Datastudion

Hugo och Johnny har snart jobbat ett decennium i datavärlden – och i det här avsnittet stannar de upp och reflekterar. Vilka branscher har de egentligen rört sig i? Vad är den gemensamma nämnaren i alla uppdrag? Och varför är det så svårt att få ett bolag att på riktigt bli datadrivet?De pratar om lärdomen att alltid fråga "varför?" innan man börjar bygga, om dashboards som aldrig används, och om varför domänkunskap är minst lika viktigt som tekniken. Plus: vad tror de att de nästa tio åren har att erbjuda – och vilken roll spelar AI i det?Det här avsnittet finns även som video – se det här.

Hur är egentligen känslan på Nordens största datakonferens? Är det talksen, människorna eller bara rökmaskinerna som gör upplevelsen?I detta bonusavsnitt summerar Benny och Johannes sina erfarenheter från Data Innovation Summit 2026. Vi pratar om AI-överflöd, halvinspirerande talks, varför golvet ofta är mer värdefullt än scenerna och hur konferenser egentligen handlar mer om människor än presentationer.Ett samtal om community, networking och varför de bästa diskussionerna ofta händer mellan sessionerna.

Vad betyder egentligen kvalitet och vem äger ansvaret? Den som producerar datan, den som testar eller den som fattar beslutet?I det här avsnittet pratar Benny, Hugo och vår gäst Martin om likheterna mellan test och data. Vi går igenom varför “good enough” ofta är verkligheten, hur bristande domänkunskap kan leda till fel beslut och varför kvalitet i slutändan handlar mer om förtroende än perfekta siffror.Ett samtal om ansvar, kompromisser och varför det enkla svaret nästan aldrig är hela sanningen.

Tor började på Data Dao för ett par veckor sedan. Innan han ens hunnit lära sig var kaffemaskinen står hade han lyssnat igenom halva poddens backkatalog på pendeln. Nu sitter han i studion.Hugo och Erik hälsar välkommen med den enda rimliga frågan: vem är du egentligen, Tor?Vi hör om resan från industriell ekonomi i Lund, fyra år som finansanalytiker på Riksbanken och ett drygt decennium inom kapitalförvaltning och data – via Skottland – till att nu vilja röra sig fritt över hela produktutvecklingsspektrat som product engineer.Det snackas Swinglish, pensionsportföljer, AI som inlärningsverktyg och vad som händer när ett enmansband börjar ha egna åsikter.

Johan Gärdebo är historiker och medgrundare till datasuveränitetsbolaget Thala. Han har forskat om hur Sverige använt geodata för att positionera sig internationellt – och den resan ledde honom rakt in i AI-frågorna.I det här avsnittet pratar Hugo och Johan om vad AI-suveränitet egentligen innebär. Inte som ett på/av-läge, utan som en gradskala av beroenden. Vems modeller tränar vi på? Vems hårdvara kör vi dem på? Och vad händer när den där Nvidia-dealen faller igenom?Vi reder ut memen "Americans innovate, Chinese replicate, EU regulate" – varför den är sann, varför den är orättvis, och vad Europa faktiskt kan göra i stället för att välja mellan en egen IT-avdelning och en egen juridisk avdelning.Plus: varför en erfaren gamer kanske har bättre förutsättningar än en högskoleutbildad mjukvaruutvecklare. Och varför AI i grunden är ett koordineringsproblem, inte ett intelligenskappslopp.ReferenserJohan Gärdebo – historiker och medgrundare, ThalaThala – datasuveränitetsbolagPalantir – amerikanskt dataanalysbolag, känt för "forward deployment"Nvidia – tillverkare av AI- och GPU-komponenterGeodata – geografisk information och miljödataAI-suveränitet – digital självständighet och kontroll över egna systemGDPR – EU:s dataskyddsförordningAI Act – EU:s reglering av AI-systemGalileo – Europas eget satellitnavigeringssystemDaft Punk – Harder, Better, Faster, Stronger

Jakob Wolman – mjukvaruutvecklare, agile coach och engineering manager med rötter i Malmö och Köpenhamn – gästar Datastudion för ett samtal som startade i ett LinkedIn-inlägg av Benny.Frågan: när kostnaden för att skriva kod går mot noll, vad händer med det agila arbetssättet? Plötsligt verkar det logiskt att lägga all energi på kravspecen igen – och låta AI sköta implementationen. Men är det verkligen vattenfall, eller är det något nytt?Vi landar i feedback loops, flaskhalsar som flyttar sig ett steg, Lean-tankar om att återinvestera frigjord tid – och varför marshmallow-utmaningen avslöjar mer om hur vi egentligen tänker än vad något agilt ramverk gör.ReferenserJakob Wolman – mjukvaruutvecklare, agile coach, engineering managerØredev – teknikkonferens i MalmöRUP – Rational Unified Process, strukturerad mjukvarumetodikVattenfall/Waterfall – sekventiell projektmetodikAgile – iterativ mjukvaruutvecklingLean – minimera slöseri, maximera flödeTheory of Constraints – identifiera och hantera flaskhalsarKanban – visuell metod för arbetsflödeBeyond Budgeting – rörelse mot mer adaptiv budgeteringSusanne Kaiser – föreläsare och författare om flow och mjukvaruorganisationThe Marshmallow Challenge – övning i iterativt tänkande och teamdynamikNobody ever gets credit for fixing problems that never happen – Repenning & Sterman, artikel om kvalitet och återinvesteringSpec-driven development – kravspecifikation som driver implementationClaude Code – Anthropics CLI-verktyg för agentisk kodningMCP – Model Context Protocol – standard för att koppla AI-agenter till externa verktygKordsnack – podd om IT, nämns i samband med COBOL-avsnittCOBOL – programspråk vanligt inom mainframe, särskilt bankerMainframe – storskaliga datorsystem, fortfarande i bruk inom finansBill Gates TED Talk – om noll vs nästan noll (referens till skillnad på noll och nästan noll)Nick Borgen – World Wide Web – låt nämnd som historisk parallell till AI-hypen

När Bill Gates kliver in på en bar blir alla där plötsligt miljonärer - i genomsnitt. Men det säger förstås ingenting om hur verkligheten faktiskt ser ut.I det här avsnittet pratar Benny och Johnny om hur medelvärden kan lura oss att tro att vi förstår mer än vi gör, och varför genomsnitt ofta förväxlas med ”det normala”. De utforskar hur små perspektivskiften kan förändra sättet vi tolkar data, varför osäkerhet är något att omfamna snarare än dölja, och hur vi kan kommunicera data mer ärligt genom att prata om spridning, intervall och kontext istället för bara snitt.👉 Läs mer på scb.se om hur statistik egentligen presenteras👉 Johnny Dangs presentation från Öredev: "Speak Uncertainty with Confidence". 👉 Dunning-Kruger-effekten.

Hur mycket ska en analytiker egentligen ”berätta en historia” med data? Benny och Alex diskuterar när storytelling blir nödvändigt för att nå fram – och när det riskerar att förvränga.Vi pratar om Cassie Kozyrkovs tes att ”analytics is not storytelling”, Brent Dykes dramaturgiska kurva inspirerad av Spider-Man och varför insikter ibland måste paketeras som en berättelse för att skapa tydlighet och förståelse hos mottagaren.👉 Läs Cassie Kozyrkovs blogg: Analytics is not Storytelling👉 Läs Brent Dykes blogg: Effective Data Storytelling 101