No description available.

No description available.

No description available.

Manufacturing Execution System (MES) är ett informationssystem som används av producerande företag med syfte att förenkla styrning och hantering av produktionsprocessen. Låg datakvalitet kan förekomma var och när som helst i anslutning till ett informationssystem. Det kan innebära felaktiga, inkonsekventa och utdaterade data. Lågdatakvalitet kan generera följder i form av ökade kostnader, försämrad företagskultur och kundmissnöjdhet. Syftet med studien var att undersöka hur låg datakvalitet tenderar att uppstå i datahanteringsprocessen hos ett producerande företag som använder sig av ett MES. Studien har drivits genom frågeställningen: Hur uppstår låg datakvalitet under datahanteringsprocessen i anslutning till en produktionsprocess? Studien har genomförts som en kvalitativ studie hos ett producerande företag som är verksamt i Sverige. Datainsamling har gjorts genom semistrukturerade intervjuer med användare av företagets MES. Under dessa intervjuer ställdes frågor om företagets datahanteringsprocess, användarnas syn på datakvalitet, samt deras medvetenhet kring de eventuella följder som kan bli aktuella vid låg datakvalitet. Det empiriska materialet har sedan analyserats med hjälp av en processanalys och en tematisk analys. Studiens slutsats bestod av tre punkter som besvarar studiens frågeställning. Låg datakvalitet uppstår under datahanteringsprocessen genom att provtagning och datainmatning inte görs på ett gediget sätt, att det finns en generell kompetensbrist kring produktionsprocessen, samt att det finns begränsade förutsättningar i företagets MES.

Uppsatsen visar resultatet av en kartläggning och analys av datakvaliteten i databasen Vägdatabanken på Vägverket. Vi har studerat datakvaliteten som den visar sig hos slutanvändarna, i detta fall de som upphandlar drift och underhåll av statliga vägar. Målet var att se hur väl Vägverkets krav på data stämmer överens med användarnas behov. För att nå målet skapades en modell med sju faser. Centralt var kartläggningen av verksamheten med hjälp av intervjuer, som blev grunden för vidare analyser. En egen modell var nödvändig eftersom arbetssättet, att utgå från användarna, inte är det vedertagna sättet att undersöka datakvalitet.Resultatet visar en rad kostnader som kan härröras till bristande datakvalitet varav många är dolda. Trovärdigheten är viktig i samband med datakvalitet. Användarna litar inte på data vilket skapar direkta kostnader, merarbete med mera. Det beror i sin tur på att det brister i insamlingen av data. Ett problem är att en rad olika arbetssätt och förhållningssätt till data i Vägdatabanken förekommer. Därför rekommenderas att Vägverket beslutar vilket arbetssätt som är ekonomiskt och funktionellt bäst.Syftet var att beskriva begreppet datakvalitet. Resultatet av praktiskt arbete och teoretiska studier ger definitionen "Datakvalitet är datas förmåga att vara förståelig och trovärdig samt tillräckligt väl uppfylla användarens behov".

<p>I ett företag finns data utspridd i olika datasystem. För att lättare och snabbare komma åt data bör data finnas samlad på ett ställe d.v.s. ett datalager. Om datalagret ska fungera som ett beslutsstöd för företagsledningen är det viktigt att data håller en hög datakvalitetsnivå så att beslut fattas som gynnar företaget. För att kontrollera datakvalitet kan datakvalitetsverktyg användas. Dessa innehåller funktioner för att lösa olika datakvalitetsproblem. I rapporten behandlas hur datakvalitetsfaktorerna korrekthet, datatypsenlighet, konsistens, lämplighet, integration, kompletthet och inga dubbletter hanteras av datakvalitetsverktyg för datalager. En litteraturstudie har genomförts för att se hur datakvalitetsfaktorerna hanteras samt om behandlingen varierar mellan olika datakvalitetslösningar. Litteraturstudien har också använts för att upptäcka om olikheter och likheter i behandlingen av enskilda datakvalitetsfaktorer har påverkat hur väl faktorerna hanteras i lösningarna. Samtliga lösningar i arbetet innehåller datakvalitetsverktyg som beaktar de utvalda datakvalitetsfaktorerna men använder ibland olika tillvägagångssätt. Skillnader finns i hur väl de olika lösningarna hanterar enskilda datakvalitetsfaktorer</p>

Företag och organisationer producerar och samlar på sig mer data och information än någonsin. Data och information ligger till grund för många av de produkter och tjänster som skapas idag. Trots att det finns mycket forskning rörande hantering av data och information samt metoder och tekniker för att hantera kvaliteten av data och information så saknas det kvalitativa undersökningar av vad som är avgörande för att uppnå data- och informationskvalitet. Området som önskas belysas är data- och informationskvalitet i arbetet med en informationsprodukt. Syftet med denna studie är att undersöka vad respondenterna hos valt fallföretag anser bidra till data- och informationskvalitet i arbetet med en informationsprodukt. Valt fallföretag har lång erfarenhet av att inhämta och förädla data och information med målet att generera informationsprodukter som ger kvalitativ information, nya insikter och kunskap till sina kunder. Fyra respondenterna som alla representerar det operativa arbetet med att ta fram en informationsprodukt har intervjuats. Baserat på befintlig litteratur rörande definitionen av data- och informationskvalitet, informationsprodukter samt tidigare studier där framgångsfaktorer för data- och informationskvalitet har undersökts i liknande sammanhang, har en analysmodell tagits fram som stöd för denna fallstudie. Analys av empiriska data har i denna studie bland annat lett till slutsatsen att data- och informationskvalitet är föränderligt i arbetet med en informationsprodukt. I slutsatserna kan följande framgångsfaktorer redovisas som de framgångsfaktorerna som anses bidra till att uppnå data- och informationskvalitet i alla fyra aktiviteter i informationsprocessen; ”Strategiskt behov”, ”Förståelse för vikten av data- och informationskvalitet”, ”Värderingar”, ”Användarfokus”, ”Kommunikation”, ”kontroller av data- och informationskvalitet” samt ”Riskbedömning”. I slutsatserna presenteras även två nya framgångsfaktorer; ”Strategier för att anskaffa data och information” och ”Kulturell hänsyn”. Dessutom pekar slutsatserna av studien på att framgångsfaktorerna ”Policy och standarder” samt ”Säkerhet av data och information” kan upplevas som en bidragande men samtidigt som en hämmande faktorer för att uppnå högre data- och informationskvalitet i arbetet med att producera en informationsprodukt.

I ett företag finns data utspridd i olika datasystem. För att lättare och snabbare komma åt data bör data finnas samlad på ett ställe d.v.s. ett datalager. Om datalagret ska fungera som ett beslutsstöd för företagsledningen är det viktigt att data håller en hög datakvalitetsnivå så att beslut fattas som gynnar företaget. För att kontrollera datakvalitet kan datakvalitetsverktyg användas. Dessa innehåller funktioner för att lösa olika datakvalitetsproblem. I rapporten behandlas hur datakvalitetsfaktorerna korrekthet, datatypsenlighet, konsistens, lämplighet, integration, kompletthet och inga dubbletter hanteras av datakvalitetsverktyg för datalager. En litteraturstudie har genomförts för att se hur datakvalitetsfaktorerna hanteras samt om behandlingen varierar mellan olika datakvalitetslösningar. Litteraturstudien har också använts för att upptäcka om olikheter och likheter i behandlingen av enskilda datakvalitetsfaktorer har påverkat hur väl faktorerna hanteras i lösningarna. Samtliga lösningar i arbetet innehåller datakvalitetsverktyg som beaktar de utvalda datakvalitetsfaktorerna men använder ibland olika tillvägagångssätt. Skillnader finns i hur väl de olika lösningarna hanterar enskilda datakvalitetsfaktorer

Fokuset på hållbarhet har ökat markant under de senaste åren, inte minst hos företag. Många företag producerar hållbarhetsredovisningar som är flera hundra sidor långa. I dagsläget finns dock många olika riktlinjer och standarder, och ännu fler sätt att mäta och rapportera om hållbarhet. Denna kvalitativa studie ämnade att undersöka hur hållbarhetsarbetet inom miljö går till i praktiken, med fokus på datafångst, datakvalitet, mätetal och styrbegrepp. Detta har gjorts genom att fokusera på perspektivet hos hållbarhetsansvariga, genom semistrukturerade intervjuer och beaktande av hållbarhetsredovisningar på fyra företag inom skogsbranschen: Stora Enso, Billerudkorsnäs, Södra Skogsägarna och Holmen. Förhoppningen var att svara på forskningsfrågan Hur ser hållbarhetsansvariga inom skogsbranschen i Sverige på företagets arbete med datafångst, datakvalitet och styrbegrepp inom miljömässig hållbarhet?. De empiriska resultaten tyder på att utmaningar finns specifikt inom Scope 3 och biodiversitet, samt att en viss variation finns inom val av mätetal och styrbegrepp.

Behovet av beslutsstödsystem ökar ständigt bland företagen världen över. För att ett beslutsstödsystem skall vara användbart och generera en nytta till ett företag, så finns det krav på att den information som visualiseras skall uppnå en viss datakvalitet. Således är syftet med detta arbete att undersöka vilka problem som uppstår vid utveckling av dashboards i strävan efter att uppnå en hög datakvalitet. I strävan efter att identifiera vilka problem och svårigheter som uppstår vid utveckling av dashboards för beslutsstöd så utfördes intervjuer med sex olika utvecklare av dashboards från olika företag i Sverige. Fokus under dessa intervjuer fanns på åtta olika aspekter som tillsammans genererar god datakvalitet. Denna studie har visat att samtliga utvecklare var överens om att datakvalitet är en mycket viktig aspekt när det kommer till dashboards och beslutsstödsystem och det framkom en variation av problem som kan uppstå i strävan efter att uppnå detta. Den här studien ger en god insyn i de problem som existerar inom detta område idag. / The need for decision support systems is constantly increasing among companies worldwide as well as the need for it to be useful and generate a benefit to a company. There is also a requirement that the information being visualized reaches a certain data quality. Thus, the aim of this research is to investigate the issues that arise during the development of dashboards sincerely with the interest of achieving high data quality. Since the aim of this study is to identify the issues and difficulties that arise during the development of dashboards for decision support, six interviews were conducted with different dashboard developers from various Swedish companies. During the interviews the focus was being put on eight different aspects that together generate good data quality The most relevant discovery made during this study was that the developers agreed on the fact that data quality is a highly relevant aspect when it comes to dashboards and decision support systems. Furthermore, there also emerged a variety of problems that arise with the interest of achieving high data quality. This study gives an insight to the issues that exist in the field today.