Östgötatrafiken (via Castra)
Dataplattform för kollektivtrafik i Microsoft Fabric: medallion-arkitektur på Delta Lake, ingestion från SQL Server, REST-API:er, SFTP och GTFS-flöden, Azure Functions för realtid och batch.
Data engineering och datalager i Azure
Vi bygger dataplattformar i Azure – med Microsoft Fabric eller Databricks – från källsystem till datamodeller som rapporter, analyser och AI kan lita på. Fokus ligger på drift och förvaltning, inte bara på första leveransen.
- Microsoft Fabric
- Azure Databricks
- Azure Data Factory
- Synapse
- Delta Lake
- Azure Functions
- Python
- SQL
- Power BI
- CI/CD
Vad vi gör
- Arkitektur för datalager och lakehouse: medallion-modell (bronze, silver, gold) på Delta Lake.
- Ingestion från affärssystem, databaser, API:er och filer – i batch och nära realtid.
- Datamodellering för analys: dimensionsmodeller och semantiska modeller för Power BI.
- Datakvalitet: tester, övervakning och larm, så att fel upptäcks innan de når en rapport.
- CI/CD och infrastruktur som kod: versionerade pipelines och separata miljöer för utveckling, test och produktion.
- Molnarkitektur: nätverk, identiteter och behörigheter i Entra ID, säkerhet och kostnadskontroll.
Microsoft Fabric eller Databricks?
Båda bygger på Spark och Delta Lake och fungerar bra i Azure. Fabric passar ofta organisationer som redan arbetar i Microsoft 365 och Power BI och vill ha en samlad plattform med låg driftbörda. Databricks ger mer kontroll och är starkare när tunga data science- och ML-flöden står i centrum.
Vi hjälper er välja utifrån befintliga licenser, kompetensen i teamet och vad datan ska användas till – och bygger så att ett byte längre fram inte kräver en omskrivning.
Så brukar ett uppdrag se ut
- Kartläggning av källsystem, behov och befintlig miljö.
- Målarkitektur och en prioriterad plan.
- Leverans i korta steg – första datadomänen i produktion tidigt.
- Överlämning med dokumentation, driftrutiner och kunskapsöverföring till ert team.
Referenscase
Exempel från uppdrag
Dynamic Code (medtech)
Migrering av BI-plattformen från Qlik till Power BI med Google BigQuery som datalager.
Vanliga frågor
Måste vi byta ut vårt befintliga datalager?
Inte nödvändigtvis. Ofta går det att flytta i etapper: nya datadomäner byggs i den nya plattformen medan det gamla lagret fortsätter leverera tills det kan stängas.
Kan ni ta över en plattform som någon annan har byggt?
Ja. Vi börjar med en genomgång av arkitektur, kod och drift och tar fram en lista med risker och förbättringar innan vi ändrar något.
Fler tjänster
Kontakt
Har du något på gång?
Skicka ett mejl så bokar vi ett kort samtal. Inga säljled, inga förhandlingar — bara prat om problemet och vad som vore rimligt att göra åt det.