Episode Description: In this episode, the hosts examine the complex relationship between quantitative data metrics and the human realities they aim to measure. The discussion focuses on the process of commensuration, where qualitative experiences, professional judgments, and complex social interactions are transformed into standardized numbers, ratings, and performance indicators.

The hosts explore how the drive to measure and optimize can inadvertently distort organizational priorities, creating proxies that measure easily countable behaviors rather than true value or wellbeing. The conversation details how algorithmic risk scoring and predictive metrics can obscure structural issues, shift responsibility onto individuals, and create feedback loops that reinforce existing biases, as illustrated by examples such as predictive risk modeling in municipal child welfare cases in Silkeborg Kommune and Hjørring Kommune.

Furthermore, the episode addresses the phenomenon of surveillance capitalism and behavioral tracking, analyzing how data metrics shape human behavior in both public institutions and private platforms. The hosts conclude by highlighting the critical need for ethical governance, domain expertise, and human judgment to balance quantitative metrics with contextual understanding, ensuring that data serves as a meaningful tool rather than a distorting lens.

I denne episode tager værterne lytteren med på en dybdegående rejse ind i ledelsens rolle, ansvar og strategiske tilgange, når organisationer skal udvikles til at blive reelt datadrevne. Samtalen undersøger den nødvendige transformation fra at træffe beslutninger baseret på traditionel leder-intuition og mavefornemmelse til at opbygge en evidensbaseret beslutningskultur.

Værterne stiller skarpt på det grundlæggende spændingsfelt mellem at anvende data i et klassisk styringsparadigme med fokus på kontrol, rapportering og faste nøgletal over for at bruge data som et eksplorativt lærings- og udviklingsværktøj. Med udgangspunkt i begrebet datafantasi belyses det, hvordan organisationer ved at arbejde langs datadiamantens forskellige akser kan anvende både strukturelle og ustrukturerede data til at afdække og gentænke komplekse organisatoriske problemstillinger. Dette illustreres med konkrete eksempler som undersøgelser af trivsel i Helsingør Kommune samt arbejdet med Smart City-initiativer og datarammer i Københavns Kommune.

Derudover drøftes det, hvordan ledelsen skal navigere i interne modstridende opfattelser af data og teknologi, samt hvordan sammenkoblingen af dyb fagekspertise og moderne teknologianvendelse kan skabe markante effektforbedringer i både kvalitet og produktivitet. Episoden afrundes med centrale læringspunkter for ledere, der ønsker at skabe reel forretningsmæssig og organisatorisk værdi gennem data.

Episodebeskrivelse: I denne episode tager værterne lytteren med på en dybdegående udforskning af, hvordan ny teknologi og sprogmodeller forandrer vores tilgang til dataanalyse og organisatorisk læring. Samtalen bevæger sig fra den klassiske anvendelse af strukturelle Excel-ark og fastlåste nøgletal til opbygningen af en mere eksplorativ og nuanceret datafantasi.

Episoden stiller skarpt på det grundlæggende tekniske og matematiske spørgsmål om, hvordan computere og sprogmodeller genkender mønstre i ustrukturerede data. Værterne forklarer, hvordan tekst og data omdannes til talværdier og vektorer i flerdimensionale rum, hvor algoritmer beregner sandsynligheder og statistiske sammenhænge uden at besidde menneskelig forståelse. Derudover behandles den videnskabsteoretiske debat om teoriens rolle i dataalderen, hvor påstanden om, at store datamængder gør teoretiske modeller overflødige, udfordres. I stedet vises det, hvordan data og algoritmer fungerer som eksplorative undersøgelsesredskaber, der skaber produktiv dissonans og udfordrer organisationens eksisterende antagelser.

Sammenspillet mellem menneske og maskine belyses med fokus på opbygningen af velfungerende socio-tekniske systemer. Gennem princippet om at kombinere stærk fag- og domæneekspertise med kompetent AI-anvendelse vises det, hvordan organisationer kan opnå markante effektforbedringer i både kvalitet og produktivitet. Dette illustreres blandt andet med eksempler fra undersøgelser af trivsel i Helsingør Kommune. Afslutningsvis afdækkes de skjulte antagelser, klassifikationsvalg og utilsigtede skævheder, der ligger begravet i algoritmisk modeludvikling fra dataindsamling til fortolkning, samt vigtigheden af kritisk faglig refleksion.