Selvstændig dataarkitekt

Det næste
kører stadig på data.

Modeller opfinder ikke en pålidelig verden. De lykkes ved at køre på den data, I allerede har - eller fejler på den.

Jeg laver det almindelige arbejde. Data warehouses, rapporter, Fabric-regninger. Jeg arbejder per time. Fast pris, når opgaven er klar.

Start dér, hvor datastien er brudt. Det er som regel også dér, AI-stien er brudt.

  1. Problem

    Finans og salg kalder det begge omsætning. Bestyrelsen får to tal og et slagsmål.

    Første skridt

    Åbn den model, begge rapporter påstår at bruge. Ikke en workshop. Modellen.

    Løsning

    Én definition. Én vej til rapporten. Diskussionen slutter, fordi tallet kun har ét sted at komme fra.

  2. Problem

    Dashboardet er godkendt. Tallet, der flytter ugen, kommer stadig som en vedhæftning.

    Første skridt

    Bed om sidste uges beslutning. Åbn det, de faktisk brugte.

    Løsning

    Rapporten og beslutningen læser det samme. Den fil er kilden. Dashboardet er kopien.

  3. Problem

    Fabric-regningen steg. Billedet af platformen gjorde ikke.

    Første skridt

    Sidste måneds kapacitet. Hvilket workspace, hvilket refresh, hvilken sløjfe.

    Løsning

    Et kort notat I kan køre næste måned. Behold, stop, eller lad stå - med et tal.

  4. Problem

    I købte hænderne. Øjnene kigger stadig på et rod.

    Første skridt

    Vælg én handling. Spørg, hvad den ville læse. Hvis svaret er "det rydder vi op i senere," så stop.

    Løsning

    Rigtige data ind. Én tilladt handling ud. Et menneske til den grimme sag.

  5. Problem

    Agenten kan skrive udkastet. Ja'et bor stadig i nogens indbakke.

    Første skridt

    Navngiv undtagelsen. Hvem der kan stoppe den. Hvad der sker, når den tager fejl.

    Løsning

    Én opgave. Et navngivet stop. Et menneske der kan slå den fra.

Skriv, hvis stien er brudt.

Tre eksempel-cases.

En maritim operatør, en kapitalfond, danske myndigheder.

  1. Maritim

    Global maritim operatør - Microsoft Fabric

    Drifts-, flåde-, sikkerheds- og kommerciel rapportering på Microsoft Fabric. Lakehouse, semantiske modeller, Power BI. En release-sti så en ændring kunne lande. Agent-arbejdet sad på samme sti: modeller, AI-assisteret review, en lille intern agent, kilder der allerede virkede. Platformen er det, de kører.

    Microsoft Fabric · Lakehouse · PySpark · Delta Lake · Power BI · Azure DevOps · Git

  2. Kapitalfond

    Nordisk kapitalfond - Enterprise-arkitektur og BI

    Flere selskaber, én portefølje. Enterprise-dataarkitektur og BI'en ovenpå. En Power BI consumption-model domænerne skulle dele. Azure SQL, snapshots, bi-temporalitet, master data. DevOps og tests i pipelinen, så modellen ikke bare var et billede i et deck. De rapporterer stadig fra det lag.

    Azure SQL · Power BI · semantiske modeller · DevOps · CI/CD · automated testing · Master Data Management

  3. Offentlig sektor

    Danske offentlige myndigheder - Fælles analytisk platform

    En fælles Azure-analytisk platform for flere danske myndigheder. SAP, finance og drift ind i Synapse, Data Factory, Databricks og Delta Lake, med Power BI ovenpå. ISO 27001. Infrastructure as code, og en DevOps-sti der skulle overleve ét team og én myndighed. De deler stadig den platform.

    Azure Synapse · Data Factory · Databricks · Delta Lake · Power BI · ISO 27001

Bed om det fulde CV.

Mark Philip Berger

Jeg er selvstændig dataarkitekt i Danmark.

14 år på tværs af offentlig sektor, finans, medier og maritime virksomheder. MSc i IT Management fra CBS.

  • Stifter, Data & Beyond ApS
  • Tidligere: Inspari · IQVIA · Omnicom · Danske Bank
Mark Philip Berger

Vejen videre går ikke uden om data.

Først skal tallene stemme. Så kan en agent handle.

  1. 01

    Kilde

    Navngivne tabeller. Navngivne systemer. Det er læsestien. Ikke hele warehouse'et. Ikke sidste års udtræk. Hvis I ikke ville skrive under på tallet, bliver de rækker lukket.

  2. 02

    Beslutning

    Hvad der kan besluttes uden et menneske, og hvad der stadig kræver ét. Skriv linjen ned. Den næste skal kunne finde den.

  3. 03

    Handling

    Den ene ting der må ske - sende, booke, rette, arkivere - og hvordan et menneske stopper opgaven. Én handling. Et stop nogen ejer.

Vil du have AI på et rod? Jeg er den forkerte.

Send bruddet, ikke et deck. Jeg svarer. Så kigger vi.