Partager via


Feuille de route d’adoption de Microsoft Fabric : culture des données

Remarque

Cet article fait partie de la série Feuille de route d’adoption de Microsoft Fabric. Pour obtenir une vue d’ensemble de la série, consultez la feuille de route d’adoption de Microsoft Fabric.

La mise en place d’une culture des données est étroitement liée à l’adoption de l’analyse, et il s’agit souvent d’un aspect clé de la transformation numérique d’une organisation. Le terme culture des données peut être défini de différentes façons par les organisations. Dans cette série d’articles, la culture des données correspond à un ensemble de comportements et de standards qui sont appliqués au sein d’une organisation. Cette culture encourage des prises de décisions informées et régulières :

  • De la part des parties prenantes appartenant aux différentes divisions de l’organisation.
  • Basées sur les données d’analytique, et non sur des opinions.
  • D’une manière efficace et basée sur les meilleures pratiques approuvées par le Centre d’excellence.
  • Basées sur des données approuvées.
  • Cela permet d’éviter de dépendre de connaissances non documentées et détenues par une poignée de personnes.
  • Cela évite également les décisions basées sur l’intuition.

Important

La culture des données correspond à ce que vous faites et non à ce que vous dites. Votre culture des données n’est pas un ensemble de règles (autrement dit, la gouvernance). La culture des données est donc un concept plutôt abstrait. Il s’agit en fait de l’ensemble des comportements et normes qui sont autorisés, encouragés et récompensés, et de ceux qui sont interdits et déconseillés. Notez qu’une bonne culture des données incite tous les employés de l’organisation, quels que soient leur rôles, à créer et à distribuer des connaissances actionnables.

Dans une organisation, certaines équipes ou divisions sont susceptibles d’appliquer leurs propres comportements et normes pour la réalisation de leurs tâches. Les moyens spécifiques pour atteindre les objectifs de la culture des données peuvent varier d’une organisation à l’autre. Ce qui est important, c’est qu’ils doivent tous s’aligner sur les objectifs de culture des données de l’organisation. Vous pouvez considérer cette structure comme une autonomie alignée.

Le diagramme circulaire suivant présente des aspects liés entre eux qui influencent votre culture des données :

Le diagramme montre différentes relations et influences dans une culture de données, qui sont décrites ci-dessous.

Le diagramme illustre les relations les plus ambiguës qui existent entre les éléments suivants :

Les éléments du diagramme sont abordés tout au long de cette série d’articles.

Concept de la culture des données

Le concept de culture des données peut être difficile à définir et à mesurer. Même si ce concept est difficile à expliquer d’une manière claire une culture de données, actionnable et mesurable, vous devez bien comprendre ce que représente une « bonne » culture des données pour votre organisation. Une bonne culture des données doit :

  • Provenir de l’exécutif.
  • S’aligner sur les objectifs organisationnels.
  • Influencer directement votre stratégie d’adoption.
  • Servir de principe directeur pour décider des stratégies et des directives de gouvernance.

La culture des données ne doit pas avoir de résultats précis. C’est plutôt l’état de la culture des données qui résulte de l’application des règles de gouvernance (ou de leur absence). Les responsables de tous les niveaux doivent montrer par leurs actions ce qui est important pour eux, notamment en honorant et en récompensant les collaborateurs qui prennent des initiatives.

Conseil

Si vous pouvez prendre pour acquis que vos efforts de développement d’une solution de données (par exemple, un modèle sémantique, un lachouse ou un rapport) seront évalués et appréciés, c’est un excellent indicateur d’une culture de données saine. Parfois, cependant, cela peut dépendre de ce qui est important pour votre responsable direct.

La première motivation pour établir une culture des données provient souvent d’un problème ou d’une initiative stratégique. Cela pourrait être :

  • Un changement réactif, comme répondre à une nouvelle concurrence agile.
  • Un changement proactif, comme le lancement d’une nouvelle activité ou l’expansion vers des marchés où vous n’êtes pas encore présent. L’adoption d’une approche basée sur les données dès le début peut être relativement plus facile si vous n’avez pas les contraintes et les complications liées à celles d’une organisation établie.
  • Des changements externes, comme l’urgence d’éliminer les redondances et le manque d’efficacité lors d’un ralentissement économique.

Dans chacune de ces situations, il y a souvent une domaine précis où la culture des données s’enracine. La zone en question peut être une étendue de travail qui est plus petite que celle de l’ensemble de l’organisation, même si elle reste importante. Une fois que les modifications nécessaires ont été apportées à cette plus petite étendue, elles peuvent être répliquées de manière incrémentielle et adaptées pour le reste de l’organisation.

Même si la technologie peut aider à atteindre les objectifs d’une culture des données, l’implémentation d’outils ou de fonctionnalités n’est pas un but recherché. Cette série d’articles sur l’adoption couvre un grand nombre de sujets qui aident à établir une bonne culture des données. Le reste de cet article traite de trois aspects essentiels de la culture des données : la découverte des données, la démocratisation des données et la littératie des données.

Découverte de données

Pour une culture des données réussie, les utilisateurs doivent utiliser les bonnes données dans leurs activités quotidiennes. Pour atteindre cet objectif, les utilisateurs doivent rechercher des sources de données, des rapports et d’autres éléments.

La découverte des données est la possibilité de localiser efficacement les ressources de données pertinentes au sein de l’organisation. En premier lieu, la découverte des données vise à améliorer la visibilité des données, ce qui peut être particulièrement difficile lorsque celles-ci sont isolées dans les systèmes des différents services.

La découverte des données est un concept légèrement différent de la recherche, car :

  • La découverte de données permet aux utilisateurs de voir les métadonnées d’un élément, comme le nom d’un modèle sémantique, même s’ils n’y ont pas accès actuellement. Une fois que l’utilisateur est au courant de son existence, il peut passer par la procédure standard pour demander l’accès à l’élément.
  • La recherche permet aux utilisateurs de localiser un élément existant alors qu’ils disposent déjà d’un accès de sécurité à l’élément.

Conseil

Il est important de disposer d’une procédure simple et claire afin que les utilisateurs puissent demander l’accès aux données. Savoir que des données existent (sans pouvoir y accéder avec les directives et les procédures établies par le propriétaire du domaine) peut être source de frustration pour les utilisateurs. Cela peut les forcer à utiliser des solutions de contournement inefficaces au lieu de continuer à demander l’accès via les canaux appropriés.

La découverte des données contribue aux efforts d’adoption et à l’implémentation des pratiques de gouvernance en :

  • Encourageant l’utilisation de sources de données de haute qualité approuvées.
  • Encourager les utilisateurs à tirer parti des investissements existants dans les ressources de données disponibles.
  • Promouvant l’utilisation et l’enrichissement d’éléments de données existants (comme un lakehouse, un entrepôt de données, un pipeline de données, un flux de données ou un modèle sémantique) ou d’éléments de rapport (tels que des rapports, des tableaux de bord ou des métriques).
  • Aidant les utilisateurs à savoir qui possède et gère les ressources de données.
  • Établissant des liens entre les consommateurs, les créateurs et les propriétaires.

Le hub de données OneLake et l’utilisation des approbations sont des moyens clés de promouvoir la découverte des données au sein de votre organisation.

En outre, les solutions de catalogue de données sont des outils extrêmement précieux pour la découverte de données. En effet, elles peuvent enregistrer des étiquettes et des descriptions de métadonnées afin de fournir un contexte et un sens plus approfondis. Par exemple, Microsoft Purview peut analyser et cataloguer des éléments à partir d’un locataire Fabric (ainsi que de nombreuses autres sources).

Questions à poser sur la découverte des données

Utilisez des questions comme celles ci-dessous pour évaluer la découverte des données.

  • Existe-t-il un hub de données où les utilisateurs professionnels peuvent rechercher des données ?
  • Existe-t-il un catalogue de métadonnées qui décrit les définitions et les emplacements de données ?
  • Les sources de données de haute qualité sont-elles approuvées par certification ou promotion ?
  • Dans quelle mesure existe-t-il des sources de données redondantes, du fait que les utilisateurs ne trouvent pas les données dont ils ont besoin ? Quels rôles sont censés créer des éléments de données ? Quels rôles sont censés créer des rapports ou effectuer une analyse ad hoc ?
  • Les utilisateurs finaux peuvent-ils trouver et utiliser des rapports existants, ou insistent-ils à exporter les données pour créer leurs propres rapports ?
  • Les utilisateurs finaux savent-ils quels rapports utiliser pour répondre à des questions commerciales spécifiques ou rechercher des données spécifiques ?
  • Les utilisateurs utilisent-ils les sources de données et les outils appropriés, ou préfèrent-ils les sources de données et les outils hérités ?
  • Les analystes comprennent-ils comment enrichir des modèles sémantiques certifiés existants avec de nouvelles données, par exemple à l’aide d’un modèle composite Power BI ?
  • Quelle est la cohérence des éléments de données quant à leur qualité, exhaustivité et conventions de nommage ?
  • Les propriétaires d’éléments de données peuvent-ils suivre la traçabilité des données pour effectuer une analyse d’impact des éléments de données ?

Niveaux de maturité de la découverte des données

Les niveaux de maturité suivants vous permettent d’évaluer l’état actuel de la découverte de données.

Niveau État de la découverte des données Fabric
100 : initial • Les données sont fragmentées et désorganisées, sans structure ni processus clairs pour les trouver.

• Les utilisateurs ont du mal à trouver et à utiliser les données dont ils ont besoin pour leurs tâches.
200 : reproductible • Des efforts sporadiques ou organiques pour organiser et documenter les données sont en cours, mais uniquement dans certaines équipes ou certains départements.

• Le contenu est parfois approuvé, mais ces approbations ne sont pas définies et le processus n’est pas géré. Les données restent en silo et fragmentées, et il est difficile d’y accéder.
300 : défini • Un référentiel central, comme le hub de données OneLake, est utilisé pour faciliter la recherche des données pour les personnes qui en ont besoin.

• Un processus explicite est en place pour approuver les données et le contenu de qualité.

• La documentation de base inclut les données de catalogue, les définitions et les calculs, ainsi que l’emplacement où les trouver.
400 : capable • Des processus structurés et cohérents aident les utilisateurs à approuver, documenter et rechercher des données à partir d’un hub central. Les silos de données sont l’exception plutôt que la règle.

• Les ressources de données de qualité sont constamment approuvées et facilement identifiées.

• Des dictionnaires de données complets sont maintenus et améliorent la découverte des données.
500 : efficace • Les données et métadonnées sont systématiquement organisées et documentées avec une visibilité complète sur la traçabilité des données.

• Les ressources de qualité sont approuvées et facilement identifiées.

• Les outils de catalogage, tels que Microsoft Purview, sont utilisés pour rendre les données découvrables à la fois pour l’utilisation et la gouvernance.

Démocratisation des données

La démocratisation des données fait référence au fait de mettre des données entre les mains de davantage d’utilisateurs qui sont responsables de la résolution de problèmes métier. Il s’agit de permettre à plus d’utilisateurs de prendre de meilleures décisions pilotées par les données.

Remarque

Le concept de démocratisation des données n’implique pas un manque de sécurité ni un manque de justification selon un poste donné. Dans le cadre d’une culture de données saine, la démocratisation des données contribue à réduire le shadow IT en fournissant des modèles sémantiques qui :

  • Sont sécurisés, gouvernés et bien gérés.
  • Répondent aux besoins de l’entreprise de manière rentable et opportune.

La position de votre organisation sur la démocratisation des données aura un impact important sur l’adoption et les efforts relatifs à la gouvernance.

Avertissement

Si l’accès aux données ou la capacité d’obtenir des données d’analytique est limité à certaines personnes de l’organisation, il s’agit généralement d’un avertissement, car la possibilité d’utiliser des données est une caractéristique clé d’une saine culture des données.

Questions à poser sur la démocratisation des données

Utilisez des questions comme celles ci-dessous pour évaluer la démocratisation des données.

  • Les données et les analyses sont-elles facilement accessibles ou limitées à certains rôles et individus ?
  • Un processus efficace est-il en place pour que les utilisateurs demandent l’accès aux nouvelles données et outils ?
  • Les données sont-elles facilement partagées entre les équipes et les unités commerciales, ou sont-elles en silo et étroitement protégées ?
  • Qui est autorisé à installer Power BI Desktop ?
  • Qui est autorisé à avoir des licences Power BI Pro ou Power BI Premium par utilisateur (PPU) ?
  • Qui est autorisé à créer des ressources dans les espaces de travail Fabric ?
  • Quel est le niveau souhaité d’accompagnement des utilisateurs concernant l’analyse et la BI en libre-service ? De quelle façon ce niveau varie-t-il selon la division ou le poste ?
  • Quel est l’équilibre souhaité entre l’analyse et la BI d’entreprise ou en libre-service ?
  • Quelles sources de données sont fortement recommandées pour quels sujets et quels domaines métier ? Quelle utilisation est autorisée pour les sources de données non approuvées ?
  • Qui peut gérer le contenu ? Cette décision est-elle différente pour les données et pour les rapports ? La décision diffère-t-elle pour les utilisateurs de BI d’entreprise et les utilisateurs décentralisés ? Qui peut posséder et gérer du décisionnel libre-service ?
  • Qui peut consommer le contenu ? Cette décision est-elle différente pour les partenaires externes, les clients et les fournisseurs ?

Niveaux de maturité de la démocratisation des données

Les niveaux de maturité suivants vous aideront à évaluer l’état actuel de la démocratisation des données.

Niveau État de la démocratisation des données
100 : initial • Les données et l'analyse sont limitées à un petit nombre de rôles, qui contrôlent l'accès à d'autres personnes.

• Les utilisateurs professionnels doivent demander l’accès aux données ou aux outils pour effectuer des tâches. Ils sont confrontés à des retards ou des goulots d’étranglement.

• Des initiatives en libre-service sont en place, avec un certain succès dans divers secteurs de l’organisation. Ces activités se produisent de façon quelque peu chaotique, avec peu de processus formels et sans plan stratégique. Il y a un manque de supervision et de visibilité sur ces activités en libre-service. La réussite ou l’échec de chaque solution n’est pas bien compris.

• L’équipe données de l’entreprise ne peut pas suivre les besoins de l’entreprise. Cette équipe peut prendre un important retard dans la gestion des demandes.
200 : reproductible • Des efforts limités sont consentis pour développer l'accès aux données et aux outils.

• Plusieurs équipes ont connu des réussites quantifiables avec des solutions en libre-service. Certaines personnes dans l’organisation commencent à y prêter attention.

• Des investissements sont réalisés pour identifier l’équilibre idéal entre les solutions d’entreprise et en libre-service.
300 : Défini • Plusieurs personnes ont accès aux données et aux outils dont elles ont besoin, mais tous les utilisateurs ne bénéficient pas des mêmes accès ou ne sont pas tenus responsables pour le contenu qu'ils créent.

Les pratiques de données en libre-service efficaces sont répliquées de façon incrémentielle (et intentionnelle) dans les autres divisions de l’organisation.
400 : Capable • Des partenariats sains sont conclus entre les créateurs de solution d'entreprise ou en libre-service. La responsabilité des utilisateurs et les stratégies claires et réalistes atténuent le risque d’analyse et de décisionnel libre-service.

• Des processus clairs et cohérents sont en place pour que les utilisateurs demandent l’accès aux données et aux outils.

• Les personnes qui prennent l’initiative de créer des solutions à valeur ajoutée sont reconnues et récompensées.
500 : Efficace La responsabilité des utilisateurs et la bonne gouvernance donnent confiance aux équipes centrales dans ce que les utilisateurs font des données.

• Les processus automatisés et surveillés permettent aux utilisateurs de demander facilement l’accès aux données et aux outils. Toute personne ayant besoin ou ayant intérêt à utiliser des données peut suivre ces processus pour effectuer des analyses.

Littératie des données

La littératie des données fait référence à la possibilité d’interpréter, de créer et de communiquer des données et de l’analyse.

Les efforts de formation, comme ceux décrits dans l’article sur le mentorat et l’accompagnement des utilisateurs, se concentrent souvent sur la façon d’utiliser la technologie. Les compétences technologiques sont importantes pour produire des solutions de haute qualité. Toutefois, il est également important de réfléchir à la façon dont nous pouvons faire avancer la littératie des données au sein de l’organisation. Autrement dit, une adoption réussie nécessite bien plus que simplement fournir des logiciels et des licences aux utilisateurs.

La façon dont vous allez améliorer la littératie des données dans votre organisation dépend de nombreux facteurs, comme l’ensemble de compétences actuel des utilisateurs, la complexité des données et le type d’analytique nécessaire. Vous pouvez choisir de vous concentrer sur ces types d’activités liés à la littératie des données :

  • L’interprétation des graphiques et des graphes
  • L’évaluation de la validité des données
  • L’analyse de la cause racine
  • Discerner la corrélation de la causalité
  • La compréhension de la façon dont le contexte et les valeurs hors norme affectent les résultats qui sont présentés
  • L’utilisation des récits pour aider les consommateurs à comprendre et à agir rapidement

Conseil

Si vous éprouvez des difficultés à faire approuver la culture des données ou les efforts de gouvernance, vous pouvez insister sur les avantages tangibles que présentent la découverte des données (« trouver des données »), la démocratisation des données (« utiliser des données ») ou la littératie des données (« comprendre les données »). Il peut également être utile de mentionner les problèmes précis qui peuvent être résolus ou atténués par le biais de la culture des données.

La première étape consiste généralement à faire en sorte que les parties prenantes se mettent d’accord sur le problème. Ensuite, il est important de faire en sorte que les parties prenantes s’accordent sur l’approche stratégique à adopter pour une solution, puis sur les détails de la solution.

Questions à poser sur la littératie des données

Utilisez des questions comme celles ci-dessous pour évaluer la littératie des données.

  • Existe-t-il un vocabulaire analytique commun dans l’organisation pour parler des données et des solutions décisionnelles ? Sinon, les définitions sont-elle fragmentées et différentes entre les silos ?
  • À quel point les personnes sont-elles à l’aise avec la prise de décisions basées sur les données et les preuves par rapport à l’instinct et à l’expérience intuitive ?
  • Quand les personnes qui ont une opinion sont confrontées à des preuves conflictuelles, comment réagissent-elles ? Évaluent-elles les données de manière critique ou les ignorent-elles ? Peuvent-elles modifier leur opinion ou deviennent-elles réflexives et résistantes ?
  • Existe-t-il des programmes de formation pour aider les utilisateurs à se familiariser avec les données et les outils analytiques ?
  • Existe-t-il une résistance significative à l’analytique visuelle et aux rapports interactifs en faveur des feuilles de calcul statiques ?
  • Les utilisateurs sont-ils ouverts aux nouvelles méthodes et outils analytiques pour répondre plus efficacement à leurs questions professionnelles ? Sinon, préfèrent-ils continuer à utiliser des méthodes et des outils existants pour gagner du temps et de l’énergie ?
  • Existe-t-il des méthodes ou des programmes pour évaluer ou améliorer la littératie des données dans l’organisation ? La direction a-t-elle une compréhension précise des niveaux de littératie des données ?
  • Existe-t-il des rôles, des équipes ou des services où la littératie des données est particulièrement forte ou faible ?

Niveaux de maturité de la littératie des données

Les niveaux de maturité suivants vous aideront à évaluer l’état actuel de la littératie des données.

Niveau État de la littératie des données
100 : initial • Les décisions sont souvent prises en fonction de l'intuition et de l'expérience subjective. Lorsque les données sont présentées de manière à confronter les opinions existantes, elles sont souvent ignorées.

• Les individus ont peu de confiance pour utiliser et comprendre les données dans les processus de prise de décision ou les discussions.

• Les consommateurs de rapports ont une préférence forte pour les tables statiques. Ces consommateurs ignorent les visualisations interactives ou les méthodes analytiques sophistiquées en les classifiant « fantaisistes » ou inutiles.
200 : reproductible • Certaines équipes et personnes n'intègrent pas les données de manière cohérente dans leur prise de décision. Il existe des cas où une mauvaise interprétation des données a clairement conduit à des décisions erronées ou à des conclusions incorrectes.

• Il existe une certaine résistance lorsque les données défient les opinions préexistantes.

• Certaines personnes sont sceptiques vis-à-vis des visualisations interactives et des méthodes analytiques sophistiquées, même si leur utilisation augmente.
300 : défini • La majorité des équipes et des personnes assimilent les données relatives à leur domaine d'activité et les utilisent implicitement pour orienter leurs décisions.

• Lorsque les données confrontent des opinions préexistantes, elles génèrent des discussions critiques et provoquent parfois des changements.

• Les visualisations et les analyses avancées sont plus largement acceptées, mais ne sont pas toujours utilisées efficacement.
400 : capable • La maîtrise des données est reconnue explicitement comme une compétence nécessaire au sein de l'organisation. Certains programmes de formation traitent de la littératie des données. Des efforts spécifiques sont déployés pour aider les services, les équipes ou les individus qui ont une littératie des données particulièrement faible.

• La plupart des individus peuvent utiliser et appliquer efficacement des données pour prendre des décisions objectivement meilleures et prendre des mesures.

• Les meilleures pratiques en matière de visualisation et d’analyse sont documentées et suivies dans des solutions de données stratégiquement importantes.
500 : efficace • La maîtrise des données, l'analyse critique et l'apprentissage continu représentent des compétences et des valeurs stratégiques au sein de l'organisation. Des programmes efficaces surveillent la progression pour améliorer la littératie des données au sein de l’organisation.

• La prise de décision est pilotée par les données au sein de l’organisation. L’intelligence décisionnelle ou l’analytique prescriptive sont utilisées pour recommander des décisions et des actions clés.

• Les meilleures pratiques en matière de visualisation et d’analyse sont considérées comme essentielles pour générer une valeur professionnelle avec des données.

Considérations et actions clés

Liste de contrôle : voici quelques considérations et actions clés qui pourront vous aider à renforcer votre culture des données.

  • Alignez-vous sur les objectifs et la stratégie de culture des données : examinez sérieusement le type de culture des données que vous souhaitez cultiver. Dans l’idéal, vous devriez être dans l’optique d’autonomiser l’utilisateur plutôt que de le contrôler.
  • Analysez l’état actuel : parlez avec les parties prenantes des différentes divisions afin de connaître les pratiques d’analytique qui sont efficaces et celles qui ne le sont pas pour la prise de décision basée sur les données. Organisez une série d’ateliers pour connaître l’état actuel des choses et formuler l’état souhaité.
  • Parlez avec les différentes parties prenantes : communiquez avec les parties prenantes du service informatique, du service BI ou du Centre d’excellence pour connaître les contraintes de gouvernance qui doivent être prises en compte. Ces conversations peuvent être l’occasion de former les équipes sur certains sujets comme la sécurité et l’infrastructure. Vous pouvez également saisir cette opportunité d’éduquer les parties prenantes sur les fonctionnalités et capacités incluses dans Fabric.
  • Vérifiez le niveau de soutien de la part de l’exécutif : vérifiez de quel niveau de soutien vous bénéficiez de la part de la direction et le soutien actuellement en place pour atteindre les objectifs de votre culture des données.
  • Prenez des décisions réfléchies sur votre stratégie de données : déterminez l’équilibre idéal entre libre-service orienté métier, libre-service géré, données d’entreprise, cas d’usage d’analyse et de décisionnel pour les principales divisions de l’organisation (ceci est abordé dans l’article sur la propriété et la gestion du contenu). Réfléchissez également à la façon dont la stratégie de données influence l’étendue de publication du contenu pour le l’analyse et le décisionnel personnel, d’équipe, de service et d’entreprise (abordé dans l’article sur l’étendue de distribution du contenu). Définissez vos objectifs et priorités généraux pour cette planification stratégique. Déterminez la façon dont ces décisions affectent votre planification tactique.
  • Créez un plan tactique : commencez par créer un plan tactique pour les actions immédiates, à court terme et à long terme. Identifiez les groupes métier et les problèmes qui peuvent se transformer en « victoire rapide » et faire une différence visible.
  • Créez des objectifs et des métriques : déterminez comment vous allez mesurer des initiatives de culture des données. Créez des KPI (indicateurs de performance clés) ou des OKR (objectifs et résultats clés) pour valider les résultats de vos efforts.

Questions à poser sur la culture des données

Utilisez des questions comme celles ci-dessous pour évaluer la culture des données.

  • Les données sont-elles considérées comme une ressource stratégique dans l’organisation ?
  • Existe-t-il une vision d’une culture de données saine qui provient impulsée par la direction et alignée sur les objectifs organisationnels ?
  • La culture des données guide-t-elle la création de stratégies et de lignes directrices de gouvernance ?
  • Les créateurs de contenu et les consommateurs se fient-ils aux sources de données organisationnelles ?
  • Lorsque les personnes justifient une opinion, une décision ou un choix, utilisent-elles des données comme preuves ?
  • Les connaissances relatives à l’analytique et aux données sont-elles documentées ou bien est-ce que tout repose sur la connaissance interne transmise de bouche à oreille ?
  • Les efforts de développement d’une solution de données sont-ils prisés et appréciés par la communauté des utilisateurs ?

Niveaux de maturité de la culture des données

Les niveaux de maturité suivants vous aideront à évaluer l’état actuel de votre culture des données.

Niveau État de la culture des données
100 : Initial • Les équipes données de l’entreprise ne peuvent pas répondre assez vite aux besoins de l’entreprise. Il existe un important backlog de requêtes.

• Des initiatives de données et de BI en libre-service sont en place, avec un certain succès dans divers secteurs de l’organisation. Ces activités se produisent de façon quelque peu chaotique, avec peu de processus formels et sans plan stratégique.

• Il y a un manque de supervision et de visibilité sur les activités de décisionnel libre-service. Les réussites ou les échecs des solutions BI et de données ne sont pas bien compris.
200 : Répétable • Plusieurs équipes ont connu des réussites quantifiables avec des solutions en libre-service. Certaines personnes dans l’organisation commencent à y prêter attention.

• Des investissements sont réalisés pour identifier l’équilibre idéal entre les données, l’analyse et la BI d’entreprise ou en libre-service.
300 : Défini • Des objectifs spécifiques sont définis pour faire progresser la culture des données. Ces objectifs sont implémentés de manière incrémentielle.

• Les enseignements de ce qui fonctionne dans les unités commerciales individuelles sont partagés.

• Les pratiques de libre-service efficaces sont répliquées de façon incrémentielle (et intentionnelle) dans les autres divisions de l’organisation.
400 : Capable Les objectifs de la culture des données visant à utiliser la prise de décision éclairée correspondent aux objectifs de l'organisation. Ils sont soutenus activement par la direction et ont un impact direct sur les stratégies d’adoption.

• Un partenariat fort et productif existe entre le sponsor exécutif, le Centre d’excellence, les divisions et le service informatique. Les équipes travaillent sur des objectifs partagés.

• Les personnes qui prennent l’initiative de créer des solutions de données à valeur ajoutée sont reconnues et récompensées.
500 : Efficace • La valeur métier des solutions de données, d’analyse et de BI est régulièrement évaluée et mesurée. Les KPI ou OKR sont utilisés pour suivre les objectifs de culture des données et les résultats de ces efforts.

• Des boucles de commentaires sont en place et elles encouragent les améliorations continues de la culture des données.

• L’amélioration continue de l’adoption par l’organisation, de l’adoption par les utilisateurs et de l’adoption des solutions sont les principales priorités.

Dans l’article suivant de la série Feuille de route sur l’adoption de Microsoft Fabric, découvrez l’importance des sponsors exécutifs.