Datastudion

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.