Denna rapport behandlar utvecklingen av en webbapplikation som sparar och visar förändringar från ett annat, redan befintligt system. Det befintliga systemet, skapat av projektgruppens kund Personalkollen, är en plattform där företag inom servicebranschen hanterar administration av personal. Det system som utvecklats i detta projekt kallas Loggkollen, eftersom det hanterar just loggar. Loggkollen utvecklades av civilingenjörsstudenter med inriktningarna datateknik och mjukvaruteknik vid Linköpings universitet. Systemet utvecklades med ramverken React och Django samt med språken Python, JavaScript, HTML och CSS. Denna rapport innehåller bland annat bakgrund, teori, resultat samt överblick av arbetet. Varje projektmedlem skrev en egen individuell rapport som behandlade något ämne relaterat till detta arbete. Dessa individuella rapporter hittas i slutet av rapporten. Vidare diskuteras olika aspekter av arbetet, som arbetsmetoder och resultat. Slutligen besvaras rapportens frågeställningar i slutsatsen. Resultatet blev en webbapplikation bestående av en frontend och backend. I användargränssnittet visas olika loggar i en lista som representerar förändringar som gjorts i Personalkollens system. Loggar kan filtreras utifrån typ av loggning och vilken kategori de tillhör, men även genom en valfri söksträng. Det går också att exportera listan av loggar till ett Excel-dokument, vilket kan underlätta arbetet för användarna av systemet då de vill hantera informationen på annat sätt.

This bachelor thesis aims at investigating how librarians at university libraries experience privacy and user data when using the digital library, and to relate their views to an era of Big Data. Protecting the library user’s privacy is part of the librarian profession and established in the ethical codes published by the International Federation of Library Associations and Institutions (IFLA). Privacy issues have also been of interest for the library- and information science over the years, some studies which have investigated the expectations of privacy by library users. The results show that library users expect the library to protect their privacy and feel safe about the library as an institution for doing so. Earlier studies, as well as my result, shows that this is a major challenge in an era of Big Data, when the digital library depends on third party suppliers and the exchange of data between libraries, suppliers, and library users.  The thesis takes on a qualitative approach. Interviews were held with five librarians using the semi-structured interview as a method. To analyse the result, the thoughts presented by Mai (2019) about personal information in an era of Big Data, and the models of privacy and information presented by Mai (2016, 2019) and Agre (1994), have been used. The result shows that the librarians view on privacy and user data correspond with the perspectives reflected in the Panopticon Model and the Capture Model. That is a traditional view on privacy and information, seeing personal information as a certain type of information that can be controlled. According to this view, violation of a user’s privacy is about not being able to fully protect that personal information. According to Mai (2016, 2019) this is not a satisfactory view on privacy in an era of Big Data. He therefore suggests the Datafication Model. Privacy should, according to Mai (ibid.), be less about the information and more about the situations where the information is being used. This view on privacy and information couldn’t be seen in the result of the study.

his study focuses on Google’s user agreements and how students within the field of library and information science at the University of Borås are perceiving and relating to these agreements. User agreements are designed as contracts which makes the user data available for Google, but also for the user to protect his or her personal integrity. A problem recent studies show is that few internet users read these agreements and don’t know enough about what Google collect and do with their user data. In this study the concept of surveillance capitalism is used to describe how Google has become a dominant actor on a new form of market. This market is partly formed by Google’s business model which turns user data into financial gain for the company. It is discussed in recent studies that this form of exploitation of user data is problematic and is intruding on people’s personal integrity. The theoretical framework was constructed from theories that social norms influence human behaviour which makes people sign the agreements without reading them. Technological determinism and affordance are also used to discuss how technology contributes to influence people. Surveys where distributed to examine how the students perceived Google’s user agreements. The results of the study show that the students seems to know a lot about what Google collects and how the user data is used, although they rarely read them since they perceive the agreements as complicated and too long.

Företaget Cake har idag inte en komplett bild över hur dess fordon används. Därför samlar företaget idag upp användardata i en förhoppning om att kunna analysera denna data för att få insikter över hur dess produkter används och vad de ska satsa på i framtiden. Företaget har idag inte någon komplett lösning för att analysera denna mängd data. De efterlyser en kartläggning över den data som samlas in och vilket analysverktyg som kan utvecklas. Rapportens syfte var att undersöka om företagets användardata kan utvinnas och användas till visualisering samt maskininlärning för att få mer nytta av den.För att uppnå detta började arbetet med en undersökning av de befintliga processerna och metoderna såsom hur data samlas in och kan analyseras hos uppdragsgivaren samt genomgång hur den insamlade datan var strukturerad. Därefter utvecklades och implementerades en lösning för att visualisera och analysera användardata, inklusive undersökning av möjligheterna med maskininlärning för att få djupare insikter i användarnas beteenden. Resultatet visar att om företaget implementerar ett användarvänligt visualiserings- och analysverktyg blir det överlägset jämfört med nuvarande verktyg och metoder då prototypen möjliggör att företaget kan undersöka användarmönster under specifika tidsperioder och göra jämförelser mellan fordon vilket inte kunde göras med befintliga verktyg och metoder. Vid implementeringen måste säkerhet avseende personuppgifter beaktas. Vid analys av IoT-data med maskininlärningsmetoden Clustering samt den behandling som görs dras slutsatsen att möjligheten fanns till att särskilja olika användares dolda användarmönster och gruppera dessa. Användarmönster refererar till de regelbundna och karakteristiska sätten på vilka användare interagerar med en specifik teknologi, tjänst eller system över tid. Dessa mönster kan inkludera upprepade handlingar, preferenser, tidsbaserade aktiviteter och andra beteendemässiga aspekter. / Today, the company Cake does not have a complete picture of how its vehicles are used.Therefore, the company today collects user data in the hope of being able to analyze this data to gain insights into how its products are used and what they should focus on in the future. Today, the company does not have a complete solution for analyzing this amount of data. Today, the company also does not have a complete solution for analyzing this amount of data. They are calling for a survey of the data that is collected and what analysis tools can be developed. The purpose of the report was to investigate whether the company's user data can be mined and used for visualization and machine learning to get more use out of it. To achieve this, the work began with an investigation of the existing processes and methods such as how data is collected and can be analyzed at the client and a review of how the collected data was structured. A solution to visualize and analyze user data was then developed and implemented, including exploring the possibilities of machine learning to gain deeper insights into user behaviour. The result shows that if the company implements a user-friendly visualization and analysis tool, it will be superior compared to current tools and methods, as the prototype enables the company to examine user patterns during specific time periods and make comparisons between vehicles, which could not be done with existing tools and methods. During the implementation, security regarding personal data must be taken into account. When analyzing IoT data with the machine learning method Clustering and the processing that is done, it is concluded that the possibility existed to distinguish the hidden user patterns of different users and group them. User patterns refer to the regular and characteristic ways in which users interact with a specific technology, service or system over time. These patterns may include repeated actions, preferences, time-based activities, and other behavioral aspects.

Den teknologiska utvecklingen öppnar möjligheter att utnyttja teknologi för att skapa konkurrensfördelar. Traditionella aktörer ställs inför utmaningar vid anpassning mot ny teknologi. Den här studiens syfte var att undersöka hur teknologisk utveckling har påverkat traditionella aktörers marknadsstrategier. Det har gjorts genom att studera traditionella svenska tv-bolags strategiska anpassning mot SVOD-tjänsternas ökade inflytande på den svenska tv-marknaden. Genom en kvalitativ metod bestående av fyra semistrukturerade intervjuer med tre stora svenska tv-bolag samt sekundärdatainsamling har empiriskt underlag samlats in och analyserats utifrån en teoretisk analysmodell bestående av Porters generiska strategier samt Kim et al.:s integrerade strategi. Resultatet indikerar att samtliga studerade tv-bolag implementerar integrerade strategier i olika konstellationer, samt att kostnadsledarskap är av ökande betydelse. Vidare används data i högre utsträckning i tv-bolagens marknadsstrategier. / Technological advances opens up opportunities for companies to utilize new technology to create competitive advantages. Traditional companies faces challenges when adapting to new technologies. This study aimed to explore how technological advances has affected traditional companies’ competitive strategies. This has been examined within the scope of the Swedish television market by analyzing how traditional Swedish television companies has adapted their competitive strategies to the market entry of SVOD services. The data was collected through a qualitative method including four semi-structured interviews with three major Swedish television companies and through secondary data collection. The data has been analyzed through an analysis model composed of Porter’s generic strategies and Kim et al.’s integrated strategy. The findings indicate that all studied companies implement integrated strategies in different constellations, and that implementation of overall cost leadership is of increasing importance. The findings also shows that big data is increasingly used in the examined companies’ competitive strategies.

De senaste decenniernas teknikutveckling har fört med sig många möjligheter och industriföretags produkter genererar idag stora mängder data, exempelvis bilar. Mjukvaruföretag har legat i framkant vad gäller insamling och analysering av data och industriföretag har därifrån mycket att lära sig. Syftet med detta arbete är att undersöka möjligheter och utmaningar industriföretag står inför när de samlar in data från sina produkter. Studien inleddes med en litteraturstudie vilken lade grunden för studiens syfte och problematisering. Därefter gjordes en djupare undersökning där teori och intervjustudie jämfördes. I intervjustudien deltog fyra svenska företag som alla tillverkar eller planerar att tillverka smarta produkter. Resultatet av arbetet visar på att industriföretag blir allt mer datadrivna och att de ofta gynnas av att samla in data från deras produkter. De största användningsområdena som kommer med produktgenererad data är att företag kan förstå kundbehov, övervakning av produkter samt prediktivt underhåll. Möjligheterna som kommer med detta är så pass stora att det för de flesta stora industriföretag är nödvändigt att arbeta med produktgenererad data för att bibehålla konkurrenskraft. / The technical advancements that have been made during the last decades have brought many opportunities, and the products that industrial companies are developing now generate vast amounts of data. Software companies have been leading the development of collecting and analyzing data, and industrial companies have much to learn from them. The purpose of this work is to investigate the opportunities and challenges that industrial companies face when collecting data from their products. The study was preceded by a literature review that formed the foundation of the purpose and problematization of the study. A deeper investigation was then conducted where theory and interview study were compared. Four Swedish companies took part in the interview study, and all are manufacturing or plan to manufacture smart products. The results show that industrial companies become more and more data driven and that they benefit from collecting data from their products. The biggest use cases for companies that product generated data brings are understanding of customer needs, the possibility for customer to monitor their products and predictive maintenance. The opportunities this gives are so great that it is necessary for most industrial companies to take use product generated data, in order to stay competitive.

Teknikutvecklingen har bidragit till ökad mängd användardata företag har tillgång till och väntas fortsätta öka. Företag som integrerar användardata i sina produktutvecklingsprocesser väntas uppnå konkurrensfördelar. Arbetets syfte handlar om att undersöka möjligheter och utmaningar vid integrering av stora mängder användardata. Genom att besvara två frågeställningar fastställer undersökningen arbetets syfte, där även konsekvenser för beslutsfattande behandlas. Arbetsprocessen inleddes med en litteraturstudie som låg till grund för både problematiseringen och syftet som identifierar ett gap i forskningen kring användardata i produktutvecklingsprocesser. Genom litteraturstudien skapades en bredare förståelse för ämnet. Den empiriska delen utgjordes av en kvalitativ semistrukturerad intervjustudie med fyra deltagande företag och lika många respondenter med kunskap inom området. Genom kodning av materialet identifierades områden bland respondenterna som bidrog med insikter som behandlats för att bidra till forskningsområdet. Resultaten belyser möjligheter och utmaningar företag står inför vid integrering av storamängder användardata i produktutvecklingsprocesser. Studien framhåller användaren som central i produktutvecklingen, där ökad data möjliggör komplexa dataanalyser. Effektivanalys av data möjliggör snabbare itereringsprocesser och repetitiva jobb kan ersättas av mer stimulerande. Därtill blir beslutsunderlag mer omfattande och kan generera nya strategier och utformningar av erbjudanden. Studien fastställer även att ökad mängd data ställer krav på företag, där relevansen i datan är viktig och processer för hantering måste kunna definiera relevant data. Vidare måste företag mogna i rollen att integrera användardata. För att beslutsunderlag från användardata ska vara säkert bör kvalitativa och kvantitativa analyser främjas att samverka för att bekräfta varandras identifierade mönster. Integrering av stora mängder användardata i produktutvecklingsprocesser fastställs av denna studie kräva att kompetens erhålls för att i processer för hantering av data kunna säkerställa relevans genom att definiera vilken data som ska samlas in. Vid lyckad integrering uppnår företag som integrerar användardata konkurrensfördelar och kapitaliseringsmöjligheter som är långsiktigt gynnsamma. / The technology development has contributed to an increased amount of user data companies have access to and is expected to continue to increase. Companies that integrate user data into their product development processes are expected to gain competitive advantages. The purpose of the work is to investigate opportunities and challenges when integrating large amounts of user data. By answering two questions, the study determines the purpose of the work, where the consequences for decision­ making also are addressed. The work process began with a literature study that formed the basis for both the problematization and the purpose that identifies a gap in the research about user data in product development processes. The literature study created a broader understanding of the subject. The empirical part consisted of a qualitative semi­structured interview study with four participating companies and an equal number of respondents with knowledge in the field. Coding of the material identified areas among the respondents which contributed within sights that were processed to contribute to the research area.The results highlight opportunities and challenges companies face when integrating large amounts of user data into product development processes. The study highlights the user as central to product development, where increased data enables complex data analysis. Efficient analysis of data enables faster iteration processes and repetitive jobs can be replaced by more stimulating. In addition, the basis for decision-making becomes more extensive and can generate new strategies and designs for offers. The study also determines that increased data places demands on companies, where the relevance of the data is important and processes for handling must be able to define the relevant data. Furthermore, companies need to mature in the role of integrating user data. In order to ensure the safe basis for decision­making from user data, qualitative and quantitative analyses should be promoted to work together to confirm each other’s identified patterns. The integration of large amounts of user data into product development processes is determined by this study to require the acquisition of competence in order to ensure relevance in data management processes by defining which data to collect. With successful integration, companies that integrate user data achieve competitive advantages and capitalization opportunities that are long­-term beneficial.

De senaste 10 åren har bokbranschen genomgått en omfattande digitalisering. Ett av resultaten från denna digitalisering är framväxten en helt ny marknad för ljudböcker och ur denna marknad har ett flertal ljudbokstjänster vuxit fram. Dessa ljudbokstjänster erbjuder sina användare en produkt i form av en applikation, i produkten får de tillgång till en obegränsad mängd streamat innehåll, huvudsakligen ljudböcker. Produktutvecklingen av dessa ljudbokstjänster har skett under en tid då agila arbetsprocesser har blivit allt populärare, vilka främjar en delad kunskap mellan utvecklare och kunder. Samtidigt har tillgången till kvantitativt loggad användardata vuxit enormt, vilket har möjliggjort en större och mer kontinuerlig närhet till produktens användare än någonsin tidigare. Denna studie ämnar att undersöka hur svenska ljudbokstjänster arbetar för att integrera sina användare i utvecklingen av deras produkt, med vilka metoder och i vilka syften det utförs. Med den obegränsade tillgången till användare i form av kvantitativt loggad användardata, är det av intresse att undersöka hur det påverkar användandet av andra traditionella metoder för användarinvolvering. En litteraturstudie genomfördes för att ta reda på det rådande kunskapsläget gällande metoder för användarinvolvering inom produktutvecklingen av streamingtjänster. Utifrån denna litteraturstudie utformades en intervjuguide. Därefter genomfördes tre kvalitativa intervjuer med en representant vardera från tre av de största och mest etablerade svenska ljudbokstjänsterna. Intervjuerna transkriberades och analyserades mot den undersökta teorin. Ur den analyserade empirin kunde två huvudsakliga syften till ljudbokstjänsternas användarinvolvering fastställas: • Att involvera användare som en medskapare av produkten • Att involvera användaren som testobjekt för prototyper Samtliga av de undersökta ljudboksföretagen använde sig av loggad kvantitativ användardata i båda dessa fall av användarinvolvering. Med användaren som ett testobjekt visar sig A/B-testning spela en stor roll vid användandet av loggad kvantitativ användardata. Två tredjedelar av ljudboksföretagen använde sig av kvalitativa metoder som fokusgrupper, vilket visade sig vara av stor vikt både i syftet att låta användaren testa och medskapa. Fokusgruppens unika fördelar exempelvis empatisk förståelse av användaren, är något som den kvantitativt loggade användardatan inte kan erbjuda. / The audiobook industry has undergone extensive digitisation. One of the results of this digitalisation is the emergence of a whole new market for audio books and from this a number of audiobook services have emerged. These audiobook services offer their users a product as an application where the users have access to an unlimited amount of streamed content in form of audiobooks. The product development of these audiobook services has taken place during a time when agile work processes have become increasingly popular, which promotes shared knowledge between developers and customers. At the same time, access to quantitatively logged user data has grown tremendously, which has enabled a greater and more continuous proximity to the product's users than ever before. This study aims to investigate how Swedish audiobook services work to integrate their users in the development of their product, with what methods and purposes it is performed. With the unlimited access to users in the form of quantitatively logged user data, it is of interest to investigate how it affects the use of other traditional methods of user involvement. A literature study was conducted to find out the current state of knowledge regarding methods of user involvement in the product development of streaming services. Based on this literature study, an interview guide was designed. Subsequently, three qualitative interviews were conducted with one representative each from three of the largest and most established Swedish audiobook services. The interviews were transcribed and analysed against the theory investigated. From the analysed empiric study, two main purposes for the user involvement of audiobook services could be established: • Involving users as a co-creator of the product • Involving the user as a test object for prototypes All of the audiobook companies surveyed used logged quantitative user data in both of these cases of user involvement. With the user as a test object, A / B testing proves to play a major role in the use of logged quantitative user data. Two-thirds of audiobook companies used qualitative methods such as focus groups, which proved to be of great importance to both user testing and co-creation. The focus group's unique advantages, for example empathic understanding of the user, is something that the quantitatively logged user data cannot offer.

Att integrera insamling och analysering av användardata inom produktutveckling förekommer hos företag inom alla branscher över hela världen. Användardata kan ge ett företag information om användare och den informationen kan i sin tur utnyttjas för att utveckla befintliga och nya produkter. Syftet med studien är att undersöka hur användardata och andra arbetssätt i kombination kan identifiera och tillfredsställa kundbehov under utveckling av webbplatser och appar. För att besvara frågeställningen byggdes en teoretisk referensram från en vetenskaplig litteraturstudie. En stor del av litteraturstudien består av Kano modellen för att förklara sambandet mellan olika kundbehov och kundtillfredsställelse. Vidare presenteras vanligt förekommande användardata och andra arbetssätt. Sedan genomfördes en kvalitativstudie hos fyra företag som arbetar med produktutveckling av appar och/eller webbplatser. Den kvalitativa studien bestod av semi-strukturerade intervjuer. Resultaten från den kvalitativa studien analyserades sedan och jämfördes mot den teoretiska referensramen. Efter analys och diskussion av resultaten visar studien att en kombination av användardata och andra arbetssätt är fördelaktigt i en produktutvecklingsprocess för att uppnå hög kundtillfredsställelse. Vidare upptäcker studien svårigheten i att mäta kundtillfredsställelse då användares behov ständigt förändras samt för att tillfredsställelse oftast mäts på specifika produktfunktioner, inte produkten i sin helhet. / Integrating collection and analysis of user data within product development is occurring in companies worldwide and across all industries. User data can provide a company with information about the users which can be utilized to develop existing and new products. This study aims to explore how a combination of user data and other work methods can identify and satisfy customer needs during the development of websites and apps. To answer the research questions a theoretical framework was built from a scientific literature study. The literature study gives much focus to the Kano model to explain the connection between different customer needs and customer satisfaction. Additionally, common user data and other work methods are presented. Subsequently, a qualitative study was conducted at four companies who are working with product development of apps and/or websites. The qualitative study consisted of semi-structured interviews. The results from the qualitative study were analysed and compared to the theoretical framework. After analysis and discussion, the study shows that a combination of user data and other work methods is profitable in a product development process to achieve high customer satisfaction. Furthermore, the study discovers the difficulties in measuring customer satisfaction since customer needs are constantly changing and also because customer satisfaction is often measured on specific product features, not the product as a whole.

In today’s business climate permeated by Big Data, an opportunity to drive performance lies in analysing consumer behaviour from user data. In particular for online content providers, user data is available in abundance and logged continuously. This leads to new possibilities for design and usage of metrics, as businesses can benefit from smart and timely decision-making. However, in order to profit from user data in performance measurement (PM), it is critical to identify metrics that truly guide decisions. Thus, an effective and efficient PM process is imperative. Despite its promise, Big Data’s role in PM has been scarcely researched. Research has studied user behaviour from data, for instance in the context of video or audio streaming and web search, but primarily with a focus on technical performance. In addition, the research on online content providers’ PM is fragmented, and has mainly been conducted by practitioners. Thus, the PM field needs to be updated to reflect today’s dynamic and digital business climate. Therefore, the purpose of this research was to explore how online content providers, generating a large amount of user data, work with PM, and also practically illustrate how metrics can be designed from user data. The research was carried out as a case study at an audio streaming company, but empirics was also gathered from other online content providers with the aim to increase the generalisability. The illustration of metric design was based on quantitative analysis of commuters’ in-car audio streaming. For commuters’ audio streaming it was found that suitable metrics should capture the habitual nature. Therefore engagement metrics were found to be applicable, for instance the fraction having sessions both in the morning and afternoon, and the fraction having more than one day commuting with the streaming service per week. In regard to online content providers’ PM process, this research contributes with a proposed framework, which was developed from three existing frameworks; HEART reflected as important measurement dimensions and translation of goals to metrics, OKR which sets the focus in terms of high-level goals, and design-implement-use reflected as the process’ phases. It was found that insights from user data and explicit user feedback are complementary and can arise throughout the whole process, and that mutual communication between data scientists and product managers is crucial. Further, four types of iterations were identified in the process; modifying a metric, designing new metrics, completely changing a metric, and starting new initiatives. Moreover, metrics were found to be highly context dependent. Additionally, four important aspects were identified in metric design; data availability and proxy assessment, characteristics and form of metric, metric trade-offs, and metric movement interpretation. / I dagens affärsklimat genomsyrat av Big Data finns en möjlighet att driva resultat framåt genom analys av kundbeteenden från användardata. I synnerhet för online-tjänsteföretag samlas användardata kontinuerligt och finns tillgänglig i en oerhörd mängd. Detta skapar nya möjligheter för design och användande av mätetal då företag kan utveckla smartare och snabbare beslutsfattande. För att verkligen dra fördel av användardata i prestationsmätning (PM) är det dock kritiskt att identifiera mätetal som faktiskt bistår beslutsfattande, vilket följaktligen kräver en effektiv PM-process. Trots potentialen är forskning på Big Data inom PM begränsad. Studier har analyserat kundbeteenden från användardata, exempelvis i kontexten av strömmad video eller audio och webbsökningar, men primärt med fokus på tjänstens tekniska prestanda. Vidare är forskning på PM hos online-tjänsteföretag fragmenterad, och huvudsakligen genomförd av företag inom industrin. Följaktligen bör fältet aktualiseras för att reflektera dagens digitala och dynamiska affärsklimat. Därför var syftet med denna studie att utforska hur online-tjänsteföretag, som besitter stora mängder användardata, arbetar med PM, men även praktiskt illustrera hur mätetal kan designas från denna data. Studien genomfördes som en fallstudie på ett ljud-strömningsföretag, men empiri insamlades även från andra online-tjänsteföretag med avsikt att öka generaliserbarheten. Den praktiska illustrationen av mätetals-design baserades på en kvantitativ analys av pendlares audio-strömning i bil. För pendlares audio-strömning i bil fann denna studie att lämpliga mätetal bör fånga den vanemässiga aspekten associerad med pendling. Därmed anses mätetal som reflekterar engagemang lämpliga, exempelvis andelen som har sessioner både på förmiddagen och eftermiddagen och andelen som har mer än en dag med pendlar-sessioner i veckan. Gällande PM-processen hos online-tjänsteföretag bidrar denna studie med ett föreslaget ramverk som utvecklades från tre existerande ramverk; HEART som reflekteras i form av viktiga mätetalsdimensioner samt översättning av mål till mätetal, OKR vilket sätter fokus för processen i termer av mål på högre nivå, och designa-implementera-använda som reflekterar processens faser. I studien kom det fram att insikter från användardata och explicit användaråterkoppling kompletterar varandra, och att dessa kan uppkomma under hela processen. Vidare konstaterar denna studie att ömsesidig kommunikation mellan dataforskare och produktchefer är essentiellt. Dessutom identifierades fyra typer av iterationer som kan förekomma vid användning av mätetal; modifiera mätetal, designa nya mätetal, fullständigt förändra mätetal samt påbörja nya initiativ. Därutöver kan studien konstatera att mätetal är högst kontextberoende, och att det finns fyra viktiga aspekter att ta hänsyn till i mätetals-design; data-tillgänglighet och proxy-utvärdering, karaktäristik och form på mätetal, trade-off mellan mätetal, samt tolkning av mätetals-förändringar.