Hoppa till huvudinnehållet
Managed service för Azure Databricks och Microsoft Fabric

Azure
Data Foundation

Key visual för Azure Data Foundation

Agenten är klar, men det är inte datan. Vi bygger plattformen som era agenter får svara utifrån, som kod i er tenant, och vi driver den som managed service hos glueckkanja AG efter samma standard som Azure Foundation och AI Foundation.

Key visual för Azure Data Foundation
Ikon av en reseguide med texten Don't Panic

Svaret är 42

En tillverkare kom till oss med en AI-app för försäljningen. Användningsfallet var beslutat, budgeten godkänd, och agenten skulle besvara frågor om marginaler och leveranstider utifrån företagets egna siffror. Den första workshopen slutade med en dataplattform. Det är inget enskilt fall utan årets mönster: 2024 frågade företag efter en dataplattform för att bygga rapporter, 2026 frågar de efter den för att de vill ha AI, och nästan varje use case som landar hos oss börjar med en datafråga. Douglas Adams föregrep det här ögonblicket redan 1979, när en dator räknade i sju och en halv miljon år, förkunnade 42 och först därefter insåg att ingen riktigt visste vad frågan var. I företag är det tvärtom. Frågan är exakt, men ingen vet vilken tabell svaret ska komma ifrån, om controlling och försäljning menar samma sak med marginal och vem som över huvud taget får se den. Det beror sällan på modellen och nästan alltid på plattformen under den, och det är just den vi bygger och driver.

63 %

av företagen saknar lämpliga metoder för datahantering inför AI eller vet inte om de har dem.

Gartner, enkät bland 1 203 ansvariga för datahantering, februari 2025
60 %

av AI-projekten utan AI-redo data kommer enligt prognosen att överges före slutet av 2026.

Gartner, februari 2025
80 %

av governance-initiativen för data och analys misslyckas fram till 2027, eftersom inget konkret behov bär dem.

Gartner, prognos från februari 2024
12 månader

är det längsta som går mellan två foundation-uppdateringar av er plattform, och däremellan håller vi den löpande uppdaterad.

Evergreen-modellen i Managed Azure Data Foundation

Fyra genvägar som ligger nära till hands

Den som har ont om tid tar den kortaste vägen, och för data finns det fyra sådana. Var och en har hedervärda skäl bakom sig, men ingen av dem bär längre än till det första användningsfallet.

Ikon av en bildskärm med varningstriangel, bredvid en robotarm

”Allt det där finns ju i Excel.”

Varje avdelning sköter sin egen sanning, och var och en hänger ihop i sig. En agent som läser alla återger samtliga sanningar, med samma säkerhet.

”Det bygger vi själva.”

Det fungerar så länge de två personer som vet hur det är byggt stannar kvar. Arbetsmarknaden för data engineers med erfarenhet av drift och governance är dock anmärkningsvärt skicklig på att värva bort dem.

”Först licensen, sedan får vi se.”

En Fabric-kapacitet eller en Databricks-workspace är bokad på en timme. Katalog, behörigheter och nätverk följer inte med av sig själva, de byggs, eller så saknas de.

”Det låter vi sätta upp en gång.”

Plattformen godkänns och lämnas över, och från dagen för godkännandet börjar den åldras. Databricks och Microsoft levererar löpande nya runtimes och funktioner, det gör inte godkännandeprotokollet.

Alla fyra behandlar dataplattformen som en anskaffning. Vi behandlar den som drift: Azure Data Foundation är en versionshanterad plattform som vi bygger i er tenant, vidareutvecklar med varje release och driver så länge ni behöver den.

Från rådata till ett svar som håller

I Azure Data Foundation passerar data tre lager som är uppkallade efter olympisk förebild, utan att något av dem är menat som tröstpris. Bronze tar emot data från era källor oförändrade, Silver rensar och harmoniserar dem, och Gold levererar dem verksamhetsmodellerade till Power BI, till data science och till era agenter. Ovanför ligger katalogen, som för varje tabell vet var den kommer ifrån och vem som får se den, och under ligger grunden, som vi levererar som kod.

KatalogUnity Catalog eller Microsoft Purview, med lineage, klassificering och behörigheter för varje tabell
  1. KällorERP, CRM, verksamhetssystem, filer och system i det egna datacentret
  2. BronzeRådataOförändrade och fullständigt överförda, så att varje senare siffra kan spåras tillbaka till sitt ursprung.
  3. SilverRensadeDubbletter borttagna, format harmoniserade, kvalitet kontrollerad.
  4. GoldVerksamhetsmodelleradeEn definition per nyckeltal, avstämd med de verksamheter som ansvarar för det.
  5. AnvändningPower BI, data science och agenter, med de rättigheter som katalogen delar ut
Grund som kodNätverk, identitet och policyer enligt Azure Foundations standard, helt beskrivna i OpenTofu och Terragrunt och kontrollerade varje vecka för avvikelser

Sex byggstenar, tre blueprints, en standard

Vilket verktyg som passar er avgör era team och deras kompetenser, inte vi. Hur plattformen byggs, säkras och drivs ligger däremot fast, oavsett vilken av de tre blueprints ni väljer.
Ikon av en id-handling med porträtt, framför den ett lås

Agenten ser det ni ser, och inget mer

Senast med den första agenten blir en fråga om ordning en fråga om ansvar. En agent som sammanfattar lönedata för att de råkade ligga i en delad tabell tar inte fel, den gör det som behörigheterna tillåter. I Azure Data Foundation är Microsoft Entra ID identity provider, katalogen känner för varje tabell till ursprung, klassificering och behöriga, och rättigheterna gäller på katalog-, schema- och tabellnivå. Agenter som Fabric data agent eller en Genie Agent i Azure Databricks frågar med användarens identitet och ser därför exakt det som den människa får se som de arbetar på uppdrag av. Det är ingen funktion man köper till senare, utan förutsättningen för allt som AI Foundation bygger ovanpå.

Vad som förändras för er

Stjärna med etikett

Ett nyckeltal, en definition

Gold-lagret håller varje nyckeltal exakt en gång. Controlling, försäljning och agent räknar med samma siffra och bråkar framöver om vad den betyder, inte längre om var den kommer ifrån.

Dokument med lås

Rättigheter som följer med

Behörigheterna sitter på data, inte på applikationen. Oavsett om det är Power BI, en notebook eller en agent gäller det som katalogen föreskriver för respektive användare.

En byggsten som förgrenar sig i tre likadana varianter

Reproducerbar i stället för engångsbygge

Plattformen skapas ur kod och kan när som helst byggas upp på nytt ur den koden. Varje ändring är versionshanterad och kan följas som diff, även av er revision.

Moln med mynt

Ett pris per Data Environment

Debiteringen sker per Data Environment, alltså per fristående driven instans av plattformen, och inte per persondag. Vad driften kostar står fast innan den börjar.

Vad vi driver och vad som stannar hos er

En managed service är aldrig bättre än sin avgränsning. Därför säger vi lika tydligt vad vi tar över som vad som stannar hos er, och båda ryms på tre nivåer.

Use cases och verksamhetslogikNi, med stöd från oss i enablement

Här finns er affär. De första use casen bygger vi tillsammans med era team och för över kunskapen tills ni kan bära det här lagret själva.

  • Pipelines
  • Datamodeller
  • KPI:er och rapporter
  • Agenter och affärslogik
Plattformsdriftglueckkanja

Så att plattformen fungerar när era team behöver den och inte kostar mer än nödvändigt.

  • Cluster health
  • Runtime- och biblioteksuppdateringar
  • Backup och restore
  • Table maintenance
  • Schemaläggning av Fabric-kapacitet
  • Kostnadsoptimering
  • Övervakning med severities
  • Månatlig service review
Foundation som kodglueckkanja

Så att varje miljö motsvarar koden och koden den aktuella releasen.

  • OpenTofu och Terragrunt
  • Konfigurationsrepository per kund
  • Drift Detection och remediation
  • Release Train

En plattform med versionsnummer

Dataplattformar föråldras sällan spektakulärt, utan tyst, en runtime i taget. Därför har Azure Data Foundation releaser som en mjukvara, och er miljö följer dem.

  1. 1Publicera releaseVi vidareutvecklar foundation och släpper nya versioner med dokumenterade ändringar.
  2. 2Rulla ut versionRelease Train för in den nya versionen i er miljö, varje ändring som en spårbar diff.
  3. 3Kontrollera avvikelserDrift Detection jämför kod och miljö varje vecka och återställer avvikelser.
  4. 4Uppdatera runtimesDatabricks-runtimes och bibliotek håller vi aktuella varje månad till varje kvartal.

En foundation-uppdatering minst var tolfte månad, inkluderad i priset

Vi håller er plattform löpande uppdaterad, och senast efter tolv månader får den en foundation-uppdatering. En plattform som rullades ut i april 2026 ser därför inte ut som en kvarleva från april 2026 när det är 2028.

Från första mötet till drift

Från assessment till löpande managed service går det några veckor, varav högst sju arbetsdagar är projekt, och era use cases behöver inte vänta på det, eftersom de löper parallellt från första dagen.
  • Kartlägga nuläget
    Kartlägga nuläget
    Under assessmentet, en dag, går vi igenom källor, befintliga plattformar och de use cases som står först i tur.
  • Fastställa parametrar
    Fastställa parametrar
    I en workshop på en dag beslutar vi tillsammans om blueprint, environments, källor och behörighetsmodell.
  • Rulla ut plattformen
    Rulla ut plattformen
    På två till fyra dagar skapas plattformen ur koden, i er tenant och enligt era parametrar.
  • Lämna över och driva
    Lämna över och driva
    Efter en dags överlämning och en till två veckors onboarding tar vi över driften som Managed Azure Data Foundation.

Från datasilo till plattform

Data ligger i ERP-system, sensorer, loggfiler och filresurser, och sällan där de behövs. Florian Stöckl och David Fengler visar i webcasten varför lakehouse ersätter det klassiska data warehouse, hur data går genom Bronze, Silver och Gold, vilken av de tre blueprints som passar vilket team och hur drift och projektfaser griper in i varandra.

Holy Trinity

Dataplattformen gör agenten användbar, och agenten är skälet till att man vill ha dataplattformen. Därför hör Managed Data Foundation och Managed AI Foundation ihop, med samma identitet i Entra ID, samma guardrails och samma driftmodell, medan Managed Container Foundation ger era workloads en kontrollerad körmiljö. Hur de tre samverkar beskriver vi i blogginlägget The Holy Trinity.
Isometrisk illustration av ett lager med paket, bredvid rutan ”ADF” för Azure Data FoundationIsometrisk illustration av en fabrik med skorsten, bredvid rutan ”ACF” för Azure Container FoundationIsometrisk illustration av staplade moduler med ett chattgränssnitt, bredvid rutan ”AIF” för AI Foundation

Allt börjar med en dag

Assessment

Före offerten kommer nulägesanalysen. Under en dag går vi igenom era källor, era befintliga plattformar och era första use cases och skriver ner vilken blueprint som passar och vad plattformen behöver klara. Resultatet tillhör er, oavsett vem ni sedan går vidare med.

  • KällorIntegrationVilka system som ska anslutas och i vilken ordning.
  • Use casesAnalytics & AIVilka frågor som ska besvaras först, från rapporten till agenten.
  • GovernanceKatalog och rättigheterVem som får se vilka data och hur det återspeglas i katalogen.
  • DriftBlueprint och environmentsVilken blueprint som passar och hur många Data Environments ni behöver.

Det här frågar man oss vid första samtalet

Azure Databricks eller Microsoft Fabric, vad passar oss?

Det avgörs mindre av tekniken än av era team. Den som programmerar sin databearbetning och tränar egna modeller är väl betjänt av Azure Databricks, den som främst arbetar med Power BI och snabbt vill hjälpa verksamheten till resultat av Microsoft Fabric. För båda finns den hybrida blueprinten. Rekommendationen tar vi fram under assessmentet.

Är Azure Data Foundation samma sak som Azure Data Factory?

Nej. Azure Data Factory är en tjänst från Microsoft för dataintegration. Azure Data Foundation är vår plattform av arkitektur, kod och drift, där integrationsverktyg är en byggsten bland flera. Därför förkortar vi den inte heller.

Vi använder redan Databricks eller Fabric. Måste vi börja om?

Inte nödvändigtvis. Under assessmentet går vi igenom vad som kan tas över och vad som hellre bör skapas på nytt ur koden. Era data och pipelines förblir era, och plattformen under dem lyfter vi till foundation-standarden.

Var ligger våra data?

I er tenant och i den Azure-region som ni bestämmer. Vi bygger och driver plattformen där den står, inte i en egen miljö.

Vad ligger kvar hos oss?

På sikt pipelines, datamodeller, KPI:er och affärslogik, för det är där er affär finns. I början bygger vi de första use casen tillsammans med era team och för över kunskapen tills de kan bära det här lagret själva. Plattformen därunder driver vi.

Behöver vi ett eget datateam?

Inte för driften av plattformen, den tar vi över. För verksamhetslogiken behöver ni på sikt människor som förstår era data, internt eller hos en partner, och vi hjälper till att bygga upp den kunskapen.

Vad är ett Data Environment?

Den enhet vi debiterar efter: en fristående driven instans av plattformen, till exempel för ett bolag eller ett tydligt avgränsat dataområde. Hur många ni behöver framgår under assessmentet.

Hur hänger Azure Data Foundation ihop med AI Foundation?

Data Foundation gör era data användbara för agenter, och AI Foundation tillhandahåller plattformen som agenterna körs på. Båda delar identitet, guardrails och driftmodell, och båda står på Azure Foundation.

Vad kostar Azure Data Foundation?

Vi debiterar en engångsavgift för setup och ett månadsbelopp per Data Environment, där den regelbundna foundation-uppdateringen ingår. En offert får ni efter assessmentet, när det står klart vilken blueprint det blir och hur många environments ni behöver.

Mer om ämnet

Kontakta oss nu

Florian Stöckl
Data är värdefull bara när den är tillförlitlig, säker och tillgänglig för rätt personer. Vår Azure Data Foundation lägger exakt den grunden, så att ni kan fokusera på insikter i stället för infrastruktur.
Florian StöcklAzure Lead