00:00:00Introduksjon og bakgrunn
00:10:20Datautfordringer i moderne medier
00:19:45Datamaturitet: definisjoner og verktøy
00:27:10Sentralisering vs. desentralisering
00:36:15Dataprodukter og kontrakter
00:41:35Nøkkelinnsikter og oppsummering
ABOUT THIS EPISODE
«It can’t be a centralized team. That is too dangerous, because you don’t know the business domain.»
A deep dive into the complex balance between data, ethics, and commercial operations in a modern media organizations. Robert Børlum-Bach from JP/Politikens Hus takes us on a fascinating journey through the media industry's data landscape, where AI is revolutionizing journalism while simultaneously raising critical questions about democracy and public discourse.
What does data management maturity actually mean in an organization? Robert challenges traditional thinking as he explains why his team avoids using the very term "maturity" and instead focuses on visibility and understanding the real challenges faced by teams. He introduces the innovative "stamp model," which visualizes how different departments require varying levels of support on their data journey.
In a world where media organizations must balance dependence on major tech platforms with the need for editorial integrity, Robert shares practical approaches to data contracts and data products that bridge the gap between technical and business needs. We explore how JP/Politikens navigates between centralization and decentralization with a "demarcation line" that is designed to be broken when teams demonstrate higher maturity.
Whether you work in data, media, or leadership, this conversation offers new perspectives on how organizations can develop a healthy data culture that balances innovation and standardization. The most important advice? Stop telling teams they have "low maturity"—start listening to their challenges and questions instead. Because that’s where true data governance begins.
Here are some key takeaways:
Social Media
- Social media is originally not designed for news consumption. Journalists and media houses need to ensure the same quality of news on SOME.
- There is an unequal dependence between media houses and SOME platforms.
- Think about then ethical implications of driving traffic to your side and platform through click bate, or rage bate, which might nit be the way you want to present your organization.
Maturity Assessments
- If data is a support function to the business it might be strange if you demand to assess the businesses dat maturity,
- Sometimes maturity is reflected in the questions you get back from whom you are assessing.
- There is a natural variety of maturity between different parts of the business.
- Showcasing this variety can be a good step towards learning from each other.
- Start with a common baseline, but try to adjust your approach in how you support the different business units to their level of maturity.
- 4 deliverables of a maturity assessment:
- As-is
- To-be
- How to close the gap between as-is and to-be?
- Measure your progress
How to increase maturity?
- Data governance sets up the playing field, but you need to play on the field.
- Set a baseline to get a starting point. This needs to be a common determinator that is not too low and not too high, but relevant for all business units.
- «We are seeing more and more data enabling teams.»
Strategic perspective on maturity
- Maturity assessments are a snapshot in time and the world around you is constantly evolving.
- Assessments should be an organic and living thing.
- Keeping updated information on maturity should be the teams themselves.
Federated and domain oriented
- Stated with data contracts to identify producer and consumers and expectations between them.
- Understand usage, requirements, ans success criteria for data.
- Contract as skeleton and products as the flesh around it.
- Understanding roles and responsibilities is a constant challenge you need to face.
Norwegian
Norway
SHOW NOTES 🔗
TRANSCRIPT 🔗
WEBVTT
00:00:20.314 --> 00:00:23.135
Dette er Metadema en holistisk synering, som en profesjon i Nordisk.
00:00:23.135 --> 00:00:31.410
Vær så god med de kompetensene vi har, og det er derfor jeg inviterer nordiske eksperter i dat og informasjonsmanagering til å snakke.
00:00:31.410 --> 00:00:38.770
Velkommen til Metadema.
00:00:38.770 --> 00:00:49.835
Og ja, i dette episode er vi tilbake i Danmark og jeg er glad i å ha Robert Bølundbach som gjerning i dag.
00:00:49.835 --> 00:01:07.057
Robert har jobbet i media med data og media for et langt tid og han jobber nå på JP Politikens, who is very much looking forward to talk with Robert about data and media in general.
00:01:07.057 --> 00:01:16.009
but we're going to dive deep into two topics that are probably on the agenda for many organizations, and one of them is data maturity.
00:01:16.009 --> 00:01:20.629
How do you treat data maturity, how do you assess your data maturity in the first place?
00:01:20.629 --> 00:01:31.316
And the other topic is centralized versus decentralized And that operational aspect towards maturity that comes kind of natural to our conversation.
00:01:31.560 --> 00:01:41.549
So, before we dive deep into the topic, there is, and there has been, a lot of talk about what maturity is, but it's a bit it's still a bit opaque, right.
00:01:41.549 --> 00:01:53.370
We talk about it as from a data maturity assessment perspective, where we set a certain score on our maturity, but it's nothing more than a proxy for something else, right?
00:01:53.370 --> 00:01:55.787
So where are we actually at?
00:01:55.787 --> 00:02:01.506
That is the big question of those maturity assessments, and I wanted just to emphasize that.
00:02:01.506 --> 00:02:18.745
I mean, this is a DEMA podcast, right, and the DEMA DM book also has its own chapter on maturity assessments and within there there's a definition of what we're looking at and I want to post a definition right up front and then see how Robert reacts to that.
00:02:18.745 --> 00:02:30.050
But it's a, according to DEMA, a method for ranking practices against maturity levels of handling data used by the organization.
00:02:30.070 --> 00:02:35.080
Det er en metode for å rankere praktiseringer mot maturiteten av å forhandle data som er brukt av organisasjonen for å karakterisere den nære staten av datamanagning og muligheter for forbedring.
00:02:35.080 --> 00:02:40.652
Det høres utenfor, men det er noen komplikerte aspekter her som vi må gjøre.
00:02:40.652 --> 00:02:44.027
Men før vi gjør det, robert, glede deg til å introdusere deg selv.
00:02:44.329 --> 00:02:55.248
Takk så mye og kudos for pronomsasjonen av både denne firmaen, jp Politikkens Hus, og min navn.
00:02:55.248 --> 00:02:59.368
Jeg har tittet frem og det er fredag.
00:02:59.368 --> 00:03:18.314
Det er solgt, og nå er det tid til å snakke om en av mine favoritttopikker data og maturitet, og sosioteknikke aspekter av data og teknologi.
00:03:18.375 --> 00:03:20.580
Det er en fint ting, så takk for at du har hatt meg.
00:03:20.580 --> 00:03:23.692
Det interessante er at denne episodeen har en lang tid i å gjøre.
00:03:23.692 --> 00:03:24.599
Jeg tror vi begynte i august i år.
00:03:28.008 --> 00:03:43.146
Ja, kanskje i august, det var en barn som kanskje kom inn i året som tok litt av min ekstra tid for å gjøre det du kaller ekstra-kirkelig arbeid, som dette kunne klasifiseres som.
00:03:43.146 --> 00:03:45.717
Så ja, det var å spille litt tid work, as this could be classified as.
00:03:45.717 --> 00:03:53.204
So yeah, that was a bit of time of sleepless nights and diaper changes, but yeah, i think you're right.
00:03:53.204 --> 00:03:56.885
Maybe we have had almost a year of this happening.
00:03:57.820 --> 00:04:00.265
It definitely sounds like you had the right priorities there.
00:04:00.265 --> 00:04:12.606
Maybe, So with the new job still quite new at JP Politikkens Hus and the little one, any time for hobbies.
00:04:13.060 --> 00:04:14.185
Yes, we are trying to.
00:04:14.185 --> 00:04:23.927
I try to do a little bit of very bad do it yourself on a summer house, summer house in a small island called Samsø, where we have a small garden.
00:04:23.927 --> 00:04:39.389
And try to hus i en liten island som heter Samsø, hvor vi har en liten garden og prøver ikke å ha noen skrengtid eller noen mobiltelefoner og bare være en liten løsere i livet og gjøre noe veldig dårlig.
00:04:39.389 --> 00:04:47.711
Men det er nå, det er tid for springklinning og maling og sånt.
00:04:47.711 --> 00:04:54.649
Så, ja, hver weekend prøver vi å gå der med den små, med doggen og sånt.
00:04:54.649 --> 00:04:56.985
Edels, ja, når vi har tid.
00:04:56.985 --> 00:05:05.870
Bordgamer, ja, god kaffe, ulike bjer, ja, jeg tror det er god ting.
00:05:06.642 --> 00:05:10.247
Og alle disse er veldig enige å kombinere med dine sommerhose.
00:05:10.247 --> 00:05:13.750
Bordgamen er med en barn, ikke, virkelig?
00:05:13.750 --> 00:05:24.004
Vi venter på ham å være gammel nok til å spille Twilight, imperium og noen av disse rolle-playing-gamer, men jeg tror det skal være litt tid før han kan.
00:05:24.004 --> 00:05:25.687
La oss begynne med rovplaying games, but I think there's gonna be a little bit of time before he can.
00:05:25.687 --> 00:05:26.380
Let's start with like Ludo or something.
00:05:26.380 --> 00:05:27.807
Yeah, fantastic.
00:05:28.120 --> 00:05:34.822
You know we've been going to Denmark for some of occasion, renting because you can't buy as a foreigner in Denmark.
00:05:34.822 --> 00:05:36.322
I think No, it's difficult.
00:05:36.322 --> 00:05:37.987
yeah, renting, yeah Renting.
00:05:37.987 --> 00:05:40.440
some of us around Ebeltoft normally.
00:05:40.940 --> 00:05:42.502
That is very close to Samsø i fakt.
00:05:42.502 --> 00:05:53.307
Ebeltoft er fantastisk, koppelsten sentralplass, fregatten, jylland, ja exakt Glassmuseum og så videre.
00:05:53.307 --> 00:05:57.447
Det er faktisk der jeg er fra originalt.
00:05:58.389 --> 00:06:01.843
Fantastisk, så snakket om originalt.
00:06:01.843 --> 00:06:04.427
hvor begynte din interesse for data?
00:06:14.067 --> 00:06:14.507
originalt.
00:06:14.507 --> 00:06:16.589
Jeg tror det begynte Talking about original.
00:06:16.589 --> 00:06:20.192
Where did your interest for data originally start?
00:06:20.192 --> 00:06:35.327
theory, you know, socio-technical that sounds very fancy, but it's kind of like just how we interact as humans with technology in organizations or in macro or micro contexts.
00:06:35.327 --> 00:06:43.848
So I always had the interest in terms of technology and the relation to human.
00:06:43.848 --> 00:07:07.293
I started at an agency after I finished studying, like a digital media agency doing digital marketing, search engine optimization and all of these wonderful things that are kind of creative and very quickly found out.
00:07:07.937 --> 00:07:29.954
Analytics are like being data informed, especially when you work with marketers and you work with agency and customers in terms of who did what campaign and how to cut the cake in the right size bites so we know who should get what return of investment og hvordan vi kan kutte kaken i de rette siden, så vi vet hvem som skal få hvilken tilgjengelighet og så videre.
00:07:29.954 --> 00:07:32.925
Så det begynte.
00:07:32.925 --> 00:07:39.610
Jeg tror det var veldig analytisk drivet min vei til data som en mer generell ting.
00:07:39.610 --> 00:07:52.516
Det var mer sånn at jeg må forstå det analytiske systemet og hvordan man får gode data for å bli bedre informert.
00:07:52.516 --> 00:08:19.139
Da begynte den røde strømmen fra der Jeg har for mange år jobbet som konsultant i media og digitalt og slovene men, stedig brødret, skolen i form av ingeniøring, data-ingeniøring, andre typer data, arkitekturen av ting, og bygget på det.
00:08:19.300 --> 00:08:31.050
Men det begynte som en nød til å ha data, for å bli bedre informert og gjøre rapportering, as a need to maybe have data to be better informed and do reporting when working with clients and so on.
00:08:31.050 --> 00:08:36.773
But data is always in connection or in context with something else.
00:08:36.773 --> 00:08:38.563
How is it used?
00:08:38.563 --> 00:08:40.149
How is it consumed?
00:08:40.149 --> 00:08:42.047
What is the quality of it?
00:08:42.047 --> 00:08:53.070
I think it's alive, or that's where my interest is is when data is alive and used, not just in tables and rows.
00:08:54.724 --> 00:08:55.205
I like that.
00:08:55.205 --> 00:08:58.447
I support that And you have a very practical approach to it.
00:08:58.447 --> 00:09:00.446
I think that's very important.
00:09:00.446 --> 00:09:03.505
Let's talk about data in media.
00:09:03.505 --> 00:09:06.687
You've been working with data.
00:09:06.687 --> 00:09:07.288
Det er veldig viktig.
00:09:07.288 --> 00:09:08.575
La oss snakke om data i media.
00:09:08.575 --> 00:09:11.527
Du har jobbet med data i media for en del tid, selv før din nye jobb.
00:09:11.527 --> 00:09:15.792
Hva vil du si er staten av data i media?
00:09:16.321 --> 00:09:18.366
Det er en veldig interessant spørsmål.
00:09:18.366 --> 00:09:19.471
Det er veldig fragmentert.
00:09:19.471 --> 00:09:31.783
Det er en aspekt som er den editorielle nysekonsumtionen, der AI er ekstremt stort.
00:09:31.783 --> 00:09:53.332
Det er ekstremt stort i alle vertikaler, eller stort i alle vertikaler, men AI i form av hvordan journalister skaper innhold og skriver artikler og bilder, videoer og så videre, det er bare mindre blående hvor stor effekt det har og kan ha.
00:09:53.332 --> 00:10:39.193
Vi hadde bare et symposium i form av nordisk media og AI, som jeg tror det var kalt, og det er selvfølgelig etikale bekymringer i form av ekokamper I think it was called And there's, of course, ethical concerns In terms of echo chambers, in terms of Algorithmic, you know, if we recommend Models, for example, that just you know, puts the users into Like an echo chamber where they only consume The, the articles And content that they show Interest in, or the algorithm, ekko-kjempere der de bare konsumererer artikler og kontent som de ser interesse i, eller algoritmer, som kan være en veldig dårlig måte i tanke på offentlig kjærlighet og demokrati og så videre.
00:10:39.193 --> 00:10:49.899
Så, hvordan er det å bruke AI og algoritmer i tanke på segmentasjoner og personaliseringer og så videre, og også gen-AI i form av å skrive artikler og så videre?
00:10:49.899 --> 00:10:59.451
Hvor bør, i hvilken nivå bør, menneskets touch være i form av godt, forskjell og kritisk tenkning og så videre.
00:11:00.948 --> 00:11:11.508
Så det er en del av data-AI i den editorielle etiske, hvordan vi konsumererer nyheter og så videre, som er veldig, veldig interessant.
00:11:11.508 --> 00:11:37.967
Og så selvfølgelig i hvordan vi regner penger i avdeling og subskripsjon, der data også er så viktig, kanskje ikke i den publiske måten, men særlig i termen av de økonomiske delene Digital marketing, klienter og bedrifter som kjører på våre nyhetsplattformer.
00:11:37.967 --> 00:11:53.485
Og det er selvfølgelig åndelig i termen av hva som er mulig, hvilken teknologi, hvilke komplianser, komplekspartner i form av GDPR, e-privacy, teknologisk i form av ID's, cookies og så videre.
00:11:53.485 --> 00:12:13.570
Jeg kunne gå på og på om det Og så selvfølgelig i form av en abonnementsbasert kompani, i form av å få en god kustomerlivstid, å ha datapunkter til å kjøpe til brukeren så de har et godt produkt som de liker og bruker.
00:12:13.750 --> 00:12:33.568
Så jeg tror at datateknologi for meg har de to vertikale En er mer editoriell, som har en veldig stor makropolisi-interesse, is the more editorial that has a very large macro policy interest, and then a more economic advertising subscription-based one.
00:12:33.568 --> 00:12:42.089
And of course, there is a connection between the two and data streams, between the two use cases or the two verticals.
00:12:43.581 --> 00:12:45.269
Yeah, fantastically interesting.
00:12:45.269 --> 00:12:57.547
I'm thinking about this advertisement-advertisement matching in online newspapers, and there are loads of examples for that, where this goes wrong.
00:12:57.547 --> 00:13:06.326
right, there was one a couple of years back where 20 people died in a bus accident and then underneath there was an ad for bus trips.
00:13:07.981 --> 00:13:39.004
I think there's a lot to look out for when you match your advertising and when you look into behavioral data to ensure that you're promoting the right advertising for the right people at the right time, exactly and, to be honest, you know it's very up right now in terms of personalization or hyper personalization, maybe beginning to be not such a hot potato as it was maybe 5-10 years ago, and that's good news because we have seen some use cases.
00:13:39.004 --> 00:13:45.445
I won't name any platforms or names where tracking and data has gone wild and has been used in.
00:13:45.445 --> 00:13:58.493
Jeg kan ikke nevne noen plattformer eller navn der tracking og data har gått vildt og har blitt brukt i dårlige praktikker og det har vært forstyrrelser og det har vært dårlige aktører og dårlige firmaer som har brukt data for noe.
00:13:58.493 --> 00:14:04.278
Jeg tror vi alle vet og har prøvd å være en del av det.
00:14:04.278 --> 00:14:34.110
Så det er derfor det er så viktig med ja nå sier jeg regjering men spesielt denne måten, hvorfor vi samler dette dataet, som må være uten bærer, som må være uten noen kommersielle interesse.
00:14:34.110 --> 00:14:40.788
Men selvfølgelig er det en sammenheng for vi må ha et produkt og vi må selge og advertisere vår produkt.
00:14:40.919 --> 00:14:51.869
Vår produkt er vårt nyheter og våre streaming-servis at vi da bruker våre andre data eller noen av de samme data, men for en ann and so on that we then use our other data or some of the same data but for another purpose.
00:14:51.869 --> 00:15:27.769
But it's very, very important in our company or in media companies that there are strict silos for the data in terms of what can you use for what purpose, so you don't begin to what you call it use data you collected for a purpose that you don't have the legal base for, or God forbid, that can go in and actually create some unethical ways of how the users consume their news and so on.
00:15:27.769 --> 00:15:34.841
So there has to be like a public, good, ethical thing that has to be protected.
00:15:34.841 --> 00:15:41.205
But of course there's a lot of lines in terms of selling, of having.
00:15:41.426 --> 00:15:54.048
I mean, to be honest, it would be amazing if everybody just went on our services for all time ever and consumed our advertising and so on.
00:15:54.048 --> 00:15:58.491
That would be good money and so on.
00:15:58.491 --> 00:16:02.120
But how are we balancing that in terms of also the ethical approaches?
00:16:02.120 --> 00:16:08.533
So governance and how and for what use cases we use our data is quite important.
00:16:10.147 --> 00:16:13.787
I like that because you named the two most important words.
00:16:13.787 --> 00:16:18.727
I think We should always think of data and that context and purpose.
00:16:18.727 --> 00:16:23.886
What are you intending to use it for and what context has it created?
00:16:23.886 --> 00:16:31.250
I find it very interesting you named it right in the beginning that echo chamber created through AI or editorial media.
00:16:31.250 --> 00:16:31.972
Jeg synes det er veldig interessant.
00:16:31.972 --> 00:16:33.940
Du nevnte det rett i begynnelsen at Echo Chamber ble skrevet gjennom AI eller editorielle medier.
00:16:33.940 --> 00:16:47.868
Og en av tingene jeg har tenkt på og alle store nyheter mediehus har en sosial medie-akkønne, men sosial medie er allerede ikke skrevet for å konsumere nyheter, is originally not created to consume news.
00:16:47.868 --> 00:16:57.650
So how do you create news that you can consume through Facebook, instagram, tiktok, compared to a more classical format?
00:16:58.780 --> 00:16:59.222
It's one of.
00:16:59.222 --> 00:17:39.252
I think for Now I'm just looking at our floor here because we have some people that work in that intersection, because right now there's definitely I have to be maybe careful of what I say and it's out of my pay grade but there's definitely a process where we want also to be less dependent on big platforms and social media platforms and so on, because it can be dangerous to put all your eggs in that, because på store plattformer og sosiale medier og så videre, fordi det kan være dårlig å putte alle dine egger i det, fordi de har sin egen kontroll og, selvfølgelig, sine egne interesser og så videre.
00:17:39.252 --> 00:17:45.809
Men også den største trafikkssursen, de største øyeblikkene og klikkene kommer fra disse plattformene.
00:17:45.809 --> 00:17:48.828
Så det er en kompleks relasjons som at du er hjemme coming from these platforms.
00:17:48.828 --> 00:18:07.109
So it's a complex relationship, like you know at home, where you are in a partnership, whether you like it or not, and you are dependent on each other And there's good things and there's bad things And sometimes the bad things overweight the good things, and you have to have conversations and so on and so on.
00:18:07.109 --> 00:18:09.884
But I think sometimes the conversation can be, and are beginning to be, more and more difficult to have, because og du må ha samtaler og sånt.
00:18:09.840 --> 00:18:28.210
Men jeg tror at samtaler kan være, og er begynnelig å bli, mer og mer vanskelig å ha, fordi kodependenset som Nordisk Media og Nyhetshus har til de større plattformene er ikke det samme kodependenset de har til oss.
00:18:28.210 --> 00:18:31.226
Så det er en mismatch om forholdet.
00:18:31.226 --> 00:18:41.769
Men selvfølgelig er det viktig økonomisk i stedet for trafikk og engasjement.
00:18:41.769 --> 00:18:59.946
Artikler som blir skrevet og diskutert på sosiale medier bringer mye engasjement, bringer mye samarbeid, mye forståelse og bringer mye klikk og så videre til plattformen betyr at man kjøper penger, betyr at man gjør det, så videre.
00:18:59.946 --> 00:19:17.038
Men igjen, det går også inn i noen etiske aspekter av det, i stedet for at vi også har hørt om ord som klikkbøt eller rægbøt eller noe sånt som forståeligvis fungerer fordi av menneskepsykiatrien.
00:19:17.038 --> 00:19:24.230
Men på hvilken nivå vil du drive trafikk i forhold til?
00:19:24.230 --> 00:19:33.172
igjen, du har på en del etikalsaspektene og på en annen del den kommersielle aspekten.
00:19:33.172 --> 00:19:40.592
Selvfølgelig er de intervjuet og det er ikke enten eller, men selvfølgelig er det når du er i en moderne nyhets og medieplattform.
00:19:40.592 --> 00:19:45.868
Du arbeider i den konteksten og noen ganger dilemma And sometimes dilemma.
00:19:46.869 --> 00:19:49.694
Exactly, And I like the way you posted that.
00:19:49.694 --> 00:20:04.704
It is very much like in a relationship where you sometimes have to have a tough conversation, And sometimes, when I have these tough conversations with my wife, she asks for me to be a mature partner, And that I think it's kind of the same here.
00:20:04.704 --> 00:20:09.520
Right, You require a certain level of maturity to get into these conversations and to get a good outcome Which magically leads us over to the topic of.
00:20:09.520 --> 00:20:10.151
Du krever et stort nivå av maturitet for å komme inn i disse samtalen og for å få et godt utgangspunkt.
00:20:10.151 --> 00:20:14.311
Det leder oss magisk over til temaet maturitet.
00:20:14.311 --> 00:20:30.332
Du sa det rett i begynnelsen av samtalen at det er veldig mye om hvordan vi interagerer med teknologi, så de sosieteknikke aspektene Og det er, tror jeg, veld, important as a basis for that maturity.
00:20:30.332 --> 00:20:35.362
Right, It's about how can we interact, how much knowledge do we have about that technology?
00:20:35.362 --> 00:20:38.728
Alam, how would you define maturity?
00:20:38.728 --> 00:20:40.910
But how would you say what is maturity for you?
00:20:41.713 --> 00:21:01.465
Yeah, sometimes what we try now is actually not or I try not to use that word because it can have a little bit of a negative connotation Det vi prøver nå er faktisk ikke eller jeg prøver ikke å bruke det ordet fordi det kan ha en liten negativ konnotasjon fordi vi er en sentral eller en stabsfunksjon som man sier i dansk, kanskje også i norsk.
00:21:01.465 --> 00:21:06.594
Men vi er en sentralisert organisasjon som har business som konsumere.
00:21:06.594 --> 00:21:18.868
Som har business som konsumenter, og noen ganger kan det være en mismatch hvis jeg eller vi kommer ut og sier at vi nå assisterer maturiteten.
00:21:18.868 --> 00:21:31.288
Jeg har følt det på min egen skinn og bønner at det kan skje en liten bit av utfordring Å si at nå noen som vet bedre kommer og forteller oss hva vi skal gjøre.
00:21:31.288 --> 00:21:40.567
Og det kan kanskje være tru i noen små aspekter eller noen fjeller som jeg vet litt om eller som vi i vårt departement vet litt om.
00:21:40.567 --> 00:22:08.577
Men jeg tror det viktige er å skrive visibilitet på hvordan teamene og departementene bruker data for hva de bruker, hvilke utfordringer, hvilke utfordringer Og det er selvsagt mellom oss på et utfordringsnivå i form av hvilke kompetensier det er i disse framverkene eller disse verktygene.
00:22:11.250 --> 00:22:23.173
Men jeg tror at når vi gjør spørsmål og intervjuer og så videre, så spør jeg alltid hvilke vanlige utfordringer det er, for det gir meg innsatser i forhold til maturitet.
00:22:23.173 --> 00:22:29.134
Du kan ofte se det i spørsmålene du får tilbake.
00:22:29.134 --> 00:22:43.451
Den større eller mer dypeste spørsmålen forteller ofte hvor maturiteten er eller hvor de største datachallengene er.
00:22:43.451 --> 00:22:48.103
Så maturiteten, visibiliteten er en av de største begynnelsene.
00:22:48.103 --> 00:22:57.713
Visibility, i think, is one of the main starting points in terms of actually seeing the different levels of use cases and challenges.
00:22:59.063 --> 00:23:14.332
I think that's a very wise approach because if you think of challenges, challenges differ from organizational unit to organizational unit and that also has an effect on what you focus on in those units.
00:23:14.332 --> 00:23:20.586
So naturally you will get a certain variety of maturity when you start assessing.
00:23:20.586 --> 00:23:38.607
But doing an assessment that covers business units across is very much valuable because you can see those differences, you can see those varieties and you can see on what trajectory the different business units are on, and then that's a basis to learn from each other right.
00:23:39.019 --> 00:23:42.026
Yeah, exactly, i've tried to do like a.
00:23:42.026 --> 00:23:42.627
What is it called?
00:23:42.627 --> 00:23:43.991
like a?
00:23:43.991 --> 00:23:45.604
how do you say that in English?
00:23:45.604 --> 00:23:53.986
Stimple Like an engine where we have like pistons you know pistons that goes up and down And that is.
00:23:53.986 --> 00:24:16.148
I try to use that metaphor in terms of, well, when the piston one can be pushed up in terms of what we can help as a central data department in terms of data literacy or governance or advisory, really, you know how far up can we help you?
00:24:16.148 --> 00:24:30.173
So the Piston is like pushed up, and then other departments, the Piston are pushed down in terms of, well, we are very well catered, we have a high maturity, we are working advanced with our data products, with our frameworks and toolings and so on.
00:24:30.192 --> 00:24:36.480
Vi arbeider i forhold til vårt dataprodukt, våre framverk og utviklinger og så videre, Og så trenger de mindre anbefaling, kanskje ikke noe.
00:24:36.480 --> 00:24:46.084
Jeg prøver å visualisere dette kjøkkenbøkene med ulike pistoner, som er de ulike departementene, different pistons, that is.
00:24:46.084 --> 00:24:49.271
Then you know, quote on quote the different departments, in terms of.
00:24:49.271 --> 00:25:05.525
We start out maybe with a baseline or demarcation line in terms of, well, we can help here, or we have assessed that we help here, but in reality it's very fragmented in terms of the help needed or the challenges that we see.
00:25:05.525 --> 00:25:10.310
So I think that again is a visibility in terms of where should we help more, where should we help less, where is it more, som vi ser?
00:25:10.310 --> 00:25:17.191
Så jeg tror at det er en visibilitet i tanke på hvor vi bør hjelpe mer, hvor vi bør hjelpe mindre, hvor det er mer selvsustent, selvsukker, og hvor det ikke er.
00:25:18.923 --> 00:25:29.174
Ja, jeg har en punkt på det i en sekund, men jeg tenkte på noe vi må snakke om før, og det er hva som er de tilgjengelige av?
00:25:29.174 --> 00:25:35.108
en thinking about something we need to talk about before, and that is what are actually the deliverables of a maturity assessment And, from my perspective, best practice.
00:25:35.108 --> 00:25:38.589
I see it fourfolded right.
00:25:38.589 --> 00:25:43.484
So there's a certain assessment of the assets, right, what do we have in place?
00:25:43.484 --> 00:25:46.470
At what maturity level are we currently?
00:25:46.470 --> 00:25:48.907
Then there's a to-be assessment.
00:25:49.160 --> 00:26:01.984
So you have to figure out where do you want to be, because if you have a scale from 1 to 5, which is like the classic scale you have in a maturity assessment, it's not said that 5 is the goal for everything you do, right.
00:26:01.984 --> 00:26:14.761
So you need to find out what is your 2B, and that's an interesting challenge as well to figure out where do we need to be, not just from a feasibility point of view, but also from an ambition point of view.
00:26:14.761 --> 00:26:20.346
So when you have your Ss, you have your 2B or you have a gap, right, and you need to close that gap.
00:26:20.346 --> 00:26:33.513
So you need a certain I think a roadmap is part of that deliverable, and then you need to kind of measure that you actually are on the right trajectory and once you reach your goal, that you stay within that goal.
00:26:33.513 --> 00:26:39.204
That's a certain measurement framework that should also be Does it make sense to you?
00:26:39.204 --> 00:26:40.127
Definitely?
00:26:41.441 --> 00:26:51.367
We have tried to use in the toolbox like a spider web where different elements have been assessed from yes, scoring from 0 to 5 eller noe annet.
00:26:51.367 --> 00:26:57.250
Det er arbitrært, men det viktige er å si hvor strategisk vi vil være.
00:26:57.250 --> 00:27:09.365
Så en er tegningen av en spiderweb eller diagram, og så er det en rød linje som sier at vi har ansatt oss selv i forhold til regjeringen og hvor vi vil være.
00:27:09.365 --> 00:27:16.448
Line maybe that says, well, we have assessed ourselves in terms of management and where we want to like our north star, or like where we want to be in two to five years.
00:27:16.448 --> 00:27:21.268
And then the gap analysis in terms of saying, well, what should we then focus on?
00:27:21.268 --> 00:27:25.490
Where are the biggest gaps between the two trends, or the two graphs, so to speak?
00:27:25.490 --> 00:27:29.105
Just having a bit of a navigational tool in terms of saying, well, these three or five things we need to really push grafer, så å si.
00:27:29.058 --> 00:27:37.446
Bare å ha en bit av en navigasjonal tool i form av å si de tre eller fem tingene vi må virkelig støtte på i form av vår datamaturitet eller datalitteratur.
00:27:37.446 --> 00:27:54.288
Så det er ulike tog i toolboken, men jeg tror det viktige er linjen av siden i en klassisk arkitekturmodell hvor du har en tre-layer-modell hvor den første er strategisk.
00:27:54.288 --> 00:27:58.099
Dette er vår nordstart, dette er våre initiativer, og så videre.
00:27:58.099 --> 00:28:10.868
Midten er kapabiliteter, kompetens, organisasjonal struktur, og den nedre er vår system, arkitektur, våre data, objekter, våre biter og steder.
00:28:10.868 --> 00:28:26.454
Men å kunne lage en linje mellom disse tre lager i stedet for å si har vi den rette teknologien i stedet for våre datakurskasser og våre strategiske initiativer?
00:28:26.740 --> 00:28:29.276
Har vi de rette kompetensene, den rette setningen, i stedet for å lage denne linjen and our strategic initiatives?
00:28:29.276 --> 00:28:32.327
do we have our right competencies, the right setup in terms of creating this line of sight?
00:28:32.327 --> 00:28:40.708
That goes into architecture more than the governance part, but they, of course, play hand in hand.
00:28:40.708 --> 00:28:43.750
But this line of sight is very important.
00:28:43.750 --> 00:28:55.227
So not collect any data or process any data or something if it doesn't have a connection to a use case or to something that we want to do.
00:28:55.780 --> 00:28:58.727
That's the way you need to do it right To make it practical.
00:28:59.942 --> 00:29:01.883
Yeah, I think that's an important thing.
00:29:01.883 --> 00:29:24.167
Like a double sandwich model right, You have to have some guidelines and something from the top quote unquote but of course, there needs to be something developed on the bottom, also, in terms of competency, of experimentation and so on Break stuff, And that's, I actually think, is the most important thing.
00:29:24.167 --> 00:29:36.006
Why we try to not try like Jota says, why we're doing data governance and so on, is to experiment and break stuff, not to sound like Mark Zuckerberg, but that there's a playing field, that there is.
00:29:36.006 --> 00:29:40.760
You know well, now we have set some goalposts, we have a playing field now.
00:29:40.760 --> 00:29:41.505
Now go play.
00:29:43.789 --> 00:29:46.384
Now you answered my question at the early hours.
00:29:46.384 --> 00:30:06.574
Fantastisk, for når du gjør disse utforskningene og ser på SAS og 2B og ser på variet av størrelse på alle dine business-unitene, så er det en naturlig tendens fra seniorregjeringen til å si at vi kanskje trenger mer kontroll, Kanskje vi trenger å sentralisere i en certain måte for å øke størrelsen på bordet.
00:30:06.574 --> 00:30:09.436
Men nå har du bare svart at dette er kanskje ikke den eneste across the board.
00:30:09.436 --> 00:30:13.361
But now you just answered that this is probably not the only way of doing it.
00:30:13.421 --> 00:30:21.930
No, but I think you have to have an approach, like I called it, the demarcation line, or like a baseline, just to set it to, for it to be broken.
00:30:21.930 --> 00:30:23.930
But you have to start somewhere.
00:30:23.930 --> 00:30:29.306
And that's the dangerous and the terrible thing about a common denominator, right?
00:30:29.306 --> 00:30:30.431
Because where do you set it?
00:30:30.431 --> 00:30:37.606
If you set it too low, then it's like the high maturity teams would be like whatever should we use this for?
00:30:37.606 --> 00:30:45.789
If you set it too high, well then you maybe lose some teams and so on, like you know in Tilton's classroom, and so on, right.
00:30:45.789 --> 00:30:50.613
So how to create and it's ever evolving, i think.
00:30:50.613 --> 00:30:52.861
But there is some no touching å skrive og det er alltid forvandling, tror jeg.
00:30:52.861 --> 00:31:03.354
Men det er noen noe-touching elementer, som om det er en cloud-infrastruktur, for eksempel.
00:31:03.354 --> 00:31:12.194
Så har du også plattformen setet av en team som kan være en common cloud-kapabilitet team eller noe sånt.
00:31:12.194 --> 00:31:30.769
Og jeg tror vi ser dette også i vårt datapraksis, at vi begynner å se mer og mer disse data-enablerings-teamet som skaper Kafka-kluster eller Terraform noe eller Lake Formation eller noe.
00:31:30.969 --> 00:31:47.813
Nå har jeg bare gått fra en AVS-møte, så jeg er i en AVS-linko nå, men å sette ja igjen denne goldposten og skeletonen for andre team å spille på, så å si, og det er også ja i data.
00:31:47.813 --> 00:31:54.931
Det kan være schemavalidasjon, det kan være visibilitet, metadata, datakataloging og så videre.
00:31:54.931 --> 00:32:02.732
Så igjen, hvordan mye putter vi på i stedet for den samme denominatoren hvor vi sier at det ikke er noe som toucher her?
00:32:02.732 --> 00:32:39.817
Og jeg tror vi ser nå fordi vi begynte ut av å si at dette er nivåen og nå gjør vi en maturitetsassessing som er pågående Vi ser at noen team er maturert nok til å ha mer oppgaver eller mer dypere oppgaver og at goalpostene i spillerfylsene er bredere enn andre team hvor vi er i en adviseringsroll i forhold til posten, og spillerfylsene er bredere enn andre teamer hvor vi er inne til å hjelpe i nærmest en adviseringsroll i tanke på datamodeling og datakontekst og businessruler.
00:32:41.751 --> 00:32:45.989
Før vi snakker om organisasjonale aspekter av sentralisering og desentralisering.
00:32:45.989 --> 00:32:47.073
Vi har allerede snakket om det.
00:32:47.073 --> 00:32:50.132
Det er en annen ting som vi burde.
00:32:50.132 --> 00:32:56.616
There's one more thing that I think we should talk about, and it's more than the strategic perspective on those maturity levels.
00:32:56.616 --> 00:33:13.012
I don't know if you've ever read Alice in Wonderland, but there's something in there that's called the Red Queen Race, which is very much Alice running as fast as she can, but it takes all the running she can do to just keep in the same place.
00:33:13.054 --> 00:33:15.625
Alice går veldig snabbt som hun kan, men det tar alt hun kan gjøre for å holde seg i samme sted.
00:33:15.625 --> 00:33:23.374
Så i disse maturitetsassessningene er de veldig snabbt i tid Og verden rundt deg er utvikling.
00:33:23.374 --> 00:33:24.898
Verden rundt deg er utvikling.
00:33:24.898 --> 00:33:30.192
Så bare gjøre en dogmatisk «Å, her er vi nå og her vil vi være» og så følger vi denne strømmen.
00:33:30.192 --> 00:33:33.788
Det vil ikke kutte a dogmatic oh, this is where we are now and this is where we want to be, and then we just follow that stream.
00:33:33.788 --> 00:33:36.009
That's not going to cut it.
00:33:36.009 --> 00:33:42.525
So you need to be able to take in external factors throughout that work on the assessment.
00:33:42.525 --> 00:33:42.685
No.
00:33:43.228 --> 00:33:43.609
I agree.
00:33:43.609 --> 00:33:52.278
You can also have a desk by assessment because when you are done then yeah, exactly, the macro factors, the external factors, has changed.
00:33:52.278 --> 00:33:53.451
At det er et test av assesment, for når du er ferdig, så har ekstra faktorer og ekstra faktorer endret.
00:33:53.451 --> 00:33:56.769
Det har også vært kjønnsrat.
00:33:56.769 --> 00:33:59.913
Det er nye mennesker som kommer.
00:33:59.913 --> 00:34:00.999
Jeg er sikkert enig.
00:34:00.999 --> 00:34:23.581
Det bør være en organisk og livsfull ting og jeg tror at noen av de tøyene som vi ser nå datakataloging-tøy eller Men de nye skjelene vi ser nå, skjelene for datakatalog eller mer nært, nært skjel kan være hjelpende i forhold til det organiserte og relasjonale aspektet av disse tingene.
00:34:23.581 --> 00:34:29.625
Det er ikke et pdf-file som ble oppdaget i 2017 som heter Final, final Version 3.
00:34:29.804 --> 00:34:32.793
Det var slik at det var så det så ut, men nå er det ubrukbart.
00:34:32.793 --> 00:34:54.480
Vi har tullinger data-katalog, også enterprise-arkitektur-tullinger at når du har informasjonen organisk og med det mener jeg også at folk og teamene som innbyr informasjonen er ansatte for å oppdatere informasjonen.
00:34:54.480 --> 00:34:56.652
Det kan ikke være en sentralisert team.
00:34:56.652 --> 00:35:24.175
Det er for dårlig, fordi man ikke vet om business-domainene Man kan aldri bli helt oppdaget, så det er en ansikt som er desentralisert, også selvfølgelig federert, men i stedet for å ha oppdaget informasjon, oppdaget asesment, det bør være teamene og departementene selv.
00:35:24.715 --> 00:35:25.157
Veldig godt.
00:35:25.157 --> 00:35:35.489
Jeg er sikkert til å forstå deg og jeg tror at, om vi ser på det fra en federert perspektiv, det er veldig mye å prøve å finne with you, and I think that, looking at it from a federated perspective, it's very much trying to find that sweet spot decentralize and decentralize.
00:35:35.489 --> 00:35:45.911
So there are certain things that you need to standardize on, to build a certain basis for people to work from, but apart from that, you should aim for autonomy.
00:35:45.911 --> 00:36:13.652
So and this is kind of also the development that data as a discipline is going towards, especially when we think of and talk about data mesh as well, og dette er også det utvikling som data som en disiplin går mot, særlig når vi tenker på vi kan snakke om datamash også her, men når vi tenker på noen av de fondingsprinsippene av datamash, som Federated Data Governance på en side, men også og dette er sannsynligvis den kruciale er domainorientasjon og dataprodukt Så hvordan tror du dataprodukter fitter?
00:36:13.853 --> 00:36:16.817
inn her I relasjon til vår konflikt og samfunn?
00:36:16.817 --> 00:36:17.237
Ja, god spørsmål.
00:36:17.237 --> 00:36:34.318
Ja, vi har faktisk begynt med en datakontrakt, så å si, for å visualisere og identifisere produseren og konsumenten og, innenfor det, den datakvalitetaspekten, to visualize and identify the producer and the consumer.
00:36:34.318 --> 00:37:04.393
And in between that, the data quality aspect and the contract aspect, what data is being used, what is the requirements, what is the success for the data having a good quality and so on, and then building the flesh around the contract like the skeleton, and then building the products around it as a wrapper, so it can be has discoverability aspect of it.
00:37:04.393 --> 00:37:07.829
We are trying now to.
00:37:07.989 --> 00:37:22.994
When we talk about inputs and outputs of a data product, what does that actually mean?
00:37:22.994 --> 00:37:54.364
termen av interoperabilitet og standardisering, the AI team, the publisher team, the commercial teams and so on and asked a lot of questions and a lot of whiteboarding, mirrorboarding, and now getting all that input into a data catalog and begin to describe the contracts in a prioritized way, of course, in terms of impact, complexity score, in terms of what is most important i forhold til utsikring av kompleksitet og skår i forhold til hva som er mest viktig.
00:37:54.364 --> 00:37:58.835
Og vi gjør dette med, først og fremst, analytiske data.
00:37:58.835 --> 00:38:01.032
Sprenger vi om datamessing og sånt.
00:38:01.032 --> 00:38:03.885
Så har vi selvfølgelig alle operasjonale data og pipeline.
00:38:03.885 --> 00:38:08.724
Men vi prøver å holde det med lyset på som det er for nå.
00:38:09.407 --> 00:38:17.983
Jeg synes det er en veldig smart og praktisk oppgave, også fordi du begynner med produsert-konsumer-linjen og så begynner du fra der.
00:38:17.983 --> 00:38:27.871
Jeg synes det er veldig smart Hvor klart er disse linjene definert, Særlig når vi snakker om produsert-konsumer-linjen, som vi snakker mye om en datakontraktsetning.
00:38:28.090 --> 00:38:29.733
Ja, det er en god spørsmål.
00:38:29.753 --> 00:38:59.994
Jeg mener, når helikopteren er veldig, veldig høyt i tida, kan man si at vår datadepartement har 90% av ansvaret for dataproduksjonen, så vi er kjøpere av dataplatformen, event og integrasjon og også mer business intelligence, katering til dashboarding og så videre, og alle konsumere i businessen og titlene, som er veldig fragmentet.
00:39:00.425 --> 00:39:10.731
Men det er selvfølgelig noen team som enten har vanskeligst nødvendighet eller at de er ansatte for å slisse det vertikalt, så de er både produsere og konsumer, og vi har veldig.
00:39:10.731 --> 00:39:29.335
They are responsible to kind of like slice it vertically, so they are both a producer and a consumer, and we have very interesting and very complex discussions in terms of, okay, what is then our role in terms of governance and in terms of the demarcation line or the you know up until here, we help with these aspects, these goalposts and this playing field.
00:39:29.335 --> 00:39:31.030
That is something that's not completely clear.
00:39:31.030 --> 00:39:32.639
Med disse aspektene, disse målpostene og dette spillerfjellet.
00:39:32.639 --> 00:39:49.753
Det er noe som ikke er helt klart, men jeg tror vi er nå der, i stedet for at vi har barebåndet, bakbåndet, skeletonet, at du, i alle fall, om du er i et team som både produserer og konsumerer, at du respekterer og bruker.
00:39:50.704 --> 00:39:51.327
Ja, det er det.
00:39:51.327 --> 00:39:53.536
Jeg tror vi er allerede til slutt av assuming that you respect and use Exactly.
00:39:53.536 --> 00:40:08.635
I think we are already at the end of the conversation, even though I could have gone on for another hour, but before we finish up our conversation, i think there is definitely a place for you to come up with either some key takeaways or, if there is a call to action.
00:40:08.945 --> 00:40:12.396
Yeah, call to action and key takeaways Oh, you have to help me.
00:40:12.396 --> 00:40:13.608
You have to help me.
00:40:13.608 --> 00:40:29.168
This is the most dangerous part I was afraid of, because you know very quickly you can say something that is like a cliché right, And that's maybe okay And sorry, i will try.
00:40:29.188 --> 00:40:36.829
I mean, there are a lot of companies that look into that data maturity, trying to assess it in a certain way.
00:40:37.989 --> 00:40:57.505
If you would have to give them one tip on doing that, what would that be To start out with the goalpost, setting like a plain field or setting a demarkation line or setting for it to be broken, but to say, well, we have now a common like a playing field, or setting a demarcation line or setting for it to be broken, but to say, well, we have now a common denominator in terms of governance.
00:40:57.505 --> 00:41:11.748
We can help you with this and this and that, but when and this is when you showcase a higher maturity or you have a need or a new business case and so on, this will be broken.
00:41:11.748 --> 00:41:33.813
And then we are back to the pistons in terms of saying, well, then we can help, maybe not on an advisory role, but maybe more in the bare bone, technical platform set up and so on, because you have now showcased a high responsibility and a high degree of business challenges and acumen.
00:41:34.824 --> 00:41:36.753
I think that was a very good takeaway.
00:41:36.753 --> 00:41:49.992
If I can add one that I think we talked about this during our conversation, and this is, let me paraphrase that it's about assessments being non-rescriptive.
00:41:49.992 --> 00:41:56.791
It's very much about stating what is the problem, what is the current state, where do we want to be.
00:41:56.791 --> 00:42:02.927
But it's not about how do you solve and how do you perform, because then you are narrowing yourself into a corner.
00:42:03.007 --> 00:42:04.032
Yes, definitely.
00:42:04.846 --> 00:42:15.873
And when talking about maturity, I have talked with the stakeholders, even the playing field maturitet har ja snakket med, med de stegholdere, du vet selv om det spiller.
00:42:15.873 --> 00:42:24.472
Ikke med noen stager under hendene og si nå vet vi, vi har de rette ansvarene.
00:42:24.472 --> 00:42:30.492
Fordi vi ikke har de rette ansvarene, vi har noen grupper i baksen og kan hjelpe.
00:42:30.492 --> 00:42:37.494
Men ikke komme med stykket og si at du er et lavt maturt departement eller team.
00:42:37.494 --> 00:42:42.235
Jeg synes det er en dårlig måte å gjøre det.
00:42:42.235 --> 00:42:51.418
Men å forstå utfordringene og spørsmålene teamet har, det er den viktige delen av datagoverning i min mening.
00:42:52.324 --> 00:42:52.806
Fantastisk.
00:42:52.806 --> 00:42:53.590
Takk så mye.
00:42:56.088 --> 00:43:00.030
Jeg er så glad vi gjorde det Fint En år i året.
00:43:00.030 --> 00:43:05.373
To eller tre barn, en barn og i mellom.
00:43:06.867 --> 00:43:07.489
Veldig verdt det.
00:00:20.314 --> 00:00:23.135
Dette er Metadema en holistisk synering, som en profesjon i Nordisk.
00:00:23.135 --> 00:00:31.410
Vær så god med de kompetensene vi har, og det er derfor jeg inviterer nordiske eksperter i dat og informasjonsmanagering til å snakke.
00:00:31.410 --> 00:00:38.770
Velkommen til Metadema.
00:00:38.770 --> 00:00:49.835
Og ja, i dette episode er vi tilbake i Danmark og jeg er glad i å ha Robert Bølundbach som gjerning i dag.
00:00:49.835 --> 00:01:07.057
Robert har jobbet i media med data og media for et langt tid og han jobber nå på JP Politikens, who is very much looking forward to talk with Robert about data and media in general.
00:01:07.057 --> 00:01:16.009
but we're going to dive deep into two topics that are probably on the agenda for many organizations, and one of them is data maturity.
00:01:16.009 --> 00:01:20.629
How do you treat data maturity, how do you assess your data maturity in the first place?
00:01:20.629 --> 00:01:31.316
And the other topic is centralized versus decentralized And that operational aspect towards maturity that comes kind of natural to our conversation.
00:01:31.560 --> 00:01:41.549
So, before we dive deep into the topic, there is, and there has been, a lot of talk about what maturity is, but it's a bit it's still a bit opaque, right.
00:01:41.549 --> 00:01:53.370
We talk about it as from a data maturity assessment perspective, where we set a certain score on our maturity, but it's nothing more than a proxy for something else, right?
00:01:53.370 --> 00:01:55.787
So where are we actually at?
00:01:55.787 --> 00:02:01.506
That is the big question of those maturity assessments, and I wanted just to emphasize that.
00:02:01.506 --> 00:02:18.745
I mean, this is a DEMA podcast, right, and the DEMA DM book also has its own chapter on maturity assessments and within there there's a definition of what we're looking at and I want to post a definition right up front and then see how Robert reacts to that.
00:02:18.745 --> 00:02:30.050
But it's a, according to DEMA, a method for ranking practices against maturity levels of handling data used by the organization.
00:02:30.070 --> 00:02:35.080
Det er en metode for å rankere praktiseringer mot maturiteten av å forhandle data som er brukt av organisasjonen for å karakterisere den nære staten av datamanagning og muligheter for forbedring.
00:02:35.080 --> 00:02:40.652
Det høres utenfor, men det er noen komplikerte aspekter her som vi må gjøre.
00:02:40.652 --> 00:02:44.027
Men før vi gjør det, robert, glede deg til å introdusere deg selv.
00:02:44.329 --> 00:02:55.248
Takk så mye og kudos for pronomsasjonen av både denne firmaen, jp Politikkens Hus, og min navn.
00:02:55.248 --> 00:02:59.368
Jeg har tittet frem og det er fredag.
00:02:59.368 --> 00:03:18.314
Det er solgt, og nå er det tid til å snakke om en av mine favoritttopikker data og maturitet, og sosioteknikke aspekter av data og teknologi.
00:03:18.375 --> 00:03:20.580
Det er en fint ting, så takk for at du har hatt meg.
00:03:20.580 --> 00:03:23.692
Det interessante er at denne episodeen har en lang tid i å gjøre.
00:03:23.692 --> 00:03:24.599
Jeg tror vi begynte i august i år.
00:03:28.008 --> 00:03:43.146
Ja, kanskje i august, det var en barn som kanskje kom inn i året som tok litt av min ekstra tid for å gjøre det du kaller ekstra-kirkelig arbeid, som dette kunne klasifiseres som.
00:03:43.146 --> 00:03:45.717
Så ja, det var å spille litt tid work, as this could be classified as.
00:03:45.717 --> 00:03:53.204
So yeah, that was a bit of time of sleepless nights and diaper changes, but yeah, i think you're right.
00:03:53.204 --> 00:03:56.885
Maybe we have had almost a year of this happening.
00:03:57.820 --> 00:04:00.265
It definitely sounds like you had the right priorities there.
00:04:00.265 --> 00:04:12.606
Maybe, So with the new job still quite new at JP Politikkens Hus and the little one, any time for hobbies.
00:04:13.060 --> 00:04:14.185
Yes, we are trying to.
00:04:14.185 --> 00:04:23.927
I try to do a little bit of very bad do it yourself on a summer house, summer house in a small island called Samsø, where we have a small garden.
00:04:23.927 --> 00:04:39.389
And try to hus i en liten island som heter Samsø, hvor vi har en liten garden og prøver ikke å ha noen skrengtid eller noen mobiltelefoner og bare være en liten løsere i livet og gjøre noe veldig dårlig.
00:04:39.389 --> 00:04:47.711
Men det er nå, det er tid for springklinning og maling og sånt.
00:04:47.711 --> 00:04:54.649
Så, ja, hver weekend prøver vi å gå der med den små, med doggen og sånt.
00:04:54.649 --> 00:04:56.985
Edels, ja, når vi har tid.
00:04:56.985 --> 00:05:05.870
Bordgamer, ja, god kaffe, ulike bjer, ja, jeg tror det er god ting.
00:05:06.642 --> 00:05:10.247
Og alle disse er veldig enige å kombinere med dine sommerhose.
00:05:10.247 --> 00:05:13.750
Bordgamen er med en barn, ikke, virkelig?
00:05:13.750 --> 00:05:24.004
Vi venter på ham å være gammel nok til å spille Twilight, imperium og noen av disse rolle-playing-gamer, men jeg tror det skal være litt tid før han kan.
00:05:24.004 --> 00:05:25.687
La oss begynne med rovplaying games, but I think there's gonna be a little bit of time before he can.
00:05:25.687 --> 00:05:26.380
Let's start with like Ludo or something.
00:05:26.380 --> 00:05:27.807
Yeah, fantastic.
00:05:28.120 --> 00:05:34.822
You know we've been going to Denmark for some of occasion, renting because you can't buy as a foreigner in Denmark.
00:05:34.822 --> 00:05:36.322
I think No, it's difficult.
00:05:36.322 --> 00:05:37.987
yeah, renting, yeah Renting.
00:05:37.987 --> 00:05:40.440
some of us around Ebeltoft normally.
00:05:40.940 --> 00:05:42.502
That is very close to Samsø i fakt.
00:05:42.502 --> 00:05:53.307
Ebeltoft er fantastisk, koppelsten sentralplass, fregatten, jylland, ja exakt Glassmuseum og så videre.
00:05:53.307 --> 00:05:57.447
Det er faktisk der jeg er fra originalt.
00:05:58.389 --> 00:06:01.843
Fantastisk, så snakket om originalt.
00:06:01.843 --> 00:06:04.427
hvor begynte din interesse for data?
00:06:14.067 --> 00:06:14.507
originalt.
00:06:14.507 --> 00:06:16.589
Jeg tror det begynte Talking about original.
00:06:16.589 --> 00:06:20.192
Where did your interest for data originally start?
00:06:20.192 --> 00:06:35.327
theory, you know, socio-technical that sounds very fancy, but it's kind of like just how we interact as humans with technology in organizations or in macro or micro contexts.
00:06:35.327 --> 00:06:43.848
So I always had the interest in terms of technology and the relation to human.
00:06:43.848 --> 00:07:07.293
I started at an agency after I finished studying, like a digital media agency doing digital marketing, search engine optimization and all of these wonderful things that are kind of creative and very quickly found out.
00:07:07.937 --> 00:07:29.954
Analytics are like being data informed, especially when you work with marketers and you work with agency and customers in terms of who did what campaign and how to cut the cake in the right size bites so we know who should get what return of investment og hvordan vi kan kutte kaken i de rette siden, så vi vet hvem som skal få hvilken tilgjengelighet og så videre.
00:07:29.954 --> 00:07:32.925
Så det begynte.
00:07:32.925 --> 00:07:39.610
Jeg tror det var veldig analytisk drivet min vei til data som en mer generell ting.
00:07:39.610 --> 00:07:52.516
Det var mer sånn at jeg må forstå det analytiske systemet og hvordan man får gode data for å bli bedre informert.
00:07:52.516 --> 00:08:19.139
Da begynte den røde strømmen fra der Jeg har for mange år jobbet som konsultant i media og digitalt og slovene men, stedig brødret, skolen i form av ingeniøring, data-ingeniøring, andre typer data, arkitekturen av ting, og bygget på det.
00:08:19.300 --> 00:08:31.050
Men det begynte som en nød til å ha data, for å bli bedre informert og gjøre rapportering, as a need to maybe have data to be better informed and do reporting when working with clients and so on.
00:08:31.050 --> 00:08:36.773
But data is always in connection or in context with something else.
00:08:36.773 --> 00:08:38.563
How is it used?
00:08:38.563 --> 00:08:40.149
How is it consumed?
00:08:40.149 --> 00:08:42.047
What is the quality of it?
00:08:42.047 --> 00:08:53.070
I think it's alive, or that's where my interest is is when data is alive and used, not just in tables and rows.
00:08:54.724 --> 00:08:55.205
I like that.
00:08:55.205 --> 00:08:58.447
I support that And you have a very practical approach to it.
00:08:58.447 --> 00:09:00.446
I think that's very important.
00:09:00.446 --> 00:09:03.505
Let's talk about data in media.
00:09:03.505 --> 00:09:06.687
You've been working with data.
00:09:06.687 --> 00:09:07.288
Det er veldig viktig.
00:09:07.288 --> 00:09:08.575
La oss snakke om data i media.
00:09:08.575 --> 00:09:11.527
Du har jobbet med data i media for en del tid, selv før din nye jobb.
00:09:11.527 --> 00:09:15.792
Hva vil du si er staten av data i media?
00:09:16.321 --> 00:09:18.366
Det er en veldig interessant spørsmål.
00:09:18.366 --> 00:09:19.471
Det er veldig fragmentert.
00:09:19.471 --> 00:09:31.783
Det er en aspekt som er den editorielle nysekonsumtionen, der AI er ekstremt stort.
00:09:31.783 --> 00:09:53.332
Det er ekstremt stort i alle vertikaler, eller stort i alle vertikaler, men AI i form av hvordan journalister skaper innhold og skriver artikler og bilder, videoer og så videre, det er bare mindre blående hvor stor effekt det har og kan ha.
00:09:53.332 --> 00:10:39.193
Vi hadde bare et symposium i form av nordisk media og AI, som jeg tror det var kalt, og det er selvfølgelig etikale bekymringer i form av ekokamper I think it was called And there's, of course, ethical concerns In terms of echo chambers, in terms of Algorithmic, you know, if we recommend Models, for example, that just you know, puts the users into Like an echo chamber where they only consume The, the articles And content that they show Interest in, or the algorithm, ekko-kjempere der de bare konsumererer artikler og kontent som de ser interesse i, eller algoritmer, som kan være en veldig dårlig måte i tanke på offentlig kjærlighet og demokrati og så videre.
00:10:39.193 --> 00:10:49.899
Så, hvordan er det å bruke AI og algoritmer i tanke på segmentasjoner og personaliseringer og så videre, og også gen-AI i form av å skrive artikler og så videre?
00:10:49.899 --> 00:10:59.451
Hvor bør, i hvilken nivå bør, menneskets touch være i form av godt, forskjell og kritisk tenkning og så videre.
00:11:00.948 --> 00:11:11.508
Så det er en del av data-AI i den editorielle etiske, hvordan vi konsumererer nyheter og så videre, som er veldig, veldig interessant.
00:11:11.508 --> 00:11:37.967
Og så selvfølgelig i hvordan vi regner penger i avdeling og subskripsjon, der data også er så viktig, kanskje ikke i den publiske måten, men særlig i termen av de økonomiske delene Digital marketing, klienter og bedrifter som kjører på våre nyhetsplattformer.
00:11:37.967 --> 00:11:53.485
Og det er selvfølgelig åndelig i termen av hva som er mulig, hvilken teknologi, hvilke komplianser, komplekspartner i form av GDPR, e-privacy, teknologisk i form av ID's, cookies og så videre.
00:11:53.485 --> 00:12:13.570
Jeg kunne gå på og på om det Og så selvfølgelig i form av en abonnementsbasert kompani, i form av å få en god kustomerlivstid, å ha datapunkter til å kjøpe til brukeren så de har et godt produkt som de liker og bruker.
00:12:13.750 --> 00:12:33.568
Så jeg tror at datateknologi for meg har de to vertikale En er mer editoriell, som har en veldig stor makropolisi-interesse, is the more editorial that has a very large macro policy interest, and then a more economic advertising subscription-based one.
00:12:33.568 --> 00:12:42.089
And of course, there is a connection between the two and data streams, between the two use cases or the two verticals.
00:12:43.581 --> 00:12:45.269
Yeah, fantastically interesting.
00:12:45.269 --> 00:12:57.547
I'm thinking about this advertisement-advertisement matching in online newspapers, and there are loads of examples for that, where this goes wrong.
00:12:57.547 --> 00:13:06.326
right, there was one a couple of years back where 20 people died in a bus accident and then underneath there was an ad for bus trips.
00:13:07.981 --> 00:13:39.004
I think there's a lot to look out for when you match your advertising and when you look into behavioral data to ensure that you're promoting the right advertising for the right people at the right time, exactly and, to be honest, you know it's very up right now in terms of personalization or hyper personalization, maybe beginning to be not such a hot potato as it was maybe 5-10 years ago, and that's good news because we have seen some use cases.
00:13:39.004 --> 00:13:45.445
I won't name any platforms or names where tracking and data has gone wild and has been used in.
00:13:45.445 --> 00:13:58.493
Jeg kan ikke nevne noen plattformer eller navn der tracking og data har gått vildt og har blitt brukt i dårlige praktikker og det har vært forstyrrelser og det har vært dårlige aktører og dårlige firmaer som har brukt data for noe.
00:13:58.493 --> 00:14:04.278
Jeg tror vi alle vet og har prøvd å være en del av det.
00:14:04.278 --> 00:14:34.110
Så det er derfor det er så viktig med ja nå sier jeg regjering men spesielt denne måten, hvorfor vi samler dette dataet, som må være uten bærer, som må være uten noen kommersielle interesse.
00:14:34.110 --> 00:14:40.788
Men selvfølgelig er det en sammenheng for vi må ha et produkt og vi må selge og advertisere vår produkt.
00:14:40.919 --> 00:14:51.869
Vår produkt er vårt nyheter og våre streaming-servis at vi da bruker våre andre data eller noen av de samme data, men for en ann and so on that we then use our other data or some of the same data but for another purpose.
00:14:51.869 --> 00:15:27.769
But it's very, very important in our company or in media companies that there are strict silos for the data in terms of what can you use for what purpose, so you don't begin to what you call it use data you collected for a purpose that you don't have the legal base for, or God forbid, that can go in and actually create some unethical ways of how the users consume their news and so on.
00:15:27.769 --> 00:15:34.841
So there has to be like a public, good, ethical thing that has to be protected.
00:15:34.841 --> 00:15:41.205
But of course there's a lot of lines in terms of selling, of having.
00:15:41.426 --> 00:15:54.048
I mean, to be honest, it would be amazing if everybody just went on our services for all time ever and consumed our advertising and so on.
00:15:54.048 --> 00:15:58.491
That would be good money and so on.
00:15:58.491 --> 00:16:02.120
But how are we balancing that in terms of also the ethical approaches?
00:16:02.120 --> 00:16:08.533
So governance and how and for what use cases we use our data is quite important.
00:16:10.147 --> 00:16:13.787
I like that because you named the two most important words.
00:16:13.787 --> 00:16:18.727
I think We should always think of data and that context and purpose.
00:16:18.727 --> 00:16:23.886
What are you intending to use it for and what context has it created?
00:16:23.886 --> 00:16:31.250
I find it very interesting you named it right in the beginning that echo chamber created through AI or editorial media.
00:16:31.250 --> 00:16:31.972
Jeg synes det er veldig interessant.
00:16:31.972 --> 00:16:33.940
Du nevnte det rett i begynnelsen at Echo Chamber ble skrevet gjennom AI eller editorielle medier.
00:16:33.940 --> 00:16:47.868
Og en av tingene jeg har tenkt på og alle store nyheter mediehus har en sosial medie-akkønne, men sosial medie er allerede ikke skrevet for å konsumere nyheter, is originally not created to consume news.
00:16:47.868 --> 00:16:57.650
So how do you create news that you can consume through Facebook, instagram, tiktok, compared to a more classical format?
00:16:58.780 --> 00:16:59.222
It's one of.
00:16:59.222 --> 00:17:39.252
I think for Now I'm just looking at our floor here because we have some people that work in that intersection, because right now there's definitely I have to be maybe careful of what I say and it's out of my pay grade but there's definitely a process where we want also to be less dependent on big platforms and social media platforms and so on, because it can be dangerous to put all your eggs in that, because på store plattformer og sosiale medier og så videre, fordi det kan være dårlig å putte alle dine egger i det, fordi de har sin egen kontroll og, selvfølgelig, sine egne interesser og så videre.
00:17:39.252 --> 00:17:45.809
Men også den største trafikkssursen, de største øyeblikkene og klikkene kommer fra disse plattformene.
00:17:45.809 --> 00:17:48.828
Så det er en kompleks relasjons som at du er hjemme coming from these platforms.
00:17:48.828 --> 00:18:07.109
So it's a complex relationship, like you know at home, where you are in a partnership, whether you like it or not, and you are dependent on each other And there's good things and there's bad things And sometimes the bad things overweight the good things, and you have to have conversations and so on and so on.
00:18:07.109 --> 00:18:09.884
But I think sometimes the conversation can be, and are beginning to be, more and more difficult to have, because og du må ha samtaler og sånt.
00:18:09.840 --> 00:18:28.210
Men jeg tror at samtaler kan være, og er begynnelig å bli, mer og mer vanskelig å ha, fordi kodependenset som Nordisk Media og Nyhetshus har til de større plattformene er ikke det samme kodependenset de har til oss.
00:18:28.210 --> 00:18:31.226
Så det er en mismatch om forholdet.
00:18:31.226 --> 00:18:41.769
Men selvfølgelig er det viktig økonomisk i stedet for trafikk og engasjement.
00:18:41.769 --> 00:18:59.946
Artikler som blir skrevet og diskutert på sosiale medier bringer mye engasjement, bringer mye samarbeid, mye forståelse og bringer mye klikk og så videre til plattformen betyr at man kjøper penger, betyr at man gjør det, så videre.
00:18:59.946 --> 00:19:17.038
Men igjen, det går også inn i noen etiske aspekter av det, i stedet for at vi også har hørt om ord som klikkbøt eller rægbøt eller noe sånt som forståeligvis fungerer fordi av menneskepsykiatrien.
00:19:17.038 --> 00:19:24.230
Men på hvilken nivå vil du drive trafikk i forhold til?
00:19:24.230 --> 00:19:33.172
igjen, du har på en del etikalsaspektene og på en annen del den kommersielle aspekten.
00:19:33.172 --> 00:19:40.592
Selvfølgelig er de intervjuet og det er ikke enten eller, men selvfølgelig er det når du er i en moderne nyhets og medieplattform.
00:19:40.592 --> 00:19:45.868
Du arbeider i den konteksten og noen ganger dilemma And sometimes dilemma.
00:19:46.869 --> 00:19:49.694
Exactly, And I like the way you posted that.
00:19:49.694 --> 00:20:04.704
It is very much like in a relationship where you sometimes have to have a tough conversation, And sometimes, when I have these tough conversations with my wife, she asks for me to be a mature partner, And that I think it's kind of the same here.
00:20:04.704 --> 00:20:09.520
Right, You require a certain level of maturity to get into these conversations and to get a good outcome Which magically leads us over to the topic of.
00:20:09.520 --> 00:20:10.151
Du krever et stort nivå av maturitet for å komme inn i disse samtalen og for å få et godt utgangspunkt.
00:20:10.151 --> 00:20:14.311
Det leder oss magisk over til temaet maturitet.
00:20:14.311 --> 00:20:30.332
Du sa det rett i begynnelsen av samtalen at det er veldig mye om hvordan vi interagerer med teknologi, så de sosieteknikke aspektene Og det er, tror jeg, veld, important as a basis for that maturity.
00:20:30.332 --> 00:20:35.362
Right, It's about how can we interact, how much knowledge do we have about that technology?
00:20:35.362 --> 00:20:38.728
Alam, how would you define maturity?
00:20:38.728 --> 00:20:40.910
But how would you say what is maturity for you?
00:20:41.713 --> 00:21:01.465
Yeah, sometimes what we try now is actually not or I try not to use that word because it can have a little bit of a negative connotation Det vi prøver nå er faktisk ikke eller jeg prøver ikke å bruke det ordet fordi det kan ha en liten negativ konnotasjon fordi vi er en sentral eller en stabsfunksjon som man sier i dansk, kanskje også i norsk.
00:21:01.465 --> 00:21:06.594
Men vi er en sentralisert organisasjon som har business som konsumere.
00:21:06.594 --> 00:21:18.868
Som har business som konsumenter, og noen ganger kan det være en mismatch hvis jeg eller vi kommer ut og sier at vi nå assisterer maturiteten.
00:21:18.868 --> 00:21:31.288
Jeg har følt det på min egen skinn og bønner at det kan skje en liten bit av utfordring Å si at nå noen som vet bedre kommer og forteller oss hva vi skal gjøre.
00:21:31.288 --> 00:21:40.567
Og det kan kanskje være tru i noen små aspekter eller noen fjeller som jeg vet litt om eller som vi i vårt departement vet litt om.
00:21:40.567 --> 00:22:08.577
Men jeg tror det viktige er å skrive visibilitet på hvordan teamene og departementene bruker data for hva de bruker, hvilke utfordringer, hvilke utfordringer Og det er selvsagt mellom oss på et utfordringsnivå i form av hvilke kompetensier det er i disse framverkene eller disse verktygene.
00:22:11.250 --> 00:22:23.173
Men jeg tror at når vi gjør spørsmål og intervjuer og så videre, så spør jeg alltid hvilke vanlige utfordringer det er, for det gir meg innsatser i forhold til maturitet.
00:22:23.173 --> 00:22:29.134
Du kan ofte se det i spørsmålene du får tilbake.
00:22:29.134 --> 00:22:43.451
Den større eller mer dypeste spørsmålen forteller ofte hvor maturiteten er eller hvor de største datachallengene er.
00:22:43.451 --> 00:22:48.103
Så maturiteten, visibiliteten er en av de største begynnelsene.
00:22:48.103 --> 00:22:57.713
Visibility, i think, is one of the main starting points in terms of actually seeing the different levels of use cases and challenges.
00:22:59.063 --> 00:23:14.332
I think that's a very wise approach because if you think of challenges, challenges differ from organizational unit to organizational unit and that also has an effect on what you focus on in those units.
00:23:14.332 --> 00:23:20.586
So naturally you will get a certain variety of maturity when you start assessing.
00:23:20.586 --> 00:23:38.607
But doing an assessment that covers business units across is very much valuable because you can see those differences, you can see those varieties and you can see on what trajectory the different business units are on, and then that's a basis to learn from each other right.
00:23:39.019 --> 00:23:42.026
Yeah, exactly, i've tried to do like a.
00:23:42.026 --> 00:23:42.627
What is it called?
00:23:42.627 --> 00:23:43.991
like a?
00:23:43.991 --> 00:23:45.604
how do you say that in English?
00:23:45.604 --> 00:23:53.986
Stimple Like an engine where we have like pistons you know pistons that goes up and down And that is.
00:23:53.986 --> 00:24:16.148
I try to use that metaphor in terms of, well, when the piston one can be pushed up in terms of what we can help as a central data department in terms of data literacy or governance or advisory, really, you know how far up can we help you?
00:24:16.148 --> 00:24:30.173
So the Piston is like pushed up, and then other departments, the Piston are pushed down in terms of, well, we are very well catered, we have a high maturity, we are working advanced with our data products, with our frameworks and toolings and so on.
00:24:30.192 --> 00:24:36.480
Vi arbeider i forhold til vårt dataprodukt, våre framverk og utviklinger og så videre, Og så trenger de mindre anbefaling, kanskje ikke noe.
00:24:36.480 --> 00:24:46.084
Jeg prøver å visualisere dette kjøkkenbøkene med ulike pistoner, som er de ulike departementene, different pistons, that is.
00:24:46.084 --> 00:24:49.271
Then you know, quote on quote the different departments, in terms of.
00:24:49.271 --> 00:25:05.525
We start out maybe with a baseline or demarcation line in terms of, well, we can help here, or we have assessed that we help here, but in reality it's very fragmented in terms of the help needed or the challenges that we see.
00:25:05.525 --> 00:25:10.310
So I think that again is a visibility in terms of where should we help more, where should we help less, where is it more, som vi ser?
00:25:10.310 --> 00:25:17.191
Så jeg tror at det er en visibilitet i tanke på hvor vi bør hjelpe mer, hvor vi bør hjelpe mindre, hvor det er mer selvsustent, selvsukker, og hvor det ikke er.
00:25:18.923 --> 00:25:29.174
Ja, jeg har en punkt på det i en sekund, men jeg tenkte på noe vi må snakke om før, og det er hva som er de tilgjengelige av?
00:25:29.174 --> 00:25:35.108
en thinking about something we need to talk about before, and that is what are actually the deliverables of a maturity assessment And, from my perspective, best practice.
00:25:35.108 --> 00:25:38.589
I see it fourfolded right.
00:25:38.589 --> 00:25:43.484
So there's a certain assessment of the assets, right, what do we have in place?
00:25:43.484 --> 00:25:46.470
At what maturity level are we currently?
00:25:46.470 --> 00:25:48.907
Then there's a to-be assessment.
00:25:49.160 --> 00:26:01.984
So you have to figure out where do you want to be, because if you have a scale from 1 to 5, which is like the classic scale you have in a maturity assessment, it's not said that 5 is the goal for everything you do, right.
00:26:01.984 --> 00:26:14.761
So you need to find out what is your 2B, and that's an interesting challenge as well to figure out where do we need to be, not just from a feasibility point of view, but also from an ambition point of view.
00:26:14.761 --> 00:26:20.346
So when you have your Ss, you have your 2B or you have a gap, right, and you need to close that gap.
00:26:20.346 --> 00:26:33.513
So you need a certain I think a roadmap is part of that deliverable, and then you need to kind of measure that you actually are on the right trajectory and once you reach your goal, that you stay within that goal.
00:26:33.513 --> 00:26:39.204
That's a certain measurement framework that should also be Does it make sense to you?
00:26:39.204 --> 00:26:40.127
Definitely?
00:26:41.441 --> 00:26:51.367
We have tried to use in the toolbox like a spider web where different elements have been assessed from yes, scoring from 0 to 5 eller noe annet.
00:26:51.367 --> 00:26:57.250
Det er arbitrært, men det viktige er å si hvor strategisk vi vil være.
00:26:57.250 --> 00:27:09.365
Så en er tegningen av en spiderweb eller diagram, og så er det en rød linje som sier at vi har ansatt oss selv i forhold til regjeringen og hvor vi vil være.
00:27:09.365 --> 00:27:16.448
Line maybe that says, well, we have assessed ourselves in terms of management and where we want to like our north star, or like where we want to be in two to five years.
00:27:16.448 --> 00:27:21.268
And then the gap analysis in terms of saying, well, what should we then focus on?
00:27:21.268 --> 00:27:25.490
Where are the biggest gaps between the two trends, or the two graphs, so to speak?
00:27:25.490 --> 00:27:29.105
Just having a bit of a navigational tool in terms of saying, well, these three or five things we need to really push grafer, så å si.
00:27:29.058 --> 00:27:37.446
Bare å ha en bit av en navigasjonal tool i form av å si de tre eller fem tingene vi må virkelig støtte på i form av vår datamaturitet eller datalitteratur.
00:27:37.446 --> 00:27:54.288
Så det er ulike tog i toolboken, men jeg tror det viktige er linjen av siden i en klassisk arkitekturmodell hvor du har en tre-layer-modell hvor den første er strategisk.
00:27:54.288 --> 00:27:58.099
Dette er vår nordstart, dette er våre initiativer, og så videre.
00:27:58.099 --> 00:28:10.868
Midten er kapabiliteter, kompetens, organisasjonal struktur, og den nedre er vår system, arkitektur, våre data, objekter, våre biter og steder.
00:28:10.868 --> 00:28:26.454
Men å kunne lage en linje mellom disse tre lager i stedet for å si har vi den rette teknologien i stedet for våre datakurskasser og våre strategiske initiativer?
00:28:26.740 --> 00:28:29.276
Har vi de rette kompetensene, den rette setningen, i stedet for å lage denne linjen and our strategic initiatives?
00:28:29.276 --> 00:28:32.327
do we have our right competencies, the right setup in terms of creating this line of sight?
00:28:32.327 --> 00:28:40.708
That goes into architecture more than the governance part, but they, of course, play hand in hand.
00:28:40.708 --> 00:28:43.750
But this line of sight is very important.
00:28:43.750 --> 00:28:55.227
So not collect any data or process any data or something if it doesn't have a connection to a use case or to something that we want to do.
00:28:55.780 --> 00:28:58.727
That's the way you need to do it right To make it practical.
00:28:59.942 --> 00:29:01.883
Yeah, I think that's an important thing.
00:29:01.883 --> 00:29:24.167
Like a double sandwich model right, You have to have some guidelines and something from the top quote unquote but of course, there needs to be something developed on the bottom, also, in terms of competency, of experimentation and so on Break stuff, And that's, I actually think, is the most important thing.
00:29:24.167 --> 00:29:36.006
Why we try to not try like Jota says, why we're doing data governance and so on, is to experiment and break stuff, not to sound like Mark Zuckerberg, but that there's a playing field, that there is.
00:29:36.006 --> 00:29:40.760
You know well, now we have set some goalposts, we have a playing field now.
00:29:40.760 --> 00:29:41.505
Now go play.
00:29:43.789 --> 00:29:46.384
Now you answered my question at the early hours.
00:29:46.384 --> 00:30:06.574
Fantastisk, for når du gjør disse utforskningene og ser på SAS og 2B og ser på variet av størrelse på alle dine business-unitene, så er det en naturlig tendens fra seniorregjeringen til å si at vi kanskje trenger mer kontroll, Kanskje vi trenger å sentralisere i en certain måte for å øke størrelsen på bordet.
00:30:06.574 --> 00:30:09.436
Men nå har du bare svart at dette er kanskje ikke den eneste across the board.
00:30:09.436 --> 00:30:13.361
But now you just answered that this is probably not the only way of doing it.
00:30:13.421 --> 00:30:21.930
No, but I think you have to have an approach, like I called it, the demarcation line, or like a baseline, just to set it to, for it to be broken.
00:30:21.930 --> 00:30:23.930
But you have to start somewhere.
00:30:23.930 --> 00:30:29.306
And that's the dangerous and the terrible thing about a common denominator, right?
00:30:29.306 --> 00:30:30.431
Because where do you set it?
00:30:30.431 --> 00:30:37.606
If you set it too low, then it's like the high maturity teams would be like whatever should we use this for?
00:30:37.606 --> 00:30:45.789
If you set it too high, well then you maybe lose some teams and so on, like you know in Tilton's classroom, and so on, right.
00:30:45.789 --> 00:30:50.613
So how to create and it's ever evolving, i think.
00:30:50.613 --> 00:30:52.861
But there is some no touching å skrive og det er alltid forvandling, tror jeg.
00:30:52.861 --> 00:31:03.354
Men det er noen noe-touching elementer, som om det er en cloud-infrastruktur, for eksempel.
00:31:03.354 --> 00:31:12.194
Så har du også plattformen setet av en team som kan være en common cloud-kapabilitet team eller noe sånt.
00:31:12.194 --> 00:31:30.769
Og jeg tror vi ser dette også i vårt datapraksis, at vi begynner å se mer og mer disse data-enablerings-teamet som skaper Kafka-kluster eller Terraform noe eller Lake Formation eller noe.
00:31:30.969 --> 00:31:47.813
Nå har jeg bare gått fra en AVS-møte, så jeg er i en AVS-linko nå, men å sette ja igjen denne goldposten og skeletonen for andre team å spille på, så å si, og det er også ja i data.
00:31:47.813 --> 00:31:54.931
Det kan være schemavalidasjon, det kan være visibilitet, metadata, datakataloging og så videre.
00:31:54.931 --> 00:32:02.732
Så igjen, hvordan mye putter vi på i stedet for den samme denominatoren hvor vi sier at det ikke er noe som toucher her?
00:32:02.732 --> 00:32:39.817
Og jeg tror vi ser nå fordi vi begynte ut av å si at dette er nivåen og nå gjør vi en maturitetsassessing som er pågående Vi ser at noen team er maturert nok til å ha mer oppgaver eller mer dypere oppgaver og at goalpostene i spillerfylsene er bredere enn andre team hvor vi er i en adviseringsroll i forhold til posten, og spillerfylsene er bredere enn andre teamer hvor vi er inne til å hjelpe i nærmest en adviseringsroll i tanke på datamodeling og datakontekst og businessruler.
00:32:41.751 --> 00:32:45.989
Før vi snakker om organisasjonale aspekter av sentralisering og desentralisering.
00:32:45.989 --> 00:32:47.073
Vi har allerede snakket om det.
00:32:47.073 --> 00:32:50.132
Det er en annen ting som vi burde.
00:32:50.132 --> 00:32:56.616
There's one more thing that I think we should talk about, and it's more than the strategic perspective on those maturity levels.
00:32:56.616 --> 00:33:13.012
I don't know if you've ever read Alice in Wonderland, but there's something in there that's called the Red Queen Race, which is very much Alice running as fast as she can, but it takes all the running she can do to just keep in the same place.
00:33:13.054 --> 00:33:15.625
Alice går veldig snabbt som hun kan, men det tar alt hun kan gjøre for å holde seg i samme sted.
00:33:15.625 --> 00:33:23.374
Så i disse maturitetsassessningene er de veldig snabbt i tid Og verden rundt deg er utvikling.
00:33:23.374 --> 00:33:24.898
Verden rundt deg er utvikling.
00:33:24.898 --> 00:33:30.192
Så bare gjøre en dogmatisk «Å, her er vi nå og her vil vi være» og så følger vi denne strømmen.
00:33:30.192 --> 00:33:33.788
Det vil ikke kutte a dogmatic oh, this is where we are now and this is where we want to be, and then we just follow that stream.
00:33:33.788 --> 00:33:36.009
That's not going to cut it.
00:33:36.009 --> 00:33:42.525
So you need to be able to take in external factors throughout that work on the assessment.
00:33:42.525 --> 00:33:42.685
No.
00:33:43.228 --> 00:33:43.609
I agree.
00:33:43.609 --> 00:33:52.278
You can also have a desk by assessment because when you are done then yeah, exactly, the macro factors, the external factors, has changed.
00:33:52.278 --> 00:33:53.451
At det er et test av assesment, for når du er ferdig, så har ekstra faktorer og ekstra faktorer endret.
00:33:53.451 --> 00:33:56.769
Det har også vært kjønnsrat.
00:33:56.769 --> 00:33:59.913
Det er nye mennesker som kommer.
00:33:59.913 --> 00:34:00.999
Jeg er sikkert enig.
00:34:00.999 --> 00:34:23.581
Det bør være en organisk og livsfull ting og jeg tror at noen av de tøyene som vi ser nå datakataloging-tøy eller Men de nye skjelene vi ser nå, skjelene for datakatalog eller mer nært, nært skjel kan være hjelpende i forhold til det organiserte og relasjonale aspektet av disse tingene.
00:34:23.581 --> 00:34:29.625
Det er ikke et pdf-file som ble oppdaget i 2017 som heter Final, final Version 3.
00:34:29.804 --> 00:34:32.793
Det var slik at det var så det så ut, men nå er det ubrukbart.
00:34:32.793 --> 00:34:54.480
Vi har tullinger data-katalog, også enterprise-arkitektur-tullinger at når du har informasjonen organisk og med det mener jeg også at folk og teamene som innbyr informasjonen er ansatte for å oppdatere informasjonen.
00:34:54.480 --> 00:34:56.652
Det kan ikke være en sentralisert team.
00:34:56.652 --> 00:35:24.175
Det er for dårlig, fordi man ikke vet om business-domainene Man kan aldri bli helt oppdaget, så det er en ansikt som er desentralisert, også selvfølgelig federert, men i stedet for å ha oppdaget informasjon, oppdaget asesment, det bør være teamene og departementene selv.
00:35:24.715 --> 00:35:25.157
Veldig godt.
00:35:25.157 --> 00:35:35.489
Jeg er sikkert til å forstå deg og jeg tror at, om vi ser på det fra en federert perspektiv, det er veldig mye å prøve å finne with you, and I think that, looking at it from a federated perspective, it's very much trying to find that sweet spot decentralize and decentralize.
00:35:35.489 --> 00:35:45.911
So there are certain things that you need to standardize on, to build a certain basis for people to work from, but apart from that, you should aim for autonomy.
00:35:45.911 --> 00:36:13.652
So and this is kind of also the development that data as a discipline is going towards, especially when we think of and talk about data mesh as well, og dette er også det utvikling som data som en disiplin går mot, særlig når vi tenker på vi kan snakke om datamash også her, men når vi tenker på noen av de fondingsprinsippene av datamash, som Federated Data Governance på en side, men også og dette er sannsynligvis den kruciale er domainorientasjon og dataprodukt Så hvordan tror du dataprodukter fitter?
00:36:13.853 --> 00:36:16.817
inn her I relasjon til vår konflikt og samfunn?
00:36:16.817 --> 00:36:17.237
Ja, god spørsmål.
00:36:17.237 --> 00:36:34.318
Ja, vi har faktisk begynt med en datakontrakt, så å si, for å visualisere og identifisere produseren og konsumenten og, innenfor det, den datakvalitetaspekten, to visualize and identify the producer and the consumer.
00:36:34.318 --> 00:37:04.393
And in between that, the data quality aspect and the contract aspect, what data is being used, what is the requirements, what is the success for the data having a good quality and so on, and then building the flesh around the contract like the skeleton, and then building the products around it as a wrapper, so it can be has discoverability aspect of it.
00:37:04.393 --> 00:37:07.829
We are trying now to.
00:37:07.989 --> 00:37:22.994
When we talk about inputs and outputs of a data product, what does that actually mean?
00:37:22.994 --> 00:37:54.364
termen av interoperabilitet og standardisering, the AI team, the publisher team, the commercial teams and so on and asked a lot of questions and a lot of whiteboarding, mirrorboarding, and now getting all that input into a data catalog and begin to describe the contracts in a prioritized way, of course, in terms of impact, complexity score, in terms of what is most important i forhold til utsikring av kompleksitet og skår i forhold til hva som er mest viktig.
00:37:54.364 --> 00:37:58.835
Og vi gjør dette med, først og fremst, analytiske data.
00:37:58.835 --> 00:38:01.032
Sprenger vi om datamessing og sånt.
00:38:01.032 --> 00:38:03.885
Så har vi selvfølgelig alle operasjonale data og pipeline.
00:38:03.885 --> 00:38:08.724
Men vi prøver å holde det med lyset på som det er for nå.
00:38:09.407 --> 00:38:17.983
Jeg synes det er en veldig smart og praktisk oppgave, også fordi du begynner med produsert-konsumer-linjen og så begynner du fra der.
00:38:17.983 --> 00:38:27.871
Jeg synes det er veldig smart Hvor klart er disse linjene definert, Særlig når vi snakker om produsert-konsumer-linjen, som vi snakker mye om en datakontraktsetning.
00:38:28.090 --> 00:38:29.733
Ja, det er en god spørsmål.
00:38:29.753 --> 00:38:59.994
Jeg mener, når helikopteren er veldig, veldig høyt i tida, kan man si at vår datadepartement har 90% av ansvaret for dataproduksjonen, så vi er kjøpere av dataplatformen, event og integrasjon og også mer business intelligence, katering til dashboarding og så videre, og alle konsumere i businessen og titlene, som er veldig fragmentet.
00:39:00.425 --> 00:39:10.731
Men det er selvfølgelig noen team som enten har vanskeligst nødvendighet eller at de er ansatte for å slisse det vertikalt, så de er både produsere og konsumer, og vi har veldig.
00:39:10.731 --> 00:39:29.335
They are responsible to kind of like slice it vertically, so they are both a producer and a consumer, and we have very interesting and very complex discussions in terms of, okay, what is then our role in terms of governance and in terms of the demarcation line or the you know up until here, we help with these aspects, these goalposts and this playing field.
00:39:29.335 --> 00:39:31.030
That is something that's not completely clear.
00:39:31.030 --> 00:39:32.639
Med disse aspektene, disse målpostene og dette spillerfjellet.
00:39:32.639 --> 00:39:49.753
Det er noe som ikke er helt klart, men jeg tror vi er nå der, i stedet for at vi har barebåndet, bakbåndet, skeletonet, at du, i alle fall, om du er i et team som både produserer og konsumerer, at du respekterer og bruker.
00:39:50.704 --> 00:39:51.327
Ja, det er det.
00:39:51.327 --> 00:39:53.536
Jeg tror vi er allerede til slutt av assuming that you respect and use Exactly.
00:39:53.536 --> 00:40:08.635
I think we are already at the end of the conversation, even though I could have gone on for another hour, but before we finish up our conversation, i think there is definitely a place for you to come up with either some key takeaways or, if there is a call to action.
00:40:08.945 --> 00:40:12.396
Yeah, call to action and key takeaways Oh, you have to help me.
00:40:12.396 --> 00:40:13.608
You have to help me.
00:40:13.608 --> 00:40:29.168
This is the most dangerous part I was afraid of, because you know very quickly you can say something that is like a cliché right, And that's maybe okay And sorry, i will try.
00:40:29.188 --> 00:40:36.829
I mean, there are a lot of companies that look into that data maturity, trying to assess it in a certain way.
00:40:37.989 --> 00:40:57.505
If you would have to give them one tip on doing that, what would that be To start out with the goalpost, setting like a plain field or setting a demarkation line or setting for it to be broken, but to say, well, we have now a common like a playing field, or setting a demarcation line or setting for it to be broken, but to say, well, we have now a common denominator in terms of governance.
00:40:57.505 --> 00:41:11.748
We can help you with this and this and that, but when and this is when you showcase a higher maturity or you have a need or a new business case and so on, this will be broken.
00:41:11.748 --> 00:41:33.813
And then we are back to the pistons in terms of saying, well, then we can help, maybe not on an advisory role, but maybe more in the bare bone, technical platform set up and so on, because you have now showcased a high responsibility and a high degree of business challenges and acumen.
00:41:34.824 --> 00:41:36.753
I think that was a very good takeaway.
00:41:36.753 --> 00:41:49.992
If I can add one that I think we talked about this during our conversation, and this is, let me paraphrase that it's about assessments being non-rescriptive.
00:41:49.992 --> 00:41:56.791
It's very much about stating what is the problem, what is the current state, where do we want to be.
00:41:56.791 --> 00:42:02.927
But it's not about how do you solve and how do you perform, because then you are narrowing yourself into a corner.
00:42:03.007 --> 00:42:04.032
Yes, definitely.
00:42:04.846 --> 00:42:15.873
And when talking about maturity, I have talked with the stakeholders, even the playing field maturitet har ja snakket med, med de stegholdere, du vet selv om det spiller.
00:42:15.873 --> 00:42:24.472
Ikke med noen stager under hendene og si nå vet vi, vi har de rette ansvarene.
00:42:24.472 --> 00:42:30.492
Fordi vi ikke har de rette ansvarene, vi har noen grupper i baksen og kan hjelpe.
00:42:30.492 --> 00:42:37.494
Men ikke komme med stykket og si at du er et lavt maturt departement eller team.
00:42:37.494 --> 00:42:42.235
Jeg synes det er en dårlig måte å gjøre det.
00:42:42.235 --> 00:42:51.418
Men å forstå utfordringene og spørsmålene teamet har, det er den viktige delen av datagoverning i min mening.
00:42:52.324 --> 00:42:52.806
Fantastisk.
00:42:52.806 --> 00:42:53.590
Takk så mye.
00:42:56.088 --> 00:43:00.030
Jeg er så glad vi gjorde det Fint En år i året.
00:43:00.030 --> 00:43:05.373
To eller tre barn, en barn og i mellom.
00:43:06.867 --> 00:43:07.489
Veldig verdt det.
SEARCH PAST EPISODES
Search past episodes of MetaDAMA - Data Management in the Nordics.
Disclaimer: The podcast and artwork embedded on this page are from Winfried Adalbert Etzel - DAMA Norway, which is the property of its owner and not affiliated with or endorsed by Listen Notes, Inc.
EDIT
Thank you for helping to keep the podcast database up to date.
