Business Intelligence blir allt viktigare bland företag idag i enighet med att mer och mer data produceras. Den data som produceras är i sig något som kan användas för att analysera företaget i syfte att ta bättre beslut. Behovet är också stort att få ut den informationen i realtid varav även Real Time BI är en trend i sig. Viljan och behovet av att arbeta med Real Time BI är stort varav det kräver att företagen tittar på lösningar kring införandet av det. Många företag har idag en traditionell arkitektur på sin databas och står i startgroparna till att ändra sin arkitektur. Den här studien tittar närmare på huruvida det är realistiskt att kombinera Real Time BI i en SOA-miljö. SOA är en arkitektur som är tjänsteorienterad och studien har tittat på problematiken kring kombinationen med Real Time BI genom en fallstudie gjord på en organisation. Utifrån den fallstudien går studien ut på följande frågeställning: "Hur kan Real Time BI realiseras i en SOA-miljö?" Delfråga: Vilka aspekter kan/kan inte realiseras? För att få ut så bra svar som möjligt så används kvalitativ metod med tillvägagångssättet intervjuer och dokumentgranskning genom tematisk analys. Det resulterar i en belysning av problematiken samt ett framtagande av vilka aspekter som kan realiseras och inte realiseras. / Business Intelligence has become increasingly important among companies today, along with more data being produced. The data produced is something that can be used to analyze the company to make better decisions. It is a necessity to get that information in real time and that is why Real Time BI is a trend right now. The will and need to work with Real Time BI today is large, which requires companies to look at solutions to implement it. Many companies today have a traditional database architecture and are in the starting pit to change their architecture. This study investigates whether it is realistic to combine Real Time BI in a SOA environment. SOA is an architecture that is service oriented, and the study has looked at the problem of the combination of Real Time BI through a case study conducted on a large organization. Based on the case study, the study addresses the following question: "How can Real Time BI be realized in a SOA environment?" Sub-topic: What aspects can / cannot be realized? To get the best answers as possible, qualitative methods are used with the interview and documentary approach through thematic analysis. This results in an illumination of the problem as well as a development of what aspects can be realized and not realized.

Den ökade mängden realtidsdata som bland annat IoT-utvecklingen för med sig gör business intelligence (BI) i realtid mer relevant än någonsin. Då många BI-projekt tenderar till att misslyckas är förståelse av kritiska framgångsfaktorer vitalt. Denna studie syftar till att undersöka vilka skillnader i kritiska framgångsfaktorer som utmärker implementationer av realtids-BI (RBI) system jämfört med BI-implementationer. Semistrukturerade intervjuer baserade på forskning kring framgångsfaktorer för BI har använts för att undersöka utmärkande drag för RBI. Studien har identifierat att RBI kräver en arkitektur designad för att stödja analys av strömmande data samt att RBI kräver ett mer visionärt och experimentellt förhållningssätt. Slutligen belyser studien att risken för feltolkning och felaktiga slutsatser ökar då beslut tas utifrån rådata. Därmed krävs en högre datakvalitet vid RBI för att data ska anses vara av en hållbar kvalitet. / The increased amount of real-time data, such as IoT's development, makes business intelligence (BI) in real-time more relevant than ever before. As many BI projects tend to fail, the understanding of critical success factors are vital. This study aims to investigate the differences in critical success factors that characterize implementations of real-time BI (RBI) systems versus BI implementations. Semi-structured interviews based on research of critical success factors for BI has been used to investigate distinguishing features for RBI. The study has identified that RBI requires an architecture designed to support analysis of streaming data and that a more visionary and experimental approach is required. Finally, the study highlights that the risk of misinterpretation and incorrect conclusions increases when decisions are taken based on raw data. Therefore, higher data quality is required to be considered to be a sustainable quality in the RBI context.