<p>I datalager samlas information från flera olika system och sparas på ett gemensamt sätt. Informationen i ett datalager ger en holistiskbild över organisation och bör användas som beslutsstöd. För att utvinna information ur datalager finns flera olika metoder och informationen kan sedan användas inom flera olika områden.</p><p>Syftet med studien är att undersöka vilka metoder som används för att utvinna informationen ur datalager inom industribranschen samt inom vilka användningsområden informationen används.</p><p>För att besvara frågeställningen genomfördes fem intervjuer med företag i industribranschen. Resultatet visar på att vissa metoder för att utvinna information ur datalager används framför andra och inom datautvinning används inte den förutsägandekategorin alls. Framförallt använde sig företagen av informationen på kundsidan och såg det som ett levande projekt som skall täcka in hela processen i framtiden.</p>

<p>Inkorporering av extern data i datalager är problematiskt och problematiken bekräftas av aktuella undersökningar inom området. Detta har medfört att det utvecklats olika former av stöd för att bemöta och analysera problemen som organisationer ställs inför.</p><p>För organisationer är det i högsta grad viktigt att dess beslutsfattare är välinformerade och klarar av att selektera information från stora mängder data. Det är i dessa sammanhang som en datalagerlösning är en viktig hörnsten för att stödja analys och presentation av data som ursprungligen är lagrad i olika datakällor (både interna och externa). Genom att inkorporera extern data i datalagret uppnår datalagret en betydligt högre potential och således kan även organisationer och framförallt dess beslutsfattare utvinna stora fördelar.</p><p>Strand (2005) har tagit fram riktlinjer för att stödja inkorporeringsprocessen av extern data i datalager. Dock saknas en utvärdering av riktlinjerna. En utvärdering bidrar till att riktlinjernas trovärdighet stärks och att riktlinjerna på ett tidigt stadie förs in i en förvaltningsprocess.</p>

<p>Nowadays, business intelligence techniques are applied more and more often in different settings including corporations and organizations both in the private and public sector. It is really a broad field which can assist business people to realize the state of their organization and make profitable decisions.</p><p>In this thesis, I will focus on one of its components, data warehouse, by proposing activity theory as the method to solve the dimension identification problem in data warehouse. Under the background of project IMIS and the involved personnel, who determine the dimension, firstly I study how to use the ER method, “bottom up” method, and activity theory method to identify the dimension in data warehouse, and some relevant knowledge about the three methods. Then, we apply the three methods to identify the dimension. After that, I evaluate the dimension identification results of the three methods according to the feedback from the healthcare organization to get their veracity and integrality. Finally, based on the results of my efforts, I arrive to the conclusion that the activity theory method can be applied to identify the dimension in data warehouse, and with the comparison to the other two traditional methods (ER model and “bottom up”), the activity theory method is more easy and natural to identify the dimension of a dimensional model.</p>

Universiẗat, Diss.--Oldenburg, 2007. / Zsfassung in engl. Sprache.

Zugl.: Sankt Gallen, Universiẗat, Diss., 2008.

Zugl.: Oldenburg, Univ., Diss., 2007

Stuttgart, Univ., Diss., 2005.

Zugl.: Aachen, Techn. Hochsch., Diss., 2008

Zugl.: Bamberg, Universiẗat, Diss., 2008.

Diss. Nr. 2472 Wirtschaftswiss. St. Gallen, 2000. / Literaturverz.