Denna studie undersöker ett företags applicering av maskininlärning som ska användas till data analytics. Genom att undersöka detta är målet med studien att få en insikt i hur deras applicering och förståelse av området påverkar hur väl de lyckas applicera maskininlärning i företaget. Studien genomfördes genom att samla in empiriska data i form av intervjuer med utvalda intressenter. Dessa intervjuer fokuserade på att utforska de utmaningar och hinder som företag står inför när de försöker applicera maskininlärning i sina verksamheter. Samtidigt samlades teoretiska data in genom en genomgång av relevant forskning och litteratur inom området för att ge en bredare kontext och förståelse för de identifierade utmaningarna. Resultaten av studien identifierade att brist på erfarenhet och kompetens inom området, resursbegränsningar, otydliga mål med appliceringen av maskininlärningstekniker var de centrala faktorerna som påverkar företagets förmåga att applicera maskininlärning för data analytics. Denna studie bidrar till en ökad förståelse för de specifika utmaningar som företag möter när de strävar efter att använda maskininlärningstekniker i verksamheten. Genom att identifiera dessa utmaningar kan företag och forskare arbeta mot att utveckla strategier och lösningar för att övervinna dem och därmed främja en mer effektiv och framgångsrik applicering av maskininlärning i olika företagsmiljöer. / This study investigates a company's application of machine learning to be applied to data analytics. By examining this, the aim of the study is to gain insight into how their application and understanding of the field affect their success in implementing machine learning within the company. The study was conducted by collecting empirical data in the form of interviews with selected stakeholders. These interviews focused on exploring the challenges and obstacles that companies face when attempting to implement machine learning in their operations. At the same time, theoretical data was gathered through a review of relevant research and literature in the field to provide a broader context and understanding of the identified challenges. The results of the study identified that a lack of experience and expertise in the field, resource constraints, and unclear goals for the implementation of machine learning techniques were the central factors affecting the company's ability to implement machine learning for data analytics. This study contributes to an increased understanding of the specific challenges that companies encounter when striving to use machine learning techniques in their operations. By identifying these challenges, companies and researchers can work towards developing strategies and solutions to overcome them, thus promoting a more effective and successful application of machine learning in various corporate environments.