Offentliga företag har fått ett större intresse av att införa Business Intelligence-lösningar. Graden av framgång varierar mellan olika typer av industrier på grund av komplexa processer som är relaterade till höga kostnader. Syftet med studien var att identifiera de kritiska framgångsfaktorerna för att framgångsrikt införa en BI-lösning ur ett CFO-perspektiv. BI har en bred kategori av olika applikationer och teknologier som används för att samla in, lagra och analysera data för att sedan extrahera den. Denna data görs sedan tillgänglig för anställda i företaget för att hjälpa beslutsfattare att skapa professionella och informerade affärsbeslut. Studien genomfördes med hjälp av en kvalitativ innehållsanalys tillsammans med semi-strukturerade intervjuer. Intervjuer genomfördes med sju olika CFO:er för att få sina perspektiv angående vilka som är de kritiska framgångsfaktorer för att införa en BI-lösning. Innehållsanalysen genererade nio kategorier med flera underkategorier. Varje kategori och underkategori identifierar CSF ur ett CFO-perspektiv. De kategorier som identifierades var: Företagsledare med genomtänkta arbetslag, hållbar datakvalitet, slutanvändaren i fokus, extern hjälp bidrar med ett bredare perspektiv och kapacitet, mål och visioner, stöd från ledningen, iterativt tillvägagångssätt, affärsdriven expansion och agila tekniska ramar, och att ha rätt förutsättningar under hela implementeringen. Både studielitteraturen, CFO:erna och CFO:ernas rankning av CSF drar slutsatsen att alla framgångsfaktorer verkligen behövs för en framgångsrik BI-lösning. Alla CSF prioriteras däremot olika inom alla tre datakällor som fanns tillgängliga för studien. / Public companies have gotten a bigger interest in implementing Business Intelligence solutions. The level of success rate varies between various types of industries because of complex processes that are related to high costs. The aim of the study was to identify the critical success factors for implementing a BI-solution successfully from a Chief Financial Officers perspective. BI has a broad category of various applications and technologies that are used to collect, store and analyze data and then extract it and make the data available to employees in the company in order to help decision makers to create professional and informed business decisions. The study was conducted using a qualitative content analysis and semi-structured interviews making use of seven different CFO’s to follow up on their perspective on organizational critical successfactors for implementing a BI-solution. The content analysis generated nine categories with several sub-categories. Each category and sub-category defining CSF from a CFO’s point of view. The categories identified were: Business leaders with well-thought-out work teams, sustainable data quality, the end user in focus, external help contributes witha broader perspective and capacity, goals and visions, management support, iterative approach, business-driven expansion and agile technical framework, and having the right conditions through out the implementation. Both the study literature, respondents and the respondents’ ranking of the CSF conclude that all success factors are indeed CSF needed for a successful BI-implementation. However, the CSF were prioritized differently within all three data sources of material that were available for the study.

Affärssystem har blivit ett betydelsefullt verktyg för verksamheter som vill upprätthålla konkurrenskraft på marknaden. Affärssystem som stöd gör det möjligt att digitalisera och automatisera affärsprocesser, vilket ger utrymme att fokusera på mer ändamålsenliga processer och skapa tillväxt. Trots betydande investering i form av tid och pengar, är det ett utbrett problem att affärssystemet inte genererar de långsiktiga affärsnyttorna som förväntas. En vanlig missuppfattning är att affärssystemsprojektet är avslutat efter implementationen är slutförd. I själva verket är det är först när affärssystemet används i sin rätta miljö som dess brister går att identifiera, vilket gör förvaltningsarbetet mycket viktigt för att motverka lägre matchningsgrad mellan affärssystem och affärsprocesser. Syftet med denna kandidatuppsats i informatik är att identifiera, beskriva och förklara kritiska framgångsfaktorer under post-implementeringsfasen i ett affärssystemsprojekt för att uppnå långsiktiga affärsnyttor genom användandet av ett affärssystem ur ett kund–systemimplementatörsperspektiv i en mellanprojektsrelation. I denna studie har fallstudiemetoden tillämpats och en litteraturstudie genomförts. Baserat på litteraturstudien har en analysmodell utformats. Semistrukturerade intervjuer har genomförts för att samla in primära empiriska data. Vissa semistrukturerade intervjuer har varit personliga och vissa utförts via Teams. Fyra intervjuer med projektmedlemmar har genomförts, tre med företrädare från fallföretaget Two och en med företrädare från kundföretaget Grandpa. Studiens viktigaste slutsatser är; att systemimplementatörens projektgrupp har kompetensbredd, särskilt i form av teknisk kunskap och verksamhetskunskap. Att kommunikationen inom dyaden är ändamålsenlig, vilket är viktigt för att skapa förståelsemellan varandra. Dessutom är det viktigt att kundens projektgrupp arbetar med de interna affärsprocesserna: dels för att förbättra de processer som inte fungerar, dels för att uppnå en högre förståelse för vilka behov som finns och dels för att optimera passformen till affärssystemet. Slutligen är det viktigt att det finns utbildade superanvändare som stöttar och sprider kunskap till användarna av affärssystemet. Kunskapsbidraget från denna studie är två indikatorer som adderats i den modifierade analysmodellen, vilka är Grad av stöd från superanvändare och Ökad kontroll.

Cloud computing is one of the fastest expanding technologies and is being integrated into all sorts of industries worldwide. New cloud service updates occur multiple times per year compared to traditionally one, or less, times per year in on-premises solutions. The cloud allows for many benefits such as scalability and flexibility. Also, cloud computing is seen as an enabler for implementing other modern technologies. Despite its many benefits, organizations often struggle to adapt to the technology since it requires the business to make large adjustments to their previous ways of working. Failing to adapt the organization results in an underutilization of the technology’s benefits, which in turn can have negative effects on performance and cost effectiveness. To provide clarity to organizations in terms of how to make the changes needed and where to place focus, the aim of this study is therefore to identify Critical Success Factors for utilizing cloud computing. Succeeding within these factors intends to enhance the continuous maintenance of cloud computing. A qualitative approach was employed in this case study of a company which operates in the socially important agricultural industry. The primary data collection consisted of semi-structured interviews with IT employees from the case company’s different divisions. Complementing the primary data, a previous pilot study report was also analyzed. By conducting a thematic data analysis, a discussion of the themes, with regards to the dimensions within the Technology-Organization-Environment (TOE) framework, resulted in four proposed Critical Success Factors: automated testing, Cloud Center of Excellence, cloud strategy, and trading partner support. The findings are expected to guide organizations to a successful utilization of cloud computing which enables them to further optimize their resources and thus better take advantage of the technology’s benefits. In an increasingly digital business landscape, the Critical Success Factors can aid in maintaining competitive advantage by increasing the organization’s adaptability. Lastly, this study also contributes to literature in the areas of Cloud Computing Adoption in large enterprises and extends previous research by adding a longer-term perspective beyond the initial adoption phase. / Molntjänster är en av de snabbast växande teknologierna och integreras i alla branscher världen över. Nya uppdateringar sker flera gånger per år jämfört med traditionellt sett en eller färre gånger per år när man använder fysiska lösningar (on-premises). Molntjänster möjliggör många fördelar såsom skalbarhet och flexibilitet. Det ses också som en möjliggörare för att implementera andra moderna teknologier. Trots dess många fördelar har organisationer ofta svårt att anpassa sig till teknologin eftersom det kräver att verksamheten anpassar sina tidigare sätt att arbeta på. Att misslyckas med att anpassa organisationen resulterar i ett underutnyttjande av teknikens fördelar, vilket i sin tur kan ha negativa effekter på prestanda och kostnadseffektivitet. För att ge organisationer klarhet i hur de ska genomföra de förändringar som behövs och var de ska lägga sitt fokus så är därför syftet med denna studie att identifiera kritiska framgångsfaktorer för att utnyttja molntjänster. Att lyckas inom dessa faktorer avser att förbättra det kontinuerliga underhållet av teknologin. Ett kvalitativt tillvägagångssätt användes i denna fallstudie av ett företag som är verksamt inom den samhällsviktiga jordbruksindustrin. Insamling av primärdata skedde genom semistrukturerade intervjuer med IT-anställda från det studerade företagets olika divisioner. För att komplettera den primära datan analyserades även en förstudierapport. Genomförandet av en tematisk analys och den efterföljande diskussionen av identifierade teman, med avseende på ramverket Technology-Organization-Environment (TOE), resulterade i fyra föreslagna kritiska framgångsfaktorer: automatiserad testning, Cloud Center of Excellence, molnstrategi samt stöd från handelspartners. Resultaten förväntas vägleda organisationer till ett framgångsrikt utnyttjande av molntjänster som gör det möjligt för dem att ytterligare optimera sina resurser och därmed bättre dra nytta av teknologins fördelar. I ett allt mer digitalt affärslandskap kan framgångsfaktorerna hjälpa till att upprätthålla konkurrensfördelar genom att öka organisationens anpassningsförmåga. Slutligen bidrar denna studie också till litteraturen inom områdena kring anskaffning av molntjänster i stora företag, genom att tillföra ett långsiktigt perspektiv bortom den initiala anskaffningsfasen.

AI har fått en ökad betydelse för både privat och offentlig sektor och har potentialen till att revolutionera våra samhällen och liv i större utsträckning än både industriella och digitala revolutionen. Trots detta så finns det en svårighet att framgångsrikt implementera AI inom den offentliga sektorn där mängden forskning och framgångar ligger bakom den privata sektorn. Syftet med denna studie är att utforska kritiska framgångsfaktorer och utmaningar vid implementering av AI inom den administrativa delen av offentlig sektor och sammanställa detta till ett ramverk bestående av riktlinjer för att framgångsrikt implementera AI inom offentlig sektor. För att uppnå detta har en liten N-studie utförts bestående av semistrukturerade intervjuer med offentliga verksamheter från Sverige, Finland, Danmark och Island som idag har framgångsrikt implementerat AI. Resultatet har identifierat framgångsfaktorer i form av samverkan, utforskning, kompetens & expertis, transparens, acceptans, juridik, data, och etik som alla har kopplats samman till ett föreslaget ramverk. Juridiska aspekter har identifierats som en stor utmaning för implementeringen av AI och är en aspekt som kan vara komplex att navigera. Verksamheter uttryckte stort intresse för generativa modeller, mer specifikt språkmodeller, men svårigheter finns att implementera dessa på grund av juridik och integritet. / AI has gained a lot of traction both in the private and public sector and has significant potential to revolutionize our societies and lives in more extensive ways than both the industrial and digital revolution. Despite the benefits, there are difficulties in successfully implementing AI within the public sector due to a lack of both research and success compared to the private sector. The purpose of this study is to explore the critical success factors and challenges when implementing AI within the administrative part of the public sector and compile this into a framework consisting of guidelines to successfully implement AI within the public sector. To achieve this goal, we performed a small N-study consisting of semi-structured interviews with public agencies in Sweden, Finland, Denmark, and Iceland that have successfully implemented AI.  The results have identified the following success factors: collaboration, exploration, knowledge & expertise, transparency, acceptance, law, data, and ethics which have been summarized into a proposed framework. Laws have been identified as posing major challenges for the implementation of AI and is a complex aspect to navigate. Organizations showed big interest for generative models, more specifically large language models but found it difficult to implement due to laws and privacy.

Background: Managing credit risks is an integral part of the banking sector and is crucial for banks’ success. Effective risk management ensures stable and profitable operations, addressing challenges like information asymmetry between lenders and borrowers. To combat these challenges, banks are shifting from manual methods to automated processes in credit assessment and credit risk management.Purpose: The purpose of the study was to investigate how the use of AI has contributed to credit risk management and the handling of risk assessments within Swedish banks. Additionally, the study explored the factors driving the use of AI in this area.  Methodology: An abductive research approach was employed within the framework of a qualitative research method. Four banks were included in the study: two major banks and two niche banks. Semi structured interviews provided the primary data for the study, while secondary data, such as articles and literature, were used to support and explain the findings during the analysis and discussion.  Theory: The study was based on two models and the theory of information asymmetry. The first model focuses on the credit assessment process, while the second addresses critical success factors for the implementation of AI. The theory of information asymmetry consists of moral hazard and adverse selection. Conclusions: The study’s conclusion indicated that AI has contributed to increased efficiency and precision in credit risk management. Furthermore, AI supports addressing information asymmetry by automating data collection, analysis, and fraud detection. The study concludes that effective AI usage necessitates a balanced combination of management support, strategic vision, organizational culture, and structure.

This Master's thesis utilizes random forest and leave-one-out cross-validation to predict the success of megaprojects involving infrastructure. The goal was to enhance the efficiency of the design and engineering phase of the infrastructure and construction industries. Due to the small sample size of megaprojects and limitated data sharing, the lack of data poses significant challenges for implementing artificial intelligence for the evaluation and prediction of megaprojects. This thesis explore how megaprojects can benefit from data collection and machine learning despite small sample sizes. The focus of the research was on analyzing data from thirteen megaprojects and identifying the most influential data for machine learning analysis. The results prove that the incorporation of expert data, representing critical success factors for megaprojects, significantly enhanced the accuracy of the predictive model. The superior performance of expert data over economic data, experience data, and documentation data demonstrates the significance of domain expertise. In addition, the results demonstrate the significance of the planning phase by implementing feature selection techniques and feature importance scores. In the planning phase, a small, devoted, and highly experienced team of project planners has proven to be a crucial factor for project success. The thesis concludes that in order for companies to maximize the utility of machine learning, they must identify their critical success factors and collect the corresponding data. / Denna magisteruppsats undersöker följande forskningsfråga: Hur kan maskininlärning och insiktsfull dataanalys användas för att öka effektiviteten i infrastruktursektorns plannerings- och designfas? Denna utmaning löses genom att analysera data från verkliga megaprojekt och tillämpa avancerade maskininlärningsalgoritmer för att förutspå projektframgång och ta reda på framgångsfaktorerna. Vår forskning är särskilt intresserad av megaprojekt på grund av deras komplicerade natur, unika egenskaper och enorma inverkan på samhället. Dessa projekt slutförs sällan, vilket gör att det är svårt att få tillgång till stora mängder verklig data. Det är uppenbart att AI har potential att vara ett ovärderligt verktyg för att förstå och hantera megaprojekts komplexitet, trots de problem vi står inför. Artificiell intelligens gör det möjligt att fatta beslut som är datadrivna och mer informerade. Uppsatsen lyckas med att hanterard det stora problemet som är bristen på data från megaprojekt. Uppsatsen motiveras även av denna brist på data, vilket gör forskningen relevant för andra områden som präglas av litet dataurval. Resultaten från uppsatsen visar att evalueringen av megaprojekt går att förbättra genom smart användning av specifika dataattribut. Uppsatsen inspirerar även företag att börja samla in viktig data för att möjliggöra användningen av artificiell intelligens och maskinginlärning till sin fördel.

Dagens samhälle genomgår förändringar av betydande karaktär som i stor utsträckningdrivs av digitalisering. En av de mest påtagliga förändringarna som påverkar företagenär förändringarna i konsumentbeteendet. Dessa dramatiska förändringar utgör enbetydande utmaning för företag då traditionella metoder för kundhantering inte längre ärtillräckliga.Betydelsen av Customer Relationship Management (CRM), utifrån ett analytiskttillvägagångssätt, blir då avgörande för att bättre hantera kundrelationer i dagens högtkonkurrerande arbetsmiljö. Analytisk CRM är ett IT-beroende arbetssystem däranvändaren av data och analys utför processer och aktiviteter som gör att erbjudnaprodukter och tjänster i högre grad möter kundernas behov. Studiens övergripande målär att genom insikter förstå hur beslutsfattare upplever olika faktorers påverkan påderas förmåga att använda analytisk CRM för att stödja deras beslutsfattande samt desociotekniska förändringar som genereras av det. För att uppnå detta antogs enkvalitativ forskningsmetod där djupintervjuer genomfördes. Sju respondenter, medvarierande roller som Business Analyst, Data Scientist, Marknadschef och CRMansvarig intervjuades för att få deras insikter och erfarenheter om analytisk CRM.Studiens resultat och slutsats visar på att beslutsfattare anser kundcentrering ochinformationsteknik som avgörande faktorer för användningen av analytisk CRM.Kundcentreringen skapar en datadriven miljö som främjar datadriven beslutsfattandegenom användningen av data och analys. Det genererar sociotekniska förändringar påbåde djupare och ytmässiga nivåer. Informationstekniken spelar en avgörande roll iinsamling, hantering och analys av data. Detta påverkar beslutsprocesserna till att blidatadrivna och stärker beslutsfattarnas förmåga att fatta välgrundade beslut.Sociotekniska förändringar som generades av informationstekniken var på ytliga nivåer. / Society today is undergoing significant changes largely driven by digitalization. Onetangible change that impacts businesses is the shift in consumer behaviour. Thesedramatic changes pose a significant threat for companies as traditional methods forcustomer management are no longer sufficient.The significance of Customer Relationship Management (CRM), based on an analyticalapproach, therefore becomes crucial to better manage customer relationships in today’shighly competing work environment. Analytical CRM is an IT-reliant work system whereparticipants of data and analysis perform processes and activities that enable offeredproducts and services to better meet the needs of customers. The overall goal of thestudy is to understand through insights how decision-makers' experience variousfactors' impact on their ability to utilize analytical CRM to support their decision making,as well as the sociotechnical changes generated by it. To achieve this, a qualitativeresearch method was adopted, where in-depth interviews were conducted. Sevenrespondents, with varying roles as Business Analyst, Data Scientist, Marketing Managerand CRM Manager, were interviewed to get their insights and experiences on analyticalCRM.The study’s results and conclusion show that decision-makers consider customercentricity and information technology (IT) as a pivotal factors' influencing the use ofanalytical CRM. Customer centricity fosters a data-driven environment that promotesdata-driven decision-making through the utilization of data and analysis. It generatessociotechnical changes on both deeper and surface structures. IT plays a critical role inthe collection, management, and analysis of data. This impacts decision-makingprocesses to become data-driven and enhances the decision-makers' ability to makedata-driven decisions. Sociotechnical changes generated by information technologywere at surface structures.