DiscoverDatastudion
Datastudion
Claim Ownership

Datastudion

Author: Data Dao

Subscribed: 7Played: 144
Share

Description

En pod om data och datadrivenhet med fokus på människorna som jobber med eller runt data.


Har du frågor, feedback eller ett favoritämne vi måste täcka? Hör av dig till oss på [email protected] eller kika in på vår hemsida datastudion.se.


Hosted on Acast. See acast.com/privacy for more information.

65 Episodes
Reverse
“Man är oftast ganska duktig på att skapa data, ganska halvdålig på att uppdatera den.” Det säger Daniel Malmgren, Data Governance Lead på Apoteket. Förra avsnittet pratade vi med hans chef Linda Kinnunen om hur Apoteket blir datadrivet. Nu tar Benny och Hugo nästa steg med Daniel, farmaceut i grunden och med 13 år på Apoteket bakom sig.Vi pratar om var gränsen går mellan master data och data governance, och varför Apoteket delar in sina runt 25 datadomäner efter information snarare än organisationsschema. Daniel förklarar rollerna data owner, domänsponsor och data steward, och varför modellen är federerad: det är verksamheten som äger besluten, inte tech.En central del är verksamhetsforumen, där representanter från verksamheten ställer krav på informationen i varje domän. Det är där behoven kommer fram, och där data governance blir något verksamheten faktiskt har nytta av.För det här är inget tekniskt projekt. Det är en beteendeförändring.ReferenserDosdispensering – läkemedel färdigförpackade per dostillfälleMaster data management – hantering av centrala affärsobjektData governance – roller och regler kring dataData steward – ansvarar för datans kvalitet i vardagenProduct information management – system för artikeldataData som produkt – paketerad data med ägarePower BI – BI-verktygDatabricks – dataplattformData lineage – datans ursprung och vägAgentisk AI – AI som agerar självständigtDatakvalitetsdimensioner – DAMA-NL – t.ex. fullständighet och unikhet Hosted on Acast. See acast.com/privacy for more information.
“Apoteket, Apoteket.” Visst låter det så i huvudet? Det gör det tydligen även för Linda Kinnunen, som jobbar där. Hon började som jurist och förhandlade IT-avtal, men kunde inte låta bli att fråga varför saker var outsourcade. I dag är hon Head of Data Analytics. På tre år har teamet gått från att vara helt beroende av konsulter och en fragmenterad BI-plattform till nio egna medarbetare och en central dataplattform.Benny och Hugo besöker Linda i Stockholm och pratar om varför det tog längre tid att sätta strategin än att tekniskt bygga plattformen, och varför det var värt det. Vi pratar om people, ways of working och teknik, om champions och analytikerforum, och om varför varje rapport måste ha en ägare innan den publiceras.Linda berättar också hur Apoteket testar conversational analytics på data som inte är känslig, och varför datan som är det, från förskrivna köp till Försvarsmaktens beredskapslager, kräver tydliga guardrails. Och om fördelarna med att ses fysiskt på ett kontor.Fler än någonsin kan ställa frågor till datan. Men vem ser till att svaren håller?ReferenserApoteket – Lindas arbetsgivareData Innovation Summit – konferensen där Hugo hörde LindaGDPR – EU:s dataskyddsförordningAI Act – EU:s AI-förordningData governance – styrning av data och ansvarLOU – lagen om offentlig upphandlingPower BI – BI-verktyg från MicrosoftMLOps – drift och förvaltning av ML-modellerSAFe – ramverk för agilt arbete i stor skala, inkl. Big Room PlanningShadow IT – IT som byggs utanför IT-avdelningenMicrosoft Foundry – plattform för att bygga egna AI-agenterFabric data agent – färdig dataagent i Microsoft Fabric Hosted on Acast. See acast.com/privacy for more information.
Hemsö vill köpa och bygga fler fastigheter, men utan att anställa fler. Moa Eriksson, ansvarig data och analys på Hemsö, berättar hur data ska göra det möjligt.Benny och Hugo pratar med Moa om vägen från webbyråer och A/B-tester till ett bolag med runt 500 samhällsfastigheter, från polisstationer till skolor. Det började med energidata, mitt i stigande energipriser och räntor. I dag samlas felanmälningar, sensordata och en digital tvilling i Databricks och ThoughtSpot.Vi pratar om varför datateamet flyttade in i ett nytt team tillsammans med business control och fastighetsvärdering, hur hållbara obligationer fick energi och finans att jobba tätt ihop, och hur man vinner över tekniska förvaltare som mest tänker ”inte ett till system”. Moa berättar också hur hon hittar ambassadörer, och varför AI på dashboards kräver en noga utvald testgrupp.Och undrar du vad LOA betyder är du i gott sällskap. Hugo är gift med någon i fastighetsbranschen och glömde det ändå på vägen.ReferenserData Innovation Summit – konferens där Moa taladeHoudini Sportswear – tidigare kund under byråtidenA/B-testning – jämför två varianterThoughtSpot – BI-plattform med semantiskt lagerDatabricks – dataplattform och datasjöDatastudion avsnitt 30, Semantiskt lager - varför är det viktigt? m. Olof Evenvik – mer om semantiska lagerAtemp, LOA och BTA – uppvärmd yta, uthyrningsbar yta och bruttoareaDigital tvilling – digital kopia av fastighetenHållbara obligationer – lån kopplade till fastigheternas energiprestandaCDO – Chief Digital OfficerPrediktivt underhåll – åtgärda innan felet uppstårMinority Report – Bennys liknelse Hosted on Acast. See acast.com/privacy for more information.
Coops kontor i Sundbyberg har en rutschkana. Du får åka den din första och din sista dag. Däremellan bygger Emil Nilsson, Head of Analytics på Coop, en ny dataplattform från grunden.Hugo och Benny pratar med Emil om varför det kan vara viktigare att sitta nära dataingenjörerna än nära verksamheten, och om varför en kvittorad är en kvittorad. Med robusta Kimball-modeller, datakontrakt och en affärssemantik som inte låses in hos en leverantör har Coop kunnat låta medarbetarna ställa frågor direkt till datan. Vi pratar också om “gerillamarknadsföring” för AI-agenter, ontologi, och vad det innebär att vara analytiker när du inte längre kan vara en one trick pony.Och ja, Benny försöker knäcka datamodellen med en hyrd kastrull. Det går sådär.ReferenserAxfood, 7-Eleven, Pressbyrån – Emils tidigare arbetsgivare inom dagligvaruhandelnStjärnschema – Kimballs dimensionella modelleringRalph Kimball – pionjär inom datalagerDatakontrakt – överenskommelse om datans format, källa och retentionData mesh – decentraliserat dataägarskapShadow IT – IT-lösningar utanför den officiella miljönSAP – affärssystemPower BI – BI-verktygLooker – BI-verktygDatabricks Metric Views – semantiska mått i DatabricksDatastudion avsnitt 30, Semantiskt lager – varför är det viktigt? m. Olof EvenvikOntologi – formell beskrivning av begrepp och deras relationerA/B-test – jämförande experimentWAU – Weekly Active Users, veckovisa användareSLA – Service Level AgreementT-formad kompetens – djup inom ett område, bredd över fleraAnalytisk mognadsmodell (Gartner) – deskriptiv, diagnostisk, prediktiv, preskriptiv Hosted on Acast. See acast.com/privacy for more information.
"Om datan är en timme gammal så är den per definition dålig."Alex är tillbaka i studion, nedtågad från Stockholm efter en kurs i realtidsanalys hos ClickHouse. Kursen fick honom att fundera på en enkel fråga: vad är egentligen datakvalitet? Hugo och Alex reder ut vad realtidsanalys är, och varför de flesta av oss aldrig har jobbat med det.Korrekthet, fullständighet och unikhet brukar definiera bra data. Men i realtid kan aktualitet trumfa allt. Ibland är en approximativ siffra nu värd mer än en exakt siffra om en timme. Det gäller bara att veta när.ReferenserClickHouse – kolumnbaserat data warehouse för realtidsanalysKolumnorienterad databas – lagrar data per kolumn istället för radRealtidsanalys – analys av data så fort den genererasBatchbearbetning – data bearbetas i klump, t.ex. dagligenData quality dimensions – korrekthet, fullständighet, samstämmighet, giltighet, unikhet, aktualitetdbt – verktyg för datatransformationerAirflow, Dagster, Prefect – orchestratorsdlt – Python-bibliotek för dataingestionPrimary key / Foreign key – nycklar i relationsdatabaserNumerisk analys – approximationer istället för exakta lösningarFalse dichotomy – falsk motsättningSLA – Service Level Agreement Hosted on Acast. See acast.com/privacy for more information.
loading
Comments