In this master thesis a prototype application is developed to help decision makers analyze data and present it so that decision makers can make business decisions more easily. The application consists of a client application, a cloud service, and a Microsoft Dynamics CRM system. The client application is developed as a Windows Store App, and the cloud service is developed as a web application using ASP.NET Web API. From the client users can connect to the cloud service by providing a set of user credentials. These credentials are then used against the users Microsoft Dynamics CRM server to retrieve business data. Data is modeled in a component on the cloud service to useful information defined by key performance indicators. The user's hierarchical organization structure is also replicated in the cloud service to enable users to drill-down forward and backward between organizational units and view their key performance indicators. These key performance indicators are finally returned to the client and presented on a dashboard using interactive charts

Globaliseringen ökar konkurrensen och kvalitetskraven vilket innebär att sågverk i dag prioriterar effektviseringsarbete högre än någonsin. Eftersom råvarukostnaden är 70 procent av ett sågverks totala kostnader är hur väl ett sågverk utnyttjar råvaran avgörande för ett sågverkets lönsamhet. För att förbättra sågutbytet strävar sågverk mot att förbättra sin timmerosorteringens träffbild, vilket medför att sorterings-parametrar ofta korrigeras. Till följd av ständiga förändringar i timmersorteringen är arbetssättet för detta sannolikt viktigt. Studien har utförts vid Bollsta sågverk i syfte att undersöka sågverkets möjlighet att arbeta mer effektivt med sin timmersortering genom att utveckla nuvarande arbetssätt och förutsättningar. Studien har genomförts i två steg, en kvalitativ del för utveckling av arbetssätt och en experimentell utvecklingsdel för utveckling av processtöd. Studien har visat en god potential för Bollsta sågverk att utveckla sitt arbetssätt vid nyskapande av timmerklasser samt dess kontrollmöjligheter. Processutvecklingen har visat sig fordra utveckling av ett beslutsstödssystem med förbättrad möjlighet till simulering och visualisering av sortering. Simuleringsfunktionen har visats vara 25 gånger mer effektivt än nuvarande simuleringsprogram. Beslutsstödssystemet har utvecklats och en utvärdering mot principer för användbara gränssnitt har visat att beslutstödet är användbart. Det utvecklade arbetssättet och beslutstödet har medfört ett antal kostnadsbesparingar i form av förkortad ledtid, förbättrad konkurrenskraft och förbättrad kontroll. Kostnadsbesparingens storlek har visats vara svår att approximera men utvecklingen har sannolikt miljonpotential. I dag finns endast presenterad forskning inom sorteringsparametrar och tekniskt utnyttjande. Potentialen i ett utvecklat arbetssätt och ett nytt beslutstöd indikerar dock bristen av forskning inom andra områden i timmersortering.

<p>Beslutstödssystem, som syftar till att underlätta beslutsfattandet för beslutsfattare, är idag vanliga i organisationer (Power, 2002a). Dessvärre upplever många beslutsfattare att beslutstödssystemen inte ger ett fullgott stöd (Carson & Turban, 2002). Anledningen till detta menar Angehrn och Jelassi (1994) är att tillräckligt stor hänsyn inte har tagits till mänskliga faktorer, såsom kognitiva begränsningar. Det är av vikt att utgå från andra modeller över mänskligt beslutsfattande än Simons (1960) modell, som i stort sett är den enda modellen som utgås från (Angehrn & Jelassi, 1994). En modell av Mintzberg et al. (1976) kan utgöra ett alternativ till Simons modell. För att få vetskap dels om vilka kognitiva svårigheter beslutsfattare upplever dels om huruvida modellen framarbetad av Mintzberg et al. är lämplig att använda för att beskriva vilka kognitiva svårigheter beslutsfattare upplever vid beslutsfattande i organisationer genomfördes öppna intervjuer med medelhögt uppsatta chefer i olika organisationer. Resultatet visar att informationsinhämtande, verklighetskontroll, generering av lösningsförslag och förutseende av konsekvenser är svårigheter viktiga att stödja. Utifrån resultatet kan en slutsats dras om att Mintzberg et al:s modell är lämplig för att beskriva kognitiva svårigheter, men att vissa modifieringar i modellen borde göras</p>

<p>Ett datalager är ett beslutstödssystem som integrerar stora mängder data från interna och externa källor. Dessutom är datalagret subjektorienterat, vilket innebär att det är organsierat kring ett antal betydelsefulla affärsdomäner som företaget lagrar data om. Många menar att det börjar bli allt viktigare för företag att söka information utanför verksamheten. Detta kan göras genom att de externa affärsdomänerna skannas av på information.</p><p>Syftet med detta arbete är att ta reda på i vilken utsträckning i nuläget som organisationer lagrar data om affärsdomäner i sitt datalager. För att ta reda på detta har företag som använder datalager kontaktats och intervjuats.</p><p>Resultatet visar att företag lagrar data om externa affärsdomäner, fast i ganska liten utsträckning. Däremot visar resultatet att intresset för att lagra information om dessa externa affärsdomäner håller på att öka bland företag.</p>

Sverige har de senaste åren konfronterats med ett ökat mottagande av ensamkommande flyktingbarn. Vid situationer som denna är det viktigt för myndigheter att fatta rättvisa beslut med rätt beslutsstödsystem. Denna studie inriktar sig på en undersökning hos Migrationsverket samt två kommuner där forskningsfrågan som tillämpades var ”Hur används beslutsstödsystem vad gäller placering av ensamkommandebarn i kommuner?”. Metoden som användes var kvalitativ data erhölls genom litteratursökning samt intervjuer. Studien har pågående under flera faser tillämpat Zachmans ramverk som ett hjälpmedel för att analysera erhållen data samt för att skapa intervjufrågor och genomföra intervjuer. En beslutsmodell och Zachmans ramverk har applicerats på respondenternas svar för att kartlägga respondenterna enligt modellerna. Resultatet har varit en önskan av en ökad effektivitet vad gäller beslutsfattande för kommuner och mottagandet av denna information från Migrationsverket. Idag uppfattar kommunerna sina beslutprocesser som manuella. Utifrån ett Business Intelligence (BI) perspektiv är slutsatsen av denna studie att Migrationsverket samt kommunerna behöver tillämpa ett dynamiskt samspel vad gäller beslutsfattande, integrering, mottagande av information och hantering av denna information för att fatta beslut. Denna studie kan användas som grund för framtida forskning där syftet är att applicera Business Intelligence (BI) behov i en verksamhet genom en tillämpning av Zachmans ramverk.

Ett datalager är ett beslutstödssystem som integrerar stora mängder data från interna och externa källor. Dessutom är datalagret subjektorienterat, vilket innebär att det är organsierat kring ett antal betydelsefulla affärsdomäner som företaget lagrar data om. Många menar att det börjar bli allt viktigare för företag att söka information utanför verksamheten. Detta kan göras genom att de externa affärsdomänerna skannas av på information. Syftet med detta arbete är att ta reda på i vilken utsträckning i nuläget som organisationer lagrar data om affärsdomäner i sitt datalager. För att ta reda på detta har företag som använder datalager kontaktats och intervjuats. Resultatet visar att företag lagrar data om externa affärsdomäner, fast i ganska liten utsträckning. Däremot visar resultatet att intresset för att lagra information om dessa externa affärsdomäner håller på att öka bland företag.

Beslutstödssystem, som syftar till att underlätta beslutsfattandet för beslutsfattare, är idag vanliga i organisationer (Power, 2002a). Dessvärre upplever många beslutsfattare att beslutstödssystemen inte ger ett fullgott stöd (Carson &amp; Turban, 2002). Anledningen till detta menar Angehrn och Jelassi (1994) är att tillräckligt stor hänsyn inte har tagits till mänskliga faktorer, såsom kognitiva begränsningar. Det är av vikt att utgå från andra modeller över mänskligt beslutsfattande än Simons (1960) modell, som i stort sett är den enda modellen som utgås från (Angehrn &amp; Jelassi, 1994). En modell av Mintzberg et al. (1976) kan utgöra ett alternativ till Simons modell. För att få vetskap dels om vilka kognitiva svårigheter beslutsfattare upplever dels om huruvida modellen framarbetad av Mintzberg et al. är lämplig att använda för att beskriva vilka kognitiva svårigheter beslutsfattare upplever vid beslutsfattande i organisationer genomfördes öppna intervjuer med medelhögt uppsatta chefer i olika organisationer. Resultatet visar att informationsinhämtande, verklighetskontroll, generering av lösningsförslag och förutseende av konsekvenser är svårigheter viktiga att stödja. Utifrån resultatet kan en slutsats dras om att Mintzberg et al:s modell är lämplig för att beskriva kognitiva svårigheter, men att vissa modifieringar i modellen borde göras

Visual Analytics is a powerful tool for decision makers to gather new insights from data. Since Visual Analytics can be hard to get into at first, previous studies have been conducted to bridge the gap between industry experts and these tools. However, few studies have examined the user’s needs regarding how Visual Analytics can generate these valuable insights. In order to examine these needs, the area selected was returns in E-commerce since the returns are devastating both to the companies and to society. The companies collect a lot of data as the goods get returned, which can be visualized. In order to highlight the e-tailer’s needs for visualization tools for their return data, a qualitative empirical study has been conducted. A prototype was developed in order to aid the semi-structured interviews visually. Six e-tailers was interviewed and got to test the prototype, in order to analyze their needs for visualization tools. The results shows that some graphic elements performed better than others, and that return data needs to be presented in comparison to sales data to be relevant. The study’s findings suggests that predefined graphs helped the E-tailers to get into the Visual Analytics mindset and may work as a way to introduce more users into the world of Visual Analytics. / För beslutsfattare är Visual Analytics inom beslutsstödssystem ett kraftfullt verktyg för att få fram nya insikter ur data. Tidigare forskning inom området fokuserar på att brygga gapet mellan branschexperter och Visual Analytics eftersom verktygen ofta är svåra att sätta sig in i. Dock är det få studier som har undersökt vad användarna har för behov av visualiseringsverktygen för att kunna få ut dessa värdefulla insikter. För att undersöka behoven har returer inom E-handel valts ut som tillämpningsområde, eftersom returerna är skadliga för företagen och samhället i stort. I samband med att varor returneras samlar E-handlarna in en hel del data som kan visualiseras. För att identifiera vilka behov E-handlarna har på visualiseringsverktyg kopplat till denna returdata, genomfördes en kvalitativ empirisk studie. I och med att Visual Analytics är visuellt togs en prototyp fram för att enklare kunna genomföra semistrukturerade intervjuer. Sex stycken E-handlare har intervjuats och testat prototypen för att samla in vilka behov dessa har av visualiseringsverktyg. Det framkom att visa grafiska element var att föredra över andra, samt att returdata i sig inte är särskilt intressant för E-handlarna utan att ha den totala försäljningen att jämföra mot. Det visade sig att de flesta E-handlarna var helt nya till Visual Analytics och att de fördefinierade grafiska elementen hjälpte de till att komma in i verktyget samt väckte tankar för hur de skulle vilja arbeta sig vidare i verktyget.

Dagens samhälle genomsyras av olika teknologier som påverkar människan, ekonomin och samhället. Numera besitter verksamheter stora datamängder som behöver registreras och struktureras och detta kan göras med hjälp av ett beslutstödsystem som ger underlag till beslutsfattare. I och med den stora och fortsatt ökade datamängden som behöver registreras och analyseras begränsas människans kognitiva förmåga till att hantera all denna data på egen hand. Som en lösning till denna problematik kan Artificial Intelligence (AI) användas. Syftet med denna forskningsstudie är att undersöka hur AI kan påverka beslutstödsystem inom verksamhetsstyrning. Fokuset grundar sig inom tre aspekter- planering, analys och uppföljning. För att besvara forskningsmålet har en djupare analys genomförts i form av en kvalitativ ansats, där sex deltagare intervjuats. Dessa intervjuer var semistrukturerade och enbart personer med välinsatta kunskaper inom beslutsstödsystem och AI har deltagit. Litteraturstudien, som baseras på tidigare forskning om AI och beslutsstödsystem och hur dessa två fungerar tillsammans, gav en grund för analysering, förklaring och diskussion tillsammans med den empiriska insamlade datan. Med hjälp av den insamlade datan kunde sedan intervjuerna analyseras tematiskt. Resultatet visade att AI:ns förmågor medför fördelar hos verksamheter genom ökadprestanda, effektivisering av strukturerad och ostrukturerad data samt frigör tid hosbeslutsfattare. Baserat på resultatet belystes det att beslutstödsystem kan enbart göra relativt enkla analyser på strukturerad data medan den är begränsad på ostruktureraddata. I samband med detta framhäver resultatet att verksamheter behöver även bearbeta extern information såsom omvärldsbevakningen. På så sätt ger teknologin användarna bästa möjliga beslutsunderlag samt då ett bredare beslutsunderlag tas fram och vidare förbättra planering, analys och uppföljning genom att AI kan analysera och samla in data från olika datakällor. Däremot behöver människan alltid vara närvarande i beslutsfattandet då AI besitter också begränsningar vilket kankompletteras med människan. / In today's society there are various technologies which affect people, the economy and society. Nowadays, businesses have large amounts of data that need to be registered and structured and this can be done with the help of a decision support system that provides information to decision makers. With the large amount of data being established even today, the human cognitive ability is limited to handling allthis data on their own. As a solution to this problem, AI can be used. The purpose of this research study is to investigate how AI can affect decision support systems in operations management. The focus is based on three aspects -planning, analysis and follow-up. In order to answer the research aim, a qualitative approach has been used where six participants were interviewed. These interviews were semi-structured and only people with well-versed knowledge in decision support systems and AI have participated. The literature study, which is based on previous research on AI and decision support systems and how the two work together, provided a basis for analysis, explanation and discussion along with the empirical data collected. As a result of the collected data, the interviews were analyzed thematically. The result showed that AI's capabilities bring benefits to businesses through increased performance, efficiency of structured and unstructured data and frees uptime for decision makers. Based on the results, it was highlighted that decision support systems can only perform relatively simple analyzes on structured data while it is limited on unstructured data. In connection with this, the result highlights that businesses also need to process external information such as monitoring of the environment. In this way, the technology provides users with the best possible basis for decision-making. This is because a broader basis for decision-making is produced and therefore improves planning, analysis and follow-up as AI can analyze and collect data from different data sources. However, the human always needs to be present in the decision-making as AI also has limitations which can be supplemented with the human.