Å jobbe med KI handler om mer enn å lage gode modeller. Slike systemer kan endre seg over tid (drift), gi ubalanserte resultater (bias), finne på ting (hallusinasjoner) og være vanskelige å forstå. Dette er ikke bare tekniske problemer, men det handler også om hvordan vi jobber med data og tar gode valg.

For mange kan “data governance” høres komplisert ut. I praksis handler det bare om å få bedre kontroll på dataene sine og bruke dem på en trygg måte. Du trenger ikke avanserte systemer for å komme i gang.

I dette foredraget vises hvordan man kan gjøre dette enkelt, med noen konkrete eksempler:

• Bli enige om hva dataene betyr (forhandling):
  For eksempel: Hva er egentlig en “kunde”? Hvis ulike systemer bruker ulike definisjoner, blir det fort rot. Å rydde opp i dette gir bedre data med en gang.
• Bestem hva dere vil oppnå (retning):
  I stedet for å si “vi vil bruke KI”, bør man spørre: hva vil vi løse?
  For eksempel: forbedre kundeservice eller planlegge bedre.
• Følg med på at det fungerer (etterlevelse):
  Det kan være å sjekke om en modell blir dårligere over tid, eller om den gir urettferdige resultater.

En god lokasjon betyr alt for en butikk og en dårlig lokasjon kan gi tap i mange år fremover. Med over 300+ nominerte butikklokasjoner per år må Coop kunne produsere gode og slagkraftige analyser av lokasjoner i høy fart. Vi snakker om hvordan vi setter eksotiske og rare datakilder i system for å kunne gi samvirkelagene våre gode råd.

AI, analyse og datadrevne beslutninger lover stadig mer verdi – men forutsetningene blir ofte tatt for gitt. En av dem er data governance.

I dette foredraget utforskes hva data governance faktisk er, hvilken rolle det spiller, og hvordan det påvirker både ambisjoner og gjennomføring i praksis. Med utgangspunkt i prinsipielle perspektiver og praktiske erfaringer settes temaet i en større sammenheng og tas ned på jorda, med mål om å bidra til refleksjon og diskusjon: Hvor viktig er data governance egentlig – og er det “hot or not”

Produktdata har gått fra støttefunksjon til kritisk infrastruktur. I komplekse verdikjeder, der råvarer, komponenter og produkter krysser aktører og systemer, er transparens, sporbarhet og entydig produktidentitet avgjørende for drift og markedstilgang. Europa har gjort produktdata til felles infrastruktur gjennom digitale produktpass og ESPR. Repass omsetter dette i praksis gjennom en integrert produktplattform for transparens, sporbarhet og digital produktidentitet – skalerbar på tvers av verdikjeder. På leverandørdagen skal vi dele konkrete caser fra forskjellige verdikjeder og på tvers som viser hvordan dette gjennomføres i praksis. 

Hamarkontoret til SoftwareOne – tidligere Crayon Consulting og Inmeta – har de siste tre årene gjennomført flere små og store Fabric-prosjekter. I dette foredraget deler de erfaringene fra sine prosjekter: hva som faktisk fungerer, hvilke feller det er lett å gå i, og når Fabric er rett valg.

De tar også tak i spørsmålet mange lurer på: hvor ender driftskostnadene? Microsofts funding-muligheter tar ned risikoen i startfasen – og de forklarer hvem som faktisk kan få det. I tillegg går de gjennom hvilket forarbeid som må være på plass før du setter i gang.

If you've ever wondered, 'Am I a brickhead? Am I a fabricator? How do I choose?' then we are here to help.

This session will explore the nuances of Azure Databricks and Microsoft Fabric, sprinkled with a touch of Azure magic! We will go through similarities, differences, and standout features from both solution.

But do you have to choose sides, or can you build your platform using datafabricks?

Get ready for a session packed with key insights drawn from firsthand experiences and let's unravel this conundrum together!

Alle snakker om AI, men mange prosjekter ender som dyre piloter i en skuff. Hvorfor? Fordi man hopper bukk over fundamentet. Ørjan viser hvordan du går fra buzzwords til reell forretningsverdi ved å bruke data som råstoff og design som prosess. Lær hvordan du styrer unna fallgruvene og skaper løsninger som løser virkelige problemer.

For years, the industry has chased the ideal of a true data-driven culture. We all know Gartner's formal definition of data literacy—"the ability to read, write and communicate data in context"—but what it really boils down to is empowering everyone to ask the right questions of their data. Despite heavy investments in dashboards and training, have we actually been able to deliver that so far? No. True data literacy has remained elusive. Until now.

This presentation explores how Strawberry is bridging the data literacy gap using conversational analytics enabled by our LLM chatbots. We will walk through our journey of building a custom interface that layers Google’s Gemini on top of our PowerBI semantic models. We will also address the architectural "elephants in the room," sharing why we chose this specific stack over native tools like Microsoft Copilot or direct integrations with Snowflake. Join us for a look at our strategic context, followed by a live demonstration of how our users are finally having real conversations with our data.

Data governance is often associated with documentation, policies, and frameworks. While these are important, the real challenge is turning governance into something that works in everyday business operations.

In this session, you'll see how Nammo is using a data product approach to move governance from theory to practice. By giving data clear ownership, purpose, and accountability, governance becomes something people actively work with - not just something that is documented.

Michael will share practical experiences from Nammo's journey, showing how the organization is moving from scattered data and unclear responsibilities to trusted data that people understand, use, and rely on for better decisions.

Vi serverer pølser og øl på slutten av dagens program