Azure
Data Foundation
Agenten er klar, men dataene er det ikke. Vi bygger plattformen agentene dine svarer fra, som kode i tenanten din, og drifter den som managed service fra glueckkanja AG etter samme standard som Azure Foundation og AI Foundation.
Svaret er 42
En produsent kom til oss med en AI-app for salg. Use caset var vedtatt, budsjettet godkjent, og agenten skulle svare på spørsmål om marginer og leveringstider ut fra bedriftens egne tall. Den første workshopen endte med en dataplattform. Det er ikke et enkelttilfelle, men årets mønster: I 2024 spurte bedrifter etter en dataplattform for å bygge rapporter, i 2026 spør de etter den fordi de vil ha AI, og nesten hvert use case som havner hos oss, begynner med et dataspørsmål. Douglas Adams foregrep dette øyeblikket i 1979, da en datamaskin regnet i sju og en halv million år, kunngjorde 42 og først da oppdaget at ingen egentlig visste hva spørsmålet var. I bedriften er det motsatt. Spørsmålet er presist, men ingen vet hvilken tabell svaret skal komme fra, om controlling og salg mener det samme med margin, og hvem som i det hele tatt har lov til å se den. Modellen er sjelden problemet, plattformen under nesten alltid, og det er nettopp den vi bygger og drifter.
av bedriftene har ikke egnet praksis for datahåndtering til AI, eller vet ikke om de har det.
av AI-prosjektene uten AI-klare data vil bli skrinlagt innen utgangen av 2026, ifølge prognosen.
av governance-initiativene for data og analytics vil mislykkes innen 2027 fordi ingen konkret anledning bærer dem.
er det lengste som går mellom to foundation-oppdateringer av plattformen din, og i mellomtiden holder vi den løpende oppdatert.
Fire snarveier som ligger nær
Den som har dårlig tid, tar den korteste veien, og for data finnes det fire av dem. Hver av dem har en hederlig begrunnelse, ingen av dem holder lenger enn til det første use caset.
«Det står jo alt i Excel.»
Hver avdeling vedlikeholder sin egen sannhet, og hver av dem henger logisk sammen. En agent som leser dem alle, gjengir samtlige sannheter med den samme selvsikkerheten.
«Det bygger vi selv.»
Det går bra så lenge de to personene som vet hvordan det er bygget, blir værende. Arbeidsmarkedet for data engineers med erfaring fra drift og governance er riktignok påfallende flinke til å headhunte dem.
«Først lisensen, så får vi se.»
En Fabric-kapasitet eller et Databricks-workspace er bestilt på en time. Katalog, tilganger og nettverk følger ikke automatisk med, de blir bygget, eller de mangler.
«Det får vi satt opp én gang.»
Plattformen blir godkjent og overlevert, og fra godkjenningsdagen begynner den å eldes. Databricks og Microsoft leverer stadig nye runtimes og funksjoner, det gjør ikke godkjenningsprotokollen.
Alle fire behandler dataplattformen som en anskaffelse. Vi behandler den som drift: Azure Data Foundation er en versjonert plattform som vi bygger i tenanten din, videreutvikler med hver release og drifter så lenge du trenger den.
Fra rådata til et svar som holder
I Azure Data Foundation går dataene gjennom tre lag som er oppkalt etter olympisk forbilde, uten at noen av dem er ment som trøstepremie. Bronze tar imot dataene fra kildene dine uendret, Silver renser og harmoniserer dem, og Gold leverer dem faglig modellert til Power BI, til data science og til agentene dine. Over dette ligger katalogen, som for hver tabell vet hvor den kommer fra og hvem som får se den, og under ligger fundamentet, som vi leverer som kode.
- KilderERP, CRM, fagapplikasjoner, filer og systemer i eget datasenter
- BronzeRådataOverført uendret og fullstendig, slik at hvert senere tall kan spores tilbake til opprinnelsen.
- SilverRensetDuplikater fjernet, formater harmonisert, kvalitet kontrollert.
- GoldFaglig modellertÉn definisjon per nøkkeltall, avstemt med fagområdene som har ansvaret for det.
- BrukPower BI, data science og agenter, med de tilgangene katalogen tildeler
Seks byggesteiner, tre blueprints, én standard
Agenten ser det du ser, og ingenting utover det
Senest med den første agenten blir et spørsmål om orden til et spørsmål om ansvar. En agent som oppsummerer lønnsdata fordi de tilfeldigvis lå i en delt tabell, tar ikke feil, den gjør det tilgangene tillater den. I Azure Data Foundation er Microsoft Entra ID identity provider, katalogen kjenner opprinnelse, klassifisering og autoriserte brukere for hver tabell, og tilgangene gjelder på nivå av katalog, skjema og tabell. Agenter som Fabric data agent eller en Genie Agent i Azure Databricks spør med brukerens identitet og ser derfor nøyaktig det som mennesket de jobber på vegne av, har lov til å se. Det er ikke en funksjon du kjøper til senere, men forutsetningen for alt AI Foundation bygger på toppen.
Dette endrer seg for deg
Ett nøkkeltall, én definisjon
Gold-laget holder hvert nøkkeltall nøyaktig én gang. Controlling, salg og agent regner med det samme tallet og krangler heretter om hva det betyr, ikke lenger om hvor det kommer fra.
Tilganger som følger med
Tilgangene henger på dataene, ikke på applikasjonen. Enten det er Power BI, en notebook eller en agent, gjelder det katalogen har bestemt for den aktuelle brukeren.
Reproduserbar i stedet for engangs
Plattformen oppstår fra kode og kan når som helst bygges opp på nytt fra denne koden. Hver endring er versjonert og kan spores som diff, også for revisjonen din.
Én pris per Data Environment
Det faktureres per Data Environment, altså per selvstendig driftet instans av plattformen, og ikke etter dagsverk. Hva driften koster, står fast før den begynner.
Hva vi drifter, og hva som blir hos deg
En managed service er ikke bedre enn avgrensningen sin. Derfor sier vi like tydelig hva vi tar over som hva som blir hos deg, og begge deler får plass på tre nivåer.
Her ligger virksomheten din. De første use casene bygger vi sammen med teamene dine og gir kunnskapen videre, til du kan bære dette laget selv.
- Pipelines
- Datamodeller
- KPI-er og rapporter
- Agenter og forretningslogikk
Slik at plattformen kjører når teamene dine trenger den, og ikke koster mer enn nødvendig.
- Cluster health
- Runtime- og library-oppdateringer
- Backup og restore
- Table maintenance
- Fabric capacity scheduling
- Kostnadsoptimalisering
- Overvåking med severities
- Månedlig service review
Slik at hvert miljø stemmer med koden, og koden med gjeldende release.
- OpenTofu og Terragrunt
- Konfigurasjonsrepository per kunde
- Drift Detection og remediering
- Release Train
En plattform med versjonsnummer
Dataplattformer foreldes sjelden spektakulært, men stille, én runtime om gangen. Azure Data Foundation har derfor releaser som programvare, og miljøet ditt følger dem.
- 1Publisere releaseVi videreutvikler foundationen og frigir nye versjoner med dokumenterte endringer.
- 2Rulle ut versjonRelease Train bringer den nye versjonen inn i miljøet ditt, hver endring som en sporbar diff.
- 3Kontrollere avvikDrift Detection sammenligner kode og miljø hver uke og tilbakestiller avvik.
- 4Oppdatere runtimesDatabricks-runtimes og biblioteker holder vi oppdatert månedlig eller kvartalsvis.
En foundation-oppdatering minst hver tolvte måned, inkludert i prisen
Vi holder plattformen din løpende oppdatert, og senest etter tolv måneder får den en foundation-oppdatering. En plattform som ble rullet ut i april 2026, ser derfor ikke ut som en levning fra april 2026 når vi skriver 2028.
Fra første møte til drift
- Kartlegge det som finnesKartlegge det som finnesI assessmentet, som tar én dag, går vi gjennom kilder, eksisterende plattformer og de use casene som står først i køen.
- Fastsette parametereFastsette parametereI en workshop på én dag bestemmer vi sammen blueprint, environments, kilder og tilgangsmodell.
- Rulle ut plattformenRulle ut plattformenI løpet av to til fire dager oppstår plattformen fra koden, i tenanten din og etter dine parametere.
- Overlevere og drifteOverlevere og drifteEtter én dag med overlevering og én til to uker med onboarding tar vi over driften som Managed Azure Data Foundation.
Fra datasiloen til plattformen
Data ligger i ERP-systemer, sensorer, loggfiler og filshares, men sjelden der de trengs. I webcasten viser Florian Stöckl og David Fengler hvorfor lakehouse avløser det klassiske datavarehuset, hvordan data går gjennom Bronze, Silver og Gold, hvilken av de tre blueprintene som passer for hvilket team, og hvordan drift og prosjektfaser griper inn i hverandre.
Holy Trinity
Det hele begynner med én dag
Assessment
Før tilbudet kommer kartleggingen. På én dag går vi gjennom kildene dine, de eksisterende plattformene dine og de første use casene dine, og noterer hvilken blueprint som passer og hva plattformen må kunne levere. Resultatet tilhører deg, uansett hvem du går videre med.
KilderIntegrasjonHvilke systemer som skal kobles til, og i hvilken rekkefølge.
Use casesAnalytics & AIHvilke spørsmål som skal besvares først, fra rapporten til agenten.
GovernanceKatalog og tilgangerHvem som får se hvilke data, og hvordan det gjenspeiles i katalogen.
DriftBlueprint og environmentsHvilken blueprint som passer, og hvor mange Data Environments du trenger.
Dette blir vi spurt om i den første samtalen
Azure Databricks eller Microsoft Fabric, hva passer for oss?
Det avgjøres mindre av teknikken enn av teamene dine. Den som programmerer databehandling og trener egne modeller, er godt tjent med Azure Databricks, mens den som hovedsakelig jobber med Power BI og vil hjelpe fagområdene raskt frem til resultater, er bedre tjent med Microsoft Fabric. For begge deler finnes den hybride blueprinten. Anbefalingen utarbeider vi i assessmentet.
Er Azure Data Foundation det samme som Azure Data Factory?
Nei. Azure Data Factory er en tjeneste fra Microsoft for dataintegrasjon. Azure Data Foundation er vår plattform av arkitektur, kode og drift, der integrasjonsverktøy er én byggestein blant flere. Derfor forkorter vi den heller ikke.
Vi bruker allerede Databricks eller Fabric. Må vi begynne på nytt?
Ikke nødvendigvis. I assessmentet ser vi på hva som kan tas over, og hva som heller bør bygges på nytt fra koden. Dataene og pipelinene dine forblir dine, mens plattformen under bringer vi opp på standarden til foundationen.
Hvor ligger dataene våre?
I tenanten din og i den Azure-regionen du bestemmer. Vi bygger og drifter plattformen der den står, og ikke i et eget miljø hos oss.
Hva blir igjen hos oss?
På sikt pipelines, datamodeller, KPI-er og forretningslogikk, for det er der virksomheten din ligger. I starten bygger vi de første use casene sammen med teamene dine og gir kunnskapen videre, til de kan bære dette laget selv. Plattformen under drifter vi.
Trenger vi et eget datateam?
Ikke for driften av plattformen, den tar vi oss av. For faglogikken trenger du på sikt folk som forstår dataene dine, enten internt eller hos en partner, og vi hjelper til med å bygge opp den kunnskapen.
Hva er et Data Environment?
Enheten vi fakturerer etter: en selvstendig driftet instans av plattformen, for eksempel for ett selskap i konsernet eller et tydelig avgrenset dataområde. Hvor mange du trenger, finner vi ut i assessmentet.
Hvordan henger Azure Data Foundation sammen med AI Foundation?
Data Foundation gjør dataene dine brukbare for agenter, og AI Foundation stiller til rådighet plattformen agentene kjører på. Begge deler identitet, guardrails og driftsmodell, og begge står på Azure Foundation.
Hva koster Azure Data Foundation?
Det faktureres et engangsbeløp for oppsett og et månedlig beløp per Data Environment, og den jevnlige foundation-oppdateringen er inkludert. Et tilbud får du etter assessmentet, når det er klart hvilken blueprint det blir og hvor mange environments du trenger.
Ta kontakt nå






