Episode 2 - Thomas.mp3
Kasper
[00:00 - 00:12] Hej og velkommen til denne episode af Dataskyen, podcasten hvor vi taler om at skære business intelligence helt ind til benet. I dag har jeg taget Thomas Duhn, partner i Atlytix og Formel 1-entusiast med til at tage en snak omkring,
[00:13 - 00:24] hvordan kommer du egentlig godt i gang med at få valgt den rigtige backen til din BI. Helt konkret så går vi ind på, hvad er en dataplatform og hvorfor er den vigtig for en virksomhed, som der gerne vil i gang med BI.
[00:24 - 00:33] Vi skal også ind og kigge på nogle af de fordele og ulemper, som der er med en automatiseret dataplatform kontra en traditionel platform. Og med det så glæder jeg mig til at byde velkommen til Thomas.
[00:39 - 00:49] Jamen velkommen til Thomas. Tak fordi du kunne være her i dag. Tænk lige til at starte med, kunne du lige kort introducere dig selv og hvad det er, du laver for Athletics?
Thomas
[00:50 - 01:02] Jamen tak. Jeg hedder Thomas Duhn og jeg er en af partnerne. Jeg har en stor passion for data og har arbejdet med data siden jeg blev færdig på EDB-skolen i 1991.
[01:02 - 01:09] Jeg startede med at arbejde med ERP-systemer og hen omkring år 2000, da SQL-server begyndte at komme frem,
[01:09 - 01:16] der begyndte det at blive noget med BI på SQL-server og med udgangspunkt i de ERP-systemer, jeg kendte.
[01:16 - 01:27] Og da vi kom frem til 2004, da jeg blev ansat i Timing Center, som jo laver noget, så lavede vi software til automatisering af dataplatformer.
[01:27 - 01:32] Og det har jeg egentlig beskæftiget mig med indtil her i 2019, hvor vi startede Athletics.
Kasper
[01:33 - 01:41] Wow. Så du er godt inde i, hvad det vil sige at bygge en dataplatform op, men også en solid backen?
Thomas
[01:41 - 01:42] Det vil jeg påstå, ja.
Kasper
[01:43 - 01:53] Kanon. Fordi det er jo egentlig meget heldigt, at i dag skal vores samtale handle omkring dataplatformer og, hvad hedder det konkret, hvor, hvad hedder det,
[01:53 - 02:05] at en virksomhed står og skal ud og investere i en backen til deres BI-løsning. Men der findes jo flere forskellige veje, som en virksomhed kan gå med de her løsninger.
[02:05 - 02:17] Der findes en måske lidt mere traditionel vej at gå, og så findes der også de her automatiserede dataplatformer, som du selv har været inde på her. Overordnet set kan du lige forklare, jamen hvad er det, vi mener med en dataplatform,
[02:17 - 02:26] sådan så vi lige giver the lay of the land, og så bagefter komme lidt ind på, jamen hvad vil det sige at have en traditionel en, kontra en automatiseret dataplatform?
Thomas
[02:27 - 02:38] Jamen det kan du tro. En dataplatform i sin enkelhed er jo faktisk ret kedelig bare en samling af software og værktøjer, som man bruger til at indsamle, lære, administrere og dele data.
[02:39 - 02:51] Og det er jo en ret kedelig definition. Det er egentlig meget mere interessant, hvad man kan bruge en dataplatform til, men det er jeg også sikker på, at vi kommer ind på. Men det, der er vigtigt med sådan en dataplatform, det er, at den er fleksibel.
[02:52 - 02:58] Og med fleksibel, der mener jeg, at den skal jo være klar til at tage imod nye datakilder, efterhånden som de opstår ude i virksomhederne.
[02:58 - 03:07] Den skal også være skalerbar, fordi i takt med, at datamængden vokser, jamen så skal man også kunne have den her dataplatform skalerbar, så man rent faktisk kan følge med de krav, der er til den.
[03:08 - 03:16] Og så synes jeg også, at en dataplatform skal være en fleksibel form af modtagelighed overfor nye læringsmetoder.
[03:16 - 03:23] Lad os sige, der kommer en ny måde at lære data på, jamen så skulle man gerne kunne adaptere den i sin platform, uden at man skal lave hele sin løsning om.
[03:24 - 03:29] Så er det også vigtigt, at sådan en dataplatform i et eller andet omfang er self-service orienteret.
[03:31 - 03:40] Fordi de dage er talte, hvor vi bare kunne sidde som udviklere eller IT-folk og bestemme, hvad det er, folk skal analysere på.
[03:40 - 03:50] De dage er længst forbi. I dag, der vil folk selv have lov til at sammensætte deres data og analysere på kryds og tværs og pare data, som vi måske slet ikke havde forestillet sig om muligt at pare.
[03:50 - 04:00] Så det er også et helt klart vigtigt ting for en dataplatform. Og det sidste er selvfølgelig sikkerheden. Både i forhold til, hvem kan se dine data, hvem må tilgå dem.
[04:00 - 04:13] Også sikkerheden i forhold til eventuelle angreb udefra. Nogen, der vil ødelægge vores dataplatform. Og så måske en lidt overset ting, som jeg også mener, at en del med sikkerheden gør, men det er, at den rent faktisk er dokumenteret.
[04:13 - 04:23] Og at den fungerer på et niveau, så der også er andre mennesker, der kan vedligeholde den videre. Hvis de primære udviklere allesammen faldt ned i et fly eller blev kørt over en strummed.
Kasper
[04:23 - 04:24] Eller gik på ferie.
Thomas
[04:24 - 04:31] Eller gik på ferie, ja. Præcis. Som er det måske lidt mindre morbide eksempler. Lad os satse på, at det er det, der sker.
Kasper
[04:32 - 04:42] Men så en dataplatform. Vi har været lidt inde på den traditionelle automatiserede dataplatform. Kunne du tænke dig at udfordre dig lidt på, hvad en automatiseret dataplatform egentlig kan?
Thomas
[04:43 - 04:54] Jamen først vil jeg udfordre lidt på, om man kan have en automatisk dataplatform. Fordi jeg med en dataplatform jo er en samling af software og værktøjer osv. Så kan man ikke lige automatisere det, men man kan have noget automatiseret dataplatform management.
[04:55 - 05:06] Så hvis man forestiller sig, at man ligesom kunne lægge en form for managementværktøj oven på alle de her forskellige værktøjer. Oven på de her forskellige stykker software, de her forskellige databaser.
[05:06 - 05:12] Jamen så begynder man at snakke automatiseret dataplatform management. Og det synes jeg er interessant at snakke om.
Kasper
[05:12 - 05:21] Okay. Kan vi komme lidt ind på, hvad det er for en boldgade? Hvor det er, at det giver rigtig god mening for virksomheder at gå den vej?
Thomas
[05:21 - 05:34] Jamen det er klart, at spørger du mig, så giver det mening alle steder. Men man kan jo sammenligne det lidt med, hvis du skal bygge et skue ude i haven. Så kan du bruge din lille håndsav, og du kan bruge din skruetrækker, håndskruetrækker osv.
[05:34 - 05:45] Og så kan du bygge det hele med det, og det bliver sandsynligvis et fantastisk skue. Og du vil nyde al den tid, du har brugt med det. Men du kunne jo også tage en rundsav til at save din brædder, om du kunne bruge en skruemaskine.
[05:45 - 05:55] Så det handler jo om at bruge nogle værktøjer, som gør det hurtigere for dig at bygge dit skue. Når det så er sagt, så kan man jo også få så mange værktøjer.
[05:55 - 06:07] Som hver især kræver, at man læser en instruktion, og man lærer at bruge den her. Så for mig at se sådan en automatiseret data platform management, er jo ikke bare en masse værktøjer.
[06:07 - 06:15] Det er et værktøj, der ligesom kan det hele, eller i hvert fald en meget stor del af det, man skal kunne, når man bygger sin data platform.
Other speaker
[06:15 - 06:15] Okay.
Kasper
[06:16 - 06:28] Så du går ind på eksempler omkring, hvis man gerne vil bygge et skue. Man går ned i Bauhaus, så kan man bygge de, man kan gå ind og købe de enkelte dele. Eller man kan slå op i et manual, og så se, det er sådan, man rent faktisk samler et skue på.
[06:29 - 06:35] Eller man kan gå på YouTube, eller hvordan det må ledes. Men du kan jo faktisk også gå ned i Bauhaus og købe et færdigt, hvad hedder det, lavet skue.
Thomas
[06:35 - 06:46] Det kan man. Og man kan da være så heldig, så det passer lige til en. På samme måde, hvis du går ned og køber en bil. Så kan du købe en bil, der lige passer til dit behov. Og det er lige præcis den, der er på hylden. Det er aldrig den, der er i reklamen.
[06:46 - 06:59] Fordi den, der er i reklamen, det er den med de fede fælge og den fede lakering og alting. Men du kan købe en standard bil. Og det du så også kan ved bilforhandleren, det er, så kan du gå ind og sætte nogle krydser og sige, jeg skal lige have ledersæde, jeg skal have det ene og det andet.
[06:59 - 07:10] Det er muligt, du kan det med et skue i Bauhaus også. Du kan sige, at du vil have en lille veranda på og sådan nogle ting. Men jeg kan godt lide tanken om, at man kan købe en form for et standardiseret produkt, der passer til en.
Kasper
[07:11 - 07:11] Præcis.
Thomas
[07:12 - 07:23] Når det er så sagt, så er det også vigtigt, at de standardiserede produkter kan tilpasses. Ja. Fordi der er ikke, altså i min optyg er der ikke to virksomheder, som er fuldstændig ens. Nej. Og som har de samme behov.
Kasper
[07:23 - 07:34] Nej. Ja, fordi hvad hedder det, det som vi nogle gange ser, det er, at for eksempel dimensioner som afdelinger kan være forskellige fra virksomhed til virksomhed. Så 100% standardiseret kan det måske næsten aldrig blive. Nej.
Thomas
[07:35 - 07:40] Men man kan så også sige, at der er jo rigtig mange i dag, der begynder at rate sig mod cloudbaserede ERP-systemer.
Other speaker
[07:40 - 07:41] Ja.
Thomas
[07:41 - 07:52] Og de er jo i vist omfang meget standardiserede. Og jeg synes, en af de trends, vi kan se i forhold til tidligere. Tidligere der købte du et standardiseret ERP-system, og så gik du i gang med at tilpasse det, så det ikke lignede sig selv mere.
[07:53 - 08:05] Fordi du tilpassede systemet til dine processer. Jeg synes, vi igennem de sidste måske 10 år, måske endda mere, har set en trend mere til, at man vælger et system, og så prøver man at tilpasse sine processer til systemet.
[08:06 - 08:17] Og dermed, så tror jeg faktisk, vi kan se, at der i hvert fald i et virksomhedssystem, som vi har i Danmark, der vil der være mange virksomheder, der i hvert fald på ERP-systemsiden, har præcis det samme system.
[08:18 - 08:27] Og dermed også 70-80% det samme rapporteringsbehov og analysebehov. Så det taler jo for nogle standardiserede løsninger.
Kasper
[08:28 - 08:40] Præcis. Og hvis vi så skulle komme ind på, hvorfor så gå den her vej? Altså hvad er det, vi virkelig vinder på at gå det her spor? Vi kører det her standardiserede løsning, eller vi kører sådan en automatiseret dataplatform.
[08:41 - 08:41] Hvorfor?
Thomas
[08:42 - 08:54] Jamen, det handler jo om time to market i store... Ja, for de fleste svedekommende. Det nytter jo ikke noget, at du har fået en skide god idé til en rapport, som virkelig kan analysere, hvorfor det går skidt med vores salg,
[08:54 - 09:07] hvis du først kan få rapporten om 3-4 måneder. Du har brug for den nu, eller i næste uge, eller om 14 dage. Det er jo ikke noget, der skal tage måneder. Vi skulle helst have taget dage eller uger i værste fald.
[09:08 - 09:20] Og der kan man sige... Det er jo igen forskellen på, om du laver dit skur med de her håndværktøjer, eller om du bruger nogle powertools. Det er jo det, der et eller andet sted afgør din time to market på de ting, du skal have.
Kasper
[09:22 - 09:30] Okay, interessant. Så hvis vi siger, at denne vej er det gode, der er kompetitiv i forhold til time to market. Hvis vi så også siger, jamen...
[09:31 - 09:44] Det der med at bygge data warehouse op, det der med at få bygget en dataplatform op. Hvis vi kigger på traditionelt set med BI-projekter og sådan noget der, så er den største frygt, det er jo, at det er sådan noget, der tager usænere tid.
[09:45 - 09:53] Så jo, det kan godt være, at den er hurtig at implementere, men når den så er kommet op og kører, så vil vi jo også gerne have, at den bliver ved med at køre.
[09:54 - 10:02] Og hvis jeg gerne vil gå den vej, og jeg gerne vil sikre mig, at jeg ikke bruger for meget tid på udvikling, jamen, hvor er det, jeg så skal kigge hen?
Thomas
[10:03 - 10:12] Jamen, så skal du jo kigge over mod de her automatiserede værktøjer, de her, der kan automatisere din dataplatform. Sådan produkter som Projectable Timing Center eller Jet Analytics,
[10:12 - 10:24] som har lagt sådan en mere brugervenlig overflade på alle de her værktøjer, der er i en dataplatform. Som jo gør, at et BI-projekt, hvis vi kalder det, eller et data warehouse-projekt, som du er inde på,
[10:24 - 10:34] ikke behøves at tage år eller måneder. Men i virkeligheden, at du kan stå med et standardiseret data warehouse, der passer på dit ERP-system,
[10:34 - 10:45] og som passer til 70-80% af din rapportering, det kan du stå med på dage. Og så har du tid til at arbejde videre. Og den næste effekt, der så er det, det er, at de her værktøjer er jo lavet så brugervenlige,
[10:46 - 10:49] så du i din videreudvikling virkelig sparer tid.
Kasper
[10:50 - 10:51] Kan du komme lidt ind på det?
Thomas
[10:52 - 11:04] Jamen altså, ja, det kan jeg godt. Der er nogle af de her virksomheder, de siger jo selv, at det er op til 10 gange hurtigere at udvikle. Og det må de jo have nogle tal fra.
[11:04 - 11:14] Jeg synes bare, jeg har set igennem min tid, at nogle gange er det væsentligt mere end 10 gange. Okay. Ikke så meget det at få udviklet tingene første gang, hvis du bare har 10 tabeller, du skal igennem, og så have dem ud.
[11:14 - 11:25] Jamen, der taler vi måske bare dobbelt op i hastigheden, men det er mere det her løbende vedligehold, man så har. Fordi de her automatiserede værktøjer, de indeholder jo sådan nogle, f.eks. noget data lineage.
[11:26 - 11:38] Og data lineage, det betyder jo, at hvis du nu står med en eller anden omsætning i danske kroner, så kan du i de her værktøjer, så kan du højreklikke på det, og så kan du sige, giv mig lige et data lineage. Hvor kommer de her data? Hvilke beregninger blev der lavet undervejs?
[11:39 - 11:49] Okay. Og det får du præsenteret i et grafisk overblik, så du lynhurtigt kan se, okay, det her skal jeg sætte ind, hvis jeg skal ændre beregningen om, hvordan vi går fra euro til danske kroner, eller hvad det måtte være.
[11:50 - 11:58] Hvor er du i en traditionel verden, der er du tvunget til at gå ind og kigge på linjer efter linjer af SQL-kode, for så at finde det sted, hvor udvikleren har skrevet tingene.
Kasper
[11:59 - 11:59] Okay.
Thomas
[11:59 - 12:06] Så i vedligehold, min påstand er, at man måske nogle gange kan spare meget mere, end 10 gange. Okay.
Kasper
[12:08 - 12:17] Og hvis vi siger, at det er det, som virkelig batter noget for en økonomichef eller en CFO i sidste ende, det er jo, at de kan få de her rapporter, som er bare spillet 100 procent,
[12:17 - 12:27] med de rigtige opdaterede data, og de får dem måske endda flere gange dagligt. Kan du komme lidt ind på, hvad hedder det, en dataplatform,
[12:27 - 12:36] hvor er det egentlig, at den kommer ind i billedet til, at jeg får min rapport, som der ser knaldhammerende god ud i sidste ende, og som viser mig de mest oprættelige ting, som jeg har taget selv til?
Thomas
[12:39 - 12:50] Jamen, dataplatformen er jo den, der binder tingene sammen, så du overhovedet kan få resultatet, ikke? Så man kan sige, at den tager sig jo alt fra at trække de relevante data ud af dit gil-system,
[12:52 - 13:04] få transformeret og manipuleret med data. Det kan være, at du skal have slået nogle kostpriser op, som ligger uden for systemet, bringer dem ind i en form for model, som kan læses af Excel eller Power BI,
[13:04 - 13:11] eller hvad du nu vil bruge til at kigge på de her flotte rapporter. Det er jo det job, som værktøjet udfører.
Kasper
[13:12 - 13:19] Er det det, vi i teknisk sprog kalder for ETL? Ja, det er det.
Thomas
[13:20 - 13:25] Extract data. Transformere det, så det bare er så. Load det ind et sted, hvor brugerne kan få gavn af det.
Kasper
[13:25 - 13:35] Og med sådan en dataplatform, så vil det sige, at jeg ikke længere skal bruge manueltid på at få lavet de her transformationer og de her udtræk. Det gør platformen altså for mig? Præcis. Du højreklikker og siger, ved du hvad,
Thomas
[13:35 - 13:47] hvis værdien her er 7, så gang den med BI, eller hvad det nu måtte være for en BI, der skal bygges ind. Men ETL dækker egentlig kun en lille bitte del af det. Det er måske den hardcore del, hvis man er udvikler,
[13:47 - 13:59] men der ligger jo mange andre ting rundt om det her. Der ligger hele det her data-linjes, det at kunne finde ud af, hvordan tingene hænger sammen. Der ligger dokumentation. De her værktøjer, der kan du klikke et sted, og så kan du sige,
[13:59 - 14:10] jeg vil gerne have dokumentationen skabt for hele mit projekt. Og så får du et dynamisk PDF-dokument, hvor du simpelthen kan klikke på det, og følge data fra end-to-end med samtlige transformationer og manipulationer,
[14:10 - 14:20] der sker med data, præsenteret for dig. Det giver dig også mulighed for at lave noget GDPR-sprogbarhed. Hvad er det for nogle data, jeg har? Hvor lærer jeg dem hen? Hvem har adgang til dem?
[14:21 - 14:26] Så sådan nogle generelle spørgsmål får du bygget ind i den her platform.
Kasper
[14:26 - 14:34] Så det vil sige, at hvis min IT-chef nu vælger at gå inden for to uger, eller et eller andet i sådan et stil, så er jeg ikke helt på spænden?
Thomas
[14:34 - 14:47] Nej, forhåbentlig er det ikke det. Min IT-chef, der ruder med det her, han har forhåbentlig meget bedre ting at tage sig af. Men rigtigt, hvis den her medarbejder eller konsulent, du har haft til at lave det her, går sin vej, så er det et standardiseret værktøj, som er nemt at sætte sig ind i,
[14:47 - 14:56] og som, jeg vil sige, det er noget, som de fleste, der har lidt flere for data og tal, de vil kunne lære at bruge på forholdsvis kort tid.
[14:57 - 15:03] Så vil de så selvfølgelig over tid blive bedre og bedre og hurtigere og hurtigere til arbejdsproduktet. Men det er min påstand, at alle kan lære det.
Kasper
[15:04 - 15:15] Okay. Men Thomas, hvis jeg nu siger, at jeg kører en gammel Navision nu her, et gammelt ERP-system, og jeg vil gerne have det opgraderet til noget Business Central,
[15:17 - 15:25] er det det rigtige tidspunkt at gå i gang med en dataplatform nu her, eller skal jeg vente? Hvad med nu, hvis jeg skifter ERP-system undervejs? Hvordan skal jeg så forholde mig?
Thomas
[15:26 - 15:39] Jeg er jo lidt farvet, så det er jo aldrig et dårligt tidspunkt at gøre det på. Men specifikt i sådan et tidspunkt, hvor du vil ønske at skifte dit ERP-system, så giver det rigtig god mening at få alle dine historiske data bygget ind,
[15:39 - 15:52] så du ikke behøver så konvertere alle dine transaktioner ind i det nye system. Så kan du trække dem fra dit datorærs, og så kan du kombinere med data fra dit nye system. Mange de tager jo rejsen fra Navision til Business Central,
[15:52 - 16:03] og de to systemer er faktisk meget ens, når det kommer til backend-data, så der er det meget, meget nemt at samle de to. Men hvis du husker tilbage på de her ting omkring dataplatform, så var det vigtigt, at den var fleksibel,
[16:03 - 16:11] og at den kunne tage imod nye kilder. Og det er jo det, man hele tiden skal have for øje, altså man kan kun komme for sent i gang.
[16:12 - 16:17] Så kom i gang, og platformen skal nok være klar til at tage imod de her nye data, der kommer.
Kasper
[16:18 - 16:25] Og hvad så, hvis vi nu også tænker i organisationen, jamen vi kører jo en SQL-server on-prem på lokalisationen,
[16:26 - 16:32] og vi vil gerne på et tidspunkt over i skyen, hvordan skal jeg så tænke det ind i mine tanker omkring en dataplatform?
Thomas
[16:32 - 16:42] Det er jo der, hvor den automatiserede platform skiller sig ud. Fordi der kan du principielt bare skifte dit endpoint og sige, ved du hvad, nu går jeg fra den her on-prem SQL-server,
[16:42 - 16:54] som du nævner, til at køre noget Azure SQL, og så ved det her automatiseringsværktøj, at godt, så er det en anden type kode, jeg skal generere, men du skal ikke lave dit løsning om.
Kasper
[16:55 - 16:55] Okay.
Thomas
[16:56 - 17:05] Så forestil dig lidt, at du beskriver egentlig bare den løsning, du vil have til programmet, og på et eller andet tidspunkt tænker jeg, at man også kan bruge noget AI, så du bare kan tale til den, men det ligger nok lidt ud i fremtiden endnu,
[17:05 - 17:13] men du fortæller egentlig bare, hvad du vil have, og så er det værktøjets opgave at oversætte det til det miljø, nu du engang vælger at deployer det på.
Kasper
[17:14 - 17:21] Så det, jeg egentlig hører dig overordnet set med sådan en automatiseret dataplatform, det er, at du sparer en hel masse på udvikling.
Thomas
[17:21 - 17:32] Ja. Sparer en masse på udvikling, og du får en vis sikkerhed i, at du også har en fremtidssikret løsning, i og med, at hvis verden lige pludselig går fra cloud, som DFS Don er på vej hen,
[17:32 - 17:41] eller går tilbage til on-prem, jamen så skal du ikke starte ud med en ny løsning. Du ændrer bare dit target, og så kører du videre der, hvor din data nu skal eksistere.
Kasper
[17:41 - 17:43] Wow. Nemmere kan det ikke gøres.
Thomas
[17:43 - 17:44] Nej, præcis.
Kasper
[17:45 - 17:57] Super Thomas. Jamen, jeg tror egentlig, det var en rigtig god samtale, vi fik kørende her på backenden, og på de forskellige dataplatformer. Så jeg vil egentlig bare sige tusind tak, fordi du ville deltage igen.
Thomas
[17:58 - 17:59] Jamen selv tak.
Kasper
[18:04 - 18:14] Og det var alt, hvad vi nåede for denne omgang. Hvis man syntes, det var rigtig spændende at dykke ind i, hvilken vej man kan gå, i forhold til at vælge en backen BI løsning, så tag og gå ned i beskrivelsen,
[18:14 - 18:26] hvor jeg har lagt et link til et whitepaper, som der hedder, hvilke overvejelser skal man have, når man vælger en backen til sin BI løsning. Tak fordi du lød med, og så glæder jeg mig til, at vi høres ved ved næste afsnit.
Podcast
Lyt til flere episoder
Episode 1
Episode 3
Episode 4
