This report describes the development process of the mobile application HealthyWay. The application is developed as a Bachelor thesis project together with KTH Royal Institute of Technology. The applications' main function is to be the interface to a number of wearable medical electronic appliances such as bandages and pill boxes. The communication is done through Bluetooth Low Energy. The application was mainly written in 3 di erent languages, QML, C++ and Java. The most stressed point throughout this project was the importance of platform independence. The exibility had to be done on a scalable as well as on a modular level. With this in mind, QT was used to address the requirement of scalability. The modularity was achieved through an organized structure to the program accompanied by easy directives to introduce new devices. The purpose of the application is to increase the quality of life for the user. This intent could however not be concluded due to the lack of testing among users. In its current state, the application is not yet ready for deployment but instead acts as a framework for future prospects. / Den här rapporten beskriver utvecklingsprocessen för en mobilapplikation vid namn Healthy- Way. Applikationen är utvecklad som ett kandidatexamensarbete tillsammans med KTH. Applikationens huvudsakliga uppgift är att vara ett gränssnitt till medicinskt relaterad utrustning såsom plaster och pilleraskar. Kommunikationen mellan dessa sker via Bluetooth Low Energy. Applikationen skrevs huvudsakligen i 3 olika språk, QML, C++ och Java. Den viktigaste punkten genom projektets gång var att applikationen skulle vara oberoende av plattform. Flexibiliteten var tvungen att göras på både en skalbar och modulär nivå. Med detta i åtanke valdes QT för att behandla skalbarheten. Modulariteten uppnåddes genom en välplanerad struktur på programmet tillsammans med instruktioner på hur ny utrustning kan introduceras. Syftet med programmet är att öka livskvaliteten för användaren. Detta syfte kunde däremot inte slutföras på grund av bristande testning hos användare. I dagens läge är applikationen inte redo för att släppas kommersiellt, men tjänar som ett bra ramverk för framtida utveckling.

Today's mobile development resides in the two main operating systems Android and iOS. It is popular to develop mobile applications individually for each respective platform, referred to as native development. To reduce additional costs, cross-platform solutions have emerged that enable shared development for both platforms. Kotlin Multiplatform Mobile (KMM) is a relatively unexplored cross-platform tool developed by JetBrains. The purpose of this study is to evaluate the performance of iOS applications developed in KMM compared to native Swift. We compare the two approaches for developing iOS apps by compiling a benchmark suite and measuring the performance metrics execution time, memory consumption, and CPU usage. Our benchmark suite is a collection of 7 benchmarks consisting of high-level functionalities networking and database management, as well as low-level computational tasks from the Computer Language Benchmarks Game (CLBG) suite. For the studied benchmarks, the results indicate that KMM generally achieves faster execution times, as higher memory consumption and CPU usage. but with a trade-off overhead in higher memory consumption and CPU usage. We have found KMM to achieve up to 2,7 seconds faster execution time, consume up to 390MB more memory, and up to 30% more CPU than with native Swift. libraries achieve faster execution times, but with a trade-off overhead in increased memory consumption and CPU usage. Besides, our results highlight correlations between the garbage collection cycles of KMM with profiling patterns of memory consumption and CPU usage. the specific benchmark implementations analyzed, and the device used to benchmark them. studies are therefore needed to further generalize our conclusions. / Den nutida mobilutvecklingen domineras av de två huvudsakliga operativsystemen Android och iOS. Det är populärt att utveckla mobilapplikationer separat för varje plattform, så kallad native utveckling. För att minska kostnader relaterade till native utveckling har plattformsoberoende lösningar tillkommit, som istället möjliggör delad utveckling för båda plattformarna. Kotlin Multiplatform Mobile (KMM) är ett relativt outforskat plattformsoberoende verktyg utvecklat av JetBrains. Syftet med denna studie är att utvärdera prestandan hos iOS-applikationer utvecklade i KMM jämfört med native Swift. Vi jämför de två tillvägagångssätten för att utveckla iOS-appar genom att sammanställa en benchmark-svit och mäta prestandametrikerna exekveringstid, minnesanvändning och CPU-användning. Vår benchmark svit består av 7 benchmark-program som omfattar högnivåfunktionaliteter som nätverk- och databashantering, samt lågnivåfunktionaliteter med benchmark-algoritmer från Computer Language Benchmarks Game (CLBG)-sviten. För att exekvera benchmark-programmen och samla in prestandametriker har en applikation utvecklats och använts för att utföra våra experiment på en iOS-enhet. För de undersökta benchmark-programmen visar resultaten att KMM generellt uppnår snabbare exekveringstider, men med en kompromiss i form av ökad minnesanvändning och CPU-användning. Vi har observerat att KMM kan uppnå upp till 2,7 sekunder snabbare exekveringstid, förbruka upp till 390MB mer minne och upp till 30% mer CPU-användning jämfört med native Swift. Dessutom antyder våra resultat korrelationer mellan KMM Garbage Collection cykler och profileringsbeteendet i dess minnes- och CPU-användning.

Tesis por compendio / [ES] ¿Cómo es la atribución en un entorno de omnicanal? Se puede determinar una distinción importante en contraste con la atribución en un entorno multicanal. Además de proporcionar el proceso de análisis de marketing, una especificación del proceso estándar intersectorial para la minería de datos (CRISP¿DM), se utiliza un enfoque de método mixto secuencial para analizar la cuestión principal de la investigación. En el primer paso de esta investigación se analizan las características y los requisitos de atribución eficiente en un entorno omnicanal. A partir de entrevistas semiestructuradas con expertos y de un proceso de investigación bibliográfica holística estructurada, se identifica claramente la falta de un enfoque de atribución omnicanal. Los enfoques de atribución existentes se identifican mediante la realización de un proceso estructurado de revisión de la literatura. Estos enfoques identificados se evalúan aplicando los resultados de las entrevistas semiestructuradas con expertos, es decir, los requisitos y características de una atribución omnicanal eficiente. Ninguno de los enfoques de atribución identificados cumple con la mayoría de los requisitos de omnicanal analizados. Al tener la brecha de investigación ¿ la falta de un enfoque de atribución de omnicanales ¿ claramente identificada, se desarrolla un enfoque de atribución de omnicanales en la segunda parte de esta investigación presentada. Utilizando la metodología MAP, la principal laguna de investigación se llena proporcionando el Holistic Customer Journey (HCJ): una base de datos lista para el omni¿canal y un enfoque de atribución de omni¿canal correspondiente. Entre otras cosas, el enfoque de atribución desarrollado consiste en una clasificación de aprendizaje automático. Esta investigación presentada es la primera en utilizar información de casi 240.000.000 de conjuntos de datos de interacción, que contienen información entre dispositivos y entre plataformas. Todas las fuentes de datos subyacentes son proporcionadas por una de las plataformas inmobiliarias más grandes de Alemania. / [CA] Com és l'atribució en un entorn de omnicanal? Es pot determinar una distinció important en contrast amb l'atribució en un entorn multicanal. A més de proporcionar el procés d'anàlisi de màrqueting, una especificació del procés estàndard intersectorial per a la mineria de dades (CRISP¿DM), s'utilitza un enfocament de mètode mixt seqüencial per analitzar la qüestió principal de la investigació. En el primer pas d'aquesta investigació s'analitzen les característiques i els requisits d'atribució eficient en un entorn omnicanal. A partir d'entrevistes semiestructurades amb experts i d'un procés de recerca bibliogràfica holística estructurada, s'identifica clarament la falta d'un enfocament d'atribució omnicanal. Els enfocaments d'atribució existents s'identifiquen mitjançant la realització d'un procés estructurat de revisió de la literatura. Aquests enfocaments identificats s'avaluen aplicant els resultats de les entrevistes semiestructurades amb experts, és a dir, els requisits i característiques d'una atribució omnicanal eficient. Cap dels enfocaments d'atribució identificats compleix amb la majoria dels requisits de omnicanal analitzats. En tenir la bretxa de recerca ¿ la manca d'un enfocament d'atribució de omnicanales ¿ clarament identificada, es desenvolupa un enfocament d'atribució de omnicanales a la segona part d'aquesta investigació presentada. Utilitzant la metodologia MAP, la principal llacuna de recerca s'omple proporcionant el Holistic Customer Journey (HCJ): una base de dades a punt per al omni¿canal i un enfocament d'atribució de omni¿canal corresponent. Entre altres coses, l'enfocament d'atribució desenvolupat consisteix en una classificació d'aprenentatge automàtic. Aquesta investigació presentada és la primera a utilitzar informació de gairebé 240.000.000 de conjunts de dades d'interacció, que contenen informació entre dispositius i entre plataformes. Totes les fonts de dades subjacents són proporcionades per una de les plataformes immobiliàries més grans d'Alemanya. / [EN] What does attribution in an omni¿channel environment look like? A major distinction can be determined in contrast to attribution in a multi¿channel environment. Besides providing the Marketing Analytics Process, a specification of the Cross¿industry standard process for data mining (CRISP¿DM), a sequential mixed method approach is utilized to analyze the main research question. Within the first step of this presented research characteristics, and requirements of efficient attribution in an omni¿channel environment are analyzed. Based on semi¿structured expert interviews and a holistic structured literature research process, the lack of an omni¿channel attribution approach is clearly identified. Existing attribution approaches are identified by conducting the structured literature review process. Those identified approaches are evaluated by applying the results of the semi¿structured expert interviews - the requirements and characteristics of efficient omni¿channel attribution. None of the identified attribution approaches fulfill a majority of the analyzed omni¿channel requirements. By having the research gap - the lack of an omni¿channel attribution approach - clearly identifed, an omni¿channel attribution approach is developed in the second part of this presented research. Utilizing the MAP methodology, the main research gap is filled by providing the Holistic Customer Journey (HCJ): an omni¿channel ready data foundation and a corresponding omni¿channel attribution approach. Among other things the developed attribution approach consists of a machine learning classification. This presented research is the first to utilize information from almost 240.000.000 interaction data sets, containing crossdevice and cross¿platform information. All underlying data sources are provided by one of Germany's largest real¿estate platforms. / Nass, O. (2019). Optimizing Online Marketing Efficiency By Analyzing the Mutual Influence of Online Marketing Channels with Respect to Different Devices [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/122296 / Compendio