{"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/6ace4a92d3bfab176eaed3e5?\" frameBorder=\"0\" width=\"700\" height=\"250\"></iframe>","title":"55. Coops data börjar med en kvittorad m. Emil Nilsson","thumbnail_width":200,"thumbnail_height":200,"thumbnail_url":"https://open-images.acast.com/shows/6421d9ff039ec500111e00fb/1791902147285-754fc91f-aaff-47fd-8227-c2aad9cd44c9.jpeg?height=200","description":"<p>Coops kontor i Sundbyberg har en rutschkana. Du får åka den din första och din sista dag. Däremellan bygger <a href=\"https://www.linkedin.com/in/emil-nilsson-044776b3\" rel=\"noopener noreferrer\" target=\"_blank\">Emil Nilsson</a>, Head of Analytics på <a href=\"https://www.coop.se/\" rel=\"noopener noreferrer\" target=\"_blank\">Coop</a>, en ny dataplattform från grunden.</p><p><br></p><p>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.</p><p><br></p><p>Och ja, Benny försöker knäcka datamodellen med en hyrd kastrull. Det går sådär.</p><p><br></p><p><strong>Referenser</strong></p><ul><li><a href=\"https://www.axfood.se/\" rel=\"noopener noreferrer\" target=\"_blank\">Axfood</a>, <a href=\"https://www.7-eleven.se/\" rel=\"noopener noreferrer\" target=\"_blank\">7-Eleven</a>, <a href=\"https://www.pressbyran.se/\" rel=\"noopener noreferrer\" target=\"_blank\">Pressbyrån</a> – Emils tidigare arbetsgivare inom dagligvaruhandeln</li><li><a href=\"https://en.wikipedia.org/wiki/Star_schema\" rel=\"noopener noreferrer\" target=\"_blank\">Stjärnschema</a> – Kimballs dimensionella modellering</li><li><a href=\"https://en.wikipedia.org/wiki/Ralph_Kimball\" rel=\"noopener noreferrer\" target=\"_blank\">Ralph Kimball</a> – pionjär inom datalager</li><li><a href=\"https://en.wikipedia.org/wiki/Data_contract\" rel=\"noopener noreferrer\" target=\"_blank\">Datakontrakt</a> – överenskommelse om datans format, källa och retention</li><li><a href=\"https://en.wikipedia.org/wiki/Data_mesh\" rel=\"noopener noreferrer\" target=\"_blank\">Data mesh</a> – decentraliserat dataägarskap</li><li><a href=\"https://en.wikipedia.org/wiki/Shadow_IT\" rel=\"noopener noreferrer\" target=\"_blank\">Shadow IT</a> – IT-lösningar utanför den officiella miljön</li><li><a href=\"https://www.sap.com/\" rel=\"noopener noreferrer\" target=\"_blank\">SAP</a> – affärssystem</li><li><a href=\"https://www.microsoft.com/en-us/power-platform/products/power-bi\" rel=\"noopener noreferrer\" target=\"_blank\">Power BI</a> – BI-verktyg</li><li><a href=\"https://cloud.google.com/looker\" rel=\"noopener noreferrer\" target=\"_blank\">Looker</a> – BI-verktyg</li><li><a href=\"https://docs.databricks.com/aws/en/metric-views/\" rel=\"noopener noreferrer\" target=\"_blank\">Databricks Metric Views</a> – semantiska mått i Databricks</li><li><a href=\"https://open.spotify.com/episode/5v4kJOvNy9ZkKRPYamP0pO?si=53baa5e1fd424f1f\" rel=\"noopener noreferrer\" target=\"_blank\">Datastudion avsnitt 30, Semantiskt lager – varför är det viktigt? m. Olof Evenvik</a></li><li><a href=\"https://en.wikipedia.org/wiki/Ontology_(information_science)\" rel=\"noopener noreferrer\" target=\"_blank\">Ontologi</a> – formell beskrivning av begrepp och deras relationer</li><li><a href=\"https://en.wikipedia.org/wiki/A/B_testing\" rel=\"noopener noreferrer\" target=\"_blank\">A/B-test</a> – jämförande experiment</li><li>WAU – Weekly Active Users, veckovisa användare</li><li>SLA – Service Level Agreement</li><li><a href=\"https://en.wikipedia.org/wiki/T-shaped_skills\" rel=\"noopener noreferrer\" target=\"_blank\">T-formad kompetens</a> – djup inom ett område, bredd över flera</li><li>Analytisk mognadsmodell (Gartner) – deskriptiv, diagnostisk, prediktiv, preskriptiv</li></ul>","author_name":"Data Dao"}