Дорожная карта внедрения Microsoft Fabric: культура работы с данными

Примечание.

Эта статья является частью серии статей по внедрению Microsoft Fabric. Для получения сведений о серии см. дорожную карту внедрения Microsoft Fabric.

Создание культуры работы с данными тесно связано с внедрением аналитики и часто является ключевым аспектом цифровой трансформации в организации. Термин культура данных может определяться по-разному различными организациями. В этой серии статей культура данных означает совокупность поведения и норм в организации. Он поощряет культуру, которая регулярно использует информированное принятие решений о данных:

  • Более многочисленные заинтересованные стороны в различных областях организации.
  • На основе аналитики, а не мнения.
  • Эффективный и действенный способ, основанный на лучших практиках, утвержденных Центром передового опыта (COE).
  • На основе доверенных данных.
  • Это снижает зависимость от недокументированных племенных знаний.
  • Это снижает зависимость от интуитивных и необдуманных решений.

Внимание

Думайте о культуре данных как о том, что вы делаете, а не о том, что вы говорите. Ваша культура данных не является набором правил (это управление). Культура работы с данными — это довольно абстрактное понятие. Это поведение и нормы, которые разрешены, вознаграждены и поощряются , или те, которые запрещены и не рекомендуется. Имейте в виду, что здоровая культура данных мотивирует сотрудников на всех уровнях организации создавать и распространять практические знания.

В организации некоторые бизнес-подразделения или команды, вероятно, имеют собственные подходы и нормы для выполнения задач. Конкретные способы достижения целей культуры работы с данными могут различаться в разных частях организации. Важно отметить, что они должны соответствовать целям культуры данных организации. Эту структуру можно рассматривать как обравниваемую автономию.

Следующая циклическая схема передает взаимосвязанные аспекты, влияющие на вашу культуру данных:

На схеме показаны различные связи и влияния в культуре данных, которые описаны ниже.

На схеме показаны несколько неоднозначные связи между следующими элементами:

Элементы схемы рассматриваются в этой серии статей.

Видение культуры работы с данными

Концепция культуры данных может быть сложной для определения и измерения. Несмотря на то, что сложно сформулировать культуру данных таким образом, чтобы она была значимой, практически применимой и измеримой, необходимо четко понимать определение того, что означает здоровая культура данных для вашей организации. Это видение здоровой культуры данных должно:

  • Исходит от руководящего уровня.
  • Согласование с целями организации.
  • Непосредственное влияние на стратегию внедрения.
  • Выступать в качестве высокоуровневых руководящих принципов для принятия политик и рекомендаций по управлению.

Результаты культуры обработки данных не являются строго обязательными. Скорее, состояние культуры данных является результатом выполнения правил управления в процессе их применения (или отсутствия правил управления). Руководители на всех уровнях должны активно продемонстрировать свои действия, важные для них, включая то, как они похвалят, распознают и вознаграждают сотрудников, которые принимают инициативу.

Совет

Если вы можете принимать как должное, что ваши усилия по разработке решения для работы с данными (например, семантическая модель, lakehouse или отчет) будут оценены и приняты, это отличный показатель здоровой культуры работы с данными. Иногда, однако, это зависит от того, что больше всего ценит ваш непосредственный руководитель.

Первоначальная мотивация для создания культуры данных часто возникает из конкретной стратегической бизнес-проблемы или инициативы. Это может быть:

  • Реактивное изменение, например реагирование на новую гибкую конкуренцию.
  • Упреждающее изменение, например начало новой линии бизнеса или расширение на новые рынки, чтобы воспользоваться возможностью на "зеленом поле". Управление данными с самого начала может быть относительно проще, если есть меньше ограничений и осложнений, по сравнению с установленной организацией.
  • Обусловлены внешними изменениями, такими как давление на устранение неэффективности и избыточности во время экономического спада.

В каждой из этих ситуаций часто существует определенная область, где культура данных укореняется. Конкретная область может представлять собой объем усилий, меньший, чем в рамках всей организации, даже если он по-прежнему значителен. После внесения необходимых изменений в этой меньшей области их можно постепенно реплицировать и адаптировать для остальной части организации.

Хотя технологии могут способствовать формированию культуры работы с данными, внедрение конкретных инструментов или возможностей не является целью. Эта серия статей охватывает множество тем, которые способствуют внедрению здоровой культуры данных. В оставшейся части этой статьи рассматриваются три основных аспекта культуры данных: обнаружение данных, демократизация данных и грамотность данных.

Поиск данных

Успешная культура работы с данными зависит от того, что пользователи используют правильные данные в своей повседневной деятельности. Для достижения этой цели пользователям необходимо найти и получить доступ к источникам данных, отчетам и другим элементам.

Обнаружение данных — это возможность эффективно находить соответствующие ресурсы данных в организации. В первую очередь обнаружение данных связано с повышением осведомленности о том, что данные существуют, что может быть особенно сложной задачей при разложении данных в системах отделов.

Обнаружение данных немного отличается от концепции поиска, так как:

  • Обнаружение данных позволяет пользователям просматривать метаданные для элемента, например имя семантической модели, даже если у них нет доступа к нему. После того как пользователь знает о своем существовании, этот пользователь может пройти стандартный процесс, чтобы запросить доступ к элементу.
  • Поиск позволяет пользователям находить существующий элемент, когда у них уже есть доступ с уровнем безопасности к элементу.

Совет

Важно иметь четкий и простой процесс, чтобы пользователи могли запрашивать доступ к данным. Зная, что данные существуют, но не могут получить доступ к нему в соответствии с рекомендациями и процессами, установленными владельцем домена, могут быть источником разочарования для пользователей. Он может принудительно использовать неэффективные обходные пути вместо запроса доступа через соответствующие каналы.

Обнаружение данных способствует усилиям по внедрению и реализации методик управления посредством:

  • Поощрение использования надежных источников данных высокого качества.
  • Поощряя пользователей использовать существующие инвестиции в доступные ресурсы данных.
  • Повышение использования и обогащения существующих элементов данных (таких как lakehouse, хранилище данных, конвейер данных, поток данных (устаревшая версия) или семантическая модель) или элементов отчетности (например, отчеты, панели мониторинга или метрики).
  • Помогая людям понять, кто владеет и управляет ресурсами данных.
  • Создание связей между потребителями, создателями и владельцами.

Каталог OneLake и использование подтверждений являются ключевыми способами продвижения обнаружения данных в вашей организации.

Кроме того, решения каталога данных являются чрезвычайно ценными средствами для обнаружения данных. Они могут записывать теги и описания метаданных, чтобы обеспечить более глубокий контекст и смысл. Например, Microsoft Purview может сканировать и каталогизировать элементы из арендатора Fabric (а также из множества других источников).

Вопросы о обнаружении данных

Используйте такие вопросы, как приведенные ниже, для оценки обнаружения данных.

  • Существует ли каталог данных, где бизнес-пользователи могут искать данные?
  • Существует ли каталог метаданных, описывающий определения и расположения данных?
  • Поддерживаются ли высококачественные источники данных путем сертификации или поощрения их?
  • В какой степени существуют избыточные источники данных, так как люди не могут найти нужные им данные? Ожидается, что какие роли будут создавать элементы данных? Какие роли должны создавать отчеты или выполнять нерегламентированный анализ?
  • Могут ли конечные пользователи находить и использовать существующие отчеты или настаивать на экспорте данных для создания собственных?
  • Знают ли конечные пользователи, какие отчеты следует использовать для решения конкретных бизнес-вопросов или поиска конкретных данных?
  • Используют ли люди соответствующие источники данных и средства или сопротивляются им в пользу устаревших?
  • Аналитики понимают, как дополнить существующие сертифицированные семантические модели новыми данными, например с помощью составной модели Power BI?
  • Насколько согласованы элементы данных в их качествах, полноте и соглашениях об именовании?
  • Могут ли владельцы элементов данных следовать происхождению данных, чтобы выполнить анализ влияния элементов данных?

Уровни зрелости обнаружения данных

Следующие уровни зрелости помогут оценить текущее состояние обнаружения данных.

Уровень Состояние процесса обнаружения данных в Fabric
100: изначально • Данные фрагментированы и не упорядочены, без четких структур или процессов для его поиска.

• Пользователи пытаются найти и использовать данные, необходимые для их задач.
200: повторяемость • Проводится разбросанная или органическая работа по организации и документу данных, но только в определенных командах или отделах.

• Время от времени содержимое поддерживается, но конкретные формы этой поддержки не определены, и процесс не управляется. Данные остаются разложенными и фрагментированы, и к ним трудно получить доступ.
300: определено • Центральный репозиторий, такой как каталог OneLake, используется для упрощения поиска данных для людей, которым он нужен.

• Существует четкий процесс для обеспечения качественных данных и содержания.

• Базовая документация содержит данные каталога, определения и вычисления, а также место их поиска.
400: Способен • Структурированные, согласованные процессы помогут пользователям поддерживать, документировать и находить данные из центрального центра. Изолированные наборы данных — это исключение вместо правила.

• Качественные данные постоянно подтверждены и легко идентифицируются.

• Поддержка комплексных словарей данных способствует улучшению выявления данных.
500: эффективность • Данные и метаданные систематически организованы и документируются с полным представлением происхождения данных.

• Качество активов поддерживается и легко определяется.

• Средства каталогизации, такие как Microsoft Purview, используются для обнаружения данных как для использования, так и для управления.

Упрощение доступа к данным

Демократизация данных относится к переносу данных в руки большего числа пользователей, ответственных за решение бизнес-проблем. Речь о том, чтобы больше пользователей могли принимать лучшие решения на основе данных.

Примечание.

Концепция демократизации данных не подразумевает отсутствие безопасности или отсутствие оправдания на основе роли работы. В рамках здоровой культуры данных демократизация данных помогает сократить теневой ИТ, предоставляя семантические модели, которые:

  • Защищены, регулируются и хорошо управляются.
  • Отвечайте бизнес-потребностям в экономически эффективных и своевременных способах.

Позиция вашей организации по демократизации данных будет оказывать широкое влияние на усилия по внедрению и управлению.

Предупреждение

Если доступ к данным или возможность выполнения аналитики ограничен небольшим числом пользователей в организации, это обычно знак предупреждения, так как способность работать с данными является ключевым признаком здоровой культуры работы с данными.

Вопросы о демократизации данных

Используйте такие вопросы, как приведенные ниже, для оценки демократизации данных.

  • Доступны ли данные и аналитика или ограничены ли ограниченными ролями и отдельными лицами?
  • Существует ли эффективный процесс для того, чтобы пользователи запрашивали доступ к новым данным и средствам?
  • Легко ли совместно использовать данные между командами и бизнес-подразделениями или же они тщательно охраняются?
  • Кто может установить Power BI Desktop?
  • Кто может иметь лицензии Power BI Pro или Power BI Premium на пользователя (PPU)?
  • Кто может создавать ресурсы в рабочих областях Fabric?
  • Каков желаемый уровень самостоятельной аналитики и бизнес-аналитики (BI) для пользователей? Как этот уровень зависит от подразделения или должностной роли?
  • Какое желательное соотношение между организационной и самостоятельной аналитикой и BI?
  • Какие источники данных предпочтительнее использовать для каких тем и бизнес-доменов? Как разрешено использовать несанкционированные источники данных?
  • Кто может управлять содержимым? Является ли это решение различным для данных и отчетов? Отличается ли решение для пользователей корпоративной бизнес-аналитики и децентрализованных пользователей? Кто может владеть и управлять содержимым бизнес-аналитики самообслуживания?
  • Кто может использовать содержимое? Это решение отличается для партнеров, клиентов или поставщиков?

Уровни зрелости демократизации данных

Следующие уровни зрелости помогут оценить текущее состояние демократизации данных.

Уровень Состояние демократизации данных
100: изначально • Доступ к данным и аналитике ограничен небольшим количеством ролей, которые контролируют доступ для других.

• Бизнес-пользователи должны запрашивать доступ к данным или средствам для выполнения задач. Они борются с задержками или узкими местами.

• Инициативы самообслуживания происходят с некоторыми успехами в различных областях организации. Эти действия происходят несколько хаотично, с несколькими формальными процессами и без стратегического плана. Отсутствует надзор и видимость операций самообслуживания. Успех или неудача каждого решения не совсем понятен.

• Команда корпоративных данных не может соответствовать потребностям бизнеса. Для этой команды существует значительное количество невыполненных запросов.
200: повторяемость • Существуют ограниченные усилия по расширению доступа к данным и средствам.

• Несколько команд имели измеримый успех с решениями самообслуживания. Люди в организации начинают обращать внимание.

• Инвестиции вносятся для выявления идеального баланса корпоративных и самостоятельных решений.
300: определено • Многие пользователи имеют доступ к данным и средствам, которые им нужны, хотя не все пользователи одинаково включены или отвечают за создаваемый контент.

• Эффективные методики самообслуживания данных постепенно и целенаправленно внедряются в различные области организации.
400: Способный • Здоровые партнерские отношения существуют среди создателей корпоративных и самообслуживания решений. Ясная и реалистичная подотчетность пользователей и политики смягчают риск самообслуживаемой аналитики и бизнес-аналитики.

• Четкие и согласованные процессы предназначены для того, чтобы пользователи запрашивали доступ к данным и средствам.

• Лица, которые принимают инициативу в создании ценных решений, признаются и вознаграждаются.
500: эффективность • Подотчетность пользователей и эффективное управление дают центральным командам уверенность в том, что пользователи делают с данными.

• Автоматизированные, отслеживаемые процессы позволяют пользователям легко запрашивать доступ к данным и средствам. Любой пользователь с необходимостью или интересом использовать данные могут следовать этим процессам для выполнения аналитики.

Грамотность данных

Грамотность данных — это способность интерпретировать, создавать и взаимодействовать с данными и аналитикой точно и эффективно.

Учебные усилия, как описано в статье о наставничестве и включении пользователей, часто сосредоточены на том, как использовать саму технологию. Технологические навыки важны для создания высококачественных решений, но важно также рассмотреть вопрос о том, как специально продвинуть грамотность данных во всей организации. Другими словами, успешное внедрение занимает гораздо больше, чем просто предоставление программного обеспечения и лицензий пользователям.

Способы повышения грамотности данных в организации зависят от многих факторов, таких как текущие наборы навыков пользователей, сложность данных и необходимые типы аналитики. Вы можете сосредоточиться на таких типах действий, связанных с грамотность данных:

  • Интерпретация диаграмм и графов
  • Оценка допустимости данных
  • Выполнение анализа первопричин
  • Распознавание корреляции от причинности
  • Общие сведения о том, как контекст и выбросы влияют на способ представления результатов
  • Использование рассказов, чтобы помочь потребителям быстро понять и действовать

Совет

Если вам сложно получить одобрение на культурные или управленческие усилия в области данных, сосредоточение на конкретных преимуществах, которых можно достичь с помощью обнаружения данных ("найти данные"), демократизации данных ("использовать данные") или грамотности данных ("понимать данные"), может помочь. Кроме того, можно сосредоточиться на конкретных проблемах, которые можно решить или смягчить с помощью достижений в области культуры работы с данными.

Привлечение нужных заинтересованных лиц, чтобы договориться о проблеме, обычно является первым шагом. Тогда это вопрос того, чтобы заинтересованные стороны согласились с стратегическим подходом к решению, а также детали решения.

Вопросы, касающиеся грамотности данных

Используйте такие вопросы, как приведенные ниже, для оценки грамотности данных.

  • Существует ли в организации общий аналитический словарь для обсуждения решений по данным и бизнес-аналитике? Или же определения фрагментированы и отличаются в разных сегментах?
  • Насколько людям комфортно принимать решения на основе данных и доказательств по сравнению с интуицией и субъективным опытом?
  • Когда люди, которые держат мнение сталкиваются с конфликтующими доказательствами, как они реагируют? Они критически оценивают данные или отвергают их? Могут ли они изменить свое мнение, или оказываются зацикленными и неподвижными?
  • Существуют ли учебные программы для поддержки людей в обучении данным и аналитическим средствам?
  • Существует ли значительное сопротивление визуальной аналитике и интерактивной отчетности в пользу статических электронных таблиц?
  • Открыты ли люди к новым аналитическим методам и инструментам, чтобы потенциально решить свои бизнес-вопросы более эффективно? Кроме того, они предпочитают использовать существующие методы и средства для экономии времени и энергии?
  • Существуют ли методы или программы для оценки или улучшения грамотности данных в организации? Имеет ли руководство точное представление о уровнях грамотности данных?
  • Существуют ли роли, команды или отделы, где грамотность данных особенно сильна или слаба?

Уровни зрелости грамотности данных

Следующие уровни зрелости помогут оценить текущее состояние грамотности данных.

Уровень Состояние грамотности данных
100: изначально • Решения часто принимаются на основе интуиции и субъективного опыта. При столкновении с данными, которые оспаривают существующие мнения, данные часто отклоняются.

• Люди имеют низкую уверенность в использовании и понимании данных в процессах принятия решений или обсуждениях.

• Потребители отчетов имеют сильное предпочтение статическим таблицам. Эти потребители отклоняют интерактивные визуализации или сложные аналитические методы как "фантазии" или ненужные.
200: повторяемость • Некоторые команды и отдельные лица несогласованно включают данные в их принятие решений. Есть четкие случаи, когда неправильное понимание данных привело к недостаткам решений или неправильных выводов.

• Существует некоторое сопротивление, когда данные оспаривают уже существующие убеждения.

• Некоторые люди скептически относятся к интерактивным визуализациям и сложным аналитическим методам, хотя их использование увеличивается.
300: определено • Большинство команд и частных лиц понимают данные, относящиеся к своей бизнес-области, и используют их неявно для информирования решений.

• Когда данные оспаривают уже существующие убеждения, он создает критические обсуждения и иногда мотивирует изменения.

• Визуализации и расширенная аналитика широко принимаются, хотя и не всегда используются эффективно.
400: Возможен • Грамотность данных распознается явным образом как необходимый навык в организации. Некоторые учебные программы обращаются к грамотности данных. Конкретные усилия принимаются для оказания помощи департаментам, командам или отдельным лицам, которые имеют особенно слабое умение работать с данными.

• Большинство лиц могут эффективно использовать и применять данные для объективного улучшения решений и принятия мер.

• Визуальные и аналитические лучшие практики документируются и соблюдаются в стратегически важных решениях в области данных.
500: эффективность • Грамотность данных, критическое мышление и непрерывное обучение являются стратегическими навыками и ценностями в организации. Эффективные программы отслеживают прогресс в целях повышения (цифровой) грамотности в организации.

• Принятие решений зависит от данных в организации. Аналитика решений или предписательная аналитика используются для рекомендаций ключевых решений и действий.

• Визуальные и аналитические практики считаются необходимыми для создания ценности для бизнеса с помощью данных.

Соображения и ключевые действия

Контрольный список - Ниже приведены некоторые рекомендации и ключевые действия, которые можно предпринять для укрепления вашей культуры работы с данными.

  • Согласуйте цели и стратегию вашей культуры данных. Серьезно обдумайте тип культуры данных, которую вы хотите развивать. В идеале это больше связано с расширением возможностей пользователей, чем с позицией команды и управления.
  • Понять текущее состояние. Обратитесь к заинтересованным лицам в разных бизнес-подразделениях, чтобы понять, какие методики аналитики в настоящее время работают хорошо, и какие методики не работают хорошо для принятия решений на основе данных. Проводите ряд семинаров, чтобы понять текущее состояние и сформулировать желаемое будущее состояние.
  • Поговорите с заинтересованными сторонами. Поговорите с заинтересованными сторонами в ИТ, бизнес-аналитике и COE, чтобы понять, какие ограничения корпоративного управления нуждаются в рассмотрении. Эти беседы могут представлять возможность обучать команды по таким темам, как безопасность и инфраструктура. Вы также можете использовать возможность для обучения заинтересованных лиц функциям и возможностям, включенным в Fabric.
  • Проверьте участие руководителей: проверьте уровень руководящего спонсорства и установленной поддержки, которую вы обеспечили для продвижения целей культуры данных.
  • Принимайте целенаправленные решения о стратегии данных: определите, каким должен быть идеальный баланс бизнес-ориентированного самообслуживания, управляемого самообслуживания и использования корпоративных данных, аналитических систем и бизнес-аналитики для ключевых бизнес-подразделений в организации, о которых говорится в статье , посвященной владению контентом и управлению. Кроме того, рассмотрите, как стратегия данных связана с охватом опубликованного содержимого для личной, командной, департаментской и корпоративной аналитики и BI (описано в статье об области охвата доставки контента). Определите свои высокие цели и приоритеты для этого стратегического планирования. Определите, как эти решения влияют на ваш тактический план.
  • создать тактический план: начать создание тактического плана для немедленных, краткосрочных и долгосрочных действий. Определите бизнес-группы и проблемы, которые представляют собой "быстрые победы" и могут внести видимую разницу.
  • Создание целей и метрик. Определите, как вы будете измерять эффективность инициатив по развитию культуры работы с данными. Создайте ключевые показатели эффективности (ключевые показатели эффективности) или цели и ключевые результаты (ОКR), чтобы проверить результаты ваших усилий.

Вопросы о культуре работы с данными

Используйте вопросы, такие как приведены ниже, для оценки культуры данных.

  • Считаются ли данные стратегическим активом в организации?
  • Существует ли представление о здоровой культуре данных, которая исходит от исполнительного руководства и соответствует целям организации?
  • Создаёт ли культура работы с данными политики и рекомендации по управлению?
  • Являются ли источники данных организации доверенными для создателей и потребителей контента?
  • При оправдании мнения, решения или выбора люди используют данные в качестве доказательств?
  • Есть ли знания об использовании аналитики и данных, которые документируются или имеются ли сведения о недокументированных племенных знаниях?
  • Ценятся ли усилия по разработке решения для работы с данными сообществом пользователей?

Уровни зрелости культуры работы с данными

Следующие уровни зрелости помогут оценить текущее состояние вашей культуры данных.

Уровень Состояние культуры данных
100: изначально • Команды корпоративных данных не могут соответствовать потребностям бизнеса. Существует значительная задолженность по запросам.

• Инициативы по самообслуживанию данных и бизнес-аналитике реализуются с определенным успехом в разных частях организации. Эти действия происходят несколько хаотично, с несколькими формальными процессами и без стратегического плана.

• Отсутствие надзора и видимости в самостоятельной бизнес-аналитике. Успехи или неудачи решений бизнес-аналитики и данных не понятны.
200: повторяемость • Несколько команд имели измеримые успехи с решениями самообслуживания. Люди в организации начинают обращать внимание.

• Делаются инвестиции для выявления идеального баланса между корпоративными данными и данными для самообслуживания, а также для аналитики и бизнес-аналитики (BI).
300: определено • Конкретные цели устанавливаются для продвижения культуры данных. Эти цели реализуются постепенно.

Извлеченные уроки о том, что эффективно работает в отдельных бизнес-подразделениях, передаются другим.

• Эффективные методики самообслуживания постепенно и целенаправленно применяются в других областях организации.
400: Способен • Цели культуры данных для принятия обоснованных решений согласуются с целями организации. Они активно поддерживаются исполнительным спонсором, COE и имеют прямое влияние на стратегии внедрения.

• Здоровое и продуктивное партнерство существует между исполнительным спонсором, COE, бизнес-подразделениями и ИТ-отделами. Команды работают над общими целями.

• Лица, которые принимают инициативу в создании ценных решений данных, признаются и вознаграждаются.
500: эффективность • Бизнес-ценность данных, аналитики и решений бизнес-аналитики регулярно оценивается и измеряется. Ключевые показатели эффективности (KPI) или OKR используются для отслеживания целей, связанных с культурой работы с данными, и результатов этих усилий.

• Циклы обратной связи осуществляются и способствуют постоянному улучшению культур данных.

• Постоянное улучшение внедрения организации, внедрения пользователей и внедрения решений является главным приоритетом.

Связанный контент

В следующей статье серии стратегий внедрения Microsoft Fabric узнайте о важности исполнительного спонсора.

  • Last updated on