Datastudion

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.Referenserdbt Core v2 — release blog — officiellt tillkännagivande av version 2.0dbt Core — open source transformationsverktyg för datadbt Fusion — ny Rust-baserad motor i dbt Core v2.0dbt State — stateful körning; kör bara om modeller där data förändratsFivetran — ELT-verktyg för datainladdning; förvärvade dbt Labs och sqlmeshsqlmesh — tidigare dbt-konkurrent, nu donerad till Linux FoundationSDF — Rust-baserat verktyg som dbt förvärvade; grund till Fusion-motornSnowflake Summit — konferens där dbt Core v2.0 offentliggjordesDremio — data lakehouse-plattform; adapter för dbt Fusion saknas ännuApache 2-licens — öppen licens som tillåter kommersiell användning och vidareutvecklingElastic License 2.0 — tidigare licens för Fusion; begränsade managed service-användningLinux Foundation — tog över förvaltningen av sqlmesh efter Fivetran-förvärvet

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?ReferenserSignific – Daniels konsultbolag inom data och produktutvecklingEric Ries – The Lean StartupFoo Café – Malmö-baserat tech-communityMother Brain – SVT:s interna BI- och insiktssystemDaniels artikel: Agentic and Automated TV Program Analysis at SVTTableau – BI-verktygLooker – BI-verktygAllsång på Skansen – SVT-program, första testkasset för episodanalysHistorien om Sverige – SVT-dokumentärserie, nämnd i engagemangsanalysenEBU – European Broadcasting UnionPlaymaker AI – sportvisualisering, nämnd som inspiration för trendlinjevisualiseringGemini – används för kvalitetssäkring i SVT:s agentflödenAnthropic / Claude – används i SVT:s agentflöden

Martin Mazur har jobbat med mjukvaruutveckling och tekniskt ledarskap i tjugo år. Han lyssnade på vårt förra avsnitt om spec-driven development och agilt – och ville hoppa in i samtalet. Så det fick han göra.Vi pratar om varför spec-driven development inte har ett dugg med Vattenfall att göra. Spec är inte ett kravdokument för människor – det är kontext för maskinen. Martin förklarar varför det är en avgörande skillnad.Vi diskuterar också vad som händer med mjukvaruutvecklare när kodning blir commoditized, hur produktorganisationer är bättre rustade för AI-eran än de som fortfarande kör feature factories – och varför vi befinner oss i det Martin kallar "hobbyfasen" av agentisk utveckling.Och: har vi en AI-bubbla på gång? Ja, troligen. Och det kanske inte är så farligt som det låter.Det här avsnittet finns även som video – se det här.ReferenserMartin Mazur – konsult och rådgivare inom tekniskt ledarskap och mjukvaruorganisationerAgile Manifesto – manifestet som startade Agile-rörelsenBennys agila manifest för AI-assisterad kodning – Bennys ramverk för hur agila principer kan tillämpas i AI-assisterad mjukvaruutvecklingSpec-driven development – utvecklingsmetodik där specifikationer ger kontext till AI-agenterClaude Code – Anthropics terminalbaserade kodagentMelissa Perri – produktstrateg, Product Operations ModelMarty Cagan – SVPG, empowered product teamsEmpowered engineer – Kagans koncept om självständiga produktteamFake door testing – metod för att validera idéer innan man byggerMechanical Turk – manuell simulering av automatiserade processer för valideringDotcom-bubblan – spekulationsbubblan kring internetbolag runt år 2000S-kurvan för innovation – modell för hur teknologier sprids och mognarKodsnack – svensk podd om mjukvaruutvecklingDatastudion avsnitt 48 m. Jakob Wolman – föregående avsnitt om AI, agilt och spec-driven development

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