In recent years, there is an increased focus on integrating digital technologies in industrial processes, also termed ”Industry 4.0”. Out of the many challenges for the transition, one is to understand how to find useful insights from data collected over large periods of time, predominantly in industrial IT systems. Automotive assembly plant X is currently undergoing a digital transformation to leverage such technologies. There is an emphasis to understand the implications of data analytics and visualization and how it could be leveraged for process optimization. The torque tightening assembly process at plant X was chosen to carry out the study as there were opportunities to access the process data from the tool management system database. The purpose of this master thesis was thus to find the implications of data analytics on the torque tightening operations in assembly plant X. In addition, the thesis also aimed to understand how visualization of key performance indicators (KPIs) can improve traceability of operational deviations. In other words, the study aims to validate how data analytics and visualization of KPIs facilitate data-driven decision making, improve traceability of operational deviations. The research is based on an inductive, exploratory case study approach. The study was carried out by understanding the current state through a series of interviews and then followed by the development of the framework and dashboard for visualization of operational deviations. Further, a discussion on how data analytics and visualization could help in decision-making for continuous improvement efforts is presented. / På senare år har det funnits ett ökat fokus på att integrera digital teknik i industriella processer, även kallad ”Industry 4.0”. Av de många utmaningarna för övergången är en att förstå hur man kan hitta användbara insikter från data som samlats in under långa tidsperioder, främst i industriella IT-system. Fordonsmonteringsfabrik X genomgår för närvarande en digital transformation för att dra nytta av sådan teknik. Det finns en betoning på att förstå implikationerna av dataanalys och visualisering och hur det kan utnyttjas för processoptimering. Vridmoment åtdragning monteringsprocessen vid anläggning X valdes för att genomföra studien eftersom det fanns möjligheter att komma åt processdata från verktygshanteringssystemdatabasen. Syftet med detta examensarbete var alltså att hitta implikationerna av dataanalys på momentåtdragningsoperationerna i monteringsanläggning X. Dessutom syftade examensarbetet också till att förstå hur visualisering av nyckeltalsindikatorer (KPI) kan förbättra spårbarheten av driftsavvikelser. Med andra ord syftar studien till att validera hur dataanalys och visualisering av KPI:er underlättar datadrivet beslutsfattande, förbättrar spårbarheten av operativa avvikelser. Forskningen bygger på en induktiv utforskande fallstudiemetod. Studien genomfördes genom att förstå nuläget genom en serie intervjuer och sedan följdes av utvecklingen av ramverket och digital informationstavla för visualisering av operativa avvikelser. Vidare presenteras en diskussion om hur dataanalys och visualisering kan hjälpa till vid beslutsfattande för ständiga förbättringsarbeten.