Hvad er HubSpot Data Studio?

Sådan virker Data Studio i HubSpot

Du finder værktøjet under Data Management og fanen Data Studio. Du starter med Create dataset i øverste højre hjørne og derefter Bring in data, som åbner et Sources-panel i venstre side. Derfra vælger du kilder og sætter flueben ved de properties, du vil have med, og trykker Done. Resultatet ligner et regneark, og det er bevidst: rækkerne i datasættet er records, kolonnerne er properties, og du kan trække kolonner rundt for at ændre rækkefølgen.

Kilderne falder i to grupper. Fra HubSpot selv kan du trække CRM-objekter som kontakter, virksomheder, deals og custom objects, assets som website-sider og e-mails, samt aktiviteter fra samtaler og salg. Udefra kan du hente Google Sheets, Snowflake, filer i CSV-format og alt det, der allerede kommer ind via data sync-apps. Grænsen er fem datakilder pr. datasæt, og den mærker du hurtigt, hvis du forsøger at bygge én stor rapporteringstabel i stedet for flere målrettede.

Skal du kombinere mere end den simple udvælgelse tillader, ligger der en knap under Sources, der hedder Use advanced source configuration. Den lader dig joine flere kilder og styre, hvordan de hænger sammen. Det er her, folk med SQL-baggrund føler sig hjemme, og det er også her, de fleste fejl opstår, fordi en join på et felt, der ikke er unikt, giver flere rækker, end du forventede.

Kolonner kan tilføjes på tre måder. Add columns from a source henter en property mere ind fra en kilde, du allerede har koblet på. Add a formula column laver en beregnet kolonne. Add a Data Agent column beder HubSpots AI om at finde eller udlede noget, den enten researcher på nettet, slår op på virksomheden eller afleder af en anden kolonne i datasættet.

Formelsproget er bredere, end folk regner med. På tal har du ABS, CEIL, DIV0, EXP, FLOOR, LN, LOG, POWER, SQRT og WIDTH_BUCKET. På tekst har du CONTAINS, CONCAT, LENGTH og TRIM. På datoer har du blandt andet DATEDIFF, DATETRUNC, DATEPART, WEEKNUM, NOW og WORKINGDAYS, hvor den sidste er den, økonomi- og serviceteams typisk mangler, når de skal regne svartider i hverdage. Logikken klares med IF, og LABEL oversætter en enumerationsværdi til den tekst, brugerne kender fra CRM'et, så en lifecycle stage ikke står som en intern nøgle i eksporten.

Aktivering er det, der gør datasættet til andet end en rapport. Når du har gemt, får du en Use in-knap. Herfra kan datasættet skrives til CRM'et, drive et engangs- eller gentaget workflow på primærobjektets records, blive til et dynamisk segment, indgå i rapporter sammen med CRM-data, eller eksporteres til Google Sheets og Office 365 Excel. Det er den samme tabel, der driver alle fem, og det er hele pointen: du vedligeholder logikken ét sted.

Der er en fælde i aktiveringen, som er værd at kende på forhånd. Når et datasæt har flere kilder med en en-til-mange-relation, laver HubSpot en summarized view, og kun de kolonner, der findes i den summerede visning, kan bruges i CRM sync, workflows og lister. Bygger du en tabel med én række pr. faktura og forventer at kunne aktivere den på virksomhedsniveau, opdager du det først, når kolonnen ikke kan vælges.

Rettigheder styres separat fra resten af Data Hub. View og Edit er slået til som udgangspunkt, mens Use skal tildeles af en Super Admin, og det er Use, der afgør, om en bruger må tage datasættet videre i et workflow, et segment, en CRM-synkronisering eller en eksport. Det er en fornuftig opdeling, men den overrasker ofte den første analytiker, der bygger noget færdigt og så ikke kan trykke på den sidste knap.

Værktøjet er stadig i beta, og det flytter sig. I juli 2026 kom fire ændringer, der alle handlede om at slippe for at forlade byggeren: Column Summary, som viser sum, gennemsnit, minimum og maksimum nederst i tabellen, udfyldning af huller i data direkte i byggeren med HubSpots egne virksomheds- og kontaktdata eller med Data Agent, lettere håndtering af kolonner, når kilderne allerede er koblet på, og rollups over en-til-mange-relationer inde i byggeren. Samme sommer kom en Data Sources API i beta, som lader jer skubbe data ind programmatisk.

Det tekniske loft på den API er offentligt og værd at kende, før I bygger noget på den. HubSpots dokumentation for Data Studios data source ingestion API sætter maksimal filstørrelse til 512 MB, højst 100.000 records pr. kald og højst 200 kolonner pr. datakilde, og derudover gælder de almindelige API-rate limits. Det rækker til partnerfeeds, natlige snapshots og output fra agenter, men ikke til en streaming-integration.

Vi hjælper danske B2B-virksomheder med at få data fra e-conomic, Business Central og andre systemer ind i HubSpot på en måde, der kan bruges til noget: hvilke datasæt der skal bygges, hvilke der kan klares med en almindelig data sync, og hvad kreditforbruget realistisk lander på. Skal vi kigge på jeres opsætning og regne på, om Data Hub Professional betaler sig hos jer, så tag fat i os.

Hvad danske B2B-teams bruger Data Studio til

Data Studio giver mening hos jer, når data ligger spredt over to eller flere systemer og skal ses samlet. Mængden betyder mindre end spredningen. Herunder er de anvendelser, vi oftest ser hos danske virksomheder med mellem 20 og 500 medarbejdere.

Omsætning fra økonomisystemet ind på virksomhedsrecorden
Fakturerede beløb fra e-conomic eller Business Central hentes ind som ark eller via en data sync-app, joines på CVR eller kundenummer og skrives tilbage som en property på company-objektet. En dansk produktionsvirksomhed brugte det til at erstatte et kvartalsvist regneark, som salgschefen selv vedligeholdt, og som altid var tre uger gammelt, når det blev brugt.

Segmenter der bygger på ægte kundeadfærd
Et datasæt kombinerer deals, supporttickets og produktforbrug fra et eksternt system, filtrerer til kunder med faldende forbrug og stigende antal tickets, og aktiveres som et dynamisk segment. Et dansk SaaS-selskab kører et churn-varslingsflow på præcis den liste og lader kundeansvarlige få en opgave, før fornyelsen er en måned væk.

Berigelse af emner uden at købe en ekstra datakilde
Data Agent-kolonnen kan researche virksomheden og udfylde felter, I ellers ville købe eller taste. Et rådgivningshus brugte det til at udlede branche og medarbejderantal på 1.200 emner fra en messeliste, før de overhovedet blev importeret som kontakter, så segmenteringen var på plads fra dag ét.

Datavask før en migrering
Modifierne Title case, Lower case og Trim whitespace rydder op i inkonsekvent indtastede felter, og formelkolonner kan normalisere landekoder og telefonnumre. Vi bruger det typisk som sidste led før en import, fordi det er lettere at se fejlen i en tabel end i et importpreview. Det spiller sammen med den datahygiejne, I i forvejen burde have styr på.

Rapporter, der spænder over HubSpot og noget udenfor
Annonceforbrug fra et regneark lagt ved siden af deals giver en reel pris pr. vundet aftale i stedet for pris pr. lead. En B2B-webshop kombinerede ordredata fra ERP med original traffic source på kontakten og kunne for første gang se, hvilke kanaler der leverede genkøb frem for førstegangsordrer.

Beregninger, der ikke kan laves med en calculation property
Calculation properties regner inden for én record. Data Studio regner på tværs af rækker og kilder, så ting som omsætning pr. medarbejder, dage mellem to hændelser i hverdage eller en score sammensat af fire systemer kan lade sig gøre. Resultatet kan skrives tilbage som en almindelig property, som resten af HubSpot kan filtrere på.

Fællestrækket er, at datasættet bliver liggende og opdaterer sig, i stedet for at være en eksport, nogen lavede en fredag. Det er også grunden til, at vi anbefaler at starte med ét datasæt, der løser ét konkret problem, frem for at bygge én samlet tabel over det hele. Fem kilder er loftet, og et datasæt, ingen tør røre, er lige så dødt som regnearket, det afløste.

Alternativer, priser og begrænsninger

Data Studio konkurrerer med tre forskellige ting på én gang: et rigtigt datavarehus, et reverse ETL-værktøj og det regneark, I bruger i dag. Hvad der er billigst, afhænger fuldstændig af, hvor meget data I flytter, og om I har nogen, der kan skrive SQL.

Datavarehus og BI, typisk Snowflake eller BigQuery med Data Studio Pro fra Google
Den klassiske opbygning: rådata ind i et varehus, transformationer i SQL eller dbt, visualisering ovenpå. Det er stærkere end HubSpot på historik, versionering og tunge beregninger. Google har omdøbt Looker Studio tilbage til Data Studio, og det navnesammenfald er værd at kende, når I googler: gratisversionen dækker rapportering, og Pro koster 9 USD pr. bruger pr. måned ifølge Googles egen dokumentation (kontrolleret september 2026). Svagheden er, at et dashboard ikke skriver noget tilbage i CRM'et.

Weld, dansk udviklet ELT med reverse ETL indbygget
Weld henter data ind i et varehus og skubber det ud igen til blandt andet HubSpot. Pr. september 2026 koster Basic 99 USD pr. måned ved årlig betaling med 5 mio. månedligt aktive rækker, 2 konnektorer og 1 bruger, Premium 389 USD med 10 mio. rækker og 6 konnektorer, og Business 959 USD med 50 mio. rækker og 10 konnektorer, ifølge Welds egen prisside. Ekstra brugere koster 19 USD pr. måned. Det er billigere end Data Hub Professional, hvis I kun skal flytte data, og dyrere, hvis I samtidig skal bruge resten af Data Hub.

Hightouch og Census, rene reverse ETL-værktøjer
Begge er bygget til at aktivere data fra varehuset i forretningsværktøjer. Hightouch har en gratis basisudgave med op til to aktive syncs og forbrugsbaseret betaling derover. De forudsætter, at data allerede ligger i et varehus, så de løser den sidste halvdel af opgaven og ikke den første.

Salesforce Data 360, tidligere Data Cloud
Den nærmeste modsvarighed i Salesforce-verdenen, og en større mundfuld: kreditbaseret afregning, aftalt pr. konto, og typisk et implementeringsprojekt frem for en funktion nogen slår til. Den vinder på skala og på organisationer, der allerede har Salesforce som omdrejningspunkt.

De to billigste alternativer ligger i HubSpot selv
Data sync på Data Hub Starter holder to systemer opdateret, uden at nogen bygger et datasæt, og en custom coded action i et workflow kan lave beregninger, som en calculation property ikke kan. Starter koster fra 20 USD pr. måned pr. seat i normalpris. Kan opgaven løses med de to, er der ingen grund til at gå op i Professional.

HubSpot vinder, når data skal tilbage ind i CRM'et og bruges af folk, der aldrig åbner et BI-værktøj. Et segment, der er bygget i Data Studio, er det samme segment, en marketingansvarlig vælger i en e-mail, og det er den forskel, der sparer flest møder. HubSpot taber til varehuset på historik, på datamængder over de nævnte API-grænser, og i alle tilfælde hvor flere systemer end HubSpot skal fodres med det samme resultat. Har I allerede Snowflake og en dataperson, giver det sjældent mening at flytte transformationerne ind i HubSpot.

Prisen er det sted, folk bliver overraskede. Data Studio findes ikke i Free og ikke i Starter. Ifølge HubSpots prisside for Data Hub, kontrolleret september 2026, koster Data Hub Professional fra 720 USD pr. måned ved årlig binding mod 800 USD i normalpris, med ét Core Seat inkluderet og yderligere Core Seats fra 45 USD pr. måned. Enterprise starter på 2.000 USD pr. måned med ét Core Seat og ekstra seats fra 75 USD. Starter koster fra 20 USD pr. måned pr. seat i normalpris, og Free dækker op til to brugere.

Oveni abonnementet ligger kreditter, og det er dem, der gør regnestykket svært at forudsige. Prissiden oplyser 5.000 HubSpot Credits på Professional og 10.000 på Enterprise, mens Starter har 500, og kreditterne nulstilles for hver forbrugsperiode. HubSpots dokumentation om kreditter og fakturering nævner Data Studio-syncs direkte som en af de funktioner, der bruger kreditter, sammen med Data Agent, Customer Agent og Prospecting Agent. Ubrugte kreditter udløber ved udgangen af hver periode og overføres ikke, og overforbrug afregnes til 0,010 USD pr. kredit i intervaller af ti.

Det betyder i praksis, at et datasæt, der synkroniserer ofte og har en Data Agent-kolonne på mange rækker, bruger flere HubSpot Credits end det samme datasæt uden AI-kolonnen. Vi anbefaler at bygge det første datasæt uden Data Agent, måle kreditforbruget en måned, og først derefter tilføje de AI-kolonner, der faktisk bruges. Det er også den rækkefølge, der gør det lettest at forklare regningen internt.

De hårde grænser er til at overskue: fem datakilder pr. datasæt, 512 MB pr. fil, 100.000 records pr. API-kald og 200 kolonner pr. datakilde. Dertil kommer de almindelige grænser på selve CRM'et, som I kan se i data model builderens Limits-fane, der ifølge HubSpots vejledning til data model builder viser forbrug på records, associations, pipelines, custom og calculated properties, association labels og custom objects. Den fane er tilgængelig på alle planer og er det hurtigste sted at se, om I nærmer jer noget.

For danske virksomheder er datalokation som regel det første spørgsmål fra en DPO. HubSpot kører på AWS og har et EU-datacenter i Tyskland ved siden af Virginia, Oregon, Montreal og Sydney, og betalende kunder på Starter, Professional eller Enterprise kan skifte datacenter, mens konti på gratisværktøjer skal opgraderes først. Vær opmærksom på den vigtige undtagelse i HubSpots FAQ om cloudinfrastruktur og datahosting: noget behandling sker uden for det valgte datacenter, herunder analytics i USA og adgang fra HubSpots egne medarbejdere i andre regioner ved support. Det skal stå i jeres fortegnelse, og det skal afklares, før I lægger personhenførbare data fra et eksternt system ind i et datasæt.

Sproget er værd at nævne, fordi det ofte overses: selve HubSpot-grænsefladen findes på dansk, men kolonnenavne, formelfunktioner og fejlbeskeder i Data Studio er engelske. Det er sjældent et problem for dem, der bygger datasættene, men det betyder noget for, hvem I kan uddelegere vedligeholdelsen til.

Hvornår kan det så ikke betale sig? Har I under 2.000 records i CRM'et og ét system ved siden af, er en data sync-app eller en månedlig import billigere og lettere at forstå. Har I omvendt et modent datavarehus og en dataansvarlig, hører transformationerne hjemme der, og HubSpot skal bare modtage resultatet. Data Studio rammer virksomheder midt imellem: dem, der har flere systemer, end de kan overskue manuelt, og færre datafolk, end der skal til at drive et varehus. Er I i tvivl om, hvor I ligger, kan vi kigge på det sammen som en del af vores arbejde med HubSpot-platformen, hvor vi ofte starter med at regne på, hvad de nuværende regneark koster i timer.