Delen via

Roadmap voor ingebruikname van Microsoft Fabric: Gegevenscultuur

  • Artikel

Notitie

Dit artikel maakt deel uit van de reeks artikelen over de overstap naar Microsoft Fabric. Zie de roadmap voor acceptatie van Microsoft Fabric voor een overzicht van de reeks.

Het bouwen van een gegevenscultuur is nauw gerelateerd aan het aannemen van analyses en het is vaak een belangrijk aspect van de digitale transformatie van een organisatie. De term gegevenscultuur kan op verschillende manieren worden gedefinieerd door verschillende organisaties. In deze reeks artikelen betekent gegevenscultuur een reeks gedragingen en normen in een organisatie. Het moedigt een cultuur aan die regelmatig gebruikmaakt van geïnformeerde besluitvorming van gegevens:

  • Door meer belanghebbenden in meer gebieden van de organisatie.
  • Gebaseerd op analyses, niet op mening.
  • Op een effectieve, efficiënte manier die is gebaseerd op best practices die door het Center of Excellence (COE) zijn goedgekeurd.
  • Op basis van vertrouwde gegevens.
  • Dat vermindert de afhankelijkheid van niet-gedocumenteerde stamkennis.
  • Dat vermindert de afhankelijkheid van ophangingen en darmbeslissingen.

Belangrijk

Denk aan gegevenscultuur als wat u doet, niet wat u zegt. Uw gegevenscultuur is geen set regels (dat is governance). Gegevenscultuur is dus een enigszins abstract concept. Het zijn het gedrag en de normen die zijn toegestaan, beloond en aangemoedigd, of die niet zijn toegestaan en afgeraden. Houd er rekening mee dat een gezonde gegevenscultuur werknemers op alle niveaus van de organisatie motiveren om bruikbare kennis te genereren en te distribueren.

Binnen een organisatie hebben bepaalde bedrijfseenheden of teams waarschijnlijk hun eigen gedrag en normen voor het uitvoeren van dingen. De specifieke manieren om doelstellingen voor gegevenscultuur te bereiken, kunnen variëren tussen organisatiegrenzen. Wat belangrijk is, is dat ze allemaal overeenkomen met de doelstellingen van de organisatiegegevenscultuur. U kunt deze structuur beschouwen als uitgelijnde autonomie.

In het volgende kringdiagram worden de onderling gerelateerde aspecten weergegeven die van invloed zijn op uw gegevenscultuur:

Diagram toont verschillende relaties en invloeden in een gegevenscultuur, die hieronder worden beschreven.

In het diagram ziet u de enigszins dubbelzinnige relaties tussen de volgende items:

De elementen van het diagram worden in deze reeks artikelen besproken.

Visie op gegevenscultuur

Het concept van gegevenscultuur kan moeilijk te definiëren en meten zijn. Hoewel het lastig is om gegevenscultuur te formuleren op een manier die zinvol, uitvoerbaar en meetbaar is, moet u een goed begrepen definitie hebben van wat een gezonde gegevenscultuur voor uw organisatie betekent. Deze visie van een gezonde gegevenscultuur moet:

  • Afkomstig van het leidinggevend niveau.
  • Afstemmen op de doelstellingen van de organisatie.
  • Rechtstreeks invloed hebben op uw acceptatiestrategie.
  • Fungeren als de leidende principes op hoog niveau voor het uitvoeren van governancebeleid en -richtlijnen.

Resultaten van gegevenscultuur zijn niet specifiek verplicht. In plaats daarvan is de status van de gegevenscultuur het resultaat van het volgen van de governanceregels wanneer ze worden afgedwongen (of het ontbreken van governanceregels). Leiders op alle niveaus moeten actief demonstreren door hun acties wat belangrijk voor hen is, inclusief hoe ze medewerkers die initiatief nemen, complimenteren, herkennen en belonen.

Tip

Als u ervoor kunt zorgen dat uw inspanningen om een gegevensoplossing (zoals een semantisch model, een lakehouse of een rapport) te ontwikkelen, worden gewaardeerd en gewaardeerd, is dat een uitstekende indicator van een gezonde gegevenscultuur. Soms is het echter afhankelijk van wat uw directe manager het meest waardeert.

De eerste motivatie voor het opzetten van een gegevenscultuur komt vaak voort uit een specifiek strategisch zakelijk probleem of initiatief. Dit kan het volgende zijn:

  • Een reactieve wijziging, zoals reageren op nieuwe agile concurrentie.
  • Een proactieve verandering, zoals het starten van een nieuwe line-of-business of het uitbreiden naar nieuwe markten om een "groene" kans te benutten. Gegevensgestuurd worden vanaf het begin kan relatief eenvoudiger zijn als er minder beperkingen en complicaties zijn, vergeleken met een gevestigde organisatie.
  • Gedreven door externe veranderingen, zoals druk om inefficiëntie en redundantie tijdens een economische neergang te elimineren.

In elk van deze situaties is er vaak een specifiek gebied waar de gegevenscultuur de basis neemt. Het specifieke gebied kan een bereik van inspanning zijn dat kleiner is dan de hele organisatie, zelfs als dit nog steeds belangrijk is. Nadat de benodigde wijzigingen in dit kleinere bereik zijn aangebracht, kunnen ze stapsgewijs worden gerepliceerd en aangepast voor de rest van de organisatie.

Hoewel technologie de doelstellingen van een gegevenscultuur kan helpen bevorderen, is het implementeren van specifieke hulpprogramma's of functies niet het doel. In deze reeks artikelen worden veel onderwerpen behandeld die bijdragen aan de acceptatie van een gezonde gegevenscultuur. In de rest van dit artikel worden drie essentiële aspecten van de gegevenscultuur behandeld: gegevensdetectie, democratisering van gegevens en geletterdheid van gegevens.

Gegevensdetectie

Een succesvolle gegevenscultuur is afhankelijk van gebruikers die met de juiste gegevens werken in hun dagelijkse activiteiten. Om dit doel te bereiken, moeten gebruikers gegevensbronnen, rapporten en andere items zoeken en openen.

Gegevensdetectie is de mogelijkheid om relevante gegevensassets in de hele organisatie effectief te vinden. In de eerste plaats is gegevensdetectie betrokken bij het verbeteren van het bewustzijn dat gegevens bestaan, wat bijzonder lastig kan zijn wanneer gegevens in afdelingssystemen worden gesiloteerd.

Gegevensdetectie is iets anders dan zoeken, omdat:

  • Met gegevensdetectie kunnen gebruikers metagegevens voor een item zien, zoals de naam van een semantisch model, zelfs als ze er momenteel geen toegang toe hebben. Nadat een gebruiker op de hoogte is van het bestaan ervan, kan die gebruiker het standaardproces doorlopen om toegang tot het item aan te vragen.
  • Met zoeken kunnen gebruikers een bestaand item vinden wanneer ze al beveiligingstoegang tot het item hebben.

Tip

Het is belangrijk om een duidelijk en eenvoudig proces te hebben, zodat gebruikers toegang tot gegevens kunnen aanvragen. Als u weet dat er gegevens bestaan, maar deze niet kunnen worden geopend binnen de richtlijnen en processen die de domeineigenaar heeft vastgesteld, kan dit een bron van frustratie zijn voor gebruikers. Het kan hen dwingen om inefficiënte tijdelijke oplossingen te gebruiken in plaats van toegang via de juiste kanalen aan te vragen.

Gegevensdetectie draagt bij aan acceptatie-inspanningen en de implementatie van governanceprocedures door:

  • Het gebruik van betrouwbare gegevensbronnen van hoge kwaliteit stimuleren.
  • Gebruikers aanmoedigen om te profiteren van bestaande investeringen in beschikbare gegevensassets.
  • Bevordering van het gebruik en de verrijking van bestaande gegevensitems (zoals een lakehouse, datawarehouse, gegevenspijplijn, gegevensstroom of semantisch model) of rapportage-items (zoals rapporten, dashboards of metrische gegevens).
  • Mensen helpen begrijpen wie eigenaar is van en beheert gegevensassets.
  • Verbindingen tot stand brengen tussen consumenten, makers en eigenaren.

De OneLake-gegevenshub en het gebruik van goedkeuringen zijn belangrijke manieren om gegevensdetectie in uw organisatie te promoten.

Bovendien zijn oplossingen voor gegevenscatalogus uiterst waardevolle hulpprogramma's voor gegevensdetectie. Ze kunnen metagegevenstags en beschrijvingen vastleggen om een diepere context en betekenis te bieden. Microsoft Purview kan bijvoorbeeld items scannen en catalogiseren vanuit een Fabric-tenant (evenals vele andere bronnen).

Vragen over gegevensdetectie

Gebruik vragen zoals die hieronder worden gevonden om gegevensdetectie te evalueren.

  • Is er een data hub waar zakelijke gebruikers kunnen zoeken naar gegevens?
  • Is er een metagegevenscatalogus die definities en gegevenslocaties beschrijft?
  • Worden gegevensbronnen van hoge kwaliteit goedgekeurd door ze te certificeren of te promoten ?
  • In welke mate bestaan redundante gegevensbronnen omdat mensen de gegevens die ze nodig hebben, niet kunnen vinden? Welke rollen worden verwacht om gegevensitems te maken? Welke rollen worden verwacht rapporten te maken of ad-hocanalyses uit te voeren?
  • Kunnen eindgebruikers bestaande rapporten vinden en gebruiken, of staan ze erop dat gegevensexports hun eigen rapporten maken?
  • Weten eindgebruikers welke rapporten moeten worden gebruikt om specifieke zakelijke vragen te beantwoorden of specifieke gegevens te vinden?
  • Gebruiken mensen de juiste gegevensbronnen en hulpprogramma's of verzetten ze zich tegen verouderde bronnen?
  • Begrijpen analisten hoe ze bestaande gecertificeerde semantische modellen kunnen verrijken met nieuwe gegevens, bijvoorbeeld met behulp van een samengesteld Power BI-model?
  • Hoe consistent zijn gegevensitems in hun kwaliteit, volledigheid en naamconventies?
  • Kunnen eigenaren van gegevensitems gegevensherkomst volgen om impactanalyse van gegevensitems uit te voeren?

Vervaldatumniveaus van gegevensdetectie

Met de volgende volwassenheidsniveaus kunt u uw huidige status van gegevensdetectie beoordelen.

Niveau Status van Fabric-gegevensdetectie
100: Initieel • Gegevens zijn gefragmenteerd en ongeordend, zonder duidelijke structuren of processen om deze te vinden.

• Gebruikers hebben moeite om gegevens te vinden en te gebruiken die ze nodig hebben voor hun taken.
200: Herhaalbaar • Er worden spreidings- of organische inspanningen geleverd om gegevens te organiseren en te documenteren, maar alleen in bepaalde teams of afdelingen.

• Inhoud wordt af en toe goedgekeurd, maar deze goedkeuringen worden niet gedefinieerd en het proces wordt niet beheerd. Gegevens blijven gesiloed en gefragmenteerd en het is moeilijk om toegang te krijgen.
300: Gedefinieerd • Een centrale opslagplaats, zoals de OneLake-gegevenshub, wordt gebruikt om gegevens gemakkelijker te vinden voor personen die deze nodig hebben.

• Er is een expliciet proces voor het goedkeuren van kwaliteitsgegevens en -inhoud.

• Basisdocumentatie bevat catalogusgegevens, definities en berekeningen, en waar u ze kunt vinden.
400: Capabel • Gestructureerde, consistente processen begeleiden gebruikers bij het goedkeuren, documenteren en vinden van gegevens uit een centrale hub. Gegevenssilo's zijn de uitzondering in plaats van de regel.

• Kwaliteitsgegevensassets worden consistent goedgekeurd en gemakkelijk geïdentificeerd.

• Uitgebreide gegevenswoordenlijsten worden onderhouden en verbeteren de detectie van gegevens.
500: Efficiënt • Gegevens en metagegevens worden systematisch georganiseerd en gedocumenteerd met een volledig overzicht van de gegevensherkomst.

• Kwaliteitsassets worden goedgekeurd en gemakkelijk geïdentificeerd.

• Catalogiseren van hulpprogramma's, zoals Microsoft Purview, worden gebruikt om gegevens te detecteren voor zowel gebruik als governance.

Democratisering van gegevens

Gegevens democratisering verwijst naar het in handen brengen van gegevens in handen van meer gebruikers die verantwoordelijk zijn voor het oplossen van zakelijke problemen. Het gaat erom dat meer gebruikers betere beslissingen op basis van gegevens kunnen nemen.

Notitie

Het concept van data-democratisering impliceert geen gebrek aan veiligheid of een gebrek aan rechtvaardiging op basis van functierol. Als onderdeel van een gezonde gegevenscultuur helpt gegevens democratisatie schaduw-IT te verminderen door semantische modellen te bieden die:

  • Worden beveiligd, beheerd en goed beheerd.
  • Voldoen aan bedrijfsbehoeften op kosteneffectieve en tijdige manieren.

De positie van uw organisatie op het punt van gegevens democratisering heeft een breed bereikende impact op de inspanningen op het punt van acceptatie en governance.

Waarschuwing

Als de toegang tot gegevens of de mogelijkheid om analyses uit te voeren beperkt is tot een beperkt aantal personen in de organisatie, is dat meestal een waarschuwingsteken omdat de mogelijkheid om met gegevens te werken een belangrijk kenmerk is van een gezonde gegevenscultuur.

Vragen over democratisering van gegevens

Gebruik vragen zoals die hieronder worden gevonden om de democratisering van gegevens te beoordelen.

  • Zijn gegevens en analyses gemakkelijk toegankelijk of beperkt tot beperkte rollen en personen?
  • Is er een effectief proces voor mensen om toegang te vragen tot nieuwe gegevens en hulpprogramma's?
  • Worden gegevens gemakkelijk gedeeld tussen teams en bedrijfseenheden, of worden ze in silo's en nauw bewaakt?
  • Wie mag Power BI Desktop installeren?
  • Wie mag Power BI Pro- of PPU-licenties (Power BI Premium Per User) hebben?
  • Wie mag assets maken in Fabric-werkruimten?
  • Wat is het gewenste niveau van selfserviceanalyse en business intelligence (BI)-gebruikersinschakeling? Hoe varieert dit niveau, afhankelijk van de bedrijfseenheid of functie?
  • Wat is het gewenste evenwicht tussen enterprise- en selfserviceanalyses en BI?
  • Welke gegevensbronnen hebben de voorkeur voor welke onderwerpen en zakelijke domeinen? Wat is het toegestane gebruik van niet-goedgekeurde gegevensbronnen?
  • Wie kan inhoud beheren? Verschilt deze beslissing voor gegevens versus rapporten? Verschilt de beslissing voor zakelijke BI-gebruikers versus gedecentraliseerde gebruikers? Wie kan eigenaar zijn van selfservice-BI-inhoud en beheren?
  • Wie kan inhoud gebruiken? Verschilt deze beslissing voor externe partners, klanten of leveranciers?

Volwassenheidsniveaus van gegevens democratisatie

De volgende volwassenheidsniveaus kunnen u helpen bij het beoordelen van uw huidige status van gegevens democratisatie.

Niveau State of data democratization
100: Initieel • Gegevens en analyses zijn beperkt tot een klein aantal rollen, die toegang tot anderen houden.

• Zakelijke gebruikers moeten toegang tot gegevens of hulpprogramma's aanvragen om taken uit te voeren. Ze worstelen met vertragingen of knelpunten.

• Selfservice-initiatieven worden uitgevoerd met succes op verschillende gebieden van de organisatie. Deze activiteiten vinden op een wat chaostische manier plaats, met weinig formele processen en geen strategisch plan. Er is een gebrek aan toezicht en zichtbaarheid in deze selfserviceactiviteiten. Het succes of falen van elke oplossing is niet goed begrepen.

• Het ondernemingsgegevensteam kan niet voldoen aan de behoeften van het bedrijf. Er bestaat een aanzienlijke achterstand van aanvragen voor dit team.
200: Herhaalbaar • Er zijn beperkte inspanningen om de toegang tot gegevens en hulpprogramma's uit te breiden.

• Meerdere teams hebben meetbaar succes gehad met selfserviceoplossingen. Mensen in de organisatie beginnen aandacht te besteden.

• Er worden investeringen gedaan om het ideale evenwicht tussen ondernemingen en selfserviceoplossingen te identificeren.
300: Gedefinieerd • Veel mensen hebben toegang tot de gegevens en hulpprogramma's die ze nodig hebben, hoewel niet alle gebruikers even goed zijn ingeschakeld of verantwoordelijk zijn voor de inhoud die ze maken.

• Effectieve selfservicegegevensprocedures worden stapsgewijs en doelloos gerepliceerd in meer gebieden van de organisatie.
400: Capabel • Gezonde partnerschappen bestaan tussen makers van bedrijfs- en selfservice-oplossingen. Duidelijke, realistische gebruikersverantwoordelijkheid en beleidsregels beperken het risico van selfserviceanalyse en BI.

• Duidelijke en consistente processen zijn aanwezig voor gebruikers om toegang tot gegevens en hulpprogramma's aan te vragen.

• Personen die initiatief nemen om waardevolle oplossingen te bouwen, worden erkend en beloond.
500: Efficiënt • Gebruikersverantwoordelijkheid en effectieve governance geven centrale teams vertrouwen in wat gebruikers doen met gegevens.

• Met geautomatiseerde, bewaakte processen kunnen mensen eenvoudig toegang tot gegevens en hulpprogramma's aanvragen. Iedereen met de behoefte of interesse om gegevens te gebruiken, kan deze processen volgen om analyses uit te voeren.

Geletterdheid van gegevens

Geletterdheid van gegevens verwijst naar de mogelijkheid om gegevens en analyses nauwkeurig en effectief te interpreteren, te maken en te communiceren.

Trainingsinspanningen, zoals beschreven in het begeleidings- en gebruikersinschakelingsartikel , richten zich vaak op het gebruik van de technologie zelf. Technologievaardigheden zijn belangrijk voor het produceren van hoogwaardige oplossingen, maar het is ook belangrijk om na te denken over hoe u de kennis van gegevens in de hele organisatie doelgericht kunt verbeteren. Een andere manier is dat succesvolle acceptatie veel meer kost dan alleen het verstrekken van software en licenties aan gebruikers.

Hoe u de kennis van gegevens in uw organisatie verbetert, hangt af van veel factoren, zoals huidige vaardighedensets voor gebruikers, complexiteit van de gegevens en de typen analyses die nodig zijn. U kunt ervoor kiezen om u te richten op deze typen activiteiten met betrekking tot gegevensgeletterdheid:

  • Grafieken en grafieken interpreteren
  • De geldigheid van gegevens beoordelen
  • Hoofdoorzaakanalyse uitvoeren
  • Correlatie van causatie onderscheiden
  • Begrijpen hoe context en uitbijters van invloed zijn op de wijze waarop resultaten worden gepresenteerd
  • Het gebruik van verhalen om consumenten te helpen snel inzicht te verkrijgen en te handelen

Tip

Als u moeite hebt om gegevenscultuur of governance-inspanningen goed te keuren, kunt u zich richten op tastbare voordelen die u kunt bereiken met gegevensdetectie ('vind de gegevens'), gegevens democratisatie ('gebruik de gegevens') of gegevensgeletterdheid ('inzicht in de gegevens'). Het kan ook handig zijn om u te richten op specifieke problemen die u kunt oplossen of beperken door middel van vooruitgang in de gegevenscultuur.

Het is meestal de eerste stap om de juiste belanghebbenden te laten akkoord gaan met het probleem. Vervolgens is het een kwestie van de belanghebbenden om het eens te worden over de strategische benadering van een oplossing, samen met de details van de oplossing.

Vragen over gegevensgeletterdheid

Gebruik vragen zoals die hieronder worden gevonden om de leesvaardigheid van gegevens te beoordelen.

  • Bestaat er een algemene analytische woordenlijst in de organisatie om te praten over gegevens en BI-oplossingen? Of zijn definities gefragmenteerd en verschillend in silo's?
  • Hoe comfortabel zijn mensen met het nemen van beslissingen op basis van gegevens en bewijs in vergelijking met intuïtieve en subjectieve ervaring?
  • Hoe reageren mensen die een mening hebben geconfronteerd met conflicterende bewijzen? Stellen ze de gegevens kritisch vast of sluiten ze deze af? Kunnen ze hun mening wijzigen of worden ze verniend en bestand?
  • Bestaan er trainingsprogramma's ter ondersteuning van mensen bij het leren over gegevens en analytische hulpprogramma's?
  • Is er aanzienlijke weerstand tegen visuele analyses en interactieve rapportage ten gunste van statische spreadsheets?
  • Zijn mensen open voor nieuwe analytische methoden en hulpprogramma's om hun zakelijke vragen effectiever aan te pakken? Willen ze ook liever bestaande methoden en hulpprogramma's gebruiken om tijd en energie te besparen?
  • Zijn er methoden of programma's om gegevensgeletterdheid in de organisatie te beoordelen of te verbeteren? Heeft leiderschap een nauwkeurig inzicht in de niveaus van gegevensgeletterdheid?
  • Zijn er rollen, teams of afdelingen waar gegevensgeletterdheid bijzonder sterk of zwak is?

Volwassenheidsniveaus van gegevensgeletterdheid

De volgende volwassenheidsniveaus kunnen u helpen bij het beoordelen van uw huidige status van gegevensgeletterdheid.

Niveau Status van gegevensgeletterdheid
100: Initieel • Beslissingen worden vaak genomen op basis van intuïtieve en subjectieve ervaring. Wanneer u te maken krijgt met gegevens die bestaande meningen uitdagen, worden gegevens vaak gesloten.

• Personen hebben weinig vertrouwen om gegevens te gebruiken en te begrijpen in besluitvormingsprocessen of discussies.

• Rapportgebruikers hebben een sterke voorkeur voor statische tabellen. Deze consumenten sluiten interactieve visualisaties of geavanceerde analytische methoden als 'uitgebreid' of onnodig.
200: Herhaalbaar • Sommige teams en personen nemen gegevens inconsistent op in hun besluitvorming. Er zijn duidelijke gevallen waarin onjuiste interpretatie van gegevens heeft geleid tot onjuiste beslissingen of verkeerde conclusies.

• Er is enige weerstand wanneer gegevens al bestaande overtuigingen uitdagen.

• Sommige mensen zijn sceptisch van interactieve visualisaties en geavanceerde analytische methoden, hoewel hun gebruik toeneemt.
300: Gedefinieerd • De meeste teams en personen begrijpen gegevens die relevant zijn voor hun bedrijfsgebied en gebruiken deze impliciet om beslissingen te nemen.

• Wanneer gegevens vooraf bestaande overtuigingen uitdagen, produceert het kritieke discussies en wordt soms verandering gemotiveerd.

• Visualisaties en geavanceerde analyses worden breder geaccepteerd, maar worden niet altijd effectief gebruikt.
400: Capabel • Gegevensgeletterdheid wordt expliciet erkend als een noodzakelijke vaardigheid in de organisatie. Sommige trainingsprogramma's hebben betrekking op gegevensgeletterdheid. Er worden specifieke inspanningen ondernomen om afdelingen, teams of individuen te helpen die bijzonder zwak zijn op het gebied van gegevensgeletterdheid.

• De meeste personen kunnen effectief gegevens gebruiken en toepassen om objectief betere beslissingen te nemen en acties te ondernemen.

• Visuele en analytische best practices worden gedocumenteerd en gevolgd in strategisch belangrijke gegevensoplossingen.
500: Efficiënt • Gegevensgeletterdheid, kritisch denken en continu leren zijn strategische vaardigheden en waarden in de organisatie. Effectieve programma's controleren de voortgang om de kennis van gegevens in de organisatie te verbeteren.

• Besluitvorming wordt bepaald door gegevens in de hele organisatie. Beslissingsinformatie of prescriptieve analyses worden gebruikt om belangrijke beslissingen en acties aan te bevelen.

• Visuele en analytische best practices worden gezien als essentieel voor het genereren van bedrijfswaarde met gegevens.

Overwegingen en belangrijkste acties

Checklist : hier volgen enkele overwegingen en belangrijke acties die u kunt ondernemen om uw gegevenscultuur te versterken.

  • Lijn uw doelstellingen en strategie voor de gegevenscultuur uit: Geef serieus aandacht aan het type gegevenscultuur dat u wilt cultiveren. Idealiter is het meer van een positie van gebruikersmachtiging dan een positie van commando en controle.
  • Inzicht in uw huidige status: praat met belanghebbenden in verschillende bedrijfseenheden om te begrijpen welke analyseprocedures momenteel goed werken en welke procedures niet goed werken voor gegevensgestuurde besluitvorming. Voer een reeks workshops uit om inzicht te hebben in de huidige status en om de gewenste toekomstige toestand te formuleren.
  • Praat met belanghebbenden: praat met belanghebbenden in IT, BI en het COE om te begrijpen welke governancebeperkingen aandacht nodig hebben. Deze gesprekken kunnen een kans bieden om teams te informeren over onderwerpen zoals beveiliging en infrastructuur. U kunt ook de mogelijkheid gebruiken om belanghebbenden te informeren over de functies en mogelijkheden die zijn opgenomen in Fabric.
  • Controleer executive sponsorship: controleer het niveau van executive sponsorship en ondersteuning dat u hebt om de doelstellingen van de gegevenscultuur te bevorderen.
  • Maak doelgerichte beslissingen over uw gegevensstrategie: Bepaal wat het ideale evenwicht is tussen selfservice, beheerde selfservice en zakelijke gegevens, analyses en BI-gebruiksvoorbeelden voor de belangrijkste bedrijfseenheden in de organisatie (behandeld in het artikel over eigendom en beheer van inhoud). Overweeg ook hoe de gegevensstrategie zich verhoudt tot de omvang van gepubliceerde inhoud voor persoonlijke, team-, afdelings- en bedrijfsanalyses en BI (beschreven in het artikel over het bereik van inhoud). Definieer uw doelstellingen en prioriteiten op hoog niveau voor deze strategische planning. Bepaal hoe deze beslissingen van invloed zijn op uw tactische planning.
  • Maak een tactisch plan: begin met het maken van een tactisch plan voor onmiddellijke, korte en langetermijnactie-items. Identificeer bedrijfsgroepen en problemen die 'quick wins' vertegenwoordigen en kan een zichtbaar verschil maken.
  • Doelstellingen en metrische gegevens maken: Bepaal hoe u de effectiviteit van uw initiatieven voor gegevenscultuur meet. Maak KPI's (Key Performance Indicators) of doelstellingen en sleutelresultaten (OKR's) om de resultaten van uw inspanningen te valideren.

Vragen over gegevenscultuur

Gebruik vragen zoals die hieronder worden gevonden om de gegevenscultuur te evalueren.

  • Worden gegevens beschouwd als een strategisch activum in de organisatie?
  • Is er een visie op een gezonde gegevenscultuur die afkomstig is van leidinggevenden en overeenkomt met de doelstellingen van de organisatie?
  • Leidt de datacultuur voor het maken van governancebeleid en -richtlijnen?
  • Worden organisatiegegevensbronnen vertrouwd door makers en consumenten van inhoud?
  • Bij het rechtvaardigen van een mening, beslissing of keuze gebruiken mensen gegevens als bewijs?
  • Is kennis over analyse en gegevensgebruik gedocumenteerd of is er een afhankelijkheid van niet-gedocumenteerde stamkennis?
  • Zijn de inspanningen om een gegevensoplossing te ontwikkelen die wordt gewaardeerd en gewaardeerd door de gebruikerscommunity?

Volwassenheidsniveaus van gegevenscultuur

Met de volgende volwassenheidsniveaus kunt u de huidige status van uw gegevenscultuur beoordelen.

Niveau Status van gegevenscultuur
100: Initieel • Zakelijke gegevensteams kunnen niet voldoen aan de behoeften van het bedrijf. Er bestaat een aanzienlijke achterstand van aanvragen.

• Selfservicegegevens en BI-initiatieven worden uitgevoerd met succes op verschillende gebieden van de organisatie. Deze activiteiten doen zich op een wat chaostische manier voor, met weinig formele processen en geen strategisch plan.

• Er is een gebrek aan toezicht en zichtbaarheid in selfservice BI-activiteiten. De successen of mislukkingen van gegevens en BI-oplossingen zijn niet goed begrepen.
200: Herhaalbaar • Meerdere teams hebben meetbare successen gehad met selfserviceoplossingen. Mensen in de organisatie beginnen aandacht te besteden.

• Er worden investeringen gedaan om het ideale evenwicht tussen ondernemings- en selfservicegegevens, analyses en BI te identificeren.
300: Gedefinieerd • Er worden specifieke doelstellingen vastgesteld voor het bevorderen van de datacultuur. Deze doelen worden incrementeel geïmplementeerd.

• Leren van wat in afzonderlijke bedrijfseenheden werkt, wordt gedeeld.

• Effectieve selfserviceprocedures worden stapsgewijs en doelloos gerepliceerd in meer gebieden van de organisatie.
400: Capabel • De doelstellingen van de datacultuur voor het gebruik van geïnformeerde besluitvorming worden afgestemd op de doelstellingen van de organisatie. Ze worden actief ondersteund door de executive sponsor, de COE en ze hebben een directe impact op acceptatiestrategieën.

• Er bestaat een gezonde en productieve samenwerking tussen de executive sponsor, COE, bedrijfsonderdelen en IT. De teams werken aan gedeelde doelen.

• Personen die initiatief nemen om waardevolle gegevensoplossingen te bouwen, worden erkend en beloond.
500: Efficiënt • De bedrijfswaarde van gegevens, analyses en BI-oplossingen wordt regelmatig geëvalueerd en gemeten. KPI's of OKR's worden gebruikt om de doelstellingen van de gegevenscultuur en de resultaten van deze inspanningen bij te houden.

• Er zijn feedbacklussen aanwezig en ze stimuleren doorlopende verbeteringen in de gegevenscultuur.

• Voortdurende verbetering van de acceptatie van de organisatie, de acceptatie van gebruikers en de acceptatie van oplossingen is een hoogste prioriteit.

Gerelateerde inhoud

In het volgende artikel in de reeks roadmaps voor acceptatie van Microsoft Fabric leert u meer over het belang van een executive sponsor.