Datastudion

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.

Efter sommaren är Hugo, Erik och Johnny tillbaka i mikrofonerna, och kastar sig rakt in i frågan som snurrat på kontoret hos Data Dao i Malmö: kommer vi som jobbar med data bli ersatta av AI?Erik och Johnny representerar varsin sida av samma mynt – den ena kodar knappt utan AI längre, den andra använder det knappt alls. Tillsammans går de igenom vad som faktiskt håller på att förändras: grunt work som juniorer tidigare fick lära sig på, kodifierad kunskap som AI:n redan är bättre på än de flesta – och den mänskliga kontakt som Hugo menar aldrig går att automatisera bort.Ni får bland annat höra om studien där utvecklare trodde att AI gjorde dem 20 % snabbare – men i verkligheten blev de 19 % långsammare. Och om Stanfordforskningen som visar att det inte är de seniora som får det svårare på arbetsmarknaden.Frågan är kanske inte om AI:n är tillräckligt bra. Frågan är vad vi väljer att göra med tiden den faktiskt sparar.ReferenserMETR-studien: Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity – utvecklare trodde AI gjorde dem 20 % snabbare, i verkligheten blev de 19 % långsammareCanaries in the Coal Mine? Six Facts about the Recent Employment Effects of AI – Stanfordstudie som visar att unga i AI-exponerade yrken halkar efter i anställningBun – JavaScript-runtime vars omskrivning från Zig till Rust till stor del gjordes av AIAGI – Artificial General Intelligence, generell AI som klarar det mesta en människa klararCobol – gammalt programmeringsspråk, nämns som exempel på kompetens som blivit historiaAnthropic – AI-säkerhetsbolaget som nämns i avsnittet Hosted on Acast. See acast.com/privacy for more information.

Andreas Markerud har byggt dataplattformar från grunden – på TUI, på Qliro, och nu igen. Det han har lärt sig är att tekniken sällan är problemet.I det här avsnittet pratar Hugo, Benny och Andreas om varför datadriven kultur alltid börjar i ledningsgruppen, hur man förklarar värdet av maskininlärning för en vd som inte kan ett ord om XGBoost – och hur man faktiskt får en frontend-utvecklare att bry sig om datakvalitet i sina events.Vi landar också i frågan alla ställer just nu: finns det dashboards kvar om två år? Och hur skiljer man på automatisering och självständighet när det kommer till AI-agenter?ReferenserTUI – ett av världens största resebolagQliro – fintech, reglerad av FinansinspektionenVoi – elsparkcykelbolag, nämns som exempel på datateamsstrukturSnowflake – cloud data warehousedbt – transformationsverktyg för analytics engineeringAirflow – orkestrering av datapipelinesSSIS – Microsofts äldre ETL-verktygHadoop / Big Data-eranXGBoost – gradientboostingmodell för maskininlärningFeature store – lagring av features för ML-modellerA/B-testningData mesh – decentraliserat dataägarskapGitLab hub-spoke-modell – GitLabs datahandboksmodellGuild-konceptet (Spotify-modellen)Semantic layer / Cube – semantiskt lager för konsistenta KPI:erMetricFlow / dbt Semantic LayerMCP (Model Context Protocol)The Invisible Women – Caroline Criado Perez – om bias i dataTristan Handy (dbt Labs) – grundare av dbt, bloggpost: I built a very small agent swarmBino Catasús – tidigare Datastudio-gäst, citat om bias vid visualiseringAirbnb data engineering – nämns som förebildSuperpower – software development methodology for coding agents Hosted on Acast. See acast.com/privacy for more information.

Har du en OKR om att "implementera AI" 2026? Lyssna här.Johan Strand, senior digital analytiker på Ctrl Digital, hörde av sig till oss och ville vara med. Det är vi glada för.Conversational analytics handlar om att konversera med din data – ställa frågor i fritext och få svar tillbaka, istället för att skriva SQL eller klicka runt i en dashboard. Men varför har det inte funnits tidigare, och varför är det aktuellt just nu?Johan reder ut vad som faktiskt krävs för att det ska fungera på riktigt: samlad data, ett semantiskt lager som definierar vad försäljning faktiskt betyder i er verksamhet – och en LLM som kan använda det. Han förklarar varför conversational analytics inte ersätter dashboarden – utan kompletterar den. Och varför AI alltid är första dagen på jobbet.ReferenserCtrl Digital – digitalt analyskonsultbolagBigQuery Conversational Analytics – Googles implementation av conversational analyticsETL – Extract, Transform, LoadData warehouse – centralt datalagerSemantiskt lager – definierar affärslogik och KPI:erBigQuery – Googles molnbaserade dataplattformLooker Studio – Googles verktyg för datavisualisering (tidigare Data Studio)CLV – Customer Lifetime ValueSQL – Structured Query LanguageData Innovation Summit 2026 – konferens om data och AIPower BI – Microsofts BI-verktyg Hosted on Acast. See acast.com/privacy for more information.