As a result of the increased use of the Internet, there are a number of challenges and opportunities regarding the ability to strengthen or weaken the competitive advantage between organizations. One of the challenges is an increased need to gather and manage large amounts of data (big data) as well as the need to develop processes and strategies for customer relationship management (CRM). This study aimed to investigate how and why big data and business processes for CRM can affect the competitive advantage of B2B companies by offering a theoretical perspective and an analysis of a relevant case in the field. This was studied by applying a qualitative case study where theory and empirical data were gathered through qualitative interviews with respondents who work with CRM and data at the selected B2B company. The results of the study showed that the chosen case involving a B2B company in the technology industry can strengthen its competitive advantage as a result of including CRM in its business processes by applying strategies, value creation, multichannels, IT and data and performance assessment in its customer-related activities and processes. The results also showed that the gathering of data in customer-related processes and activities as well as analyzes of this data is a useful asset as it entails the ability to strongly impact the interaction with customers. An unforeseen discovery made was the fact that the respondents showed a reluctance to describe the circumstance of whether they work with big data, despite the fact that most respondents according to the study definition work with big data in their customer-related processes and activities. This discovery can be the basis for future research in the field of big data and B2B companies. / Som ett resultat av den ökade användningen av internet har ett flertal utmaningar och möjligheter avseende förmågan att stärka respektive försvaga organisationers konkurrenskraft uppstått. Bland annat har ett ökat behov uppstått för insamling och hantering av stora datamängder (big data), samt för att utforma processer och strategier för kundrelationshantering (CRM). Denna studie syftade därför till att undersöka hur och varför big data och verksamhetsprocesser för CRM kan påverka konkurrenskraften hos B2B-företag, genom att erbjuda ett teoretisk perspektiv och en analys av ett relevant fall inom området. Detta studerades genom att tillämpa en kvalitativ strategi i form av fallstudiedesign där dels teori och empiri samlades in genom kvalitativa intervjuer med respondenter som jobbar med CRM och data på det utvalda B2B-företaget. Studiens resultat visade att det valda fallet som avser ett B2B-företag inom teknologibranschen kan förstärka sin konkurrenskraft som ett resultat av att inkludera CRM i dess verksamhetsprocesser genom att tillämpa strategier, värdeskapande, multikanaler, IT och data samt utvärdering i sina kundrelaterade aktiviteter och processer. Resultatet visade även att respondenterna uppfattade insamlingen av data i de kundrelaterade processerna och aktiviteterna samt analyser av denna data som en användbar tillgång då det medför förmågan att starkt påverka interaktionen med kunderna på ett positivt sätt. En oförutsedd upptäckt som gjordes var det faktum att respondenterna visade en avhållsamhet avseende påståendet om huruvida de jobbar med big data, trots att flertalet respondenter enligt studiens definition jobbar med big data i sina kundrelaterade processer och aktiviteter. Denna upptäckt gav upphov till framtida forskning inom området för big data och B2B-företag.

Background: Digital technologies are increasingly transforming traditional businesses, and their pervasive impact is leading to a radical restructuring of entire industries. While the significance of generating competitive advantages for businesses utilizing big data analytics is recognized, there is still a lack of consensus of big data analytics influencing strategic decision-making in organisations. As big data and big data analytics become increasingly common, understanding the factors influencing decision-making quality becomes of paramount importance for businesses. Purpose: This thesis investigates how big data and big data analytics affect the operational strategic decision-making processes in enterprises through the theoretical lens of the strategy-as-practice framework. Method: The study follows an abductive research approach by testing a theory (i.e., strategy-aspractice) through the use of a qualitative research design. A single case study of IKEA was conducted to generate the primary data for this thesis. Sampling is carried out internally at IKEA by first identifying the heads of the different departments within the data analysis and from there applying the snowball sampling technique, to increase the number of interviewees and to ensure the collection of enough data for coding. Findings: The findings show that big data analytics has a decisive influence on practitioners. At IKEA, data analysts have become an integral part of the operational strategic decision-making processes and discussions are driven by data and rigor rather than by gut and intuition. In terms of practices, it became apparent that big data analytics has led to a more performance-oriented use of strategic tools and enabling IKEA to make strategic decisions in real-time, which not only increases agility but also mitigates the risk of wrong decisions.

Digital tools like Big data and Artificial Intelligence will have a more important element in the accounting industry and in order to utilize the tools in the organization, employees need to develop their knowledge in order to interpret and analyze information. In the study we investigate how organizations work with knowledge management in regards to how digitalisation affects the industry. The knowledge that exists in the organization can be divided into two dimensions; tacit and explicit knowledge. The dimensions are used to identify how organizations utilize the knowledge that exists in organizations and how it can be converted and made available to employees. The study was conducted through a case study based on qualitative data collected via interviews. The study shows that the common denominator was that all organizations stored explicit knowledge in digital systems. How the organizations worked with tacit knowledge varied and some organizations worked more actively and had the opportunity to exchange experiences or worked continuously with the exchange of knowledge through coaching. In some organizations, it was up to the employees themselves to identify and share their knowledge. / Digitaliseringens påverkan på redovisningsbranschen ökar allt mer och vi befinner oss i ett skede där digitalisering är en central del i många organisationer. Digitala verktyg som Big data och artificiell intelligens kommer ha ett viktigare inslag i redovisningsbranschen och för att tillgodogöra verktygen i organisationen krävs det att medarbetarna utvecklar sina kunskaper. Allt fler arbetsuppgifter kräver en förmåga att kunna tolka och analysera information och detta bygger på medarbetarens kunskaper. I studien undersöker vi hur organisationer arbetar med kunskapshantering med hänsyn till hur digitalisering påverkar branschen. Kunskapen som finns i organisationen kan delas upp i två dimensioner; tyst och explicit kunskap. Dimensionerna används för att identifiera hur organisationer tillvaratar kunskapen som finns i organisationer och hur den kan konverteras och göras tillgänglig för medarbetarna. Studien har genomförts som en fallstudie som bygger på kvalitativ datainsamling via intervjuer. Intervjuernas struktur karakteriseras av semistrukturerade intervjuer och behandlade frågor om kunskapshantering och digitalisering. Analysen av intervjuerna har gjorts med inspiration från grundad teori som kategoriserar samband och avvikelser i respondenternas svar. Studien visar att organisationerna i redovisningsbranschen hanterar kunskap på olika sätt. Det som är gemensamt är att alla organisationer använder sig av explicit kunskap som lagras i digitala system. Hur organisationerna arbetar med tyst kunskap varierar och några organisationer arbetar mer aktivt och har avsatta tillfällen för erfarenhetsutbyten eller arbetar löpande med utbyte av kunskap via coachning. I några organisationer är det upp till medarbetarna själva att identifiera och dela med sig av sin kunskap. En tolkning är att utifrån resultaten som framgick av studien verkar kunskapshantering var ett område som organisationer behöver arbeta mer med. Organisationernas fokus ligger för närvarande på effektiva lösningar för arbetsuppgifter och att med effektiva lösningar går vi mot en mer kunskapsdriven bransch där medarbetarnas kunskap behöver tas tillvara på mer än någonsin

Big data is a concept that is expanding rapidly. As more and more data is generatedand garnered, there is an increasing need for efficient solutions that can be utilized to process all this data in attempts to gain value from it. The purpose of this thesis is to find an efficient way to quickly process a large number of relatively small files. More specifically, the purpose is to test two frameworks that can be used for processing big data. The frameworks that are tested against each other are Apache NiFi and Apache Storm. A method is devised in order to, firstly, construct a data flow and secondly, construct a method for testing the performance and scalability of the frameworks running this data flow. The results reveal that Apache Storm is faster than Apache NiFi, at the sort of task that was tested. As the number of nodes included in the tests went up, the performance did not always do the same. This indicates that adding more nodes to a big data processing pipeline, does not always result in a better performing setup and that, sometimes, other measures must be made to heighten the performance. / Big data är ett koncept som växer snabbt. När mer och mer data genereras och samlas in finns det ett ökande behov av effektiva lösningar som kan användas föratt behandla all denna data, i försök att utvinna värde från den. Syftet med detta examensarbete är att hitta ett effektivt sätt att snabbt behandla ett stort antal filer, av relativt liten storlek. Mer specifikt så är det för att testa två ramverk som kan användas vid big data-behandling. De två ramverken som testas mot varandra är Apache NiFi och Apache Storm. En metod beskrivs för att, för det första, konstruera ett dataflöde och, för det andra, konstruera en metod för att testa prestandan och skalbarheten av de ramverk som kör dataflödet. Resultaten avslöjar att Apache Storm är snabbare än NiFi, på den typen av test som gjordes. När antalet noder som var med i testerna ökades, så ökade inte alltid prestandan. Detta visar att en ökning av antalet noder, i en big data-behandlingskedja, inte alltid leder till bättre prestanda och att det ibland krävs andra åtgärder för att öka prestandan.

Big data analytics (BDA) has become an increasingly popular topic over the years amongst academics and practitioners alike. Big data, which is an important part of BDA, was originally defined with three Vs, being volume, velocity and variety. In later years more Vs have surfaced to better accommodate the current need. The analytics of BDA consists of different methods of analysing gathered data. Analysing data can provide insights to organisations which in turn can give organisations competitive advantage and enhance their businesses. Looking into the necessary resources needed to build big data analytic capabilities (BDAC), this thesis sought out to find how Swedish organisations enable and use BDA in their businesses. This thesis also investigated whether BDA could lead to performance enhancement and competitive advantage to organisations. A theoretical framework based on previous studies was adapted and used in order to help answer the thesis purpose. A qualitative study was deemed the most suitable for this study using semi-structured interviews. Previous studies in this field pointed to the fact that organisations may not be aware of how or why to use or enable BDA. According to current literature, different resources are needed to work in conjunction with each other in order to create BDAC and enable BDA to be utilized. Several different studies discuss challenges such as the culture of the organisation, human skills, and the need for top management to support BDA initiatives to succeed. The findings from the interviews in this study indicated that in a Swedish context the different resources, such as data, technical skills, and data driven culture, amongst others, are being used to enable BDA. Furthermore, the result showed that business process improvements are a first staple in organisations use of benefiting from BDA. This is because of the ease and security in calculating profits and effect from such an investment. Depending on how far an organisation have come in their transformation process they may also innovate and/or create products or services from insights made possible from BDA. / Big data analytics (BDA) har blivit ett populärt ämne under de senaste åren hos akademiker och utövare. Big data, som är en viktig del av BDA, var först definierad med tre Vs, volym, hastighet och varietet. På senare år har flertalet V framkommit för att bättre uttrycka det nuvarande behovet. Analysdelen i BDA består av olika metoder av analysering av data. Dataanalysering som görs kan ge insikter till organisationer, som i sin tur kan ge organisationer konkurrensfördelar och förbättra deras företag. Genom att definiera de resurser som krävs för att bygga big data analytic capabilities (BDAC), så försökte denna avhandling att visa hur svenska organisationer möjliggör och använder BDA i sina företag. Avhandlingen försökte också härleda om BDA kan leda till prestandaförbättringar och konkurrensfördelar för organisationer. Ett teoretiskt ramverk, baserat på tidigare studier, anpassades och användes för att hjälpa till att svara på avhandlingens syfte. En kvalitativ studie utsågs vara den mest passande ansatsen, tillsammans med semi-strukturerade intervjuer. Tidigare studier inom området visade på att organisationer kanske inte helt är medvetna om hur eller varför BDA möjliggörs eller kan användas. Enligt den nuvarande litteraturen så behöver olika resurser arbeta tillsammans med varandra för att skapa BDAC och möjliggöra att BDA kan utnyttjas till fullo. Flera olika studier diskuterade utmaningar såsom kulturen inom organisationen, kompetens hos anställda och att ledningen behöver stödja BDA initiativ för att lyckas. Fynden från studiens intervjuer indikerade, i ett svenskt sammanhang, att olika resurser såsom data, tekniska färdigheter och datadriven kultur bland annat, används för att möjliggöra BDA. Fortsättningsvis påvisade resultatet att affärsprocessförbättring är en första stapel i användandet av fördelarna från BDA. Anledningen till det är för att det är lättare och säkrare med beräkning av förtjänst och effekt från en sådan investering. Beroende på hur långt en organisation har kommit i deras transformationsprocess kan de också innovera och/eller skapa produkter eller tjänster som möjliggjorts av insikter från BDA.

Les académiques et les professionnels ont déjà montré que le Big Data et l'analyse prédictive, également connus dans la littérature sous le nom de BDPA, peuvent jouer un rôle fondamental dans la transformation et l'amélioration des fonctions de l'analyse de la chaîne d'approvisionnement durable (SSCA). Cependant, les connaissances sur la meilleure manière d'utiliser la BDPA pour augmenter simultanément les performances sociales, environnementale et financière. Par conséquent, avec les connaissances tirées de la littérature sur la SSCA, il semble que les entreprises peinent encore à mettre en oeuvre les pratiques de la SSCA. Les chercheursconviennent qu'il est encore nécessaire de comprendre les techniques, outils et facteurs des concepts de base de la SSCA pour adoption. C’est encore plus important d’intégrer BDPA en tant qu’atout stratégique dans les activités commerciales. Par conséquent, cette étude examine, par exemple, quels sont les facteurs de SSCA et quels sont les outils et techniques de BDPA qui permettent de mettre en évidence le 3BL (pour ses abréviations en anglais : "triple bottom line") des rendements de durabilité (environnementale, sociale et financière) via SCA.La thèse a adopté un constructionniste modéré, car elle comprend l’impact des facteurs Big Data sur les applications et les indicateurs de performance de la chaîne logistique analytique et durable. La thèse a également adopté un questionnaire et une étude de cas en tant que stratégie de recherche permettant de saisir les différentes perceptions des personnes et des entreprises dans l'application des mégadonnées sur la chaîne d'approvisionnement analytique et durable. La thèse a révélé une meilleure vision des facteurs pouvant influencer l'adoption du Big Data dans la chaîne d'approvisionnement analytique et durable. Cette recherche a permis de déterminer les facteurs en fonction des variables ayant une incidence sur l'adoption de BDPA pour SSCA, des outils et techniques permettant la prise de décision via SSCA et du coefficient de chaque facteur pour faciliter ou retarder l'adoption de la durabilité. Il n'a pas été étudié avant. Les résultats de la thèse suggèrent que les outils actuels utilisés par les entreprises ne peuvent pas analyser de grandes quantités de données par eux-mêmes. Les entreprises ont besoin d'outils plus appropriés pour effectuer ce travail. / Scholars and practitioners already shown that Big Data and Predictive Analytics also known in the literature as BDPA can play a pivotal role in transforming and improving the functions of sustainable supply chain analytics (SSCA). However, there is limited knowledge about how BDPA can be best leveraged to grow social, environmental and financial performance simultaneously. Therefore, with the knowledge coming from literature around SSCA, it seems that companies still struggled to implement SSCA practices. Researchers agree that is still a need to understand the techniques, tools, and enablers of the basics SSCA for its adoption; this is even more important to integrate BDPA as a strategic asset across business activities. Hence, this study investigates, for instance, what are the enablers of SSCA, and what are the tools and techniques of BDPA that enable the triple bottom line (3BL) of sustainability performances through SCA. The thesis adopted moderate constructionism since understanding of how the enablers of big data impacts sustainable supply chain analytics applications and performances. The thesis also adopted a questionnaire and a case study as a research strategy in order to capture the different perceptions of the people and the company on big data application on sustainable supply chain analytics. The thesis revealed a better insight of the factors that can affect in the adoption of big data on sustainable supply chain analytics. This research was capable to find the factors depending on the variable loadings that impact in the adoption of BDPA for SSCA, tools and techniques that enable decision making through SSCA, and the coefficient of each factor for facilitating or delaying sustainability adoption that wasn’t investigated before. The findings of the thesis suggest that the current tools that companies are using by itself can’t analyses data. The companies need more appropriate tools for the data analysis.

Since its launch in October 2014, the Competence Center for Scalable Data Services and Solutions (ScaDS) Dresden/Leipzig carries out collaborative research on Big Data methods and their use in challenging data science applications of different domains, leading to both general, and application-specific solutions and services. In this article, we give an overview about the structure of the competence center, its primary goals and research directions. Furthermore, we outline selected research results on scalable data platforms, distributed graph analytics, data augmentation and integration and visual analytics. We also briefly report on planned activities for the second funding period (2018-2021) of the center.

Implementing Big Data Analytics (BDA) has been widely known as a major source of competitiveness and innovation. While previous research suggests several process models and identifies critical factors for the successful implementation of BDA, there is a lack of understanding of how this organizational process is realized by its primary recipients, that is, Data Science Professionals (DSPs) whose innovation with BDA technologies stands at the core of big data-driven innovation. In particular, far less understood are the motivational and contextual factors that derive DSPs’ innovation with BDA technologies. This study proposes that commitment is the force that can attach DSPs to the BDA implementation process and motivate them to engage in innovative behaviors. It also introduces two organizational mechanisms, namely, BDA communication reciprocity and BDA leader theme-specific reputation, that can be employed to develop this constructive force in DSPs. Inspired by this, a theoretical model was developed based on the assertions of Commitment in Workplace Theory and the literature on creativity in organizations to assess the impact of DSPs’ commitment to BDA implementation and organizational context on their innovation with BDA technologies. This study theorizes that communication reciprocity and leader theme-specific reputation influence the three components of DSPs’ commitment (affective, continuance, and normative) to BDA implementation through their perceived participation in organizational decision-making and positive uncertainty, which, in turn, derive DSP’s innovation with BDA technologies. To further enrich the theorization, the moderating role of DSPs’ competency on the effect of DSPs’ components of commitment on their innovation with BDA technologies is investigated. Predictions were tested following an experimental vignette methodology with 240 subjects where the two organizational mechanisms were manipulated. Results indicate that organizational mechanisms provoke mediating psychological perceptions, though with varying strengths. In addition, results suggest that DSPs’ innovation with BDA technologies is primarily rooted in their affective and continuance commitments, and DSPs’ competency interacts with DSPs’ affective commitment to affect their innovation with BDA technologies. This research enhances the theoretical understanding of the role of commitment and organizational context in fostering DSPs’ innovation with BDA technologies. The results of this study also offer suggestions for information systems implementation practitioners on the effectiveness of organizational mechanisms that facilitate big data-driven innovation. / Thesis / Doctor of Philosophy (PhD)

En ökad användning av teknologi inom det medicinska fältet har öppnat möjligheter att använda patientdata i nya medicintekniska produkter. Genom användningen av sensorer och appar har det skapats en stor mängd patientdata. I detta sammanhang har begreppet big data inträffat. Dock finns det ingen tydlig definition för att beskriva big data eftersom det inte finns någon gräns för mycket data som krävs för termen. Syftet med denna undersökning är att granska om och i så fall hur medicinsktekniska företag anpassar sin projektplanering med hänsyn till möjlig användning av big data. Målet är också att studera de problem och möjligheterna som kan uppstå kring användningen av big data. Undersökning består av en litteraturundersökning av medicinteknik, projektledning och big data. Den andra delen av undersökningen är genom semistrukturerade intervjuer. Två intervjuer gjordes med olika respondenter som arbetar inom medicintekniska projekt. Projektledning har varierande modeller för olika faser i ett projekt. Förstudien är en viktigt fas speciellt om det är ett stort och komplex projekt. Att genomföra en noggrann förstudie gör det enklare att upptäcka problem och möjligheter i projektet. Även lagar och olika klassifikationer av medicintekniska produkter måste tas hänsyn till eftersom produkter kan orsaka positiva och negativa effekter på samhället och individer. Resultat av denna studie visar att det inte är någon speciellt anpassad förstudie i företaget för att hantera big data i medicintekniska projekt. Däremot sker en planering som är antingen lik eller en variant av modellerna från litteratur undersökningen. Fortsatt arbete med implementering och ett bredare perspektiv på projektlednings modeler kan vara till nytta för att slutföra big data orienterade projekt. Lagstiftande av medicinsktekniska produkter skapar tidskrävande problem i utvecklingsfasen eftersom en CE-certification krävs. Med användandet av teknologi kan företag undvika problemet av att utvärdera klassificerad patientdata genom att analysera annan information och på så sätt undvika hög klassificering av den medicintekniska produkten. / A growing use of technology in the medical field has created an opportunity to use patient data in new Medtech products. Through the use of sensors and apps it has created a vast amount of patient data. In this context the concept of big data has occurred. However there is no clear definition to describe big data because there is no limit of much data is required for the term. The purpose of the research project is to examine if and how companies in Medtech adapt their project planning in regards to a possible use of big data.The purpose is also to study the problems and opportunities that may occur in the use of big data. The study consists of a literature study on Medtech, project management and big data. The second part of the research is through semi-structured interviews. Two interviews have been conducted with different respondents that work with Medtech projects. Project management has various models for different phases of the project. The preplanning phase is an important stage especially if it’s a big and complex project. By carrying out the pre-planning it is easier to detect problems and opportunities in the project. Also laws and different classification of Medtech products needs to be considered due to the product may have positive and negative effects on society and individuals. The results of this study shows there is no special adapted pre-planning in the company to handle big data in MedTech projects. However, the planning that occurs can be either similar or a different variant of the models from the litteratur research. Further work in implementing and broadening the perspective on the project management models can benefit the completion of big data oriented projects.  The legislation of medical devices creates a time consuming problem in the developing face because of the need for CE-certification. With the use of technology, companies are able to bypass the problem of evaluating classified patient data by analyzing different information and thus avoid high classification of medical products

Industrin genomgår sin fjärde industriella revolution, maskiner och hela fabriker kopplar upp sig till molnet och börjar prata med varandra. Detta möjliggör stora resurseffektiviseringar om det utförs på rätt sätt. Utvecklingen av nya metoder för insamling av data medför inte bara möjligheter utan skapar även nya frågor som industrin inte handskats med tidigare. Syftet med arbetet har varit att titta närmare på hur företag och industrin generellt sett ser på omställningen och vilka hinder som de anser är svårast när det kommer till implementering av ny teknik. Men även hur företagen bakom dessa nya tjänster och produkter jobbar med hinder under omställningen. Som grund för rapporten ligger en litteraturstudie där fakta om de tekniska lösningar som finns och en bakgrund till skärande bearbetning presenteras, vilket också varit det område som arbetet begränsats till. Personer har intervjuats för att få en inblick i hur olika företag jobbar med dessa frågor och kunna jämföra med litteraturstudien. Resultatet från arbetet visar att industrin står inför många svåra beslut, samtidigt är alla överens om att digitalisering är den rätta vägen att gå. Det främsta hindret är kompetensfrågan. Hos de som köper digitala tjänster och produkter anser dem i de flesta fall att kompetens som krävs för att kunna implementera tekniken på effektivast sätt saknas. De utvecklande företagen står inför problem med att det många gånger är utmaningar de inte jobbat med tidigare och därför saknar kompetens för själva utvecklingen. Övriga hinder som arbetet påvisat handlar om kostnader, gemensamma standarder och datasäkerhet. / The industry of today is going through its fourth revolution where machines and factories are starting to connect to the cloud and communicate with each other (Internet of Things). If performed correct this enables great resource efficiency. The development of new methods of data collection brings not only possibilities but also raises new questions that the industry hasn't dealt with before. The purpose with this project has been to take a further look into how companies and the industry generally approach the adaptation within digitalization and which difficulties that are seen as most demanding when it comes to the implementing of new methods. Also, how companies behind new services and products work with difficulties during development. The base for this project has been a literature study where facts about some of today's technical solutions are presented, a background to metal cutting which is an area of limitation for this project is presented as well. Interviews with persons have been made to get a picture of how different companies are working with these questions and to compare them with the information received from the literature study. The result of this project shows that the industry stands in front of many difficult decisions but with a common view that digitalization is the right way to go. The most outstanding obstacle is concerning competence and the lack of it. Those who purchase digital products and services consider themselves to lack the right knowledge to implement new technologies in the most efficient way. The developing companies faces challenges when it comes to finding the right competence regarding the development itself since it often is new challenges that they not have encountered before. Further impediments that the project has shown are cost, standards and data security.