Løsninger Teknologi Tema Kompetanse Samarbeid Klar for å ta steget inn i fremtiden? Vi hjelper deg i gang! ProsessPilotene as © 2026 | Organisasjonsnummer NO897658372mva | Alle rettigheter reservert
v3.18.1
Piloten Jeg er Piloten. Spør om tjenestene eller veiledningene våre, be om hjelp eller et møte, gi tilbakemelding eller administrer nyheter når du er logget inn.
Piloten Meldinger Jeg er Piloten. Spør om tjenestene eller veiledningene våre, be om hjelp eller et møte, gi tilbakemelding eller administrer nyheter når du er logget inn.
Foreslåtte neste steg Be om hjelp eller møte Gi tilbakemelding Nyhetsbrev
→ KortversjonenVis mer Vis mindre Frode Stenstrøm: Det er torsdag, klokken er 10. 30, og vi ønsker nå velkommen til dette webinaret. Frode Stenstrøm: Det er torsdag, klokken er 10. 30, og vi ønsker nå velkommen til dette webinaret.
I dette webinaret fra 2024 forklarte Daniel Holth, utvikler i ProsessPilotene, hva Microsoft Fabric er og hvem plattformen passer for, sammen med Frode Stenstrøm. De gikk gjennom fire hovedroller: ledere og beslutningstakere som trenger visualisering, analytikere som gjør beregninger og mønstergjenkjenning, utviklere som henter og bearbeider data, og fagpersoner med bransjekunnskap som sikrer kvaliteten i leveransen.
Holth forklarte byggeklossene i Fabric i rekkefølge: OneLake som felles datagrunnlag for hele virksomheten, et datavarehus for strukturerte kjernedata, Data Factory og Power Query for import og transformasjon, Data Engineering og Data Science for bearbeiding, mønstergjenkjenning og prediktive modeller, Real-Time Analytics og Data Activator for sanntidsvarsler, og Power BI for visualisering, med Copilot-støtte flere steder i kjeden.
ProsessPilotene brukte sin egen virksomhet som eksempel, med rollebaserte rapporter som viser bonus, ferie og prosjektallokering for ansatte, prosjektstatus hentet fra Azure DevOps og Xledger, og ledelsesrapporter som gir datadrevne beslutninger om bemanning og ressursbruk. De nevnte også at rapportene bidrar til jevnere fordeling av arbeidsmengde og bedre oppfølging av kompetanseplaner og kursgjennomføring blant de ansatte.
Til slutt pekte Holth på fordeler som lav inngangsterskel, tett samarbeid på tvers av roller og fast, CPU-basert prising som kan legges til rolige tider av døgnet, men advarte mot at uerfarne brukere kan bygge rapporter på dårlig datakvalitet eller feil arkitektur. Rådet til virksomheter som vurderer Fabric var å starte smått, men planlegge datagrunnlaget med tanke på behov flere år frem i tid.
Se opptak
YouTube
Transkripsjon VTT Vis full transkripsjon Frode Stenstrøm: Det er torsdag,
klokken er 10.30, og vi ønsker
nå velkommen til dette webinaret.
I dag skal Daniel Holth svare
på spørsmål og vise oss hva
Microsoft Fabric er for noe.
Vi skal se litt på hvem det er ment for,
hva slags bruksområder vi kan bruke det
til og hvilke problemstillinger vi løser.
Ikke minst skal vi avslutte med
noen tematikk som går på hvordan
vi kan bruke dette produktet.
Mitt navn er Frode Stenstrøm,
og Daniel vil jo velkommen hit.
Daniel Holth: Daniel Holth.
Jeg har jobbet med utvikling
siden jeg var en liten gutt.
Fikk en bok av min far når jeg
var sju, og dette er hobbyen min.
Jeg jobber med integrasjoner
og infrastruktur.
Frode Stenstrøm: Jeg vet også at du
har jobbet med dataanalyseplattform
i ... en mannsalder kanskje, nå?
Daniel Holth: Ja, ja, ja.
Jeg har jobbet tett med analytikere,
men jeg selv er en utvikler.
Så min passion er jo begge deler.
Frode Stenstrøm: Da er det i hvert
fall riktig mann til å svare på
og prøve å hjelpe oss å kaste
litt lys på dette temaet, Daniel.
Litt over til agendaen.
Vi begynner rett og slett på hva
Microsoft Fabric er, for det tror
vi egentlig ikke at alle vet.
Foredragsholdere Frode Stenstrøm Gründer og teknologistrateg
Som gründer og teknologistrateg i ProsessPilotene jobber jeg med å hjelpe virksomheter forstå og bruke teknologi som en strategisk kraft for bedre arbeidsprosesser, kundeopplevelser og beslutninger.
Rollen kombinerer forretningsutvikling, teknologirådgivning, virksomhetsarkitektur og formidling. Jeg arbeider særlig i skjæringspunktet mellom AI, CRM, digitale plattformer, data, analyse og fremtidens arbeidsliv.
En sentral del av rollen er å være brobygger mellom ledelse, fagmiljøer og teknologi. Det handler om å gjøre komplekse teknologiske muligheter forståelige, vurdere hva som faktisk skaper verdi, og bidra til at digitale løsninger blir en naturlig del av hvordan virksomheter jobber.
Jeg bruker også rollen til å formidle faktabaserte perspektiver på hvordan AI og teknologi påvirker ledelse, organisasjoner, ansatte og kunder.
Hvilke problemstillinger løser
Fabric, og litt vår erfaring og
til slutt anbefaling for hvordan vi
kan komme i gang med dette temaet.
Så Daniel, vi begynner rett
på første spørsmål først.
Kan vi ikke bare sånn før vi
går inn i hele pakka, bare
en setning, hva er Fabric?
Daniel Holth: Kort oppsmørt, Fabric
det er en samling av analyseverktøy
og data på en plass, et rammeverk.
Frode Stenstrøm: Ja, men det er bra.
egentlig med for da, Daniel?
Daniel Holth: Det er ment for folk som
Morten og daglig ledere, salgsjefer,
beslutningstagere generelt, hvor
de har behov for å se visualisering
og kunne ta klokere beslutninger.
Frode Stenstrøm: Ja, som et
rapporteringsverktøy, et analyseverktøy.
Men hvem andre er det som vil ha
nytte av å glede av Fabric, Daniel?
Daniel Holth: Analytikeren,
her har vi bildet av Stig,
han har også bruk for Fabric.
Da i form av beregninger,
Frode Stenstrøm: Så dette er
kanskje en forsker som skal gjøre
beregninger eller den typen ting?
forretningsanalytiker, ekspert
i datamining, ekspert i kunstig
intelligens, den type profiler.
Frode Stenstrøm: Så de får
sitt verktøy for å lage sine
modeller og prognoser og sånn?
Og i Fabric så kan vi få tak i
dataene, importer, transformasjoner,
sjekke datakvalitet og slike ting.
Frode Stenstrøm: Men jeg synes jo det
med å utvikle oss er spennende, for
vi vet jo det at dette skal lages og
skapes, så Fabric gir også deg som
utvikler en plattform å jobbe i da.
Daniel Holth: Jeg føler at jeg
jobber i et sømløst grensesnitt og
har tilgang til alle verktøyene jeg
trenger for å transformere dataene.
Jeg ønsker å dra fram vår fagperson,
Hege, som representerer alle som har
bransjerfaring, altså domeneeksperter.
Vi må jo sørge for at bestilleren
blir fornøyd med resultatet, og
da jobber fagpersonen tett med
bestiller og analytiker for å
sikre god kvalitet i leveransen.
Frode Stenstrøm: Det er interessant.
Men hvis vi ser, før vi går inn i
hele, for jeg vet at Fabric består
av ganske mange Lego-klosser.
Vi skal snakke mer i detalj om
bruksområdene om litt, men bare for
å gi oss noen smakebiter på de mest
vanlige bruksområdene til Fabric.
Daniel Holth: Fabric er ideell når
det gjelder å skape og bearbeide
kundeforhold, altså nye leads,
nye prospekts inn i salgskanaler.
Vi bruker det også for å videreutvikle
eksisterende kundeforhold, mersalg
på eksisterende kundeforhold.
Det er også ideell til å jobbe med
anti-churn arbeid for å redusere kundetap.
Frode Stenstrøm: Akkurat.
Men er det noen flere da?
Daniel Holth: Vi har mange bruksområder
her, vi har rapportering for eksterne
og interne interesseområder, altså for
de interne så har vi et skjermet område
som eksterne ikke får tilgang til,
og så kan vi også publisere eksternt,
så eksterne aktører får rapporter og
beslutningsgrunnlag som de trenger.
Frode Stenstrøm: Så betyr det at vi
kunne laget for eksempel en rapport som
lederen Morten ser, men like gjerne ville
publisert til Mortens kunder på nettsiden?
Daniel Holth: Nettopp, og til
for eksempel offentlige etater
så kan du sende rapportet til de.
Daniel Holth: Effektiviserende tiltak,
la oss si at du har en stab som
tilsynelatende jobber effektivt, men så
viser det seg at vi har lange avstander,
folk sitter ledige, vi utnytter ikke
ressursene vi har i dag, og da er det
i stedet for å leie inn folk eller
ansette nye, så kan man synliggjøre de
effektiviserende tiltakene som kan gjøres.
Frode Stenstrøm: Spennende.
Daniel Holth: Man har jo en historikk
å jobbe med, datene er jo ganske rike,
forhåpentligvis har man samlet opp
en historikk, og da er det lettere å
kunne predikere tiltak og følge opp
målsetninger som man satt seg, og opp mot
predikerende mønster i analyseverktøyene.
Frode Stenstrøm: Og tilslutt?
Daniel Holth: Beslutningstakere får jo
et grunnlag, la oss si at de har satt
i drift en god del tiltak og ønsker å
måle det opp mot tilstanden i fjor for
eksempel, hvordan var prognosen i fjor,
og da kan vi sammenligne med noe som
vi har gjort i gang, ny tiltak, så ser
du at trenden går i riktig retning da.
prognosemodeller og, ja, riktig.
Men i sum så ser vi jo at dette er jo
egentlig den plattformen som gjør at
mange bedrifter kan bli datadrevet.
Jeg vet at mange har ønsket seg det,
og det er jo kanskje det som i sum...
For veldig ofte så tenker
man jo på rapporteringsbehov.
Og alle kjenner jo til Power
BI som et rapporteringsverktøy.
Men jeg leser jo Fabric som
en plattform for å gjøre langt
mye mer enn bare rapportering.
Det går jo på innsikt og analyse
og modellering og sånne ting.
Daniel Holth: Det er mange verktøy.
Frode Stenstrøm: Ja, men kan du ikke
dra oss litt gjennom de verktøyene
sånn at vi bare skjønner hvilke
Lego-klosser det er som utgjør Fabric da?
Daniel Holth: Jaja, det er mange
verktøy som du sier, og for å
sette dem i en kontekst så er
det greit å kategorisere det.
Så man begynner jo gjerne å tenke
en visualisering, du skal ha en
rapport ut av dette her sånn.
Så det er det øverste nivået.
Man jobber videre, men for å få
gode visualiseringer så må du
ha bearbeidet dataene, det gjør
man gjerne i en analysefase.
Og før du kan analysere dem
så har man gjerne behov for å
bearbeide de rådataene som man har
fått, det gjør man gjerne med...
transformasjon og importsteg her sånn.
Frode Stenstrøm: Så da endrer
man og kvalitetssikrer, vasker,
normaliserer data, databiten?
Daniel Holth: Ja, da skal vi
plassere verktøyene her sånn.
Frode Stenstrøm: Men det siste
leddet der da, Daniel, samler man
for data, hva mener du med det?
Daniel Holth: Altså, du har en rekke
kilder, og rådata kan være litt
varierende, men vi samler dem på
et sted sånn at man har én sannhet.
Videre er det greit å plassere rollene som
vi snakket om, lederen har en viktig rolle
i bestilling og bearbeidelse av hvordan
vi skal designe dette, Men vedkommende har
ikke en rolle inn i selve leveransebiten,
her jobber vi med verktøyene.
Frode Stenstrøm: Ja, for lederne er
jo de som skal bruke resultatet av
det, så du tenker liksom de rollene
som skal jobbe og kunne bruke
Fabric som plattform og produkt?
Daniel Holth: Nettopp, nettopp.
Så da drar jeg inn de rollene her sånn.
Så vi har jo fagpersonen vår,
som er et viktig bindeledd
mellom bestiller og analytikeren.
Analytikerne har viktige verktøy under seg
selvsagt, det er jo en analyseplattform.
Frode Stenstrøm: Fagperson kunne
vel også vært en spesialist,
en salgsspesialist, eller
kundeservice-leder, eller den type ting?
Daniel Holth: Ja, en løsningsansvarlig,
en slags type bruker som kjenner
verktøyene, men det viktigste er
egentlig domenekunnskapen nettopp.
Det kan være alt fra lagevarer til
ressursallokering, Med flyallokeringer,
det kan være veldig mye, men det
må kjenne bransjen til firma.
Så det er bindeleddet vårt
mellom bestiller og analytiker.
Og så er vi inne på analytikeren,
som bearbeider dataene, og
utvikleren som sørger for at
de får dataene inn i systemet.
Men det er jo kjempe, hva er det du
har å tilby disse forskjellige rollene
med Fabric sine legoklosser, Daniel?
Daniel Holth: Først er jo et
fundament å bygge videre på, OneLake.
Frode Stenstrøm: OneLake,
Daniel Holth: OneLake er jo grunnlaget,
det er den ene sannheten jeg snakker om.
Vi har jo OneDrive for personlige
brukere, da har du en OneDrive per
bruker, men her har du en OneLake
for et helt firma, en tenant.
Så her vil du på samme måte
som med OneDrive, se filer,
mappestruktur og den slags ting.
Vi får samlet det på ett sted.
Men i tillegg så har vi behov for et
datavarehus, i de fleste tilfeller.
Frode Stenstrøm: Ja, og datavarehus er
jo ofte et kjent begrep for veldig mange,
men det forbinder jo kanskje mange med
store, dyre, kompliserte prosjekter.
Og hvis du skal bare kjøpe et
datavarehus i gamle dager i Microsoft,
så kostet det jo bare software en del.
Men hvor lagrer vi dataene da, Daniel?
Daniel Holth: Det lagres i en tradisjonell
Rational Database, rasjonalsdatabase,
hvor den er veldig god på relasjoner.
støtte opp under det, da.
Så kjernedata plasserer vi i
varehuset, og alle eksterne kilder
er det naturlig å plassere i OneLake.
Frode Stenstrøm: Så hvis jeg har data
for et logistikksystem, en netthandel,
varelagerstyring, hva det måtte være,
så kan jeg pumpe det rådataen inn
til OneLake slik at datavarehuset
og de andre får tilgang til det?
Har jeg forstått det riktig?
Daniel Holth: Ja, og da er det viktig
med en nøkkel som kobler det til
stamdatene som ligger i datavarehuset.
Så det er en grunn til at vi sier å
skille det sånn, er jo for å beholde
det effektivt og ryddig, rett og slett.
Videre i transformasjonssteget
så får utvikleren en jobb.
Vi har fått tak i dataene, men vi må
likevel importere og bearbeide dem.
Så her importeres det, dette
er det sterkeste verktøyet man
har, kraftige, kompliserte data.
eller komplisert struktur.
Så er Data Factory det beste
verktøyet til å importere med, men...
Frode Stenstrøm: Så det er det du bruker
til å pumpe data fra de kildene og
transformere dem, eller pumpe dataen
og transformere dem til enten til
datavarehuset eller til OneDeck da?
Frode Stenstrøm: Det er det
som ville vært gamle SQL Server
Integration Services i gamle dager?
Extract, Transform, Load, altså et
bulk-verktøy for å importere data.
Så har vi en lillebror her, vil
jeg si, som er lett å bruke.
Det er low-code-alternativ.
Du bør ikke skrive en linje med kode.
importere ukompliserte data.
Så her kan fagpersonen selv servere
seg med data, Men i det øyeblikket
er det komplisert, så vær så snill,
ta det inn via et ordentlig verktøy.
Det er ikke uordentlig det er sånn,
men det er et veldig lettvekter.
være flaskehalsen her da.
Frode Stenstrøm: Men det vil jo, hvis
jeg hadde, jeg tenker jo at jeg har
erfaring med bruk av Power Pivot-tabeller
i Excel, og kanskje spørringer i Power
BI, så har man kanskje vært vant til
å bruke Power Query til en viss grad.
Daniel Holth: Det er helt
Frode Stenstrøm: Men du er opptatt
av at de tyngste lastene gjøres i
datavarehuset og Data Factory er ikke
der da, er det egentlig det du sier?
Daniel Holth: Ja, men i tillegg
til det så er det et fint sted å
importere for å lage en mock-up.
Altså fagpersonen har forstått
behovet til bestilleren og har laget
en mock-up med Data Query i bunnen.
Og som du sier i Power BI, Power Query.
Frode Stenstrøm: Så jeg kan lage
spesifikasjoner i prinsippet,
som du overtar å implementere
i de kraftige verktøyene, og
hvis det blir et reelt behov da.
Daniel Holth: Ja, og da bygger man
en ordentlig datapumpe basert på det.
Så du har gjerne et stillbilde
i Power Query, du kan få den til
å løpende hente inn data, men...
Frode Stenstrøm: Skjønner.
Ok, men der har vi transformasjonslaget,
der gjør vi alt av beregninger
mange datakilder her, sånn.
Både i Data Factory, i Power
Query og i Copilot har man fått
alle disse kildene tilgjengelig.
Så det er et rikt utvalg av
kilder man kan hente data fra.
Frode Stenstrøm: Og for de av dere
som følger med på YouTube-kanalen vår,
så har vi jo snakket om hvordan man
får brukt sine egne forretningsdata,
eller egen data, sammen med kunstig
intelligens, altså Microsoft Copilot.
Og det som vi ser er at Microsoft
har lagt inn strategi der alle
de power-plattform-connectorene
som finnes, 1100 eller noe sånt
nå, de kan også gjenbrukes både
av Copilot, men også av Fabric.
Så vi skjønner jo at Microsoft
har tenkt på dette over lang tid.
Dette er ikke noe de bare fant på de
siste årene, selv om resten av verden har
begynt å snakke om KI nå de siste årene.
Men jeg synes det er veldig gøy fra
et bestillerperspektiv, for det betyr
at veldig mange av de datakildene vi
trenger, de har vi allerede tilgang til.
Vi trenger ikke lage og utvikle de.
Jobben ligger vel mer i transformeringen
av de og bearbeidelse av dem.
Daniel Holth: Ja, det er egentlig
en fin overgang til neste steg.
Og som du sier, bearbeidelse til
dataene, det har vi et eget verktøy for.
Vi ser jo ofte at kilden kan
være av varierende kvalitet.
utfordring i mange kilder.
Data engineering kan jeg bruke
til å dra ut statistikker på
rådataene, sjekke datakvalitet.
Jeg kan også rette på datakvaliteten.
Gjerne i Data Factory, men anbefalingen
vår er å rette datautfordringer i kilden,
for det er shit-in-shit-out-prinsippet
Og det å ha data-råte i kilden, det
sprer seg til underløgge systemer.
Så hvis du fikser i Fabric, ja da
har du fikset til Fabric, flott.
Hvis du fikser i kilden, så har du
fikset dataproblemet i alle systemer
som er avhengig av de samme datene.
Frode Stenstrøm: Jeg synes det er jo
spennende, Daniel, for veldig ofte
liker bedrifter, oss inkludert, å si
at vi har god datakvalitet i kilden.
Og det å rydde i kilden, det
er jo ikke så mange som synes
det er veldig, veldig stas.
Det er noen sommerjobber og
studenter som har sittet og ryddet
i data, vet jeg, opp gjennom årene.
Men sier du at du kan bruke data
engineering-legoklossen til å
rydde, selv om du ikke vil rydde i
kilden, men du kan rydde og fikse
noe i hvert fall i det trinnet der.
Daniel Holth: Man har jo noen
legacy-systemer som kan være vanskelig
å rette opp i, men kan du rette opp i
en import-form som en søker plotter inn
manuelt, så er det bedre at du får ryddet
opp kvaliteten helt i det ytterste leddet.
Men selvfølgelig, Data Factory er
den ideelle til å, ja, har vi et
gjenkjent mønster i datakvalitetsvikt,
så kan vi rydde det opp der.
Frode Stenstrøm: Ja, riktig.
Men data engineering, Daniel, er det et
eller annet nytt produkt fra Microsoft
i fabric-stacken, eller er det et annet?
Daniel Holth: Det er relativt synaps data
engineering har eksistert en liten stund.
Frode Stenstrøm: Akkurat.
På lik linje med data science.
Men Synapse Data Engineering, var
det det som vi kjenner som SQL Server
Analysis Services i gamle dager?
Eller er jeg på bærtur da?
Daniel Holth: Du er ikke helt på bærtur.
bruker i Azure Data Studio.
Men du har enda, du får faktisk
Spark inn der, du får støtte av
Copilot, så den er enda rikere.
Frode Stenstrøm: Ah, jeg skjønner.
Daniel Holth: Jo, der har du også
Spark, og du har tilgang til Copilot.
I tillegg så har du Realtime
Analytics for samtidsberegninger.
Men det verktøyet jeg liker best er jo
Data Science, derfor da kan du bruke
AI til å lage predigeringsmodellene,
Frode Stenstrøm: Det kan vi godt gjøre.
Det som jeg ser er at vi har kunder i
ProsessPilotene som bruker real-time
analytics til å måle installasjoner.
Poenget med det er å kunne predikere og si
når er det vi må rykke ut og ha service.
Vi ser at det å bruke den type tjenester
i industrier som kraftbransjen, eller
steder hvor det er installasjoner som går.
Det er et veldig kraftig verktøy
og kan jo danne grunnlaget mot
feltservice og den type ting da.
Daniel Holth: Ja, felleservice,
marketing, all netthandel, real
time analytics er det utmerkt der.
Data Activator er jo relativt
nyttig, var det ikke det?
Activator den er i preview nå.
Og jeg føler det er synergier mellom
real-time analytics og data activator
i og med at den kan sette på automatikk
på triggerpunkter som vi definerer.
Frode Stenstrøm: Hva bruker
Betyr det at du kan for eksempel, nå
bare spør jeg for jeg vet ikke, er
det sånn at du kan sette et mønster i
dataen som skal utløse en aktivitet?
Så hvis disse her maskinene som
du beskrever ute i feltet har en
svikt, så kan du få en varsellampe.
Hvis du skal sette i gang en større
kampanje basert på noen triggerpunkter,
så er Data Activator utmerket.
Men akkurat i det siste jeg nevnte,
så er Data Activator såpass kraftig,
den setter i gang en kampanje
basert på noe, da er det greit å
ha en pilotgruppe å teste på først.
selvfølgelig hos brukere.
Men kunne man brukt det for eksempel i
netthandel for å si, ok, hvis jeg har
det og det mønsteret i netthandelen, men
ikke fullført å kjøpe mitt, så skulle
jeg kanskje lage en aktivitet mot den?
Daniel Holth: Det høres mer ut
som marketing og kundereiser
er det ideelle verktøyet der.
Så det gjelder å kjenne verktøyene
for å velge det som er ideelt.
Frode Stenstrøm: Ja, det er jo spennende.
Dette må jo vise frem verktøyene, Daniel.
Bare disse punktene, men det er
greit å se likevel sammenhengene.
Men så på toppen så er det
Daniel Holth: Ja, nettopp.
fleste kjenner til i dag.
Vi har større utvalg av datakilder,
vi har mer fleksibilitet rundt
visualiseringen, Det er jo et
programspråk inni Power BI som lar deg
påvirke visualiseringen i større grad.
Power BI er faktisk såpass kraftig at
du kan løse veldig mye der, men mye
av bearbeidelse av dataen plasserer
vi likevel i et steg lengre ned.
Frode Stenstrøm: Men er det ikke
sånn, Daniel, at du kan, veldig
mange begynner jo, Med Power
BI for å visualisere en ting.
Og så kan man jo vokse med det,
så hvis man ser at man trenger mer
kompliserte analyser, så kan man jo
flytte analysene fra Power BI kanskje
ned til data engineering og så supplere.
Så man kan jo begynne å jobbe
der, og så utvikle etter behov.
Daniel Holth: Veldig godt poeng.
Derfor før man begynner med data
science, så er det veldig naturlig
å lage noen visualiseringer
for å forstå problemstillingen
bedre opp mot reelle data.
Et poeng jeg ønsker å dra fram da
er at du har kunstig intelligens,
så du kan med Power Query, så kan du
definere set med tabeller og så kan
du be Power BI; lag et utkast for meg.
Rapporten tilfredsstiller ikke
nødvendigvis behovet, men det Er en
slags mock-up, det er et utgangspunkt.
Det er jo som dere ser, det er mange
enkeltstående komponenter, og det som
er oppsummeringen av det Daniel sier,
slik jeg har forstått det, det er jo
at man har tatt enkeltprodukter, som er
spesialisert på å si en ting, og pakketert
de sammen til ett produkt fra Microsoft.
Og det som på en måte gjør det her
interessant for massemarkedet, er at før
så kostet datavarehuset ganske mye penger.
Carbier hadde en kostnad, Data Factory
hadde kostnad, og så ble det i sum
ganske dyrt også for de små bedriftene.
Men vi vet fra prisstrategien til
Microsoft nå at nå kan man kjøpe Fabric
som et produkt, få en innstegspunkt
som er kanskje 2-3 tusen kroner
i måneden, og så kan man vokse
med det etter hvert som man går.
Og det synes jeg åpner opp en rekke
muligheter for alle de bedriftene
som ikke har råd til å sette av et
team med dataanalytikere og enda
mer i utskift og lisenskostnader.
Så Fabric er det, og jeg vet jo
også at plattformen er laget i et
utviklingsmiljø som er homogent.
I stedet for å være å hoppe
inn om ti tusen produkter, så
får man jo en strømlinje for en
produksjon også av av helheten da.
Daniel Holth: Ja, det er lettere
å samarbeide på tvers av roller.
Frode Stenstrøm: Men vi snakket litt
innledningsvis for å bare si ok,
vi vet hvilke roller det er for, vi
vet hva det er og vi ga noen bruks
eksempler, men jeg vil gjerne vite hvilke
problemstillinger, Daniel, som Fabric
kan løse for oss, og da synes jeg det
er greit å ta noen konkrete eksempler.
Kunne ikke du si litt om det?
Daniel Holth: Jeg ønsker å knytte
det opp mot rollene vi har.
Så hvilke problemstillinger
Fabric løser er jo litt avhengig
Men en fellesnevner her er jo at om
man har alle dataene på ett sted,
og er lengre å ta beslutninger,
da spesielt for ledere her, da tar
vi igjen Morten som vårt eksempel.
Han får jo en oversikt over dataene,
i stedet for å ha rapportet spredd
utover, så har han fått rapportet
samlet og fakta på ett sted.
Enklere å ta beslutninger, rett og slett.
Frode Stenstrøm: Og det løser jo
etter mitt syn, og som jeg har hørt
veldig mange kunder snakke om, at de
kan ikke stole på tallene de ser, for
at de i en Power BI rapport, henter
rapportene datene på en måte, og en
annen rapport er de hentet på en annen
måte, men så sitter du på en sannhet.
Så uansett rolle, så sitter
Daniel Holth: Det er avhengig av
hva analytikeren får frem, da.
Frode Stenstrøm: Ja, Stig,
Han får gjort beregningene sine.
nevner, dataen på et sted.
Så det er lettere for en analysemotor
å kunne hjelpe han av en Copilot til å
kunne hjelpe han å se mønstergjenkjenning.
Men kvaliteten er jo opp til analytikeren.
Ja, Copiloten kan lage mange
forslag, men det er jo analytikeren
som må faktisk se mulighetene.
Frode Stenstrøm: Interessant.
Men utviklerne, det er jo bra at
lederen får sitt, og analytikeren
får sitt, men dere som jobber
med dette, Daniel, hva får du?
Daniel Holth: Vi får også vårt, jeg er
jo veldig glad i low-code, så det er
spennende å se på Power Query, men jeg
ser stadig at vi må ha tyngre verktøy, så
summa summarum, jeg får jo gjort min jobb
gjennom Data Factory i 90% av tilfellene.
Vi har noen ganger hatt behov for en
servicebus i tillegg, men for meg så
er det jo en smidig hverdag, altså
fra bestilling til faktisk leveranse
er kortere og enklere for en utvikler
Frode Stenstrøm: Men da har vi en
rolle til da, som kanskje skal ha
noe det er en fagperson, en selger
Daniel Holth: Ja, det kan være
selger, eller det kan være Hege som
er vår medlemsorganisasjon ekspert
får jo en effektiviserende hverdag
ved å kunne se, utnytte ressursene
blant annet, sikre at man har god
kvalitet gjennom hele leveransen.
Vi nevner det stadig, men når du har alle
dataene på en plass, så er det lettere
for Hege å oppdage at det var jo ikke
analytikeren som hadde gjort en dårlig
jobb her, det er jo faktisk utvikleren som
har oversett det feltet her fra kilden.
Og Hege kan gå inn i enten OneDrive eller
Data Factory, og så se på statusen her,
det blir lettere å oppdage og rette avvik.
Og det betyr jo at feil hun fanger,
de vil jo alle andre nyte godt
av, slik at vi kan jobbe mot den
sannheten vi er på jakt etter, med
en god innsikt- og analyseplattform.
Daniel Holth: Og skulle noen vært syk,
så er det lettere å ikke overta jobben,
men å identifisere at da har vi en
blokker, og vi ser jo hvor problemet er,
det er hos analytikeren, for eksempel.
prosessplotene har jobbet med disse
produktene i ganske mange år nå.
Vi har som helt strategisk mål å bli
en datadrevet virksomhet, og gjennom
det arbeidet så vet jeg at Daniel og
hans team har et pågående, jeg vil
ikke si prosjekt, for det har blitt
en linjeoppgave, og det er å lage...
en rapporteringsplattform
til hele vår organisasjon.
Den rapporteringsplattformen er
rollebasert, det vil si at våre
ansatte får sin rapport, og i denne
ansatterapporten vil de ansatte
kunne se ting som bonustall, de
vil kunne se feriestatistikk,
lønnsutbetalinger, men kanskje det
aller viktigste, hvilke prosjekter
de har allokert på fremover tid.
Og det er jo superviktig, for det er
jo ofte sånn at en prosjektleder, vi
har jo prosjektrapportering også, men
en prosjektleder kan jo tro at du skal
jobbe på et prosjekt, men en ansatt vet
at jeg skal ha ferie, at ikke det går.
Så effekten av en sånn ansattrapport er
at vi får tilbakemelding fra våre ansatte
på om tallene stemmer eller ikke, og
sånn sett kan vi lage bedre prognoser.
Og prosjektlederen med Daniel, den
rapporten er ganske ny nå, har den
ikke det, for prosjektkontoret vårt?
Daniel Holth: Jo, den er jo under
utvikling, og det er ikke bare en,
men forskjellige rapporter basert
på behovet til prosjektlederne.
Vi har jo en tett integrasjon med
DevOps og Xledger for timerapportering,
så da ser vi hva timene faktisk
ble opp mot hva vi hadde planlagt,
og utenfor det så kan vi lære.
Frode Stenstrøm: Dette er for vårt
prosjektkontor, der er det sånn at vi
henter data fra Azure DevOps, 7Pace
på timeføring, Xledger som ERP-system,
aggregerer det, og hensikten med dette
er å kunne gi gode statusrapporter til
våre kunder på mest mulig effektivt vis.
Og mest mulig oppdatert vis,
slik at vi ikke reagerer for
sent på eventuelle avvik.
Og så er det ledelsesrapporten da,
Daniel, du sitter jo i ledegrippen.
ressursallokering, ikke minst.
Så for meg så er det å få utnyttet
ressursene slik at det er ingen
som sitter ledig og kjeder seg.
ikke nødvendigvis alltid et
behov for å steffe opp, men å
fordele arbeidet likt, rettferdig.
Frode Stenstrøm: Så ikke en jobber
110% og en annen kjeder seg.
Daniel Holth: Tilbake til å kunne
se sin egen bonus og prognose, det
er mer motiverende å se at du får
en jevnere fordeling på arbeidet.
Frode Stenstrøm: Og ingen
jobber seg litt etter seg.
Også har vi HR-kurskompetanse.
ProsessPilotene er et kompetanseselskap.
Og vi jobber mye med å lage
kompetanseplaner for våre ansatte
i tillegg til de sertifiseringskrav
Det å følge med på det er
Det var ikke lett når vi var to ansatte,
det er ikke lettere når vi er hundre.
Så det å få inn den dataen og vite
hvor avviket mellom gjennomførte kurs
og planlagte kurs er, det er kjempefin
nyttejobb både for vår HR-avdeling, men
også teamlederne som har personellansvar.
Daniel Holth: Absolutt, opp
mot målene til hver enkelt.
De setter jo sine egne mål,
våre ansatte, og da kan de også
måle kompetansemål inn i dette.
Frode Stenstrøm: I sum så gir jo
dette oss en helt spesiell måte å
kunne prognosisere fremdriften vår.
Vi ser ukens snittfaktureringsgrad,
vi ser utnyttelsesgrad, innsats
på internprosjekter og trender.
Og gjør at når vi velger om vi skal
ansette folk eller ikke, så er det
egentlig en datadrevet beslutning.
Hvis du har ti mennesker på benken
som ikke har noe å gjøre, da ansetter
du ikke noen flere den måneden.
Daniel Holth: Nei, og du får vite hvilke
typer ressurser man trenger, ikke minst.
erfaring med å gjøre dette her
har vært utelukkende positiv.
Det koster litt, men den kostnaden
vi har brukt på dette, det har vi
tjent inn mange ganger på andre ting.
Daniel Holth: Vi skulle jo gjort
dette for lenge siden, rett og slett.
Frode Stenstrøm: Ja, men det kunne du si.
Men hvis vi glemmer ProsessPilotene
Kan ikke du se litt på noe
mer som en kunde av oss da?
Daniel Holth: Jeg tar frem denne
skissen her igjen, og så har vi et
fiktivt selskap, som har da, siden
de har lisens på Fabric, så har de da
tilgang til alle produktene, men de
har gjort noe arbeid fra før av her.
Nå sier jeg ikke at servicebus
men at det er et viktig...
aspekt er at man kan bruke
eksisterende infrastruktur
for å supplementere med data.
Vi behøver ikke bruke Data Factory bare
fordi det er en del av analyseplattformen.
Vi bruker eksisterende Servicebus.
Den er kjapp, den leverer god kvalitet på
data, og vi har allerede en datapumpe inn.
Frode Stenstrøm: Og det jeg leser
av det er at hvis du har allerede
investert i en tjenesteplattform,
eller integrasjonsplattform, eller et
API-plattform, det er så mange navn på
dette her, men det er hvertfall en måte å
få dataen utvekslet mellom dine systemer.
Azure Service Bus er jo et sånt type
produkt, det finnes jo flere, så kan du
bruke den samme biten til å pumpe data
inn i Fabric og dermed gjøre alle de
andre tingene vi nettopp har pratet om.
Daniel Holth: Ja, du sparer tid, du
sparer penger, du oppnår samme kvalitet.
Frode Stenstrøm: Da går vi videre.
Daniel Holth: Jeg har lyst til å gi
litt kontekst rundt det firmaet her.
La oss si at de bruker field
service i dag til å bestemme
hvilken ressurs som skal jobbe hvor.
Og det de savner er egentlig at de
vet det er mange som reiser langt.
Det er ineffektive arbeidsdager.
De vurderer å staffe opp, men i
stedet for å staffe opp, så har de
bestilt rapporter for å se det da.
Så disse rapportene kan du da
illustrere på et kart med for eksempel
en rød linje, hvor vi ser det er en
som har brukt halve dagen på reise.
Når det er en annen montør som bor
i området som har ledig kapasitet.
Så i stedet for å staffe opp,
så har de utnyttet ressursene
sine bedre, rett og slett.
Frode Stenstrøm: Så bra, smart.
Daniel Holth: Netthandel er interessant.
La oss si at det samme firma har
nå et dataselskap som driver med
netthandel og varelager og logistikk
for å støtte opp under det her.
Så de har jo den samme datafundamentet,
Men de trenger litt andre ting, så
la oss si at de har en sanntidsbehov.
Det kommer inn en rekke bestillinger,
på samme dag så ønsker de å sørge
for at varelagret er oppdatert.
Så kan de bruke synergier mellom...
Så netthandel, altså de kan utnytte
synergier mellom bestillinger som kommer
via en portal, og varelagerlogistikk.
Så når de ser at de har for lite på
lager, så kan for eksempel Data Activator
si fra at «Oi, nå har vi fått såpass
mange bestillinger at nå må varelager
reagere, vi må skaffe disse varene».
Frode Stenstrøm: Ja, nei, jeg tenkte
jo mer det at jeg tror at Copilot
eller kunstig intelligens kommer til å
forandre veldig mye av det vi kjenner
som tradisjonell netthandel, hvor det
blir mer språktrek, vet du, at du kan
snakke til den og sånn, og det er Og da
kan man tenke seg at når jeg logger på en
nettbutikk jeg bruker fra før, så vil en
kunne hilse meg med en personlig velkomst,
fortelle meg om at nå har det gått en
stund siden du handlet oss sist, kanskje
vi skal ha det og det og de elementene.
Vi ser jo en del nettbutikker for
matvaresalg nå som begynner å si at ja,
men dette er din normale handelskurv,
har du husket på å kjøpe ditt og datt.
Så jeg tror at den assisterte salget, Når
man har Fabric i bunn, koblet med Copilot,
gir utrolig mange gode muligheter for
salgsopplevelser som er av digital art.
Tenk til varereklamasjon, for
eksempel, å kunne reklamere en
vare, si til chat-roboten «Jeg vil
reklamere den varen, den husker hvem
du er, den husker hva du har kjøpt».
Spør deg «Er det denne varen?», og du
sier «Ja», og så er du ferdig med det.
Daniel Holth: Jeg synes det er en
kjempeinteressant problemstilling,
spesielt da kan du ta en gruppe
mennesker som har denne Copiloten
tilgjengelig, og så kan du ta en
kontrollgruppe som ikke har det,
og så se at det faktisk gir mening.
Frode Stenstrøm: Og det øker mersalget.
Det er jeg enig med du, Daniel.
Daniel, du har jo jobbet med Fabric
en god stund, eller i hvert fall de
enkelte komponentene i Fabric, før det
het Fabric, og nå Fabric som plattform.
For de som skal begynne å
bruke denne plattformen og de
tjenestene, hva er fordeler og
ulemper som de bør være klare over?
Daniel Holth: Jeg har listet opp
fordeler og ulemper basert på erfaring.
Det er noen fallgruver å være klare over,
spesielt rundt å slippe uerfarene til.
Altså en salgsperson bygger sin egen
rapport, henter inn noen data, veldig
kort vei til en prototyp, men hvis
du baserer videre drift på dette her
sånn, så kan det enten være feilaktig
data, dårlig kvalitet i dataen som
har blitt oversett, det kan også være
flaskehalser, så jo mer du bygger på
en dårlig arkitektur da, har valgt feil
verktøy, jo tyngre blir rapporten å kjøre.
På den andre siden er det en fordel,
som sagt, at det er kort vei.
Du kan mate en AI i Power BI med tabeller,
og den kan lage en mock-up for deg.
Det er tett samarbeid mellom rollene,
altså analytikerne kan jobbe tettere med
utviklerne for å få tak i dataene sine.
Hvis det mangler noen tabeller, så kan
fagpersonen gjennom bestiller finne
dataene og si fra til utviklerne at jo,
det er disse tabellene fra den kilden
som vi savner for å oppnå det vi trenger.
som mangler, for eksempel.
kostnadseffektiv, som vi nevnte.
Lisensmodellen er en lisens
Frode Stenstrøm: Så det kan jo gjøre
det litt vanskelig å si hva jeg sa
innledningsvis, at det er jo du får
en lavere innstegsterskel nå, for
at det er du kjøper i en plattform,
I stedet for enkelte produkter.
Men det kan være vanskelig å si hva det
kommer til å koste fremover i tid hvis
du bruker det veldig mye, eller du kjører
beregninger på feil tidspunkt av døgnet.
lyst til å korrigere litt.
Du får faktisk en fast pris, men du
får med en liten flaskehals i tillegg.
for tilgang til produktene selvsagt,
men du betaler for en CPU-kraft.
Og den kan du finjustere selv,
så hvis du legger all tyngden i
arbeidsdagen, så er det klart du må
betale mer fordi du må stille den opp.
Men legger du tunge importjobbene til
nattestid, så kan du stille kostnaden ned,
og CPU-kraften kan være, holdt på å si
jevnt fordelt, ja for all den tunge jobben
skjer jo på natt og uansett hvis en bruker
30 minutter eller 3 timer ingenting å si
så utnyttelse av verktøyene, utnyttelse
av den kraften du har bestilt da.
Frode Stenstrøm: Ja, der lærte jeg noe.
Daniel Holth: Kostnadseffektivt!
Frode Stenstrøm: Men hvis
vi går litt videre, Daniel.
For de kunder som på en måte kunne
tenke seg å få en dataanalyse
plattform, og så bruke Fabric til det.
Hva er dine anbefalinger til de?
Daniel Holth: Tenk frem i tid.
Det er lurt å være litt bevisst på
behovet også, tre-fire år frem i tid.
Start med noe smått, finne ut hvor pain
points er hen, drøft gjerne det med oss.
Så grunnen til at jeg sier frem i tid, er
hvis du baserer deg på Google Analytics,
som er godt for småbedrifter, så kan det
hende det fungerer veldig godt der og da.
Men har du basert det her, og tatt
jobben og importert dataene, så får
du så mange synergigivinster etterpå.
Så du har antageligvis bare ett behov
nå, kanskje to, men om to-tre år så
er bedriften blitt større, du har noen
nye behov, og da har du et fundament.
Du har investert i en god,
robust plattform fra starten av.
Så tenk frem i tid, men start smått.
Frode Stenstrøm: Hva betyr det å
ta vare på historiske endringer?
Daniel Holth: Det betyr egentlig
at vi kan benchmarke ting.
Altså du har gjort ting i fjor og i året
før, men du har dessverre overskrevet
historikken, det er så mange som gjør det.
GDPR må vi selvfølgelig hensynta, men du
kan ta vare på statistikk og ta vare på
nøkkeldata rundt segmenter og slike ting.
Vi skal begynne å runde av.
Vi har laget saker som gjør for Copilot,
så har vi laget en litt modenhetsteori,
og det er fordi vi ser at...
det er noe med å velge riktige
verktøy til riktig tid i forhold
til hvordan organisasjonen din er
klar til å ta i bruk de verktøyene.
Man kan snakke fint om kunstig
intelligens, men hvis man bare har
rot og kaos i datakildene sine,
så vil ikke kunstig intelligens
Så det vi ønsker er egentlig
å la utfordret dere på å tenke
på hvor langt har det kommet?
Jobber dere bare med noe sporadisk
bruk, eller har det kommet så langt at
dere har blitt en datadrevet bedrift
som driver datadrevet beslutninger?
Så bruk, skann QR-koden og book gjerne
et møte med oss, så skal vi hjelpe dere
finne hvor dere er, og det vil da danne
godt grunnlag for å lage en plan for dere
på hvordan dere kan bli en datadrevet
bedrift med bruk av Fabric som plattform.
Og med det så ønsker vi å si
tusen takk for oppmerksomheten.
Vi oppfordrer dere til å følge
med på vår YouTube-kanal med
muligheten for å abonnere på kanalen.
Der legger vi ut alle disse videoene.
Vi har lagt ut mange nye videoer
for Copiloter, og det kommer
også nye videoer fremover i tid.
Kanskje vi kan til og med
overtale Daniel til å demonstrere
noen av disse enkelproduktene.
Da vil vi gjerne høre fra dere
hvilke av de produktene dere
helst, aller helst vil se.
Så med det så ønsker vi å si
tusen takk for oppmerksomheten.
Husk å følge YouTube-kanalen, følg vår
podcast, Prosesspodden, og vi ønsker
en bedre arbeidsprosess for alle.
Undertekster av Kunstig Intelligens,
korrigert av Frode Stenstrøm
Referanser Resultater Markedsføring | Kundehistorie
Kristiania
Kristiania har digitalisert 16 000 studentreiser – fra rekruttering og søknad til studietid og alumni – i et tilpasset CRM-system som lar skolen samhandle datadrevet på tvers av tidligere siloer.
Publisert 2.5.2024
BUA låner ut sports- og friluftsutstyr gjennom lokale avdelinger og har sett stor vekst. Derfor har de nå sett etter muligheter for å skape et system som sikrer driften ved videre utvikling.
Mer innhold Resultater Feltservice | Artikkel
Aprilnytt for feltservice, apper og analyse
Microsoft publiserte aprilnyheter for produksjon, Power Platform, Planner og Power BI. Samlet viser de hvordan feltarbeid kan støttes av automatisering og analyse når prosjektansvar, datakvalitet og menneskelig kontroll er tydelig.
6. mai 2024 • Webinar — Tor, Stian Lundquist fra Microsoft og Jørgen fra ProsessPilotene viste hvordan kundedata gir mer persontilpassede kampanjer.
16. februar 2024 • Webinar — Øyvind Nilsen og Eivind Lofthus diskuterte med Frode Stenstrøm hva som skal til, organisatorisk og kulturelt, for å bli en datadrevet bedrift.
Løsninger Resultater Løsning
Innsikt og analyse
Gjør data om til beslutninger som øker salg, marginer og effektivitet
