{"version":"1.0","type":"rich","provider_name":"Acast","provider_url":"https://acast.com","height":250,"width":700,"html":"<iframe src=\"https://embed.acast.com/$/6421d9ff039ec500111e00fb/67506d88aeaa2d78df695890?\" frameBorder=\"0\" width=\"700\" height=\"250\"></iframe>","title":"25. Vad kan vi lära oss av Mathems resa inom data? m. Robert Sahlin","thumbnail_width":200,"thumbnail_height":200,"thumbnail_url":"https://open-images.acast.com/shows/6421d9ff039ec500111e00fb/1746516244370-4c4961c2-ef0c-4172-b5a5-683138dae967.jpeg?height=200","description":"<p>I detta avsnitt får vi besök av data-gurun Robert Sahlin som har 20 års erfarenhet av att jobba med data. Med roller som Management Konsult, Data Engineer och Data Lead, på företag som Ving, Bonnier, Tele2 och Mathem har Robert samlat på sig massvis med lärdomar och åsikter om vad som är viktigt och vad som krävs för att skapa värde med data. Både ur ett tekniskt och strategiskt perspektiv!</p><p><br></p><p>Vad är en Data Flywheel och varför är det så bra? Hur ser man till att skapa ett bra samspel mellan verksamhetens operationella och analytiska plan? Och är rollen Data Platform Engineer mer värdeskapande än rollen Data Engineer? Lyssna och lär!</p><p><br></p><p>Har du någon fråga eller feedback, mejla <a href=\"mailto:datastudion@datadao.se\" rel=\"noopener noreferrer\" target=\"_blank\">datastudion@datadao.se</a>.</p><p><br></p><p>Referenslista:</p><ul><li><a href=\"https://hadoop.apache.org/\" rel=\"noopener noreferrer\" target=\"_blank\">Hadoop</a><a href=\"https://hive.apache.org/\" rel=\"noopener noreferrer\" target=\"_blank\">Hive</a></li><li><a href=\"https://pig.apache.org/\" rel=\"noopener noreferrer\" target=\"_blank\">Pig</a></li><li><a href=\"https://hadoop.apache.org/docs/r1.2.1/mapred_tutorial.html\" rel=\"noopener noreferrer\" target=\"_blank\">MapReduce</a></li><li><a href=\"https://cloud.google.com/bigquery\" rel=\"noopener noreferrer\" target=\"_blank\">BigQuery</a></li><li><a href=\"https://cloud.google.com/products/dataflow?hl=en\" rel=\"noopener noreferrer\" target=\"_blank\">Dataflow</a> och <a href=\"https://beam.apache.org/\" rel=\"noopener noreferrer\" target=\"_blank\">Apache Beam</a></li><li>Mikkel Dengsö artikel: <a href=\"https://medium.com/@mikldd/data-and-product-to-engineer-ratio-at-50-tech-scaleups-21a38dfb3200\" rel=\"noopener noreferrer\" target=\"_blank\">Data and product to engineer ratio at 50 tech scaleups</a></li><li><a href=\"https://www.getdbt.com/\" rel=\"noopener noreferrer\" target=\"_blank\">dbt</a></li><li>Roberts open source projekt: <a href=\"https://github.com/streamprocessor/streamprocessor\" rel=\"noopener noreferrer\" target=\"_blank\">StreamProcessor</a></li><li><a href=\"https://www.jimcollins.com/article_topics/articles/good-to-great.html\" rel=\"noopener noreferrer\" target=\"_blank\">Jim Collins - Good to Great</a></li><li><a href=\"https://handbook.gitlab.com/handbook/enterprise-data/direction/#data-flywheels\" rel=\"noopener noreferrer\" target=\"_blank\">GitLab Data Engineering Handbook</a></li><li>Robert Sahlin <a href=\"https://substack.com/@robertsahlin\" rel=\"noopener noreferrer\" target=\"_blank\">Substack</a></li><li><a href=\"http://robertsahlin.com\" rel=\"noopener noreferrer\" target=\"_blank\">robertsahlin.com</a></li><li><a href=\"https://www.gable.ai/blog/data-contracts\" rel=\"noopener noreferrer\" target=\"_blank\">Data contract</a></li><li><a href=\"https://www.datadao.se/resources/data-product-canvas\" rel=\"noopener noreferrer\" target=\"_blank\">Data Product Canvas</a></li><li>Data Service Level Agreement (<a href=\"https://www.montecarlodata.com/blog-how-to-make-your-data-pipelines-more-reliable-with-slas/\" rel=\"noopener noreferrer\" target=\"_blank\">SLA</a>)</li><li><a href=\"https://airflow.apache.org/docs/apache-airflow/stable/core-concepts/dags.html\" rel=\"noopener noreferrer\" target=\"_blank\">Airflow DAG</a></li></ul>","author_name":"Data Dao"}