Objectif
Fournir une feuille de route pour une adoption réussie de Microsoft Fabric et faciliter la création d'une culture des données au sein de l'organisation. L'adoption va au-delà de l'implémentation de fonctionnalités informatiques et implique les personnes, les processus et les technologies.
Public cible
Organisations ou individus intéressés par :
Améliorer leur capacité à utiliser l'analyse efficacement. Accroître le niveau de maturité organisationnelle pour la distribution d'analyses. Comprendre et surmonter les défis de l'adoption lors de la mise à l'échelle du développement. Augmenter le retour sur investissement (ROI) des données et de l'analytique. Il est utile pour les organisations aux premières phases d'implémentation de l'analyse, celles ayant déjà des succès mais manquant de gouvernance, ou celles planifiant une implémentation étendue. 1. Introduction à l'adoption de Microsoft Fabric
Qu'est-ce que la feuille de route d'adoption de Microsoft Fabric ? C'est une série d'articles qui fournit des considérations stratégiques et tactiques, ainsi que des éléments d'action pour une adoption réussie et la création d'une culture des données. Elle met l'accent sur le fait que l'adoption est un effort continu, sans fin formelle, car les individus et l'organisation apprennent et s'améliorent continuellement. Distinction avec le framework d'adoption Power BI : La feuille de route d'adoption de Fabric est plus récente et est destinée à guider les utilisateurs de Fabric, tandis que le framework d'adoption Power BI était principalement pour les partenaires Microsoft afin de déployer des solutions pour leurs clients. Importance de la technologie, des personnes et des processus : La technologie peut aider à maximiser l'impact, mais une culture des données saine implique des considérations sur les personnes, les processus et les technologies. Recommandations complémentaires : Il est conseillé de prendre en compte les conseils de planification de l'implémentation de Power BI et d'examiner les scénarios d'utilisation pour influencer les stratégies de Fabric. 2. Niveaux de maturité d'adoption
Trois perspectives interconnectées de l'adoption : Adoption organisationnelle : Mesure l'efficacité des processus de gouvernance de l'analyse et des pratiques de gestion des données. Son objectif est de soutenir la communauté, autonomiser les utilisateurs et superviser la diffusion d'informations. Adoption par les utilisateurs : Mesure dans quelle mesure les consommateurs et créateurs augmentent leurs connaissances et utilisent activement et efficacement les outils d'analyse. Elle concerne le comportement et les pratiques des utilisateurs. Adoption des solutions : Mesure l'impact et la valeur métier des solutions d'analyse individuelles. Relations entre les types d'adoption : L'adoption de la solution affecte l'adoption par les utilisateurs. L'utilisation par les utilisateurs influence les décisions d'adoption organisationnelle. L'adoption organisationnelle influence l'adoption par les utilisateurs. L'adoption par les utilisateurs affecte l'adoption de la solution. Niveaux de maturité de l'adoption organisationnelle (alignés sur CMM) : Niveau 100 : Initial (ou Effectué) : Point de départ, poches de succès, pas de gouvernance coordonnée, dépendance aux connaissances tribales, peu de processus formels, risque dû au manque de connaissance. Niveau 200 : Reproductible (ou Managé) : Gestion des données planifiée et exécutée, processus définis mais non uniformes, efforts de documentation en silo, dépendance au jugement individuel, croissance organique mais incontrôlée. Niveau 300 : Défini : Succès mesurable, processus standardisés et appliqués, COE établi avec des objectifs clairs, communauté grandissante, investissements en formation/documentation, sponsor exécutif actif. Niveau 400 : Capable (ou Mesuré) : Forte valeur ajoutée de l'analyse, outils approuvés couramment utilisés, modèle de gouvernance établi et accepté, formation/documentation accessibles, réseau de champions actif. Niveau 500 : Efficace (ou à Optimisation) : Valeur des solutions répandue, Fabric largement accepté, compétences analytiques très appréciées, communauté autonome, amélioration continue, utilisation de l'automatisation. Conseil : Il est recommandé d'atteindre au moins le niveau 300 ou 400 pour tirer le meilleur parti de l'investissement. La maturité est un long voyage et il est normal que différentes unités progressent à des vitesses différentes. Phases de l'adoption par les utilisateurs : Phase 1 : Reconnaissance : L'individu a été exposé à l'analyse, peut avoir accès à l'outil mais ne l'utilise pas activement. Phase 2 : Compréhension : L'individu comprend les avantages et l'intérêt de l'analyse, commence à utiliser les outils. Phase 3 : Élan : L'individu acquiert activement des compétences via la formation ou l'expérimentation, utilise l'analyse pertinente pour son rôle. Phase 4 : Maîtrise : L'individu utilise activement et régulièrement l'analyse, comprend son utilisation pertinente, aligne son comportement avec la gouvernance, devient un défenseur et s'améliore continuellement. Le passage de la phase 3 à la phase 4 est souvent le plus long. L'organisation doit soutenir les utilisateurs dans ces phases. Phases d'adoption de la solution : Phase 1 : Exploration : Test de nouvelles idées via des efforts informels ou des preuves de concept restreintes, objectif de confirmer les exigences et atténuer les risques avec un petit groupe d'utilisateurs. Phase 2 : Fonctionnelle : La solution répond aux besoins de base, déployée sur le portail Fabric avec les composants de support nécessaires, les utilisateurs cibles en ont connaissance et manifestent de l'intérêt. Phase 3 : Utile : Les utilisateurs cibles trouvent la solution utile, elle est promue en espace de travail de production géré, sécurisé et audité, avec validations, tests et boucles de feedback. Phase 4 : Essentielle : La solution est activement et régulièrement utilisée pour la prise de décision, réside dans un espace de travail de production, avec gestion des changements et versions contrôlées, et elle est souvent certifiée. 3. Culture des données
Définition : La culture des données est un ensemble de comportements et de normes au sein de l'organisation qui encourage des décisions informées et régulières, basées sur des données analytiques approuvées, et non sur des opinions ou connaissances non documentées. Importance : C'est un aspect clé de la transformation numérique. Elle est ce que vous faites, pas ce que vous dites, et elle doit inciter tous les employés à créer et distribuer des connaissances exploitables. Facteurs d'influence : Influencée par l'adoption organisationnelle (mentorat, support, communauté, gouvernance, supervision), le support exécutif, le Centre d'excellence, la littératie des données, la démocratisation des données et la découverte des données. Concept d'une "bonne" culture des données : Doit provenir de l'exécutif, s'aligner sur les objectifs organisationnels, et récompenser les initiatives basées sur les données. Points d'entrée : Souvent motivée par un problème ou une initiative stratégique (changement réactif/proactif, ralentissement économique), enracinée d'abord dans une zone précise avant d'être répliquée. Trois aspects essentiels : Découverte des données : Capacité à localiser efficacement les ressources de données pertinentes. Vise à améliorer la visibilité des données, en particulier si elles sont cloisonnées. Diffère de la recherche par l'accès aux métadonnées avant l'accès sécurisé. Promue par le catalogue OneLake et les approbations. Niveaux de maturité : Initial (données fragmentées), Reproductible (efforts sporadiques), Défini (référentiel central, processus d'approbation), Capable (processus structurés, silos rares), Efficace (données et métadonnées systématiquement organisées, outils de catalogage utilisés). Démocratisation des données : Mettre les données entre les mains de davantage d'utilisateurs pour des décisions pilotées par les données. Ne signifie pas un manque de sécurité. Impacte fortement l'adoption et la gouvernance. Niveaux de maturité : Initial (accès limité, goulots d'étranglement), Reproductible (efforts limités pour l'accès), Défini (accès pour plusieurs, pratiques en libre-service répliquées), Capable (partenariats sains, processus clairs d'accès), Efficace (responsabilité des utilisateurs et bonne gouvernance, processus automatisés). Littératie des données : Capacité à interpréter, créer et communiquer des données et de l'analyse. Va au-delà de l'utilisation de la technologie pour inclure l'interprétation de graphiques, l'évaluation de la validité, l'analyse des causes, la distinction corrélation/causalité, et le storytelling. Niveaux de maturité : Initial (décisions basées sur l'intuition, données ignorées), Reproductible (intégration incohérente, résistance aux données qui défient les opinions), Défini (majorité des équipes utilisent les données, discussions critiques), Capable (littératie reconnue comme compétence, programmes de formation), Efficace (littératie et analyse critique compétences stratégiques, prise de décision pilotée par les données). Considérations et actions clés pour renforcer la culture des données : Aligner les objectifs, comprendre l'état actuel, parler aux parties prenantes (IT, BI, COE), vérifier le soutien exécutif, prendre des décisions réfléchies sur la stratégie des données (équilibre libre-service/entreprise), créer un plan tactique, créer des objectifs et des métriques. 4. Soutien des responsables (Executive Sponsorship)
Rôle crucial : Un sponsor exécutif est impératif pour promouvoir la culture des données et améliorer l'adoption, car l'analytique est plus qu'un projet technologique. Activités clés d'un sponsor exécutif : Formulation de vision stratégique et objectifs. Orientation de haut en bas et renforcement de la stratégie des données. Allocation de personnel et priorisation des ressources. Approbation des financements (ex: licences Fabric). Suppression des obstacles. Communication d'annonces critiques. Prise de décisions stratégiques, en particulier en matière de gouvernance. Résolution des différends. Soutien des initiatives de changement organisationnel. Sponsor idéal : Possède crédibilité, influence et autorité, est investi dans les efforts et la stratégie des données, et voit son propre succès lié à celui de la BI. Identification d'un sponsor exécutif : Modèle de haut en bas : Un cadre supérieur (ex: CEO) nomme un CDO ou CAO pour diriger les objectifs de culture des données. Modèle ascendant : Un succès démontré au sein d'une unité commerciale peut faire émerger un leader comme sponsor. Moins formel, moins d'autorité sur d'autres unités, mais peut convaincre les dirigeants d'augmenter leur soutien. Considérations et actions clés pour le soutien exécutif : Identifier un parrain exécutif ayant une grande autorité et intéressé par le succès de l'analytique. L'impliquer constamment dans les décisions de gouvernance stratégiques et les initiatives de culture des données. Établir des responsabilités et des attentes claires, documentées. Identifier un suppléant pour le sponsor. Identifier les défenseurs au sein des unités commerciales. Niveaux de maturité du soutien exécutif : Niveau 100 : Initial : Conscience d'un cadre, mais pas de sponsor identifié. Niveau 200 : Reproductible : Soutien informel de la direction. Niveau 300 : Défini : Sponsor exécutif identifié avec des attentes claires. Niveau 400 : Capable : Sponsor exécutif bien établi avec autorité suffisante, partenariat sain avec COE/unités commerciales/IT. Niveau 500 : Efficace : Sponsor exécutif très engagé, moteur clé de la vision de la culture des données, impliqué dans l'amélioration continue de l'adoption, utilise des KPI/OKR pour suivre les objectifs. 5. Alignement métier (Business Alignment)
Définition : Les activités et solutions BI ont le meilleur potentiel lorsqu'elles sont alignées sur les objectifs professionnels. Un alignement efficace permet aux utilisateurs métier d'atteindre leurs objectifs. Bénéfices d'un alignement efficace : Amélioration de l'adoption, car les solutions répondent aux objectifs des consommateurs. Augmentation du ROI des initiatives analytiques en les alignant sur les objectifs métier. Moins d'efforts pour la gestion des changements grâce à une meilleure compréhension des besoins en données. Comment réaliser l'alignement métier : Alignement des communications : Créer un plan de communication, organiser des réunions régulières, utiliser un portail centralisé, limiter le jargon, être transparent, avoir un processus de feedback. Alignement stratégique : Stratégie commerciale et stratégie BI/données doivent être alignées via des processus de planification itératifs : Planification stratégique (12-18 mois) : définir les objectifs de haut niveau. Planification tactique (trimestrielle) : réévaluer et aligner la stratégie des données. Planification de solution : concevoir, développer et déployer des solutions alignées sur les objectifs commerciaux. Prérequis essentiel pour une stratégie de données réussie. Alignement de la gouvernance et de la conformité : Équilibrer l'accompagnement des utilisateurs et l'atténuation des risques. Définir des politiques claires, auditer régulièrement et permettre aux utilisateurs de demander des clarifications. Attention : Une gouvernance mal alignée peut entraîner des conflits et des contournements. Alignement de l'exécutif : Le rôle de la direction est clé pour définir la stratégie et les objectifs. Collaborer avec le sponsor exécutif pour des sessions de feedback trimestrielles et des synthèses mensuelles. Ne pas sous-estimer le sponsor exécutif dans cet alignement. Maintenir l'alignement métier : Affecter une équipe responsable, créer un processus de feedback (les commentaires des utilisateurs sont essentiels), mesurer le succès de l'alignement (enquêtes, analyse des sentiments, métriques d'utilisation). Les solutions et initiatives évolueront avec les objectifs commerciaux; ne pas assumer que les exigences sont rigides. Traiter rapidement les commentaires des utilisateurs. Niveaux de maturité de l'alignement métier : Niveau 100 : Initial : Manque d'alignement formel, implémentation réactive, données non reconnues comme ressource stratégique. Niveau 200 : Reproductible : Efforts pour aligner, mais sans approche cohérente ; discussions sur les besoins immédiats. Niveau 300 : Défini : Initiatives de données prioritaires selon les objectifs métier, alignement en silo mais discussions productives possibles. Niveau 400 : Capable : Vue cohérente de l'alignement à l'échelle de l'organisation, alignements stratégiques réguliers, relations saines entre équipes. Niveau 500 : Efficace : Stratégies données et commerciales entièrement intégrées, amélioration continue pilotée par les données. 6. Propriété et gestion du contenu
Trois stratégies principales : Libre-service piloté par l'entreprise : Contenu détenu et géré par des créateurs/experts au sein d'une division (approche décentralisée/ascendante). Bonne pour le BI personnel et d'équipe. Libre-service managé : Données détenues par une équipe centralisée, rapports/tableaux de bord par les utilisateurs métier (discipline au centre, flexibilité en périphérie). Bonne pour le BI d'équipe et de département. Entreprise : Tout le contenu détenu et géré par une équipe centralisée (IT, BI d'entreprise, COE). Facteurs d'influence : La culture des données de l'organisation détermine pourquoi, comment et par qui ces stratégies sont implémentées. Le choix dépend des exigences de la solution, des compétences des utilisateurs, de la flexibilité requise, de la complexité et de l'engagement du leadership. Impact sur la gouvernance : Le niveau de gouvernance et de supervision dépend de qui détient le contenu, de l'étendue de la distribution, du domaine et de la sensibilité des données, et de leur importance pour les décisions. Libre-service piloté par l'entreprise : contrôles les moins stricts. Libre-service managé : contrôles modérément stricts. Entreprise : contrôles plus rigoureux. Rôles de propriété et d'intendance : Intendant des données : Responsable de la qualité et de la gestion des données de référence. Expert technique : Définit la signification, l'utilisation, l'accès et la présentation des données. Propriétaire technique : Responsable de la création, maintenance, publication et sécurisation des données/éléments. Propriétaire de domaine : Décideur de haut niveau collaborant sur les politiques de gestion des données. La clarification de la propriété est essentielle pour les questions, feedbacks, améliorations et support. Conseils : Définir la terminologie, des contacts pour chaque espace de travail et élément, deux à quatre administrateurs d'espace de travail audités régulièrement, personnalisation cohérente des rapports. Recommandations par stratégie : Libre-service piloté par l'entreprise : Aligné sur une culture de données décentralisée, privilégie l'exploration et l'innovation, divisions impliquées, utilisateurs qualifiés. Techniques : utiliser des modèles sémantiques partagés/flux de données, organiser OneLake, se concentrer sur le mentorat/formation, conseils sur les approbations, analyser le journal d'activité. Libre-service managé : Approche mixte, gestion centralisée des données, rapports par divisions. Pour la réutilisation des données par de nombreux créateurs, production de contenu analytique plus rapide. Techniques : séparer modèles et rapports (connexions actives), utiliser les flux de données pour la logique de préparation, modèles composites, approbation certifiée pour modèles/flux de données, personnalisation des rapports, espaces de travail distincts. Entreprise : Gestion centralisée par des experts, besoins bien définis des consommateurs, données sensibles ou réglementées. Techniques : processus rigoureux pour l'approbation certifiée, personnalisation cohérente des rapports, prudence avec "Enregistrer une copie". Transferts de propriété : Division vers équipe centralisée : Si la solution est largement utilisée ou critique, ou si la division manque d'expertise/budget, ou si la complexité augmente. Équipe centralisée vers division : Si l'équipe avec la connaissance du domaine est mieux équipée, ou si l'équipe centralisée a créé pour une division qui peut gérer par la suite. Un processus clair est nécessaire, potentiellement avec refactorisation des données. Considérations et actions clés : Comprendre ce qui se passe, discuter de l'équilibre souhaité entre les stratégies, évaluer, clarifier la terminologie, attribuer des rôles et responsabilités clairs. Niveaux de maturité de la propriété et gestion du contenu : Niveau 100 : Initial : Créateurs en libre-service gèrent le contenu de manière non contrôlée, ratios élevés de modèles sémantiques/rapports, divergences courantes. Niveau 200 : Reproductible : Plan pour la stratégie de propriété, mesures initiales pour la cohérence, conseils disponibles, rôles clairs. Niveau 300 : Défini : Libre-service managé est une priorité, personnalisation des rapports systématique, programme de mentorat en place. Niveau 400 : Capable : Critères définis pour la gouvernance du libre-service/entreprise, plan pour les transferts de propriété, techniques de réutilisation des données courantes. Niveau 500 : Efficace : Étapes proactives basées sur le journal d'activité, utilisation d'outils tiers par des créateurs compétents. 7. Étendue de la distribution de contenu
Définition : L'étendue de livraison détermine le nombre de personnes qui verront une solution de données et BI. Elle influence fortement la distribution, la gestion du contenu, la sécurité, la protection des informations, la gouvernance, le mentorat et les licences. Quatre étendues de distribution : Personnel : Destiné à l'usage du créateur uniquement. Pas de partage. Objectif : exploration et analyse des données. Faible gouvernance formelle. Équipe : Partage avec un petit nombre de collègues travaillant en étroite collaboration. Objectif principal : collaboration et partage au sein d'un espace de travail. Contenu créé, géré et visualisé par un groupe proche. Départemental : Distribution à un grand nombre de consommateurs au sein d'un service ou d'une unité commerciale. Priorité à la distribution formelle via les applications Power BI. Gestion des changements et du cycle de vie nécessaires. Entreprise : Distribution à l'échelle de l'organisation au plus grand nombre de consommateurs. Généralement géré par une équipe centralisée avec des exigences de gouvernance supplémentaires. Contenu sensible, réglementaire ou critique. Relation avec les créateurs : Personnel : plus grand nombre de créateurs (culture des données encourage le libre-service). Équipe : deuxième plus grand nombre de créateurs, collaboration étroite. Départemental : population plus petite de créateurs (utilisateurs "pouvoir"). Entreprise : plus petit nombre de créateurs (développeurs BI/données centralisés). Alignement avec la propriété du contenu : Libre-service piloté par l'entreprise : généralement personnel et d'équipe. Libre-service managé : peut être personnel, d'équipe ou de département. Entreprise : généralement à l'échelle de l'entreprise. Considérations clés pour chaque étendue : Personnel : Considérer comme un "bac à sable" analytique, mais avec des règles de gouvernance générales. Analyser le journal d'activité pour détecter les utilisations inattendues. Équipe : S'assurer que le COE soutient le libre-service, prendre des décisions judicieuses sur la gestion de l'espace de travail. Départemental : COE doit soutenir les créateurs libre-service, gestion d'espace de travail adaptée (plusieurs espaces de travail probables), utilisation d'applications pour les consommateurs, clarté sur la qualité des données, formation/mentorat, approbation promue/certifiée, identification du propriétaire du contenu, pipelines de déploiement. Entreprise : Gouvernance rigoureuse, licences Premium/Capacité Fabric, planification des applications Power BI, étiquettes de confidentialité, approbation certifiée, annonces de changements, personnalisation des rapports, traçabilité. Considérations et actions clés : Aligner les objectifs de distribution, clarifier les étendues, gérer les exceptions (ex: petite équipe publiant pour l'entreprise), créer de la documentation utile, créer une stratégie de gestion des licences. Niveaux de maturité de la distribution de contenu : Niveau 100 : Initial : Contenu publié de manière non contrôlée, sans stratégie. Niveau 200 : Reproductible : Bonnes pratiques disponibles mais dépendent trop du créateur. Niveau 300 : Défini : Instructions claires et communiquées, suivies par certains groupes. Niveau 400 : Capable : Critères pour l'alignement libre-service/entreprise, directives suivies par la plupart des groupes, exigences de gestion des changements en place, annonces de modifications planifiées. Niveau 500 : Efficace : Actions proactives basées sur le journal d'activité, valeur métier des solutions régulièrement évaluée. 8. Centre d'excellence (COE)
Définition et rôle : Une équipe interne d'experts techniques et commerciaux qui assiste activement les autres utilisateurs de données de l'organisation. C'est le noyau de la communauté qui favorise l'adoption. Peut être appelé Centre de compétences/capacités/expertise ou Squad. Promouvoir la culture des données et l'adoption de l'analyse. Encourager, mentorer, encadrer et former les utilisateurs pour accroître leurs compétences. Coordonner le travail et diffuser les connaissances. Créer de la cohérence et de la transparence. Optimiser les avantages du BI libre-service tout en réduisant les risques. Réduire la dette technique. Point fort clé : Le COE permet de voir comment les outils sont utilisés dans toutes les divisions, identifiant les pratiques réussies à étendre. Responsabilités courantes du COE : Mentorat et partage des connaissances, heures de bureau. Projets de codéveloppement et révisions des meilleures pratiques. Gestion du portail centralisé. Production/promotion de supports de formation. 
