Datalog

En datalog bygger og vedligeholder software. Det meste af tiden går ikke med at taste kode. Den går med at forstå problemet, læse eksisterende kode og beslutte, hvad der skal bygges.

Typiske opgaver

• Udvikle backend-systemer, apps eller datapipelines (systemer der flytter og renser data automatisk)
• Designe databaser og datamodeller, så data kan hentes hurtigt og korrekt
• Vælge algoritmer og datastrukturer, når noget skal køre hurtigere eller billigere
• Læse kollegers kode og give feedback, inden den sættes i drift (code review)
• Finde og rette fejl i systemer, der allerede kører hos brugerne
• Oversætte et løst ønske fra en kunde til konkrete tekniske krav
• Skrive tests og sætte automatisk udrulning op (CI/CD)
• Overvåge systemer og rykke ud, når noget går ned

En almindelig arbejdsdag

Dagen starter tit med et kort statusmøde i teamet på 10-15 minutter. Derefter følger et par timers fokuseret arbejde på en opgave fra sprintets liste. Midt på dagen er der ofte code review af en kollegas ændringer og et møde med produktejeren om, hvad næste version skal kunne. Om eftermiddagen bruger mange tid på fejlsøgning: læse logfiler, genskabe fejlen lokalt og finde årsagen. En del af arbejdet er skriftligt — dokumentation, tekniske forslag og beskeder til andre teams.

Arbejdet er sjældent ensomt. En datalog sidder i et team med andre udviklere, en tester, en designer og en produktejer.

Specialiseringer

• Backend: servere, API'er og databaser bag en app eller hjemmeside
• Frontend: det brugeren ser og klikker på i browseren
• Data engineering: bygge systemer, der samler og klargør store datamængder
• Maskinlæring: træne modeller på data og få dem til at køre stabilt i drift
• Sikkerhed: finde huller i systemer, før andre gør det
• Platform og drift: sørge for at alt kører, skalerer og kan rulles tilbage
• Arkitektur: lægge de store linjer for, hvordan systemer hænger sammen

Hvor arbejder dataloger?

• Software- og konsulenthuse som Netcompany, Systematic, Trifork og KMD
• Finans og fintech: banker, pensionsselskaber og betalingsløsninger
• Medico og life science: Novo Nordisk, Coloplast, Demant og GN
• Industri og energi: Vestas, Grundfos, Danfoss, Kamstrup og Ørsted
• Det offentlige: Skattestyrelsen, sundheds-it i regionerne og kommunale fagsystemer
• Produkt- og spilvirksomheder som Unity, Zendesk og IO Interactive
• Forskning og undervisning på universiteterne

De fleste stillinger ligger i København og Aarhus. Hjemmearbejde et par dage om ugen er normalt i branchen.

Karriereveje

De første år går med at blive god til at bygge og rette. Derefter deler vejen sig typisk i to. Den ene går mod ledelse: teamlead, udviklingschef eller CTO. Den anden går mod dybere faglighed: senior udvikler, softwarearkitekt eller specialist i for eksempel maskinlæring. Nogle bliver selvstændige konsulenter, andre starter deres eget produkt. En håndfuld læser videre til ph.d. og bliver i forskningen.

Til dig, der skal ansætte en datalog

Dataloger søger sjældent job under titlen datalog. Opslagene hedder softwareudvikler, backend engineer, dataingeniør eller it-arkitekt. Søger du en, der skal tage ansvar for arkitektur, algoritmer eller maskinlæring, passer en datalog godt. Skal der bygges en standardløsning på kendt teknologi, er en datamatiker ofte lige så god og hurtigere at finde. Kandidater bedømmes bedst på et konkret projekt, de selv har bygget — ikke på antal år med et bestemt programmeringssprog.

Den lige vej: universitetet

Datalog er titlen på en, der har læst datalogi på universitetet. Uddannelsen er en bachelor på 3 år plus en kandidat på 2 år. Samlet 5 år, og du ender som cand.scient. i datalogi.

Du kan læse datalogi på Københavns Universitet (DIKU), Aarhus Universitet, Aalborg Universitet, Syddansk Universitet og RUC. Nært beslægtede uddannelser er softwareteknologi på DTU, softwareudvikling på IT-Universitetet og civilingeniør i software på AAU og SDU. Arbejdsgivere behandler dem i praksis stort set ens.

Adgangskrav

Du skal typisk have Matematik A, Engelsk B og Fysik B fra gymnasiet. Nogle steder er der desuden krav om en bestemt karakter i Matematik A. Kravene ændrer sig fra år til år, så tjek altid universitetets egen optagelsesside. Mangler du et fag, kan du tage det som suppleringskursus (GSK) på VUC eller et gymnasium, ofte på et halvt år.

Hvad lærer du?

• Programmering i flere sprog, ikke bare ét
• Diskret matematik, logik og beviser
• Algoritmer og datastrukturer, og hvordan man regner på deres hastighed
• Databaser, operativsystemer og computernetværk
• Beregnelighed: hvad computere principielt ikke kan løse
• Softwarekonstruktion i gruppeprojekter med rigtige kunder
• Valgfag i for eksempel maskinlæring, kryptografi, grafik eller sprogteknologi

De første to år er tunge på teori. Mange oplever, at det først hænger sammen i praksis på tredje år.

Andre veje ind i faget

• Datamatiker: 2,5 år på erhvervsakademi. Praktisk, med praktikophold, og giver adgang til udviklerjob direkte.
• Professionsbachelor i softwareudvikling: 1,5 års overbygning oven på datamatiker. Kan give adgang til en kandidat, ofte med krav om suppleringsfag.
• Diplomingeniør eller civilingeniør i software: mere teknik og hardware, samme jobmarked.
• Selvlært eller omskolet: muligt, men sværere end tidligere. Der skal være kode, andre kan se, og gerne erfaring fra et rigtigt projekt.

Godt at vide

Titlen datalog er ikke beskyttet ved lov. Alle må kalde sig det. Når en arbejdsgiver skriver datalog i et opslag, mener de dog næsten altid en kandidatuddannelse i datalogi eller noget tilsvarende.

Vil du forske eller undervise på universitetet, skal du videre på en ph.d. Den tager typisk 3 år oven på kandidaten og er lønnet.

Værktøjerne skifter hurtigt. Grundlaget — algoritmer, datamodellering og fejlsøgning — gør ikke. En datalog lærer typisk 3-4 sprog i løbet af studiet og skifter alligevel til noget nyt på første job.

Programmeringssprog

• Python til data, maskinlæring og hurtige værktøjer
• Java og C# i store danske virksomheder og det offentlige
• JavaScript og TypeScript til alt, der kører i en browser
• Go og Rust til systemer, hvor hastighed og stabilitet vejer tungt
• C og C++ tæt på hardware, for eksempel i medico og industri
• SQL til at hente data ud af databaser

Daglige værktøjer

• Git og GitHub eller GitLab til versionsstyring (historik over alle ændringer i koden)
• Et udviklingsmiljø som VS Code, IntelliJ eller Visual Studio
• Linux og kommandolinjen
• Docker og Kubernetes til at pakke og køre programmer ens alle steder (containere)
• Cloud hos AWS, Azure eller Google Cloud
• Databaser som PostgreSQL, MS SQL Server, MongoDB og Redis
• Jira og Confluence til opgaver og dokumentation
• Automatiske byg og udrulning med GitHub Actions eller Jenkins
• Overvågning med Grafana, Prometheus eller Datadog

Til maskinlæring og data

• PyTorch, scikit-learn og pandas
• Notebooks til at eksperimentere med data, inden det bliver til rigtig kode
• Databehandlingsværktøjer som dbt, Spark eller Databricks

AI-assistenter

Kodeassistenter som GitHub Copilot, Claude og Cursor er blevet almindelige i danske udviklingsteams. De skriver udkast, forklarer fremmed kode og laver tests. En datalog skal stadig kunne vurdere, om forslaget er rigtigt — ansvaret for koden flytter sig ikke.