Datastudion

Datastudion

Download on the App Store

All Datastudion episodes

  • 58. Apoteket - data governance nära verksamheten m. Daniel Malmgren

    “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.


    Referenser

    • Dosdispensering – läkemedel färdigförpackade per dostillfälle
    • Master data management – hantering av centrala affärsobjekt
    • Data governance – roller och regler kring data
    • Data steward – ansvarar för datans kvalitet i vardagen
    • Product information management – system för artikeldata
    • Data som produkt – paketerad data med ägare
    • Power BI – BI-verktyg
    • Databricks – dataplattform
    • Data lineage – datans ursprung och väg
    • Agentisk AI – AI som agerar självständigt
    • Datakvalitetsdimensioner – DAMA-NL – t.ex. fullständighet och unikhet

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

    36 min
  • 57. Apoteket - datastrategi före teknik m. Linda Kinnunen

    “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?


    Referenser

    • Apoteket – Lindas arbetsgivare
    • Data Innovation Summit – konferensen där Hugo hörde Linda
    • GDPR – EU:s dataskyddsförordning
    • AI Act – EU:s AI-förordning
    • Data governance – styrning av data och ansvar
    • LOU – lagen om offentlig upphandling
    • Power BI – BI-verktyg från Microsoft
    • MLOps – drift och förvaltning av ML-modeller
    • SAFe – ramverk för agilt arbete i stor skala, inkl. Big Room Planning
    • Shadow IT – IT som byggs utanför IT-avdelningen
    • Microsoft Foundry – plattform för att bygga egna AI-agenter
    • Fabric data agent – färdig dataagent i Microsoft Fabric

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

    42 min
  • 56. Fler fastigheter utan fler anställda - data på Hemsö m. Moa Eriksson

    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.


    Referenser

    • Data Innovation Summit – konferens där Moa talade
    • Houdini Sportswear – tidigare kund under byråtiden
    • A/B-testning – jämför två varianter
    • ThoughtSpot – BI-plattform med semantiskt lager
    • Databricks – dataplattform och datasjö
    • Datastudion avsnitt 30, Semantiskt lager - varför är det viktigt? m. Olof Evenvik – mer om semantiska lager
    • Atemp, LOA och BTA – uppvärmd yta, uthyrningsbar yta och bruttoarea
    • Digital tvilling – digital kopia av fastigheten
    • Hållbara obligationer – lån kopplade till fastigheternas energiprestanda
    • CDO – Chief Digital Officer
    • Prediktivt underhåll – åtgärda innan felet uppstår
    • Minority Report – Bennys liknelse

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

    35 min
  • 55. Coops data börjar med en kvittorad m. Emil Nilsson

    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.


    Referenser

    • Axfood, 7-Eleven, Pressbyrån – Emils tidigare arbetsgivare inom dagligvaruhandeln
    • Stjärnschema – Kimballs dimensionella modellering
    • Ralph Kimball – pionjär inom datalager
    • Datakontrakt – överenskommelse om datans format, källa och retention
    • Data mesh – decentraliserat dataägarskap
    • Shadow IT – IT-lösningar utanför den officiella miljön
    • SAP – affärssystem
    • Power BI – BI-verktyg
    • Looker – BI-verktyg
    • Databricks Metric Views – semantiska mått i Databricks
    • Datastudion avsnitt 30, Semantiskt lager – varför är det viktigt? m. Olof Evenvik
    • Ontologi – formell beskrivning av begrepp och deras relationer
    • A/B-test – jämförande experiment
    • WAU – Weekly Active Users, veckovisa användare
    • SLA – Service Level Agreement
    • T-formad kompetens – djup inom ett område, bredd över flera
    • Analytisk mognadsmodell (Gartner) – deskriptiv, diagnostisk, prediktiv, preskriptiv

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

    45 min
  • 54. Realtidsanalys: när är snabbt bättre än korrekt?

    "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.

    30 min
  • 53. Ersätts vi av AI?

    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.

    32 min
  • 52. Datadriven kultur börjar hos VD:n m. Andreas Markerud

    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.

    47 min
  • 51. Vad är conversational analytics? m. Johan Strand

    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.

    37 min
  • Bonus: News flash — dbt Core v2.0

    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.

    18 min
  • 50. Så förstår SVT sina tittare med AI m. Daniel Hansson

    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.

    38 min