Dataceen & Arkitektur

Titta gärna in på vår FAQ-sektion, där finns svar på vanliga frågor som kan vara av intresse.

Dataceen application interface showing data modeling dashboard

Fem sätt att köra det

Modellen är densamma i alla fem. Det som ändras är vem som kör plattformen och var datan ligger.

Hosted

Vem som kör plattformen
Dataceen
Var datan ligger
En databas och ett sökindex som Dataceen driftar, i en region vi har öppen
Vems molnkonto
Dataceens
Vad ni tar med
Ingenting

Hosted, your database

Vem som kör plattformen
Dataceen
Var datan ligger
En databas och ett sökindex som ni kontrollerar
Vems molnkonto
Dataceens för plattformen, ert för datan
Vad ni tar med
En databas som stöds och en Elasticsearch-installation

Dedicated

Vem som kör plattformen
Dataceen
Var datan ligger
Databasservrar för enbart ert företag
Vems molnkonto
Dataceens
Vad ni tar med
Ingenting

Dedicated, in your cloud

Vem som kör plattformen
Dataceen, inne i ert konto
Var datan ligger
I ert eget konto
Vems molnkonto
Ert
Vad ni tar med
Ett molnkonto på Azure, AWS eller Google Cloud

Self-run

Vem som kör plattformen
Ni. Vi sätter upp det tillsammans med er
Var datan ligger
Er
Vems molnkonto
Ert
Vad ni tar med
Egna konton för de externa tjänster det använder, som AI och kartor

Regioner. Hosted och Hosted, your database körs i de regioner vi har öppna, EU som standard. Dedicated, Dedicated in your cloud och Self-run kan ligga i vilken region som helst på Azure, AWS eller Google Cloud.

Sökindexet följer databasen. När ni kontrollerar databasen kontrollerar ni också sökindexet. Ingen kopia av era poster ligger hos Dataceen.

Läsa er data direkt. Med Dedicated och uppåt kan era rapport- och analysverktyg läsa databasen direkt. Ändringar bör gå genom API:et: det är där modellens regler, behörigheterna och anropsloggen gäller. Det som skrivs rakt in i databasen går förbi alla tre.

Self-run. Ni får egna miljöer för utveckling, test och produktion. De använder era egna konton för AI och för kartor, och de fortsätter att köra utan koppling till Dataceen. Self-run licensieras per år.

Läs mer om hur Dataceen fungerar

Business Data Model

Business Data Model är kärnan i Dataceen. Den definierar hur affärsdata är strukturerad och sammankopplad, oberoende av var datan fysiskt finns. Den skapas och hanteras med hjälp av Dataceens administrationsverktyg.

En modell beskriver vad affärsdatan är och hur den hänger ihop, utan att ta hänsyn till var datan fysiskt finns. Den faktiska datan kan finnas i många olika system — som ERP, CRM, fordonsregister, kunddatabaser eller andra masterdatakällor — men modellen ger en enhetlig affärsvy. Dataceen kan innehålla hur många modeller som helst, var och en med varierande storlek och komplexitet.

En grafbaserad struktur

Varje modell är strukturerad som en graf, bestående av:

  • Noder — som representerar affärsentiteter som Kund, Fordon, Order, Tekniker eller Servicebokning
  • Relationer — som beskriver hur entiteter är kopplade (t.ex. Kund äger Fordon eller Tekniker utför Service)
  • Egenskaper — attribut som beskriver noder eller relationer, som namn, registreringsnummer, servicedatum eller status. Egenskaper kan hämtas från valfritt masterdatasystem, vilket gör att en enda nod kan kombinera data från flera system.

Denna grafstruktur skapar en tydlig och intuitiv representation av affärsdomänen, vilket gör det enklare för både människor och system — inklusive AI — att förstå och arbeta med datan.

Flexibelt modellskapande: AI, manuellt eller kombinerat

  • AI-assisterat skapande — AI kan analysera beskrivningar, dokument eller befintliga datastrukturer och generera en initial modell automatiskt.
  • Manuell design — Arkitekter och domänexperter kan bygga eller förfina modeller manuellt med administrationsverktyget, med full kontroll över struktur och betydelse.
  • Hybrid-approach — AI genererar den initiala strukturen medan experter förfinar, utökar och validerar modellen. Detta möjliggör snabb utveckling med bibehållen precis affärskontroll.

Oavsett hur modellen skapas är resultatet alltid en fullt kontrollerad och transparent datastruktur som ägs av företaget.

Ett kontrakt för dataintegration

Business Data Model fungerar som ett kontrakt mellan system. Den definierar hur data från olika källor integreras, tolkas och används i applikationer och tjänster. Eftersom modellen vet exakt vilket system som äger varje dataelement vet Dataceen alltid var rätt data ska hämtas.

Automatisk plattformsgenerering

När en modell har skapats genererar Dataceen från den:

Säkra API:er
Händelseströmmar
Sökindex
Dataåtkomsttjänster
AI-redo MCP-servrar
Omfattande dokumentation

Säkerhet och åtkomstkontroll härleds också direkt från modellen. Detta innebär att Business Data Model inte bara beskriver datan — den driver hela Dataceen-plattformen och säkerställer att alla system får åtkomst till och använder data på ett konsekvent, säkert och väldefinierat sätt.

Utmaningar arkitekter möter varje dag

Dataintegration borde inte vara ett heltidsjobb. Ändå lägger arkitekter mest tid på att lösa samma strukturella problem om och om igen.

Fragmenterat datalandskap

Affärsdata är utspridd över dussintals system utan en enhetlig modell. Varje integrationsprojekt börjar från noll.

Månader av integrationsprojekt

Varje nytt databehov kräver skräddarsydda API:er, säkerhetslager och dokumentation — allt byggt manuellt, varje gång.

Inkonsekvent säkerhet och styrning

Åtkomstkontroll implementeras olika i varje system. Det finns ingen enda källa till sanning för vem som har tillgång till vad.

Hur Dataceen passar in i er arkitektur

Dataceen sitter mellan systemen ni redan kör och de applikationer, agenter och partner som konsumerar data. Varje befintligt system möts på sina egna villkor: ersätts, får något framför sig, matar in, matar ut eller behålls bakom en adapter.

ERP

CRM

BI Tools

Custom Systems

Dataceen

Delad datamodell · Autogenererad infrastruktur

APIs

Security

Search

Documentation

Applikationer

Dashboards & BI

Partnerintegrationer

Applikationer byggs av ert team på SDK:et, eller byggs och driftas av Dataceen: en dashboard, en webbplats eller ett uppgiftsprogram, testat av en grind och i drift på 10 till 40 minuter, med koden i ett GitHub-repository ni kan ta över.

Fem sätt att möta ett befintligt system

Avgjort per system, inte för hela landskapet.

Ersätt det

Dess data flyttar in i en modell; dess användare flyttar till en ny applikation.

Ställ något framför

En ny applikation eller ett nytt API framför, det gamla systemet bakom.

Mata in

Det gamla systemet fortsätter att köra och matar modellen.

Mata ut

Modellen håller datan; systemen som blir kvar följer den genom händelser eller en SQL-spegel.

Behåll gränssnittet

En adapter serverar det gamla API:et eller filformatet ett till ett, så partner ändrar ingenting.

De flesta första projekt börjar med mata in plus en ny applikation, och ersätter senare: låg risk, värde tidigt.

Designad för verkliga arkitekturer

Så här ser det ut i praktiken.

Ersätt, ställ något framför, mata in, mata ut eller behåll gränssnittet: avgjort per system, så det första projektet bär liten risk.

Inget leverantörslåsning. Använd era egna databaser, ert eget moln, er egen infrastruktur.

En modell byggs på tre till tjugo minuter från en beskrivning. En applikation är i drift på 10 till 40 minuter.

Rå åtkomst räcker inte

Varje AI-satsning i större verksamheter går in i samma vägg. Agenten når datan, men tre system är oense om vad en kund är, ingen har skrivit ner vilka fält den får ändra, och behörigheterna finns i integrationskod och i människors huvuden. Det är inte ett datakvalitetsproblem. Det är kontext som saknas.

Med rå dataåtkomst

  • Agenten gissar vad fälten betyder
  • Definitionerna skiljer sig mellan system
  • Behörigheter implementeras om för varje konsument
  • Varje ny app eller agent blir ett nytt integrationsprojekt
  • Inget spår av vad agenten gjorde eller varför

Med Dataceen

  • Entiteter, relationer och regler definieras en gång
  • Samma betydelse i API:et, SDK:n, sökindexet och MCP-verktyget
  • Behörigheter kommer från din katalogtjänst och gäller lika för människor och agenter
  • Nya konsumenter återanvänder modellen i stället för att bygga om den
  • Varje ändring registreras som en händelse du kan spela upp igen och granska

Säkerhet och kontroll

Ditt företag bestämmer var Dataceen-hanterad data lagras.

Kundstyrd lagringRollbaserad åtkomstFinkorniga behörigheterRevisionsloggarPrivat från grundenRegelefterlevnadsvänlig arkitektur

Känns det igen?

Fyra situationer vi hör varje vecka. Alla slutar på samma sätt: beskriv datan en gång, så genererar Dataceen det situationen kräver.

”Ledningen vill ha AI på vår data. Säkerhet säger hela tiden nej.”

Båda har rätt. Dataceen exponerar din data genom MCP-verktyg som ärver rollerna och behörigheterna i din katalog — varje anrop loggat och granskningsbart. AI-agenter får åtkomst på samma sätt som människor: säkert.

Börja från: ett databasschema eller en API-specifikation.

”Att svara på våra kunders frågor kräver tre system och två telefonsamtal.”

Beskriv datan en gång. Dataceen genererar API:et, sökningen och AI-verktygen som besvarar frågor på vanligt språk från levande data — under de behörigheter som redan finns.

Börja från: API-specifikationer, scheman eller dokument.

”Portalen har skjutits upp två gånger. Varje integration offereras i månader.”

Från din modell genererar Dataceen systemet — API:er, typade SDK:er, dokumentation och färdiga instruktioner för kodningsagenter. Systemet ni skjutit upp blir dagar av arbete, inte kvartal.

Börja från: det era system redan exponerar.

”Ärligt talat? Vi är trötta på AI-pitchar. Vi behöver få integrationer, behörigheter och revision på plats.”

Rimligt. Dataceen kräver ingen AI-strategi: genererade API:er, finkornig åtkomstkontroll och ett komplett händelsespår löser vardagsproblemet. Och om ni någon gång vill ha AI på er data — är den redan säker.

Börja från: ett databasschema, eller till och med en PDF som beskriver domänen.

Redo att förenkla er dataarkitektur?

Bygg en första modell från en beskrivning, och bestäm per befintligt system hur det passar in.