Customer-orientation is a strategy that has been adopted by many organizations. This strategy refers to the ability to assess the customer's perception of the service quality, for instance through customer feedback. Customer feedback can be acquired through surveys or given to the frontline employees. The processes for acquiring customer feedback for customer-oriented firms are generally well-developed. However, research shows that utilizing this valuable information is not conducted in a systematic matter. In this thesis, we investigate how a Swedish DSO can transfer knowledge from customer feedback internally to facilitate organizational learning. The primary empirical data in this qualitative research is gathered through interviews from the empirical context as well as with management consultants with organizational learning as their expertise. Findings from this thesis show that there is no panacea regarding how customer feedback should be presented and communicated in order to enable the organization to act on it. However, the findings indicate that an unsupportive organizational culture inhibits customer feedback to be shared effectively. Knowledge from customers must be equally valued as technical knowledge. Furthermore, it became evident that the organization endeavor a codification strategy. While this strategy is suitable for solicited feedback, this thesis argues that a personalization strategy might be more adequate for unsolicited feedback since it is difficult to express in a codified form. Our thesis is a small contribution to the limited research done on how to act on customer feedback and bring knowledge from customersto organizational learning. In addition, this thesis also contributes to existing research by investigating barriers that a regulated monopoly encounters when trying to become customer-oriented. / Kund-orientering är en strategi som många organisationer använder sig av. Denna strategi refererar till organisationens förmåga att förstå kundernas upplevelse av den service som organisationen erbjuder. Detta kan ske genom att t.ex. samla in kundfeedback. Kundfeedback kan samlas in genom enkäter eller ges direkt till de anställda som möter kunderna. Processer för att samla in kundfeedback för kund-orienterade företag är generellt sätt välutvecklade. Tidigare forskning visar dock att processer för att användandet av denna värdefulla information inte sker på ett systematiskt sätt. I den här uppsatsen, undersöker vi hur ett svenskt elnätsbolag kan överföra kundfeedback internt för att möjliggöra organisationsinlärning. Den primära datainsamlingen i den här kvalitativa undersökningen erhålls i form av intervjuer från den empiriska kontexten samt från managementkonsulter med organisationsinlärning som deras expertområde. Resultaten från denna studie visar att det inte finns något universalmedel för hur kundfeedback ska presenteras och kommuniceras för att organisationen ska agera på det. Resultaten visar dock att en organisationskultur som inte stöttar de anställda till att dela sin kunskap hindrar kundfeedback från att effektivt spridas i organisationen. Kunskap från kunder måste värderas lika mycket som teknisk kunskap. Vidare visar undersökningen tydligt att en “codification-strategy” föredras. Denna strategi är passande för kundfeedback som erhålls direkt via enkäter, dock argumenterar vi i denna uppsats att en “personalization strategy” är mer adekvat för att kommunicerar indirekt feedback eftersom att denna feedback är svår att uttrycka i en kodad form. Denna uppsats är ett litet bidrag till den begränsade forskning som gjorts gällande hur en organisation ska agera på kundfeedback och överföra kunskap till den resterande organisationen för att gynna utveckling. Utöver detta bidrar denna uppsats till förståelse gällande utmaningar som ett reglerat monopol möter då de går mot en kundorienterad strategi.

La maintenance d’un système complexe est souvent segmentée par sous-système. Chacun de sous-systèmes faisant intervenir des compétences pointues et variées, déterminer l’état de santé globale du système s’avère être une tâche compliquée. Cependant, les systèmes complexes sont aujourd’hui surveillés avec attention ce qui permet d’enregistrer un nombre important de données hétérogènes permettant à la maintenance d’être efficace sur chaque sous-systèmes. La variété de ces données permet d’avoir une vision d’ensemble sur l’état de santé du système mais du fait de leur quantité et de leur hétérogénéité leur analyse est un exercice complexe. Pour pallier aux problématiques de traitement de données de masse, ces dernières décennies ont vu se développer des outils informatiques et mathématiques permettant d’extraire des informations pertinentes d’un ensemble de données : le data mining. La mise en application d’outils issus des méthodes de data mining peut être une solution à l’identification de l’état santé globale du système.Pour rendre cela possible, la thèse présente dans un premier temps comment construire un modèle de comportement du système hélicoptère en se basant sur des données relatives au bon fonctionnement de l’appareil. Ce modèle de comportement considéré comme normal va ensuite servir de référence. Il permettra donc dans un deuxième temps de répondre à comment détecter et caractériser une déviance, un événement anormal, vis-à-vis du modèle du comportement normal du système. Cette méthode cherche à maximiser l’utilisation des données et minimiser l’introduction d’information relative à la connaissance du système. De cette manière, elle permet de fournir des résultats complètement objectifs qui pourront être comparés à des analyses physiques. La méthode est supportée par un ensemble d’outils mathématiques implémentés dans une infrastructure industrielle permettant l’utilisation de données réelles associées aux appareils d’Eurocopter.Pour accompagner la mise en place de cette méthode, cette thèse présente une application sur des données réelles issues d’hélicoptères de type EC225 de la gamme d’Eurocopter. / The maintenance of complex system is often segmented by subsystem. Each subsystem involving specialized and various skills, assess the global health of the system is a difficult problem. However, today, complex systems are carefully monitored that allows the records of a substantial amount of heterogeneous data that leads to accurate subsystem maintenance. Diversity of data provides an overview of the global health of the system but in the reason of quantity and heterogeneity their analyses is a difficult exercise. To tackle these data treatment difficulties, computational and mathematical tools have been developed. They allows extraction of relevant information in a substantial amount of data, it is the data mining. The implementation of data mining method could be a solution to the assessment of global health of the system.To make that possible, in a first time, this thesis present how define a helicopter behavior model by using data which are recorded in a good way of running. This behavior model considered as normal will be used as a reference. In a second time, this model will allow to answer to how detect and characterize a drift, an abnormal event, from the normal system behavior model. This method tries to maximize the data usage and minimize the expert knowledge. By this way, it provides results totally objective which could be compare to physical analyses. This approach is supported by a set of mathematical tools implemented in an industrial infrastructure which allows the use of Eurocopter aircraft operational data.To support the implementation of this method, this thesis presents an application of the method on real data from the EC225 helicopter of Eurocopter

Bakgrund: Betydelsen av kundfeedback kan idag inte underskattas. För att undersöka dess inverkan krävs vetskap kring vilka dialogstrategier restauranger implementerar. Information om dess inverkan i den operativa verksamheten samt vetskap om varför restauranger väljer att hantera samt åtgärda kundfeedback. Forskningsfrågor: 1. Vilka strategier använder restauranger för att bemöta kundfeedback mottagen via sociala medier? 2. Varför hanterar samt hur åtgärdar restauranger kundfeedback mottagen via sociala medier? 3. Hur påverkas restaurangers förlängda marknadsmix av kundfeedback på sociala medier? Syfte: Studien ämnar undersöka hur restauranger hanterar kundfeedback via sociala medier samt i vilken utsträckning denna påverkar restaurangers operativa verksamhet. Metod: Kvalitativ ansats, flerfallsstudie, semistrukturerade intervjuer. Slutsats/Bidrag: Betydelsen av kundfeedback samt dess inverkan på restauranger är stor. I vilken utsträckning den påverkar och grad av hänsyn den ges beror på vilken uttalad strategi ett företag implementerar. / Background: The significance of customer feedback cannot be overestimated. To investigate its impact, knowledge is needed about what dialogue strategies restaurants implement. Information about its impact in the operational activities and knowledge of why restaurants choose to manage and resolve customer feedback. Research questions: 1. Which strategies do use restaurants to respond to customer feedback received through social media? 2. Why manage and how do restaurants resolve customer feedback received through social media? 3. How is a restaurant's extended market mix affected by customer feedback on social media? Purpose: The study aims to investigate how restaurants handle customer feedback through social media and to what extent this affects the operational activities of restaurants. Methodology: Qualitative approach, multi case study and semi-structured interviews. Conclusion /Contribution: The importance of customer feedback and its impact on restaurants operational activities are great. The which extent it affects, and the degree of consideration given, depends on the stated strategy a company implements.

Spoken communication between humans generate information in two channels; the primary channel, linked to the syntactic-semantic part of the speech (what a person is litteraly saying); the secondary channel conveys paralinguistic information (tone, emotional state and gestures). This study examines the paralinguistic part of the speech, more specific the tone and emotional state. The study examines if there is a correlation between human speech and the opinion of a participant to a language café based conversation. The language café conversations is moderated by the social robot platform Furhat created by Furhat Robotics. The report is written from two perspectives. A data scientific view where identified emotions in audio files are analysed with machine learning algorithms and mathematical models. Vokaturi, an emotion recognition software, analyses the audio files and quantifies the emotional attributes. The classification model is based upon these attributes and the answers from the language café survey. Speech emotion recognition is also evaluated as a method for gathering customer opinions in a customer feedback loop. The results show an accuracy of 61% and indicates that some sort of prediction is possible. However there is no clear correlation between the recorded human voice and the participants opinion of the conversation. In the discussion part the difficulties of creating a high accuracy model with current data is analysed. It also contains a hypothetic analysis of the model as a gathering method for customer data. / En person som talar sprider information genom en primär samt en sekundär kanal. Den primära kanalen är kopplat till den syntaktiska semantiken av talet (vad personen bokstavligen säger), medan den sekundära kanalen är kopplat till den paralingvistiska delen (ton, känslotillstånd och gester). Denna studie undersöker den paralingvistiska delen av talet, mer specifikt en människas tonläge och känsla. Studien undersöker om det finns någon korrelation mellan mänskligt tal och vad personen tycker om ett parkcafé-samtal. Parkcafé samtalen i denna studie har genomförts tillsammans med den sociala roboten Furhat skapad av Furhat Robotics. Rapporten är skriven ur två perspektiv. Ett datatekniskt perspektiv där känsloyttringar i ljudfiler analyseras med hjälp av maskininlärning och matematiska modeller. Med hjälp av Vokaturi, som tillhandahåller mjukvara för känsloigenkänning av ljud, analyseras inspelade konversationer och attribut för olika känslor kvantifieras. Klassificeringsmodellen skapas sedan av dessa attribut, svar på enkätundersökningar (del ett) samt av författarna egen-annoterade ljudfiler (del två). Dessutom analyseras känsloigenkänning som metod för insamling av användaråsikter ur ett företagsekonomiskt perspektiv. Resultaten påvisar en träffsäkerhet på ca 62% och 61% för del ett respektive två och pekar på att någon form av prediktion är möjlig. Ett tydligt samband mellan deltagarens röst och dess åsikt om samtalet är dock svårt att finna med dessa resultat. I analysen och slutsatsen diskuteras svårigheterna med att ta fram en funktionell modell med tillgänglig data samt en hypotetisk diskussion kring modellen som del av en customer feedback loop.

Práce se zabývá popisem tvorby mobilního systému pro monitoring zákaznické spokojenosti a sběr zpětné vazby od návštěvníků v restauracích s názvem Huerate. Komplexně jsou popsané všechny fáze vývoje systému. První část práce se zabývá analýzou existujících řešení a stavem na trhu. Následně jsou na základně komunikace s majiteli restaurací sestaveny požadavky na systém. Nakonec se práce věnuje samotnému návrhu systému, jeho implementaci a nasazení v restauracích. Systém Huerate běží jako webová aplikace a je dostupný na adrese http://huerate.cz.