Data has been recognized as an important resource in the public sector. As a result, the expectations regarding data and its potential use cases have increased. In Sweden, key stakeholders have emphasized the importance of data for data-driven purposes. However, the amount of data collected, stored and analyzed has dramatically increased, which from an organizational perspective presents new demands on how public organizations govern and control their data management. In this study, data governance in the public sector at the municipal level was investigated with the purpose of creating an overview of how data governance occurs within municipalities. The study was divided into two sections, the first phase consisted of interviews with a specific municipality, whereas the second phase consisted of a survey distributed to all 290 Swedish municipalities. The results show that the current approach to data governance presents several challenges in the municipal sector. The results also indicate that the municipal sector may potentially be more focused on information governance rather than data governance and that there may be a lack of knowledge about the distinction between data and information. The findings suggest that the municipal sector lacks the prerequisites for managing data as a valuable and strategic asset, which is a concern given the public sector’s ambitions for data to generate and enhance services for society. / Data har blivit alltmer uppmärksammad som en viktig resurs i den offentliga sektorn. I och med detta har även förhoppningarna om data och dess användningsområden ökat inom sektorn. Bara i Sverige har nyckelaktörer påpekat betydelsen av data för datadrivna ändamål. Emellertid, har mängden data som samlas in, lagras och analyseras ökat, vilket utifrån ett organisatoriskt perspektiv ställer nya krav på hur offentliga organisationer styr och kontroller deras datahantering. Med hänsyn till detta har datastyrning i den offentliga sektorn, mer specifikt på kommunal nivå, undersökts i denna studie med syftet att skapa en överblick över hur datastyrning sker inom kommuner. Studien delades in i två faser, där den första fasen innefattade inledande intervjuer med en specifik kommun, medan den andra fasen innebar en enkätundersökning som distribuerades ut till alla 290 kommuner IT-chefer eller motsvarande. Resultatet visar på att rådande arbetssätt med datastyrning visar på ett antal utmaningar i den kommunala sektorn. Vidare är det möjligt att det råder en kunskapsbrist om skillnaden mellan data och information samt att den kommunala sektorn möjligtvis är mer fokusar på informationsstyrning än datastyrning. Med hänsyn till den offentliga sektorns förhoppningar om data för att skapa och förbättra tjänster för samhället visar resultatet att den kommunala sektorn inte har förutsättningarna att hantera data som en strategisk och värdefull tillgång.

The use of internet has increased the amount of data available and gathered. Companies are investing in big data analytics to gain insights from this data. However, the value of the analysis and decisions made based on it, is dependent on the quality ofthe underlying data. For this reason, data quality has become a prevalent issue for organizations. Additionally, failures in data quality management are often due to organizational aspects. Due to the growing popularity of decentralized organizational structures, there is a need to understand how a decentralized organization can improve data quality. This thesis conducts a qualitative single case study of an organization currently shifting towards becoming data driven and struggling with maintaining data quality within the logistics industry. The purpose of the thesis is to answer the questions: • RQ1: What is data quality in the context of logistics data? • RQ2: What are the obstacles for improving data quality in a decentralized organization? • RQ3: How can these obstacles be overcome? Several data quality dimensions were identified and categorized as critical issues,issues and non-issues. From the gathered data the dimensions completeness, accuracy and consistency were found to be critical issues of data quality. The three most prevalent obstacles for improving data quality were data ownership, data standardization and understanding the importance of data quality. To overcome these obstacles the most important measures are creating data ownership structures, implementing data quality practices and changing the mindset of the employees to a data driven mindset. The generalizability of a single case study is low. However, there are insights and trends which can be derived from the results of this thesis and used for further studies and companies undergoing similar transformations. / Den ökade användningen av internet har ökat mängden data som finns tillgänglig och mängden data som samlas in. Företag påbörjar därför initiativ för att analysera dessa stora mängder data för att få ökad förståelse. Dock är värdet av analysen samt besluten som baseras på analysen beroende av kvaliteten av den underliggande data. Av denna anledning har datakvalitet blivit en viktig fråga för företag. Misslyckanden i datakvalitetshantering är ofta på grund av organisatoriska aspekter. Eftersom decentraliserade organisationsformer blir alltmer populära, finns det ett behov av att förstå hur en decentraliserad organisation kan arbeta med frågor som datakvalitet och dess förbättring. Denna uppsats är en kvalitativ studie av ett företag inom logistikbranschen som i nuläget genomgår ett skifte till att bli datadrivna och som har problem med att underhålla sin datakvalitet. Syftet med denna uppsats är att besvara frågorna: • RQ1: Vad är datakvalitet i sammanhanget logistikdata? • RQ2: Vilka är hindren för att förbättra datakvalitet i en decentraliserad organisation? • RQ3: Hur kan dessa hinder överkommas? Flera datakvalitetsdimensioner identifierades och kategoriserades som kritiska problem, problem och icke-problem. Från den insamlade informationen fanns att dimensionerna, kompletthet, exakthet och konsekvens var kritiska datakvalitetsproblem för företaget. De tre mest förekommande hindren för att förbättra datakvalité var dataägandeskap, standardisering av data samt att förstå vikten av datakvalitet. För att överkomma dessa hinder är de viktigaste åtgärderna att skapa strukturer för dataägandeskap, att implementera praxis för hantering av datakvalitet samt att ändra attityden hos de anställda gentemot datakvalitet till en datadriven attityd. Generaliseringsbarheten av en enfallsstudie är låg. Dock medför denna studie flera viktiga insikter och trender vilka kan användas för framtida studier och för företag som genomgår liknande transformationer.