{"canonical_url":"https://engineer.company/sv/glossary/analytics/","content_markdown":"# Dataanalys\n\n## Vad det är\n\nAtt göra registrerade fakta till svar som någon kan agera på är vad dataanalys\nhandlar om, och i vardagligt tal heter det ofta bara analys eller analytics. I\nsitt ramverk för stordata beskriver NIST, det amerikanska\nstandardiseringsinstitutet, analys som att metodiskt gå igenom data och vid\nbehov bearbeta dem för att lyfta fram mönster, samband mellan data och trender\növer tid, och helst också förutsäga vad som händer härnäst. NIST lägger det\nsteget i en större _livscykel för dataanalys_, som förvandlar rådata till\nkunskap som en organisation kan använda: insamling, förberedelse, analys,\nvisualisering och åtkomst.\n\nAnalys är en form av databehandling som skiljer sig från den dagliga\ntransaktionshanteringen genom vad den läser. En applikation skriver en order i\ntaget, medan en analytisk SQL-fråga läser miljontals rader för att returnera en\nhandfull. Datateknik, det som på engelska kallas data engineering, är något\ntredje: där byggs de pipelines och den lagring som analysen sedan läser från.\n\nOrdet täcker arbete som ser mycket olika ut:\n\n- **Rapportering**: samma siffror levererade med jämna mellanrum, som PDF eller\n  e-post.\n- **Dashboards**: samma siffror hållna aktuella i ett BI-verktyg som Power BI.\n- **Ad hoc-analys**: en SQL-fråga skriven för något som ingen har undrat över\n  förut, ofta mot ett analysdatalager som BigQuery.\n- **Geografisk analys**: samma arbete på kartdata i ett GIS, där man frågar var\n  och inte bara hur mycket.\n- **Analytiska applikationer**: en modell eller en statistisk metod bakom ett\n  formulär, för människor som inte skriver kod själva.\n- **Webb- och produktanalys**: att räkna besökarna på en webbplats eller\n  användarna av en produkt och se vad de gör där.\n\nDen sista sorten har ett pris för integriteten, och det är den sorten som\nwebbplatsens sidor om integritet, kakor, kolofon och säkerhet syftar på när de\nskriver ”ingen analys” eller ”ingen analystagg”. Det de menar är en tagg, en\nspårningspixel, en kaka och ett konto hos ett analysföretag, och inget av det\nanvänds här. Webbplatsen mäter sig själv ändå. Webbservern för en åtkomstlogg,\noch ett program gör om den till dagliga summor och en rangordning för varje\nmånad av lästa sidor, hänvisande webbplatser och sökrobotar. Det är siffror som\naldrig sätts samman till en enskild besökares väg genom webbplatsen.\n\n## Varför det spelar roll\n\nTvå val avgör det mesta av vad analysen kommer att kosta: var SQL-frågorna körs\noch hur data om människor samlas in.\n\nAnalys direkt på transaktionsdatabasen är den billigaste starten. Datan är färsk\noch ingenting behöver kopieras, men varje rapport konkurrerar med applikationen\nom minne och disk. En läsreplik flyttar belastningen bort från primärservern,\ntill priset av ännu en server att sköta. Ett analysdatalager som BigQuery\nhåller lagring och beräkning åtskilda och debiterar med sin on\ndemand-prissättning varje fråga efter hur många byte den läser, så smala frågor\nblir billiga. I gengäld måste en pipeline kopiera in datan.\n\nInlåsningen gömmer sig i definitionerna. Ett BI-verktyg håller sina mått i sitt\neget formelspråk, och ett år senare finns definitionen av en aktiv kund i en fil\nsom bara det verktyget kan öppna. Definitioner som ligger som SQL i repot\növerlever ett byte av verktyg.\n\nWebb- och produktanalys väcker dessutom en juridisk fråga. Det typiska hostade\nverktyget arbetar genom en tagg: ett skript på varje sida som sätter en kaka\neller en liknande identifierare i webbläsaren och rapporterar varje sidvisning\ntill leverantören. Artikel 5.3 i EU:s ePrivacydirektiv gör samtycke till\nvillkoret för att lagra information på besökarens utrustning eller läsa den\ndärifrån, med två undantag: lagring eller åtkomst vars enda syfte är att\növerföra en kommunikation via ett nät, och lagring eller åtkomst som är strikt\nnödvändig för att leverera en tjänst som besökaren uttryckligen har begärt. Går\nhändelserna att koppla till en person, om så bara genom identifieraren i en kaka\neller en IP-adress, gäller även dataskyddsförordningen (GDPR), med krav på\nrättslig grund, ett angivet ändamål och en lagringstid. Och leverantören är ett\nannat företag, som nu sitter med en förteckning över vad dina besökare gjorde.\n\nDet verkliga valet står alltså mellan tre saker: ett hostat verktyg som går fort\natt lägga in och har dashboards på köpet, en förstapartsinsamling som man bygger\noch driver själv, och siffror ur loggar som servern redan skriver, som besvarar\nfärre frågor och rymmer betydligt mindre.\n\n## Så ser det ut i praktiken\n\nFör en professionell nätverksplattform byggde företaget\n[produktanalys i PostgreSQL](/sv/portfolio/built-first-party-analytics-inside-postgresql/)\ni stället för en tagg från tredje part. Schemat omfattar 7 tabeller och 47\nfunktioner. Händelserna ligger i tabeller uppdelade efter 22\npartitionsdefinitioner som själva tar bort gammal data enligt en fast plan, och\nbesökarens identitet har ersatts med en pseudonym, skapad med ett salt som byts\nut regelbundet. Klienten skickar ingenting förrän besökaren har samtyckt, och\ntrattar räknas ut i databasen, bredvid datan, det som NIST kallar datalokalitet.\nSidan är ärlig om priset: när saltet roterar går kohortanalys över lång tid\nförlorad, och det följer inga gratis dashboards med.\n\nPå rapporteringssidan hämtade ett\n[rapporteringssystem i Python](/sv/portfolio/developed-a-data-analytics-reporting-system/)\ndatan, körde analysen och levererade enligt ett förutsägbart schema samma\nPDF-rapport till dem som fattar de affärsmässiga besluten. Enligt sidan var det\nrapporteringen som lyfte mjukvaruintäkterna per kvartal med 400 %.\n\nDet tredje exemplet är den här webbplatsen. [Integritetssidan](/sv/privacy/)\nbeskriver mätningen: en åtkomstlogg som byter ut den sista delen av IP-adressen\nmot nollor innan raden skrivs, hänvisande webbplatser som bara sparas som namn,\noch rader som tas bort efter omkring trettio dagar. Ett program gör om loggen\ntill summorna och rangordningen, som behålls på obestämd tid utan något som kan\nfoga ihop siffrorna till ett besök igen. Utan tagg, kaka eller tredje part visar\nsidan heller ingen samtyckesruta, och den anger själv skälet: det finns inget\natt samtycka till. Gränsen står där också: så länge en rad finns kvar kan en\nsällsynt webbläsare i ett litet nät peka ut en besökare tydligare än webbplatsen\nönskar. Man får färre svar och inga trattar, men i gengäld lagras ingenting på\nläsarens enhet och ingenting skickas vidare.\n\n## Var det går fel\n\n### Två verktyg ger två besökarsiffror\n\nDet hostade verktyget visar en siffra för förra månaden och serverloggen det\ndubbla, och båda har rätt om var sin sak. En tagg räknar bara webbläsare som\nkörde dess skript, och bakom en samtyckesruta bara dem som sa ja. En logg räknar\nvarje förfrågan, sökrobotar inräknade, tills någon filtrerar bort dem. Skriv ner\ndefinitionen av varje mått en gång, i SQL, med vad det tar med och vad det\nutelämnar.\n\n### Rapporterna gör applikationen långsam\n\nVarje måndag går applikationen trögt medan veckorapporten skannar hela tabeller\ni transaktionsdatabasen. Flytta rapporten till en replik eller ett\nanalysdatalager, eller sammanställ raderna i en liten sammanfattningstabell\nvarje natt och låt fönsterfunktioner räkna på den:\n\n```sql\nSELECT day,\n       signups,\n       sum(signups) OVER (ORDER BY day\n                          ROWS BETWEEN 6 PRECEDING AND CURRENT ROW)\n         AS last_7_days\nFROM daily_counts\nORDER BY day;\n```\n\n### Samtyckesrutan försvinner, spårningen blir kvar\n\nEtt team byter ut kakor mot en ”kakfri” produkt, plockar bort samtyckesrutan och\nfortsätter att följa besökarna. Artikel 5.3 gäller åtkomst till information på\nutrustningen, oavsett teknik. Europeiska dataskyddsstyrelsen (EDPB) skriver i\nsina riktlinjer om artikelns tekniska tillämpningsområde att fingeravtryck\nutifrån HTTP-huvuden, eller spårning av navigering enbart via IP-adressen, också\nkan omfattas, och påminner samtidigt om att regelns tillämplighet inte i sig\nbetyder att samtycke krävs. Bedöm ett verktyg efter om det kopplar ihop en\nförfrågan med nästa, inte efter om det sätter en kaka.\n\n### Samtycke som en tillsynsmyndighet skulle underkänna\n\nEn samtyckesruta spärrar sidan tills besökaren godkänner, räknar rullning som\nett ja eller gör det svårare att återkalla samtycket än det var att ge det.\nEDPB:s riktlinjer om samtycke säger att en cookie wall, där innehållet låses upp\nförst efter ett ja, gör samtycket ofrivilligt, och att rullning aldrig är en\nentydig bekräftande handling. Artikel 7.3 i GDPR kräver att det ska vara lika\nlätt att återkalla samtycket som att ge det. Ge ett nej samma vikt som ett ja,\noch skicka ingenting innan svaret har kommit.\n\n### Pseudonyma händelser sparade för alltid\n\nHändelsetabellen växer med miljontals rader i månaden, och de hashade\nanvändar-id:na i den behandlas som anonyma. Enligt skäl 26 i GDPR är\npseudonymiserade uppgifter som kan kopplas till en person med hjälp av\nytterligare information fortfarande personuppgifter, och skäl 30 nämner\nIP-adresser och kakor bland de identifierare på nätet vars spår, kombinerade\nmed annan information, kan användas för att profilera och identifiera någon.\nBestäm lagringstiden innan den första händelsen kommer in, partitionera efter\ntid så att en månad som har löpt ut kan raderas i ett enda steg, och spara\nlångsiktiga siffror som aggregat utan identifierare.\n\n## Läs mer\n\n- [NIST SP 1500-1r2, Big Data Interoperability Framework: Definitions](https://doi.org/10.6028/NIST.SP.1500-1r2)\n  — utgångspunkten för artikeln: definitionerna av analys, livscykeln för\n  dataanalys och datalokalitet.\n- [Directive 2002/58/EC, consolidated](https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:02002L0058-20091219)\n  — artikel 5.3, samtyckesregeln för allt som lagras på eller läses från en\n  besökares utrustning, med dess två undantag.\n- [Regulation (EU) 2016/679, the GDPR](https://eur-lex.europa.eu/eli/reg/2016/679/oj)\n  — definitionen av samtycke, artikel 7 om att återkalla det och skäl 26 och 30\n  om pseudonymiserade uppgifter och identifierare på nätet.\n- [EDPB Guidelines 05/2020 on consent](https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-052020-consent-under-regulation-2016679_en)\n  — cookie walls, rullning och återkallande, vart och ett med konkreta exempel.\n- [EDPB Guidelines 2/2023 on Article 5(3)](https://www.edpb.europa.eu/our-work-tools/our-documents/guidelines/guidelines-22023-technical-scope-art-53-eprivacy-directive_en)\n  — varför spårning via IP-adress, fingeravtryck och spårningspixlar kan falla\n  under samma regel som kakor.\n- [PostgreSQL tutorial: Window Functions](https://www.postgresql.org/docs/current/tutorial-window.html)\n  — rangordningar och löpande summor över relaterade rader, beräknade inne i\n  databasen.\n\n\u003chttps://engineer.company/sv/glossary/analytics/\u003e\n","date_modified":"2026-10-20T21:59:50Z","description":"Rapporter, dashboards, SQL i ett analysdatalager och besökarsiffror: var dataanalys bör köras och vad webbanalys kostar i integritet och samtycke.","formats":{"gemtext":"https://engineer.company/sv/glossary/analytics/index.gmi","gopher":"https://engineer.company/sv/glossary/analytics/gophermap","html":"https://engineer.company/sv/glossary/analytics/","json":"https://engineer.company/sv/glossary/analytics/index.json","markdown":"https://engineer.company/sv/glossary/analytics/index.md","pdf":"https://engineer.company/sv/glossary/analytics/index.pdf"},"kind":"page","language":"sv","title":"Vad är dataanalys?","url":"https://engineer.company/sv/glossary/analytics/","version":1}