsoft Fabric.

Η δημιουργία μιας κουλτούρας δεδομένων είναι στενά συνδεδεμένη με την υιοθέτηση αναλύσεων και συχνά αποτελεί βασική πτυχή του ψηφιακού μετασχηματισμού ενός οργανισμού. Ο όρος κουλτούρα δεδομένων μπορεί να οριστεί με διαφορετικούς τρόπους από διαφορετικούς οργανισμούς. Σε αυτήν τη σειρά άρθρων, η κουλτούρα δεδομένων σημαίνει ένα σύνολο συμπεριφορών και κανόνων σε έναν οργανισμό. Ενθαρρύνει μια κουλτούρα που χρησιμοποιεί τακτικά τεκμηριωμένα δεδομένα λήψης αποφάσεων:

  • Από περισσότερα ενδιαφερόμενα μέρη σε περισσότερες περιοχές του οργανισμού.
  • Βασίζεται σε αναλύσεις, όχι σε γνώμες.
  • Με αποτελεσματικό, αποτελεσματικό τρόπο που βασίζεται σε βέλτιστες πρακτικές που έχουν εγκριθεί από το Κέντρο Αριστείας (COE).
  • Βασίζεται σε αξιόπιστα δεδομένα.
  • Αυτό μειώνει την εξάρτηση από μη τεκμηριωμένες φυλετικές γνώσεις.
  • Αυτό μειώνει την εξάρτηση από καμπούρηδες και αποφάσεις για το έντερο.

Σημαντικό

Σκεφτείτε την κουλτούρα των δεδομένων ως αυτό που κάνετε, όχι αυτό που λέτε. Η κουλτούρα δεδομένων σας δεν είναι ένα σύνολο κανόνων (δηλαδή διαχείριση). Επομένως, η κουλτούρα δεδομένων είναι μια κάπως αφηρημένη έννοια. Είναι οι συμπεριφορές και οι κανόνες που επιτρέπονται, ανταμείβονται και ενθαρρύνονται ή εκείνες που δεν επιτρέπονται και αποθαρρύνονται. Λάβετε υπόψη ότι μια υγιής κουλτούρα δεδομένων παρακινεί τους υπαλλήλους σε όλα τα επίπεδα του οργανισμού να δημιουργήσουν και να διανείμουν αξιοποιήσιμες γνώσεις.

Εντός ενός οργανισμού, ορισμένες επιχειρηματικές μονάδες ή ομάδες είναι πιθανό να έχουν τις δικές τους συμπεριφορές και κανόνες για να κάνουν τα πράγματα. Οι συγκεκριμένοι τρόποι επίτευξης των στόχων της κουλτούρας δεδομένων μπορεί να διαφέρουν μεταξύ των ορίων του οργανισμού. Το σημαντικό είναι ότι όλοι πρέπει να ευθυγραμμίζονται με τους στόχους της κουλτούρας δεδομένων οργανισμού. Μπορείτε να θεωρήσετε αυτή τη δομή ως ευθυγραμμισμένη αυτονομία.

Το παρακάτω κυκλικό διάγραμμα παρουσιάζει τις αλληλένδετες πτυχές που επηρεάζουν την κουλτούρα των δεδομένων σας:

Διάγραμμα που εμφανίζει διάφορες σχέσεις και επιρροές σε μια κουλτούρα δεδομένων, οι οποίες περιγράφονται παρακάτω.

Το διάγραμμα απεικονίζει τις κάπως ασαφείς σχέσεις μεταξύ των ακόλουθων στοιχείων:

Τα στοιχεία του διαγράμματος εξετάζονται σε αυτή τη σειρά άρθρων.

Οπτική απεικόνιση κουλτούρας δεδομένων

Ο ορισμός και η μέτρηση της έννοιας της κουλτούρας δεδομένων μπορεί να είναι δύσκολο να καθοριστεί και να μετρηθεί. Παρόλο που είναι δύσκολο να διατυπώσετε την κουλτούρα δεδομένων με τρόπο ουσιαστικό, αξιοποιήσιμο και μετρήσιμο, πρέπει να έχετε έναν καλά κατανοητό ορισμό για το τι σημαίνει μια υγιής κουλτούρα δεδομένων για τον οργανισμό σας. Αυτό το όραμα μιας υγιούς κουλτούρας δεδομένων πρέπει:

  • Προέρχονται από το επίπεδο στελέχους.
  • Συμβάθμισή με τους στόχους του οργανισμού.
  • Να επηρεάσετε άμεσα τη στρατηγική υιοθέτησης.
  • Λειτουργεί ως η κατευθυντήρια αρχή υψηλού επιπέδου για τη θέσπιση πολιτικών και κατευθυντήριων γραμμών διακυβέρνησης.

Τα αποτελέσματα της κουλτούρας δεδομένων δεν έχουν συγκεκριμένη εντολή. Αντίθετα, η κατάσταση της κουλτούρας δεδομένων είναι αποτέλεσμα της τήρησης των κανόνων διακυβέρνησης κατά την επιβολή τους (ή της έλλειψης κανόνων διακυβέρνησης). Οι ηγέτες σε όλα τα επίπεδα πρέπει να επιδεικνύουν ενεργά τις ενέργειές τους σχετικά με το τι είναι σημαντικό για αυτούς, συμπεριλαμβανομένου του τρόπου με τον οποίο επαινούν, αναγνωρίζουν και ανταμείβουν τα μέλη του προσωπικού που αναλαμβάνουν πρωτοβουλία.

Φιλοδώρημα

Εάν μπορείτε να θεωρηθείτε δεδομένο ότι οι προσπάθειές σας για την ανάπτυξη μιας λύσης δεδομένων (όπως ένα μοντέλο σημασιολογίας, ένα lakehouse ή μια αναφορά) θα εκτιμηθούν και θα εκτιμηθούν, αυτό είναι ένας εξαιρετικός δείκτης μιας υγιούς κουλτούρας δεδομένων. Ορισμένες φορές, ωστόσο, εξαρτάται από τις αξίες του άμεσου διευθυντή σας.

Το αρχικό κίνητρο για τη δημιουργία μιας κουλτούρας δεδομένων προέρχεται συχνά από ένα συγκεκριμένο στρατηγικό επιχειρηματικό πρόβλημα ή πρωτοβουλία. Μπορεί να είναι:

  • Μια αντιδραστική αλλαγή, όπως η ανταπόκριση σε νέο ευκίνητο ανταγωνισμό.
  • Μια προληπτική αλλαγή, όπως η έναρξη μιας νέας επιχειρηματικής γραμμής ή η επέκταση σε νέες αγορές για την αδράξτε μια ευκαιρία "πράσινου πεδίου". Η προέλευση δεδομένων από την αρχή μπορεί να είναι σχετικά ευκολότερη όταν υπάρχουν λιγότεροι περιορισμοί και επιπλοκές, σε σύγκριση με έναν καθιερωμένο οργανισμό.
  • Λόγω εξωτερικών αλλαγών, όπως η πίεση για την εξάλειψη ανεπαρκειών και απολύσεων κατά τη διάρκεια της οικονομικής ύφεσης.

Σε κάθε μία από αυτές τις περιπτώσεις, υπάρχει συχνά μια συγκεκριμένη περιοχή όπου η κουλτούρα δεδομένων έχει τις ρίζες της. Η συγκεκριμένη περιοχή μπορεί να είναι μια εμβέλεια προσπάθειας μικρότερη από ολόκληρο τον οργανισμό, ακόμα και αν εξακολουθεί να είναι σημαντική. Αφού πραγματοποιηθούν οι απαραίτητες αλλαγές σε αυτό το μικρότερο εύρος, μπορούν να αναπαραχθούν επαυξητικά και να προσαρμοστούν για τον υπόλοιπο οργανισμό.

Παρόλο που η τεχνολογία μπορεί να συμβάλει στην προώθηση των στόχων μιας κουλτούρας δεδομένων, η υλοποίηση συγκεκριμένων εργαλείων ή δυνατοτήτων δεν είναι ο στόχος. Αυτή η σειρά άρθρων καλύπτει πολλά θέματα που συμβάλλουν στην υιοθέτηση μιας υγιούς κουλτούρας δεδομένων. Το υπόλοιπο άρθρο εξετάζει τρεις βασικές πτυχές της κουλτούρας δεδομένων: τον εντοπισμό δεδομένων, τον εκδημοκρατισμό δεδομένων και την παιδεία δεδομένων.

Εντοπισμός δεδομένων

Μια επιτυχημένη κουλτούρα δεδομένων εξαρτάται από τους χρήστες που εργάζονται με τα σωστά δεδομένα στις καθημερινές δραστηριότητές τους. Για να επιτευχθεί αυτός ο στόχος, οι χρήστες πρέπει να βρουν και να αποκτήσουν πρόσβαση σε προελεύσεις δεδομένων, αναφορές και άλλα στοιχεία.

Ο εντοπισμός δεδομένων είναι η δυνατότητα να εντοπίσετε αποτελεσματικά σχετικούς πόρους δεδομένων σε ολόκληρο τον οργανισμό. Κυρίως, ο εντοπισμός δεδομένων αφορά τη βελτίωση της ευαισθητοποίησης σχετικά με την ύπαρξη δεδομένων, η οποία μπορεί να είναι ιδιαίτερα δύσκολη όταν τα δεδομένα διοχετεύονται σε συστήματα τμημάτων.

Ο εντοπισμός δεδομένων είναι μια ελαφρώς διαφορετική έννοια από την αναζήτηση, επειδή:

  • Ο εντοπισμός δεδομένων επιτρέπει στους χρήστες να βλέπουν μετα-δεδομένα για ένα στοιχείο, όπως το όνομα ενός μοντέλου σημασιολογίας, ακόμα και αν δεν έχουν πρόσβαση σε αυτό τη στιγμή. Όταν ένας χρήστης γνωρίζει την ύπαρξή του, αυτός ο χρήστης μπορεί να περάσει από την τυπική διαδικασία για να ζητήσει πρόσβαση στο στοιχείο.
  • Η αναζήτηση επιτρέπει στους χρήστες να εντοπίσουν ένα υπάρχον στοιχείο, όταν έχουν ήδη πρόσβαση ασφαλείας στο στοιχείο.

Φιλοδώρημα

Είναι σημαντικό να έχετε μια σαφή και απλή διαδικασία, ώστε οι χρήστες να μπορούν να ζητήσουν πρόσβαση σε δεδομένα. Η γνώση ότι υπάρχουν δεδομένα, αλλά η αδυναμία πρόσβασης σε αυτά σύμφωνα με τις οδηγίες και τις διαδικασίες που έχει δημιουργήσει ο κάτοχος του τομέα, μπορεί να αποτελέσει πηγή απογοήτευσης για τους χρήστες. Μπορεί να τους αναγκάσει να χρησιμοποιήσουν αναποτελεσματικές λύσεις αντί να ζητήσουν πρόσβαση μέσω των κατάλληλων καναλιών.

Ο εντοπισμός δεδομένων συμβάλλει στις προσπάθειες υιοθέτησης και στην εφαρμογή των πρακτικών διαχείρισης:

  • Ενθάρρυνση της χρήσης αξιόπιστων προελεύσεων δεδομένων υψηλής ποιότητας.
  • Ενθάρρυνση των χρηστών να επωφεληθούν από τις υφιστάμενες επενδύσεις σε διαθέσιμα στοιχεία δεδομένων.
  • Προβιβάζοντας τη χρήση και τον εμπλουτισμό υπαρχόντων στοιχείων δεδομένων (όπως μια λίμνη, αποθήκη δεδομένων, διοχέτευση δεδομένων, ροή δεδομένων ή μοντέλο σημασιολογίας) ή στοιχείων αναφοράς (όπως αναφορές, πίνακες εργαλείων ή μετρικά).
  • Βοήθεια στους χρήστες να κατανοήσουν ποιος κατέχει και διαχειρίζεται πόρους δεδομένων.
  • Δημιουργία συνδέσεων μεταξύ καταναλωτών, δημιουργών και κατόχων.

Ο κόμβος δεδομένων OneLake και η χρήση εγκρίσεων είναι βασικοί τρόποι για την προώθηση του εντοπισμού δεδομένων στον οργανισμό σας.

Επιπλέον, οι λύσεις καταλόγου δεδομένων είναι εξαιρετικά πολύτιμα εργαλεία για τον εντοπισμό δεδομένων. Μπορούν να καταγράψουν ετικέτες μετα-δεδομένων και περιγραφές για να παρέχουν βαθύτερο περιβάλλον και νόημα. Για παράδειγμα, το Microsoft Purview μπορεί να σαρώνει και να καταλογίζει στοιχεία από έναν μισθωτή Fabric (καθώς και πολλές άλλες προελεύσεις).

Ερωτήσεις για τον εντοπισμό δεδομένων

Χρησιμοποιήστε ερωτήσεις όπως αυτές που βρίσκονται παρακάτω για να αξιολογήσετε τον εντοπισμό δεδομένων.

  • Υπάρχει κέντρο δεδομένων όπου οι χρήστες επιχειρήσεων μπορούν να αναζητήσουν δεδομένα;
  • Υπάρχει κατάλογος μετα-δεδομένων που περιγράφει ορισμούς και θέσεις δεδομένων;
  • Οι προελεύσεις δεδομένων υψηλής ποιότητας υποστηρίζονται με την πιστοποίηση ή την προώθησή τους;
  • Σε ποιο βαθμό υπάρχουν πλεονάζουσες προελεύσεις δεδομένων επειδή οι χρήστες δεν μπορούν να βρουν τα δεδομένα που χρειάζονται; Ποιοι ρόλοι αναμένεται να δημιουργήσουν στοιχεία δεδομένων; Ποιοι ρόλοι αναμένεται να δημιουργήσουν αναφορές ή να εκτελέσουν ad hoc ανάλυση;
  • Μπορούν οι τελικοί χρήστες να βρουν και να χρησιμοποιήσουν υπάρχουσες αναφορές ή επιμένουν στις εξαγωγές δεδομένων για να δημιουργήσουν τις δικές τους;
  • Γνωρίζουν οι τελικοί χρήστες ποιες αναφορές θα χρησιμοποιήσουν για να αντιμετωπίσουν συγκεκριμένες επιχειρηματικές ερωτήσεις ή για να βρουν συγκεκριμένα δεδομένα;
  • Οι χρήστες χρησιμοποιούν τις κατάλληλες προελεύσεις δεδομένων και εργαλεία ή τους αντιστέκονται σε εκείνες παλαιού τύπου;
  • Κατανοούν οι αναλυτές πώς να εμπλουτίζουν υπάρχοντα πιστοποιημένα σημασιολογικά μοντέλα με νέα δεδομένα, για παράδειγμα, χρησιμοποιώντας ένα σύνθετο μοντέλο Power BI;
  • Πόσο συνεπή είναι τα στοιχεία δεδομένων στους κανόνες ποιότητας, πληρότητας και ονοματοθεσίας τους;
  • Μπορούν οι κάτοχοι στοιχείων δεδομένων να ακολουθήσουν την καταγωγή των δεδομένων για να εκτελέσουν ανάλυση επιπτώσεων των στοιχείων δεδομένων;

Επίπεδα ωριμότητας του εντοπισμού δεδομένων

Τα ακόλουθα επίπεδα ωρίμανσης μπορούν να σας βοηθήσουν να αξιολογήσετε την τρέχουσα κατάσταση εντοπισμού δεδομένων σας.

Επίπεδο Εντοπισμός δεδομένων κατάστασης Fabric
100: Αρχικό • Τα δεδομένα είναι κατακερματισμένα και ανοργάνωτα, χωρίς σαφείς δομές ή διαδικασίες για την ανεύρεσή τους.

• Οι χρήστες δυσκολεύονται να βρουν και να χρησιμοποιήσουν δεδομένα που χρειάζονται για τις εργασίες τους.
200: Επαναλαμβανόμενο • Βρίσκονται σε εξέλιξη διάσπαρτες ή οργανικές προσπάθειες για την οργάνωση και τεκμηρίωση δεδομένων, αλλά μόνο σε συγκεκριμένες ομάδες ή τμήματα.

• Το περιεχόμενο υποστηρίζεται περιστασιακά, αλλά αυτές οι εγκρίσεις δεν ορίζονται και η διαδικασία δεν γίνεται. Τα δεδομένα παραμένουν αποσπασματικά και κατακερματισμένα και είναι δύσκολη η πρόσβαση.
300: Καθορισμένο • Ένα κεντρικό αποθετήριο δεδομένων, όπως το κέντρο δεδομένων OneLake, χρησιμοποιείται για να διευκολύνει την εύρεση των δεδομένων για άτομα που τα χρειάζονται.

• Υπάρχει μια ρητή διαδικασία έγκρισης ποιοτικών δεδομένων και περιεχομένου.

• Η βασική τεκμηρίωση περιλαμβάνει δεδομένα καταλόγου, ορισμούς και υπολογισμούς, καθώς και πού μπορείτε να τα βρείτε.
400: Ικανό • Οι δομημένες, συνεπείς διαδικασίες καθοδηγούν τους χρήστες σχετικά με τον τρόπο έγκρισης, τεκμηρίωσης και εύρεσης δεδομένων από έναν κεντρικό κόμβο. Τα σιλό δεδομένων είναι η εξαίρεση αντί του κανόνα.

• Οι ποιοτικοί πόροι δεδομένων υποστηρίζονται και αναγνωρίζονται εύκολα.

• Διατηρούνται πλήρη λεξικά δεδομένων και βελτιώνουν τον εντοπισμό δεδομένων.
500: Αποτελεσματικό • Τα δεδομένα και τα μετα-δεδομένα οργανώνονται και τεκμηριώνονται συστηματικά με πλήρη προβολή της καταγωγής των δεδομένων.

• Τα ποιοτικά περιουσιακά στοιχεία επικυρώνονται και προσδιορίζονται εύκολα.

• Τα εργαλεία καταλόγων, όπως το Microsoft Purview, χρησιμοποιούνται για να κάνουν τα δεδομένα ανιχνεύσιμα τόσο για χρήση όσο και για διαχείριση.

Εκδημοκρατισμός δεδομένων

Ο εκδημοκρατισμός δεδομένων αναφέρεται στην τοποθέτηση δεδομένων στα χέρια περισσότερων χρηστών που είναι υπεύθυνοι για την επίλυση επιχειρηματικών προβλημάτων. Έχει να κάνει με την παροχή δυνατότητας σε περισσότερους χρήστες να λαμβάνουν καλύτερες αποφάσεις βάσει δεδομένων.

Σημείωμα

Η έννοια του εκδημοκρατισμού των δεδομένων δεν συνεπάγεται έλλειψη ασφάλειας ή έλλειψη αιτιολόγησης βάσει του εργασιακού ρόλου. Ως μέρος μιας υγιούς κουλτούρας δεδομένων, ο εκδημοκρατισμός δεδομένων συμβάλλει στη μείωση του σκιώδους τμήματος IT , παρέχοντας σημασιολογικά μοντέλα τα οποία:

  • Η ασφάλεια, η διακυβέρνηση και η καλή διαχείριση τους είναι ασφαλείς.
  • Ικανοποίηση επιχειρηματικών αναγκών με οικονομικά αποδοτικούς και έγκαιρους τρόπους.

Η θέση του οργανισμού σας σχετικά με τον εκδημοκρατισμό των δεδομένων θα έχει ευρύ αντίκτυπο στις προσπάθειες υιοθέτησης και διαχείρισης.

Προειδοποίηση

Εάν η πρόσβαση σε δεδομένα ή η δυνατότητα εκτέλεσης αναλύσεων περιορίζεται σε έναν επιλεγμένο αριθμό ατόμων στον οργανισμό, αυτό είναι συνήθως ένα προειδοποιητικό σύμβολο επειδή η δυνατότητα εργασίας με δεδομένα αποτελεί βασικό χαρακτηριστικό μιας υγιούς κουλτούρας δεδομένων.

Ερωτήσεις σχετικά με τον εκδημοκρατισμό των δεδομένων

Χρησιμοποιήστε ερωτήσεις όπως αυτές που βρίσκονται παρακάτω για να αξιολογήσετε τον εκδημοκρατισμό των δεδομένων.

  • Είναι τα δεδομένα και οι αναλύσεις εύκολα προσβάσιμα ή περιορισμένα σε περιορισμένους ρόλους και μεμονωμένα άτομα;
  • Υπάρχει αποτελεσματική διαδικασία για να ζητούν οι χρήστες πρόσβαση σε νέα δεδομένα και εργαλεία;
  • Είναι άμεσα κοινόχρηστα τα δεδομένα μεταξύ ομάδων και επιχειρηματικών μονάδων ή είναι προστατευμένα και προσεκτικά προστατευμένα;
  • Ποιος επιτρέπεται να έχει εγκατεστημένο το Power BI Desktop;
  • Ποιος επιτρέπεται να έχει άδειες χρήσης Power BI Pro ή Power BI Premium ανά χρήστη (PPU);
  • Ποιος επιτρέπεται να δημιουργεί πόρους σε χώρους εργασίας Fabric;
  • Ποιο είναι το επιθυμητό επίπεδο ανάλυσης αυτοεξυπηρέτησης και ενεργοποίησης χρήστη επιχειρηματικής ευφυΐας (BI); Πώς διαφέρει αυτό το επίπεδο ανάλογα με τον ρόλο της επιχειρηματικής μονάδας ή της εργασίας;
  • Ποια είναι η επιθυμητή ισορροπία μεταξύ των επιχειρηματικών αναλύσεων και των αναλύσεων με λειτουργία από τον χρήστη και του BI;
  • Ποιες προελεύσεις δεδομένων προτιμάται ιδιαίτερα για ποια θέματα και επιχειρηματικούς τομείς; Ποια είναι η επιτρεπόμενη χρήση προελεύσεων δεδομένων χωρίς άδεια;
  • Ποιος μπορεί να διαχειριστεί περιεχόμενο; Διαφέρει αυτή η απόφαση για τα δεδομένα έναντι των αναφορών; Διαφέρει η απόφαση για τους χρήστες επιχειρηματικής ευφυϊας έναντι των αποκεντρωμένων χρηστών; Ποιος μπορεί να είναι κάτοχος και να διαχειρίζεται περιεχόμενο BI από τον χρήστη;
  • Ποιος μπορεί να καταναλώσει περιεχόμενο; Διαφέρει αυτή η απόφαση για εξωτερικούς συνεργάτες, πελάτες ή προμηθευτές;

Επίπεδα ωριμότητας του εκδημοκρατισμού δεδομένων

Τα ακόλουθα επίπεδα ωρίμανσης μπορούν να σας βοηθήσουν να αξιολογήσετε την τρέχουσα κατάσταση εκδημοκρατισμού δεδομένων.

Επίπεδο Κατάσταση εκδημοκρατισμού δεδομένων
100: Αρχικό • Τα δεδομένα και οι αναλύσεις περιορίζονται σε έναν μικρό αριθμό ρόλων, οι οποίοι έχουν πρόσβαση σε άλλους.

• Οι χρήστες επιχειρήσεων πρέπει να ζητήσουν πρόσβαση σε δεδομένα ή εργαλεία για την ολοκλήρωση εργασιών. Δυσκολεύονται με καθυστερήσεις ή συμφορήσεις.

• Πρωτοβουλίες αυτοεξυπηρέτησης πραγματοποιούνται με επιτυχία σε διάφορους τομείς του οργανισμού. Αυτές οι δραστηριότητες συμβαίνουν με κάπως χαοτικό τρόπο, με λίγες επίσημες διαδικασίες και κανένα στρατηγικό σχέδιο. Υπάρχει έλλειψη εποπτείας και ορατότητας σε αυτές τις δραστηριότητες αυτοεξυπηρέτησης. Η επιτυχία ή η αποτυχία κάθε λύσης δεν είναι καλά κατανοητή.

• Η ομάδα εταιρικών δεδομένων δεν μπορεί να συμβαδίσει με τις ανάγκες της επιχείρησης. Υπάρχει σημαντική συσσώρευση εκκρεμοτήτων αιτήσεων για αυτήν την ομάδα.
200: Επαναλαμβανόμενο • Γίνονται περιορισμένες προσπάθειες για την επέκταση της πρόσβασης σε δεδομένα και εργαλεία.

• Πολλές ομάδες είχαν μετρήσιμη επιτυχία με λύσεις αυτοεξυπηρέτησης. Τα άτομα στον οργανισμό αρχίζουν να δίνουν προσοχή.

• Γίνονται επενδύσεις για τον προσδιορισμό της ιδανικής ισορροπίας εταιρικών λύσεων και λύσεων αυτοεξυπηρέτησης.
300: Καθορισμένο • Πολλά άτομα έχουν πρόσβαση στα δεδομένα και τα εργαλεία που χρειάζονται, αν και δεν είναι όλοι οι χρήστες εξίσου ενεργοποιημένοι ή υπεύθυνοι για το περιεχόμενο που δημιουργούν.

• Οι αποτελεσματικές πρακτικές δεδομένων αυτοεξυπηρέτησης αναπαράγονται σταδιακά και σκόπιμα σε περισσότερους τομείς του οργανισμού.
400: Ικανό • Υπάρχουν εύρυθμες συνεργασίες μεταξύ των δημιουργών λύσεων επιχειρήσεων και αυτοεξυπηρέτησης. Σαφής, ρεαλιστική λογοδοσία χρηστών και πολιτικές μετριάζουν τον κίνδυνο αναλύσεων από τον χρήστη και BI.

• Υπάρχουν σαφείς και συνεπείς διαδικασίες για να ζητήσουν οι χρήστες πρόσβαση σε δεδομένα και εργαλεία.

• Άτομα που αναλαμβάνουν πρωτοβουλία για την δημιουργία πολύτιμων λύσεων αναγνωρίζονται και ανταμείβονται.
500: Αποτελεσματικό • Η λογοδοσία και η αποτελεσματική διακυβέρνηση των χρηστών δίνουν στις κεντρικές ομάδες εμπιστοσύνη σε ό,τι κάνουν οι χρήστες με τα δεδομένα.

• Οι αυτοματοποιημένες, παρακολουθούμενες διαδικασίες επιτρέπουν στους χρήστες να ζητούν εύκολα πρόσβαση σε δεδομένα και εργαλεία. Οποιοσδήποτε έχει την ανάγκη ή το ενδιαφέρον να χρησιμοποιήσει δεδομένα μπορεί να ακολουθήσει αυτές τις διαδικασίες για την εκτέλεση ανάλυσης.

Λεκτική σταθερά δεδομένων

Η λεκτική σταθερά στα δεδομένα αναφέρεται στη δυνατότητα ερμηνείας, δημιουργίας και επικοινωνίας με δεδομένα και αναλύσεις με ακρίβεια και αποτελεσματικότητα.

Οι προσπάθειες εκπαίδευσης, όπως περιγράφεται στο άρθρο παροχής καθοδήγησης και ενεργοποίησης χρηστών, συχνά εστιάζουν στον τρόπο χρήσης της ίδιας της τεχνολογίας. Οι δεξιότητες τεχνολογίας είναι σημαντικές για την παραγωγή λύσεων υψηλής ποιότητας, αλλά είναι επίσης σημαντικό να εξετάσετε πώς μπορείτε να προωθήσετε σκόπιμα την παιδεία δεδομένων σε ολόκληρο τον οργανισμό. Με άλλα λόγια, η επιτυχημένη υιοθέτηση απαιτεί πολλά περισσότερα από την απλή παροχή λογισμικού και αδειών χρήσης στους χρήστες.

Ο τρόπος με τον οποίο μπορείτε να βελτιώσετε την παιδεία δεδομένων στον οργανισμό σας εξαρτάται από πολλούς παράγοντες, όπως τα τρέχοντα σύνολα δεξιοτήτων χρήστη, η πολυπλοκότητα των δεδομένων και οι τύποι αναλύσεων που απαιτούνται. Μπορείτε να επιλέξετε να εστιάσετε σε αυτούς τους τύπους δραστηριοτήτων που σχετίζονται με την παιδεία δεδομένων:

  • Ερμηνεία γραφημάτων και γραφημάτων
  • Αξιολόγηση της εγκυρότητας των δεδομένων
  • Εκτέλεση ανάλυσης βασικής αιτίας
  • Ευδιάκριτη συσχέτιση από την αιτιώδη συνάφεια
  • Κατανόηση του τρόπου με τον οποίο το περιβάλλον και τα έκτοπα επηρεάζουν τον τρόπο παρουσίασης των αποτελεσμάτων
  • Χρήση αφήγησης για να βοηθήσει τους καταναλωτές να κατανοήσουν γρήγορα και να ενεργήσουν

Φιλοδώρημα

Εάν αντιμετωπίζετε δυσκολίες για την έγκριση της κουλτούρας δεδομένων ή των προσπαθειών διακυβέρνησης, η εστίαση σε οφέλη με εγκυρότητα που μπορείτε να επιτύχετε με τον εντοπισμό δεδομένων ("εύρεση δεδομένων"), τον εκδημοκρατισμό των δεδομένων ("χρήση των δεδομένων") ή την παιδεία δεδομένων ("κατανόηση των δεδομένων") μπορεί να βοηθήσει. Μπορεί επίσης να είναι χρήσιμο να εστιάσετε σε συγκεκριμένα προβλήματα που μπορείτε να επιλύσετε ή να μετριάσετε μέσω των εξελίξεων της κουλτούρας δεδομένων.

Το πρώτο βήμα είναι συνήθως να κάνετε τους κατάλληλους ενδιαφερόμενους να συμφωνήσουν σχετικά με το πρόβλημα. Στη συνέχεια, είναι θέμα του να κάνει τους ενδιαφερομένους να συμφωνήσουν σχετικά με τη στρατηγική προσέγγιση για μια λύση, μαζί με τις λεπτομέρειες της λύσης.

Ερωτήσεις για την υποβολή ερωτήσεων σχετικά με την λεκτική σταθερά στα δεδομένα

Χρησιμοποιήστε ερωτήσεις όπως αυτές που βρίσκονται παρακάτω για να αξιολογήσετε την παιδεία δεδομένων.

  • Υπάρχει κοινό λεξιλόγιο ανάλυσης στον οργανισμό για να συζητάτε για δεδομένα και λύσεις BI; Εναλλακτικά, οι ορισμοί είναι κατακερματισμένοι και διαφορετικοί σε σιλό;
  • Πόσο άνετοι είναι οι άνθρωποι με τη λήψη αποφάσεων που βασίζονται σε δεδομένα και αποδεικτικά στοιχεία σε σύγκριση με τη διαίσθηση και την υποκειμενική εμπειρία;
  • Όταν οι άνθρωποι που έχουν άποψη έρχονται αντιμέτωποι με αντικρουόμενες αποδείξεις, πώς αντιδρούν; Εκτιμούν κριτικά τα δεδομένα ή τα απορρίπτουν; Μπορούν να αλλάξουν τη γνώμη τους ή εδραιώνονται και είναι ανθεκτικοί;
  • Υπάρχουν προγράμματα εκπαίδευσης για την υποστήριξη ατόμων στην εκμάθηση σχετικά με δεδομένα και τα εργαλεία ανάλυσης;
  • Υπάρχει σημαντική αντίσταση στις αναλύσεις απεικονίσεων και τις αλληλεπιδραστικές αναφορές προς όφελος των στατικών υπολογιστικών φύλλων;
  • Είναι οι χρήστες ανοικτοί σε νέες αναλυτικές μεθόδους και εργαλεία για να αντιμετωπίσουν δυνητικά τα επιχειρηματικά τους ερωτήματα πιο αποτελεσματικά; Εναλλακτικά, προτιμούν να συνεχίσουν να χρησιμοποιούν υπάρχουσες μεθόδους και εργαλεία για εξοικονόμηση χρόνου και ενέργειας;
  • Υπάρχουν μέθοδοι ή προγράμματα για την αξιολόγηση ή τη βελτίωση της παιδείας δεδομένων στον οργανισμό; Η ηγεσία έχει ακριβή κατανόηση των επιπέδων παιδείας δεδομένων;
  • Υπάρχουν ρόλοι, ομάδες ή τμήματα όπου η παιδεία δεδομένων είναι ιδιαίτερα ισχυρή ή ασθενής;

Επίπεδα ωριμότητας της λεκτικής σταθεράς δεδομένων

Τα ακόλουθα επίπεδα ωρίμανσης μπορούν να σας βοηθήσουν να αξιολογήσετε την τρέχουσα κατάσταση λεκτικής σταθεράς των δεδομένων σας.

Επίπεδο Κατάσταση λεκτικής σταθεράς δεδομένων
100: Αρχικό • Οι αποφάσεις λαμβάνονται συχνά με βάση τη διαίσθηση και την υποκειμενική εμπειρία. Όταν αντιμετωπίζετε δεδομένα που αμφισβητούν τις υπάρχουσες απόψεις, τα δεδομένα συχνά απορρίπτονται.

• Τα άτομα έχουν χαμηλή εμπιστοσύνη στη χρήση και κατανόηση των δεδομένων σε διαδικασίες λήψης αποφάσεων ή συζητήσεις.

• Οι καταναλωτές αναφορών έχουν μια ισχυρή προτίμηση για στατικούς πίνακες. Αυτοί οι καταναλωτές απορρίπτουν τις αλληλεπιδραστικές απεικονίσεις ή τις εξελιγμένες αναλυτικές μεθόδους ως "φανταχτερές" ή περιττές.
200: Επαναλαμβανόμενο • Ορισμένες ομάδες και μεμονωμένα άτομα ενσωματώνουν με ασυνεπή τρόπο δεδομένα στη λήψη αποφάσεων. Υπάρχουν σαφείς περιπτώσεις όπου η παρερμηνεία των δεδομένων έχει οδηγήσει σε εσφαλμένες αποφάσεις ή εσφαλμένα συμπεράσματα.

• Υπάρχει κάποια αντίσταση όταν τα δεδομένα αμφισβητούν προϋπάρχουσες πεποιθήσεις.

• Μερικοί άνθρωποι είναι δύσπιστοι με τις διαδραστικές απεικονίσεις και τις εξελιγμένες αναλυτικές μεθόδους, αν και η χρήση τους αυξάνεται.
300: Καθορισμένο • Οι περισσότερες ομάδες και μεμονωμένα άτομα κατανοούν δεδομένα που σχετίζονται με τον επιχειρηματικό τους τομέα και τα χρησιμοποιούν σιωπηρά για την ενημέρωση των αποφάσεων.

• Όταν τα δεδομένα αμφισβητούν προϋπάρχουσες πεποιθήσεις, δημιουργούν κρίσιμες συζητήσεις και μερικές φορές προκαλούν αλλαγές.

• Οι απεικονίσεις και οι προηγμένες αναλύσεις είναι ευρύτερα αποδεκτές, αν και δεν χρησιμοποιούνται πάντα αποτελεσματικά.
400: Ικανό • Η λεκτική σταθερά στα δεδομένα αναγνωρίζεται ρητά ως μια απαραίτητη δεξιότητα στον οργανισμό. Ορισμένα εκπαιδευτικά προγράμματα αντιμετωπίζουν την παιδεία δεδομένων. Απαιτούνται συγκεκριμένες προσπάθειες για να βοηθούνται τμήματα, ομάδες ή άτομα που έχουν ιδιαίτερα ασθενή λεκτική σταθερά στα δεδομένα.

• Τα περισσότερα άτομα μπορούν να χρησιμοποιούν και να εφαρμόζουν αποτελεσματικά δεδομένα για τη λήψη αντικειμενικά καλύτερων αποφάσεων και την ανάληψη ενεργειών.

• Οι βέλτιστες πρακτικές απεικόνισης και ανάλυσης τεκμηριώνονται και ακολουθούνται σε στρατηγικά σημαντικές λύσεις δεδομένων.
500: Αποτελεσματικό • Η παιδεία στα δεδομένα, η κρίσιμη σκέψη και η συνεχής μάθηση είναι στρατηγικές δεξιότητες και αξίες στον οργανισμό. Αποτελεσματικά προγράμματα παρακολουθούν την πρόοδο για τη βελτίωση της παιδείας δεδομένων στον οργανισμό.

• Η λήψη αποφάσεων καθοδηγείται από δεδομένα σε ολόκληρο τον οργανισμό. Η ευφυΐα αποφάσεων ή οι κανονιστικές αναλύσεις χρησιμοποιούνται για τη σύσταση βασικών αποφάσεων και ενεργειών.

• Οι βέλτιστες πρακτικές απεικόνισης και ανάλυσης θεωρούνται απαραίτητες για τη δημιουργία επιχειρηματικής αξίας με δεδομένα.

Ζητήματα και ενέργειες κλειδιά

Λίστα ελέγχου - Εδώ θα βρείτε ορισμένα ζητήματα και βασικές ενέργειες που μπορείτε να λάβετε για να ενισχύσετε την κουλτούρα των δεδομένων σας.

  • Στοίχιση των στόχων και της στρατηγικής της κουλτούρας δεδομένων σας: Εξετάστε σοβαρά τον τύπο κουλτούρας δεδομένων που θέλετε να καλλιεργήσετε. Ιδανικά, προέρχεται περισσότερο από μια θέση ενδυνάμωσης των χρηστών παρά από μια θέση διοίκησης και ελέγχου.
  • Κατανοήστε την τρέχουσα κατάστασή σας: Επικοινωνήστε με τους ενδιαφερόμενους σε διαφορετικές επιχειρηματικές μονάδες για να κατανοήσετε ποιες πρακτικές ανάλυσης λειτουργούν καλά αυτήν τη στιγμή και ποιες πρακτικές δεν λειτουργούν καλά για τη λήψη αποφάσεων βάσει δεδομένων. Διεξαγωγή μιας σειράς εργαστηρίων για την κατανόηση της τρέχουσας κατάστασης και τη διαμόρφωση της επιθυμητής μελλοντικής κατάστασης.
  • Μιλήστε με τους ενδιαφερομένους: Επικοινωνήστε με τους ενδιαφερόμενους στον τομέα ΙΤ, το BI και το COE για να κατανοήσετε ποιοι περιορισμοί διακυβέρνησης πρέπει να εξεταστούν. Αυτές οι συνομιλίες μπορούν να παρουσιάσουν μια ευκαιρία για την εκπαίδευση ομάδων σε θέματα όπως η ασφάλεια και η υποδομή. Μπορείτε επίσης να χρησιμοποιήσετε την ευκαιρία για να εκπαιδεύσετε τους ενδιαφερομένους σχετικά με τις δυνατότητες και τις δυνατότητες που περιλαμβάνονται στο Fabric.
  • Επαλήθευση εκτελεστικής χορηγίας: Επαληθεύστε το επίπεδο της εκτελεστικής χορηγίας και υποστήριξης που έχετε σε ισχύ για να προωθήσετε τους στόχους της κουλτούρας δεδομένων.
  • Λάβετε σκόπιμες αποφάσεις σχετικά με τη στρατηγική δεδομένων σας: Αποφασίστε ποια θα είναι η ιδανική ισορροπία επιχειρηματικών δεδομένων με λειτουργία από τον χρήστη, διαχειριζόμενων από τον χρήστη και εταιρικών δεδομένων, αναλύσεων και χρήσης BI θα πρέπει να είναι για τις βασικές επιχειρηματικές μονάδες του οργανισμού (εξετάζονται στο άρθρο ιδιοκτησίας και διαχείρισης περιεχομένου). Εξετάστε επίσης τον τρόπο με τον οποίο η στρατηγική δεδομένων σχετίζεται με την έκταση του δημοσιευμένου περιεχομένου για προσωπικές αναλύσεις, ομάδα, τμήμα και επιχειρησιακές αναλύσεις και BI (περιγράφεται στο άρθρο εμβέλειας παράδοσης περιεχομένου). Καθορίστε τους στόχους και τις προτεραιότητές σας υψηλού επιπέδου για αυτόν τον στρατηγικό σχεδιασμό. Προσδιορίστε πώς αυτές οι αποφάσεις επηρεάζουν τον τακτικό σχεδιασμό σας.
  • Δημιουργήστε ένα τακτικό σχέδιο: Αρχίστε να δημιουργείτε ένα τακτικό σχέδιο για άμεσα, βραχυπρόθεσμα και μακροπρόθεσμα αντικείμενα δράσης. Αναγνωρίστε επιχειρηματικούς ομίλους και προβλήματα που αντιπροσωπεύουν "γρήγορες νίκες" και μπορούν να κάνουν μια ορατή διαφορά.
  • Δημιουργία στόχων και μετρικών: Προσδιορίστε τον τρόπο με τον οποίο θα μετρήσετε την αποτελεσματικότητα για τις πρωτοβουλίες σας κουλτούρας δεδομένων. Δημιουργήστε βασικούς δείκτες απόδοσης (KPI) ή στόχους και βασικά αποτελέσματα (OKR) για να επικυρώσετε τα αποτελέσματα των προσπαθειών σας.

Ερωτήσεις για την κουλτούρα δεδομένων

Χρησιμοποιήστε ερωτήσεις όπως αυτές που βρίσκονται παρακάτω για να αξιολογήσετε την κουλτούρα δεδομένων.

  • Τα δεδομένα θεωρούνται στρατηγικό πλεονέκτημα στον οργανισμό;
  • Υπάρχει κάποιο όραμα μιας υγιούς κουλτούρας δεδομένων που προέρχεται από την εκτελεστική ηγεσία και ευθυγραμμίζεται με τους στόχους του οργανισμού;
  • Η κουλτούρα των δεδομένων καθοδηγεί τη δημιουργία πολιτικών και οδηγιών διαχείρισης;
  • Οι εταιρικές προελεύσεις δεδομένων θεωρούνται αξιόπιστες από δημιουργούς περιεχομένου και καταναλωτές;
  • Όταν αιτιολογούν μια γνώμη, απόφαση ή επιλογή, οι χρήστες χρησιμοποιούν τα δεδομένα ως αποδεικτικά στοιχεία;
  • Η γνώση σχετικά με την ανάλυση και τη χρήση δεδομένων τεκμηριώνεται ή υπάρχει εξάρτηση από μη τεκμηριωμένες φυλετικές γνώσεις;
  • Εκτιμάται και εκτιμάται ο προσπάθειες για την ανάπτυξη μιας λύσης δεδομένων από την κοινότητα χρηστών;

Επίπεδα ωρίμανσης της κουλτούρας δεδομένων

Τα παρακάτω επίπεδα ωρίμανσης θα σας βοηθήσουν να αξιολογήσετε την τρέχουσα κατάσταση της κουλτούρας δεδομένων σας.

Επίπεδο Κατάσταση κουλτούρας δεδομένων
100: Αρχικό • Οι ομάδες εταιρικών δεδομένων δεν μπορούν να συμβαδίζουν με τις ανάγκες της επιχείρησης. Υπάρχει σημαντική συσσώρευση εκκρεμοτήτων αιτήσεων.

• Τα δεδομένα αυτοεξυπηρέτησης και οι πρωτοβουλίες ΕΠΙΧΕΙΡΗΜΑΤΙΚΉς ευφυΐας πραγματοποιούνται με κάποια επιτυχία σε διάφορους τομείς του οργανισμού. Αυτές οι δραστηριότητες συμβαίνουν με κάπως χαοτικό τρόπο, με λίγες επίσημες διαδικασίες και χωρίς στρατηγικό σχέδιο.

• Υπάρχει έλλειψη εποπτείας και ορατότητας στις δραστηριότητες επιχειρηματικής ευφυΐας με λειτουργία από τον χρήστη. Οι επιτυχίες ή αποτυχίες δεδομένων και λύσεων BI δεν είναι καλά κατανοητές.
200: Επαναλαμβανόμενο • Πολλές ομάδες είχαν μετρήσιμες επιτυχίες με λύσεις αυτοεξυπηρέτησης. Τα άτομα στον οργανισμό αρχίζουν να δίνουν προσοχή.

• Γίνονται επενδύσεις για τον προσδιορισμό της ιδανικής ισορροπίας εταιρικών δεδομένων και δεδομένων αυτοεξυπηρέτησης, αναλύσεων και BI.
300: Καθορισμένο • Έχουν καθοριστεί συγκεκριμένοι στόχοι για την προώθηση της κουλτούρας δεδομένων. Οι στόχοι αυτοί υλοποιούνται σταδιακά.

• Τα μαθήματα από ό,τι λειτουργεί σε μεμονωμένες επιχειρηματικές μονάδες κοινοποιούνται.

• Οι αποτελεσματικές πρακτικές αυτοεξυπηρέτησης αναπαράγονται σταδιακά και σκόπιμα σε περισσότερους τομείς του οργανισμού.
400: Ικανό • Οι στόχοι της κουλτούρας δεδομένων για την εφαρμογή τεκμηριωμένης λήψης αποφάσεων ευθυγραμμίζονται με τους στόχους του οργανισμού. Υποστηρίζονται ενεργά από τον εκτελεστικό χορηγό, το COE, και έχουν άμεσο αντίκτυπο στις στρατηγικές υιοθέτησης.

• Υπάρχει μια υγιής και παραγωγική συνεργασία μεταξύ του εκτελεστικού χορηγού, του COE, των επιχειρηματικών μονάδων και του ΙΤ. Οι ομάδες εργάζονται για την επίτευξη κοινών στόχων.

• Άτομα που αναλαμβάνουν πρωτοβουλία για τη δημιουργία πολύτιμων λύσεων δεδομένων αναγνωρίζονται και ανταμείβονται.
500: Αποτελεσματικό • Η επιχειρηματική αξία των δεδομένων, της ανάλυσης και των λύσεων BI αξιολογείται και μετριέται τακτικά. Τα KPI ή τα OKR χρησιμοποιούνται για την παρακολούθηση των στόχων της κουλτούρας δεδομένων και των αποτελεσμάτων αυτών των προσπαθειών.

• Υπάρχουν βρόχοι σχολίων και ενθαρρύνουν συνεχείς βελτιώσεις της κουλτούρας δεδομένων.

• Η συνεχής βελτίωση της υιοθέτησης του οργανισμού, της υιοθέτησης από τον χρήστη και της υιοθέτησης λύσεων είναι κορυφαία προτεραιότητα.

Σχετικό περιεχόμενο

Στο επόμενο άρθρο της σειράς χάρτη υιοθέτησης του Microsoft Fabric, μάθετε για τη σημασία ενός εκτελεστικού χορηγού.