Dagens affärsklimat är under ständig utveckling och för att möta den ökade konkurrensen är det viktigt för verksamheter att snabbt kunna fatta beslut som är baserade på data. Utmaningarna i detta medför att verksamheternas arbetssätt måste bli mer innovativt för att snabbare kunna anpassa verksamheten. Traditionell business intelligence (BI) där IT-avdelningen oftast ansvarar för att ta fram rapporter åt användarna har svårt att hinna med att skapa rapporter som är nödvändiga för att fatta beslut grundade i data. En lösning på detta problem är att införa Self-Service BI (SSBI) där målet är att låta användarna komma närmre verksamhetens data och på det sätta kunna skapa rapporter utan inblandning från IT-avdelningen. Genom att ta bort IT-avdelningen som mellanhand och flytta ut visst ansvar på verksamhetens avdelningar ställs krav på en tydlig organisation med tydliga roller och detta ligger till grund för den frågeställning som denna studie ska ge svar på som är: Vilka roller krävs för att införa och driva SSBI? Metoderna som valts ut för att kunna ta fram ett svar på denna fråga är systematisk litteraturstudie och fallstudie. Syftet med att genomföra den systematiska litteraturstudien är att analysera vad den befintliga litteraturen tar upp om roller inom SSBI. Fallstudien som består av intervjuer med experter inom SSBI-området syftar till att fånga upp deras erfarenheter och åsikter om det olika roller som är viktiga inom SSBI. Resultatet består av ett framtaget organisationsschema över viktiga roller som behövs för att kunna införa och driva SSBI inom en verksamhet.

No description available.

No description available.

No description available.

No description available.

No description available.

Differences between traditional and programmatic online advertising Artificial intelligence is a vast concept with application areas from cutting edge robotics to understanding our daily habits in purchasing groceries. According to George Luger the fields of application for this created intelligence will be limited only by our imagination, but for this thesis the limitation is its current use in online advertising. Machine learning is a branch of artificial intelligence based on analysing vast amounts of data to draw a conclusion based on the performed analysis. In marketing this is used in a technique called programmatic marketing, in this field we are faced with the task of extracting large amounts of data, making assumptions from it and creating advertisement based on those assumptions. Then we must find in which context to best place these advertisements, on which device and at which time to gain the users attention and influence them to take action. Programmatic marketing is much based on machine learning and constitutes a way to solve these tasks for each individual user. The purpose of this thesis is to compare the traditional with programmatic advertising. To accomplish this, two companies are interviewed and reviewed, Scandinavian Airlines (SAS) and the global cell phone operator Telia. Both companies have marketing areas for traditional online-advertising and programmatic advertising. These companies way of marketing makes up a solid ground for comparison together with literature and articles from each field.

No description available.

No description available.

No description available.