Datamigrering hos ett av Sveriges största retailföretag – PDM v3, en 8‑stegsmetod och AI‑agenter

Just nu leder jag datamigreringen i en storskalig affärstransformation hos ett av Sveriges största retailföretag – över 50 butiker plus e‑handel, med en ERP-migrering från Microsoft Dynamics 365 Finance & Operations (F&O) till Dynamics 365 Business Central. Migreringen spänner över många dataobjekt och verksamhetsdomäner: medlemmar, produkter, leverantörer, kampanjer, försäljningshistorik, lagersaldon och mer.

Det här är ett uppdrag där struktur är skillnaden mellan en lugn go‑live och ett kaos. Här är hur jag arbetar.

Ramverket: PDM v3 och en förfinad 8‑stegsmetod

Jag lutar mig mot PDM v3‑metodiken för datastyrning, men kärnan i mitt arbete är en egen 8‑stegsmetod som jag själv utvecklat och förfinat genom åren av praktiskt migreringsarbete. Tanken är enkel: varje dataobjekt tas igenom samma åtta steg – från leverantörer till bonuspoäng. Det gör arbetet repeterbart, mätbart och enkelt att följa upp i en översiktsmatris där varje objekts status framgår steg för steg.

1. Identifiera scope – bestäm vilket urval av data från det gamla systemet som faktiskt ska migreras.
2. Förstå datamodellerna – analysera källsystemets (Source Model) och mottagarsystemets (Target Model) datamodeller.
3. Mappa datafält – koppla ihop fält mellan käll‑ och mottagarsystem baserat på analysen.
4. Bygga migreringsskript (ETL) – Python‑skript som extraherar data ur källsystemet (Extract), transformerar enligt mappningsregler och kvalitetskontroller (Transform) och skapar importfiler för målsystemet (Load).
5. Städning av data – avgör för varje fält: ska det rensas i källsystemet, hanteras i transformationssteget, eller åtgärdas efter go‑live?
6. Testmigrering – första laddningen i DEV‑miljö, där nyckelpersoner från verksamheten verifierar resultatet.
7. Bredare test – större testmigrering i TEST‑miljö, där fler från verksamheten validerar den migrerade datan.
8. Cutover‑planering – identifiera alla aktiviteter för en korrekt migrering vid go‑live, inklusive ordningen på bulk‑ och deltaladdningar runt go‑live‑tidpunkten.

Ordningen är rekommenderad, men i praktiken görs stegen ofta parallellt och ibland i annan ordning beroende på verksamhetens tillgänglighet. Ett objekt kan vara i testmigrering medan ett annat fortfarande mappas.

Steg 6 och 7 ägs av verksamheten

En sak vill jag vara tydlig med: i steg 6 och 7 är det verksamheten som validerar – inte tekniken. AI och automation kan ladda datan hur många gånger som helst, men frågan "stämmer det här?" måste besvaras av människor som kan affären – de som direkt ser när en medlemspost, ett pris eller en kampanj ser fel ut. Därför körs steg 6 i DEV-miljö och steg 7 i TEST-miljö, med nyckelpersoner från verksamheten i förarsätet. Det är där förtroendet för datan byggs.

AI‑workflowet: flera agenter som tar det repetitiva

Det som gör den här migreringen snabbare än tidigare projekt är ett AI‑assisterat workflow jag byggt. Jag har byggt egna MCP‑servrar som kopplar agenterna till de olika databaserna, så att de kan läsa och förstå datamodellerna i käll‑ och målsystem. Med Hermes ger jag dem dessutom feedback, så att de förbättras bit för bit. Genom att låta agenterna sköta det repetitiva och tidskrävande frigör jag tid för det som verkligen kräver mig: dialogen med människorna i organisationen. Konkret tar de hand om:

• Mappning – föreslår fältmappningar mellan käll‑ och målmodell utifrån datamodeller och namnkonventioner.
• Profilering – kartlägger källdatan, mäter kompletthet och flaggar avvikelser tidigt.
• Verifiering – kontrollerar transformerad data mot kvalitetsregler och rekoncilierar käll mot mål.
• Teststöd – genererar testunderlag och sammanställer avvikelser inför verksamhetens granskning.

Agenterna kommer med förslag – inte färdiga svar, och de gör inte hela jobbet. Varje mappning, regel och avvikelse går jag och verksamheten igenom och validerar innan den används. Poängen är inte att ersätta omdöme, utan att frigöra tid till omdöme: när agenterna sköter mappningsförslag, profilering och avstämning hinner vi lägga energin där den gör störst skillnad – affärsreglerna, kantfallen och besluten om datakvalitet.

Automation skalar arbetet. Metodiken håller det under kontroll. Verksamheten avgör om det är rätt.

Slutsats

Storskalig retail‑migrering handlar inte om ett verktyg, utan om disciplin satt i system: en beprövad metodik (PDM v3), samma åtta steg för varje dataobjekt, och automation som tar det repetitiva utan att ta ifrån verksamheten ägarskapet över valideringen. Det är så en migrering med hundratals rörliga delar kan gå live lugnt – utan stress och utan obehagliga överraskningar.

Står ni inför en liknande transformation? Hör av dig – jag berättar gärna mer om hur metoden kan appliceras hos er.