Share

cover art for 1. Vad betyder det att vara datadriven?

Datastudion

1. Vad betyder det att vara datadriven?

Ep. 1

I detta pilotavsnitt tar vi upp konceptet datadrivenhet som stort med frågan: Vad betyder det att vara datadriven?


Skicka gärna frågor och feedback via datastudion@datadao.se!


Artiklar för vidare läsning:

More episodes

View all episodes

  • 36. 36. Tech, prenumerationer och data - så jobbar dagens CFO m. Anders Hilmansson

    48:15||Ep. 36
    Anders Hilmansson, CFO på Refined, gästar dagens avsnitt. Han delar med sig om hur man ser på värdeskapande på ett SaaS-bolag (Software as a Service), och hur det skiljer sig från ett klassiskt mjukvarubolag. Svaret? Spoiler! Att kunderna prenumererar istället för att göra ett engångsköp.Vad betyder det när ett bolag når $100 miljoner på 4 månader? Varför ser Anders på SaaS-bolag som en värdeskapande evighetsmaskin? Och hur djupt ska en CFO kunna gräva i data för att ta beslut?Det pratas alltså inte bara om Excel i detta avsnitt. Inget du vill missa! Lyssna och njut.Referenser:atlassian.comSaaS: Software as a serviceAbonnemang vs permanenta licenseAnders tidigare arbetsplatserAdvokatbyrå VingeApsis, grundare Anders Frankel, inkubator mincAnders har även varit CFO på inRiverQlik - BI verktygARR/MRR - Annual/Monthly Recurring Revenue eller årliga/månatliga återkommande intäkterCARR → Committed ARRChurn → kundbortfallThe Product MindsetMultitenans: flera an­vändare sam­tidigt, men obe­roende av var­andra, kan använda samma exemplar av ett program.Unit EconomicsOpEx → Operating ExpenseGordon Growth Model
  • 35. 35. Är logik i BI-verktyg en fallgrop?

    32:50||Ep. 35
    I detta avsnitt lär vi känna vår "nya" kollega Johannes Hedman.Tillsammans dyker vi ner i en av de där heta potatisarna i BI-världen: Varför är det egentligen en dålig idé att bygga logik direkt i BI-verktygen?Johannes delar med sig av insikter, konkreta exempel och erfarenheter från verkligheten. Vi förklarar vad som kan gå fel när BI-verktygen får ta lite för mycket plats i arkitekturen, och när det faktiskt kan vara ok.Detta avsnitt är perfekt för dig som jobbar med data, är nyfiken på best practices eller bara vill förstå varför den där "snabba workaronden i BI:t" kanske inte är så oskyldig som den verkar.Referenser:BIPowerBiTableauQlikMicroStrategyExcelData warehouseAggregeringVersionshanteringOn-premDaxSQLSemantisk lagerDatastudion avsnitt 30, Semantiskt Lager - varför är det viktigt? m. Olof EvenvikCan of wormsMedverkande i avsnittet:JohannesBlankaJohnny
  • 34. 34. När människan blir maskin & AI blir människa m. Biskop Johan Tyrberg

    47:33||Ep. 34
    I dagens avsnitt får vi med oss en spännande gäst, nämligen Lunds stifts 69:e biskop Johan Tyrberg. Ett spännande samtal om hur biskopen och hans kollegor navigerar en data-driven värld med AI.Varför mekaniserar vi människor och personifierar vi teknik (Antropomorfism)? Blir en ChatGPT-skriven predikan bra? Hur jobbar kyrkans kommunikatörer med samhällsanalyser för att identifiera och nå ut till målgrupper? Och visste ni att kyrkan är Sveriges största medlemsorganisation med 5,5 miljoner medlemmar!?Ett ovanligt, men ack så spännande avsnitt! Lyssna och lär.Referenser:Johan TyrbergKungliga Bibliotekets Whisper AI-modellKalle ÅströmCyberangreppet 2023-2024Elon Musk sa: “Be en AI att skapa så många gem som möjligt, människan är i vägen och kommer att utplånas “AntropomorfismKonferens: Teologisk analys av AI drivet av BiskopenÄrkebiskopen pratar AI
  • 33. 33. Varför är det svårt för stora bolag att bli datadrivna? m. Bino Catasús

    44:48||Ep. 33
    Bino Catasús, professor inom Redovisning & Revision på Stockholms Universitet, gästar dagens podd och pratar inte alls om redovisning eller revision! Han är ointresserad av data, tills han förstår vad den ska användas till.I detta avsnitt täcker Bino ett brett spektrum av ämnen. Hur viktigt är ett narrativ innan man börjar med datainsamling? Varför blir datan subjektiv så fort man visualiserar den? Hur kommer det sig att man alltid identifierar mer okunskap ju mer data man får tillgång till? Och hur kan det vara så att en datadriven strategi aldrig kan vara datadriven?Dessutom berättar Bino om sitt företag Nyckelstalsinstitutet som har samlat in HR data sedan 1996, en guldgruva av information. Ni hör ju - ett otroligt avsnitt! Lyssna och njut.Har du frågor, eller förslag på avsnitt, hör av dig till datastudion@datadao.se.Referenser:Nyckeltalsinstitut med HR data sedan 1996Paul Edwards: The Closed WorldGeorge Miller: The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information
  • 32. 32. AI som kreativt bollplank m. Ebba Lindgren

    30:43||Ep. 32
    Vi möter industridesignern och konstnären Ebba Lindgren för ett samtal om hur hon upptäckte AI och hur det blivit en del av hennes kreativa arbete.Hon delar med sig av sina erfarenheter och berättar om hur hon utforskar och experimenterar med AI-verktyg i sin skapande process - från de första nyfikna stegen till hur tekniken idag påverkar hennes design och konst.Kan AI förändra sättet vi skapar i framtiden?“Det är skönt att vara människa och ha smak!” - citat Ebba.Referenser:IndustridesignDALL·EMidjourneyThe design of everyday thingsWes Anderssoninstagram: ebbalindgren_studioebbalindgren.com
  • 1003. Bonus: Datadrivet ur en produktägares perspektiv

    19:50||Ep. 1003
    Vi lär känna det senaste tillskottet på Data Dao, Max Almqvist! Senior Produktägare med många års erfarenhet, Max delar med sig av vikten av magkänslan. Våga vägra datadrivenhet, var data-informerad istället.Varför är procenttal farligt? 1 dashboard med 62k mätetal, eller 62k dashboards med ett mätetal? Lyssna och njut!
  • 31. 31. Big data, Big Politics - Data Transfer Agreement. m. Fredric Lundgren

    48:23||Ep. 31
    I dagens avsnitt gästas vi av Fredric Lundgren, Data and Machine Learning Team Leader på INGKA (IKEA). I samtalet utforskar vi hur IKEA navigerar lagstiftningen kring Data Transfer Agreement och hur man kan se den som en möjlighet till innovation.Vi pratar om utmaningen i att förstå hur användaren interagerar med digitala produkter – utan att bryta mot lagar och regleringar eller kompromissa med etiska principer.Förespråkare för data privacy tillika Google Analytics proffs, Fredric är rätt person för jobbet. Lyssna och lär! Referenser: Max SchremsNGONOYBGDPRFirst-party DataSafe harborEU–US Data Privacy FrameworkPrivacy by design GDPR Fine CalculatorKilling Me Softly with His Song
  • 30. 30. Semantiskt Lager - varför är det viktigt? m. Olof Evenvik

    51:48||Ep. 30
    Olof Evenvik, Data Arkitekt och Data Ingenjör från imeto.se, gästar dagens podd och berättar om Semantiskt Lager! Är det lösningen som äntligen göra din organisation data-driven? Hur löser det problemet med ej konsekventa mätvärden? Vad skiljer det semantiska lagret från klassiska data-kuber? Och är det nyckeln till att kunna AI-chatta med din data (Conversational Analytics)?“Folk som hatar på Excel har inte varit ute och sett riktiga världen” - citat Olof. Ni hör ju, detta är bra. Stort tack Olof för att du delade med dig av din expertis!Har du frågor, eller förslag på avsnitt, hör av dig till datastudion@datadao.se.Referenser:dbtdataformKimball vs InmonStar SchemaData MartKubSSASCognoscube.devLookeromni.coSteepHolisticsThoughtSpot
  • 29. 29. Hur skapar man tillit till datan?

    49:29||Ep. 29
    Det är dags att ge sig på elefanten i rummet - datakvalitet! I detta avsnitt diskuterar Hugo och Benny hur man skapar tillförlitlig data, med konkreta tips och exempel.För att datan som ditt team producerar ska vara värdeskapande för konsumenterna av din data, är det viktigt att etablera ett tillit till datan och ditt team. Tillit etablerar man genom att aktivt arbeta med datakvalitet.Lyssna på detta avsnitt för att påminna dig om det som annars ofta prioriteras bort.Referens: Creating trustworthy and reliable data.