Datastudion

"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.

Referenser

• ClickHouse – kolumnbaserat data warehouse för realtidsanalys
• Kolumnorienterad databas – lagrar data per kolumn istället för rad
• Realtidsanalys – analys av data så fort den genereras
• Batchbearbetning – data bearbetas i klump, t.ex. dagligen
• Data quality dimensions – korrekthet, fullständighet, samstämmighet, giltighet, unikhet, aktualitet
• dbt – verktyg för datatransformationer
• Airflow, Dagster, Prefect – orchestrators
• dlt – Python-bibliotek för dataingestion
• Primary key / Foreign key – nycklar i relationsdatabaser
• Numerisk analys – approximationer istället för exakta lösningar
• False dichotomy – falsk motsättning
• SLA – 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.

Referenser

• METR-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 % långsammare
• Canaries 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 anställning
• Bun – JavaScript-runtime vars omskrivning från Zig till Rust till stor del gjordes av AI
• AGI – Artificial General Intelligence, generell AI som klarar det mesta en människa klarar
• Cobol – gammalt programmeringsspråk, nämns som exempel på kompetens som blivit historia
• Anthropic – 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?

Referenser

• TUI – ett av världens största resebolag
• Qliro – fintech, reglerad av Finansinspektionen
• Voi – elsparkcykelbolag, nämns som exempel på datateamsstruktur
• Snowflake – cloud data warehouse
• dbt – transformationsverktyg för analytics engineering
• Airflow – orkestrering av datapipelines
• SSIS – Microsofts äldre ETL-verktyg
• Hadoop / Big Data-eran
• XGBoost – gradientboostingmodell för maskininlärning
• Feature store – lagring av features för ML-modeller
• A/B-testning
• Data mesh – decentraliserat dataägarskap
• GitLab hub-spoke-modell – GitLabs datahandboksmodell
• Guild-konceptet (Spotify-modellen)
• Semantic layer / Cube – semantiskt lager för konsistenta KPI:er
• MetricFlow / dbt Semantic Layer
• MCP (Model Context Protocol)
• The Invisible Women – Caroline Criado Perez – om bias i data
• Tristan Handy (dbt Labs) – grundare av dbt, bloggpost: I built a very small agent swarm
• Bino Catasús – tidigare Datastudio-gäst, citat om bias vid visualisering
• Airbnb data engineering – nämns som förebild
• Superpower – 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.

Referenser

• Ctrl Digital – digitalt analyskonsultbolag
• BigQuery Conversational Analytics – Googles implementation av conversational analytics
• ETL – Extract, Transform, Load
• Data warehouse – centralt datalager
• Semantiskt lager – definierar affärslogik och KPI:er
• BigQuery – Googles molnbaserade dataplattform
• Looker Studio – Googles verktyg för datavisualisering (tidigare Data Studio)
• CLV – Customer Lifetime Value
• SQL – Structured Query Language
• Data Innovation Summit 2026 – konferens om data och AI
• Power BI – Microsofts BI-verktyg

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

Hugo och Johnny reagerar på veckans stora nyhet: dbt Core v2.0 är här — omskrivet i Rust, open sourceat under Apache 2-licens, och med sqlmesh bästa feature inbyggd.

Men hur hamnade vi här? dbt köpte SDF. Fivetran köpte sqlmesh. Fivetran köpte dbt. På några månader förvandlades modern data stack från ett ekosystem till ett konglomerat — och oron för closed source var inte obefogad.

Nu verkar Fivetran/dbt Labs ändå ha valt rätt väg. dbt Fusion-motorn är öppen, community:t välkomnas tillbaka, och prestandan lovar att bli dramatiskt bättre för den som jobbar mot Snowflake, BigQuery eller Databricks.

Hugo och Johnny reder ut vad som faktiskt förändras, vad som kostar extra, och om man nu äntligen kan sluta oroa sig.

Referenser

• dbt Core v2 — release blog — officiellt tillkännagivande av version 2.0
• dbt Core — open source transformationsverktyg för data
• dbt Fusion — ny Rust-baserad motor i dbt Core v2.0
• dbt State — stateful körning; kör bara om modeller där data förändrats
• Fivetran — ELT-verktyg för datainladdning; förvärvade dbt Labs och sqlmesh
• sqlmesh — tidigare dbt-konkurrent, nu donerad till Linux Foundation
• SDF — Rust-baserat verktyg som dbt förvärvade; grund till Fusion-motorn
• Snowflake Summit — konferens där dbt Core v2.0 offentliggjordes
• Dremio — data lakehouse-plattform; adapter för dbt Fusion saknas ännu
• Apache 2-licens — öppen licens som tillåter kommersiell användning och vidareutveckling
• Elastic License 2.0 — tidigare licens för Fusion; begränsade managed service-användning
• Linux Foundation — tog över förvaltningen av sqlmesh efter Fivetran-förvärvet

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

Daniel Hansson driver konsultbolaget Signific och har de senaste fem åren byggt Mother Brain – SVT:s egenbyggda system för demokratisering av insikter. Fyrtiofyra procent aktiv adoption i en organisation med tusen möjliga användare. Det är inte en slump.

I det här avsnittet pratar Daniel och Benny om vad som krävs för att ett självserviceverktyg faktiskt används: snabba laddningstider som en icke-förhandlingsbar princip, transparens om sin egen adoption varje vecka i Slack, och modet att kavla upp ärmarna när datan är dåligt tvättad.

Vi pratar också om hur SVT det senaste året byggt ett agentflöde som automatiserat analyserar episoder – vad engagerar, vad inte, och varför standup visade sig vara det absolut sämsta test-caset. Plus: hur balanserar man algoritmstyrning med ett publicistiskt uppdrag?

Referenser

• Signific – Daniels konsultbolag inom data och produktutveckling
• Eric Ries – The Lean Startup
• Foo Café – Malmö-baserat tech-community
• Mother Brain – SVT:s interna BI- och insiktssystem
• Daniels artikel: Agentic and Automated TV Program Analysis at SVT
• Tableau – BI-verktyg
• Looker – BI-verktyg
• Allsång på Skansen – SVT-program, första testkasset för episodanalys
• Historien om Sverige – SVT-dokumentärserie, nämnd i engagemangsanalysen
• EBU – European Broadcasting Union
• Playmaker AI – sportvisualisering, nämnd som inspiration för trendlinjevisualisering
• Gemini – används för kvalitetssäkring i SVT:s agentflöden
• Anthropic / Claude – används i SVT:s agentflöden

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

Martin Mazur har jobbat med mjukvaruutveckling och tekniskt ledarskap i tjugo år. Han lyssnade på vårt förra avsnitt om spec-driven development och agilt – och ville hoppa in i samtalet. Så det fick han göra.

Vi pratar om varför spec-driven development inte har ett dugg med Vattenfall att göra. Spec är inte ett kravdokument för människor – det är kontext för maskinen. Martin förklarar varför det är en avgörande skillnad.

Vi diskuterar också vad som händer med mjukvaruutvecklare när kodning blir commoditized, hur produktorganisationer är bättre rustade för AI-eran än de som fortfarande kör feature factories – och varför vi befinner oss i det Martin kallar "hobbyfasen" av agentisk utveckling.

Och: har vi en AI-bubbla på gång? Ja, troligen. Och det kanske inte är så farligt som det låter.

Det här avsnittet finns även som video – se det här.

Referenser

• Martin Mazur – konsult och rådgivare inom tekniskt ledarskap och mjukvaruorganisationer
• Agile Manifesto – manifestet som startade Agile-rörelsen
• Bennys agila manifest för AI-assisterad kodning – Bennys ramverk för hur agila principer kan tillämpas i AI-assisterad mjukvaruutveckling
• Spec-driven development – utvecklingsmetodik där specifikationer ger kontext till AI-agenter
• Claude Code – Anthropics terminalbaserade kodagent
• Melissa Perri – produktstrateg, Product Operations Model
• Marty Cagan – SVPG, empowered product teams
• Empowered engineer – Kagans koncept om självständiga produktteam
• Fake door testing – metod för att validera idéer innan man bygger
• Mechanical Turk – manuell simulering av automatiserade processer för validering
• Dotcom-bubblan – spekulationsbubblan kring internetbolag runt år 2000
• S-kurvan för innovation – modell för hur teknologier sprids och mognar
• Kodsnack – svensk podd om mjukvaruutveckling
• Datastudion avsnitt 48 m. Jakob Wolman – föregående avsnitt om AI, agilt och spec-driven development

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

Hugo och Johnny har snart jobbat ett decennium i datavärlden – och i det här avsnittet stannar de upp och reflekterar. Vilka branscher har de egentligen rört sig i? Vad är den gemensamma nämnaren i alla uppdrag? Och varför är det så svårt att få ett bolag att på riktigt bli datadrivet?

De pratar om lärdomen att alltid fråga "varför?" innan man börjar bygga, om dashboards som aldrig används, och om varför domänkunskap är minst lika viktigt som tekniken. Plus: vad tror de att de nästa tio åren har att erbjuda – och vilken roll spelar AI i det?

Det här avsnittet finns även som video – se det här.

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

Hur är egentligen känslan på Nordens största datakonferens? Är det talksen, människorna eller bara rökmaskinerna som gör upplevelsen?

I detta bonusavsnitt summerar Benny och Johannes sina erfarenheter från Data Innovation Summit 2026. Vi pratar om AI-överflöd, halvinspirerande talks, varför golvet ofta är mer värdefullt än scenerna och hur konferenser egentligen handlar mer om människor än presentationer.

Ett samtal om community, networking och varför de bästa diskussionerna ofta händer mellan sessionerna.

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

Vad betyder egentligen kvalitet och vem äger ansvaret? Den som producerar datan, den som testar eller den som fattar beslutet?

I det här avsnittet pratar Benny, Hugo och vår gäst Martin om likheterna mellan test och data. Vi går igenom varför “good enough” ofta är verkligheten, hur bristande domänkunskap kan leda till fel beslut och varför kvalitet i slutändan handlar mer om förtroende än perfekta siffror.

Ett samtal om ansvar, kompromisser och varför det enkla svaret nästan aldrig är hela sanningen.

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