The punctuality of rail traffic in Sweden has not increased in a long period of time and this causes problems for people, companies and the community as it affects everyone in different ways. How the Swedish Transport Administration and SJ work on improving the train traffic and punctuality will be addressed in this study. This study will have focus on how data-driven methods can increase the punctuality of train traffic. The study will show which factors are critical for data-driven methods using literature as well as models with descriptions, as a result, the Swedish Transport Administration and SJ will be in focus for how the development of punctuality of train traffic goes. This is a case study with a literature search as well as qualitative interviews as data collection, the literature search will primarily show which factors are necessary for datadriven methods and it will also help form the interview questions, later on the interviews will show how the Swedish Transport Administration and SJ work today so that comparisons can be drawn and a result can be produced.

De potentiella nyttorna med öppna data för allmänhet och privata företag har från politiskt håll bedömts som betydande. Utöver ekonomiska nyttor förväntas öppna data skapa förutsättningar för bland annat nya innovativa tjänster och ett datadrivet kunskapssamhälle. Myndigheter och annan offentlig verksamhet har under de senaste åren satsat stora resurser på att tillhandahålla och publicera öppna data för att uppfylla lagstiftningen. På den kommunala sidan har publiceringen inte kommit lika långt. Studiens syfte är att undersöka hur långt svenska kommuner kommit i sin publicering av öppna data, möjliga faktorer som har inverkan på publiceringen samt om det finns något samband mellan publicerande av öppna data och användandet och tillhandahållandet av datadrivna tjänster inom och utanför den kommunala verksamheten. Denna kvantitativa enkätstudie riktades till kommunanställda med insikter om den egna kommunens arbete med öppna data och datadrivna tjänster. Resultaten antyder en ökad publiceringsgrad av öppna data bland kommunerna, men även brister gällande förväntningar, förståelse, stöd och tydlighet från de styrande nivåerna kopplat till arbetet med öppna data. Politiskt tryck för publicering av öppna data upplevs generellt i liten grad, men påverkar adoptionen positivt. Däremot hittades inget stöd för att uppfattade hinder påverkar adoptionsgraden. Studien visar att uppfattad beredskap, externt tryck och innovationskultur i viss utsträckning påverkar publicering av öppna data och användandet av interna datadrivna tjänster.

I en utmanande tid för detaljhandeln är beslut som fattas av högre betydelse, vilket medför att redan tillgängliga resurser är viktigare att tillvarata för att supportera beslutsfattandet. Verksamheters data är enligt många en stor tillgång genom datadrivna affärsanalysers möjligheter att åstadkomma de mer välgrundade beslutsunderlag som definierar en högre grad av beslutskvalitet. Syftet med denna kandidatuppsats i informatik är att identifiera, beskriva och förklara hur datadrivna affärsanalyser, baserade på verksamhetsdata, möjliggör en högre grad av beslutskvalitet för individuella ledningspersoner på processnivå inom ett detaljhandelsföretag. I denna studie tillämpades fallstudiemetoden för insamling av primära empiriska data. En litteraturstudie genomfördes innan en forskningsartikelbaserad analysmodell designades för att visualisera samspelet mellan relevanta dimensioner, variabler och indikatorer som identifierats. Sex semistrukturerade personliga intervjuer genomfördes med rollinnehavare på det valda fallföretaget IKEA Karlstad. I denna studie framgår att datadrivna affärsanalyser möjliggör en högre grad av beslutskvalitet genom att åstadkomma ett grundligt beslutsunderlag för ledningspersoner på processnivå inom IKEA Karlstad. Den första av de viktigaste slutsatserna i denna studie är att detta beslutsunderlag influerar beslutsfattandet både direkt för aktuella beslut och indirekt som en grund för erfarenhetsbaserad intuition vid framtida beslut. Den erfarenhetsbaserade intuitionen kompletterar det analytiska beslutsfattandet för att dra nytta av båda beslutstypernas fördelar. Den andra slutsatsen i denna studie är att datadrivna affärsanalyserna är beroende av Business Intelligence-system som IKEA Karlstad i nuläget arbetar på att standardisera tillsammans med de tillhörande arbetssätten. Standardiseringen innebär en positiv förbättring genom att kunskapen hos medarbetare ökar när fler medarbetare arbetar på liknande arbetssätt i samma system. Den tredje slutsatsen i denna studie är att många av de identifierade effekterna av dataanvändning och förändringsledning, både positiva och negativa, har samma bakomliggande orsaker. Till exempel anges stora volymer data, snabba implementeringar och den stora IKEA-koncernen som orsaker både till flera uppfattade fördelar och uppfattade nackdelar. De stora datavolymerna uppfattas exempelvis möjliggöra de datadrivna affärsanalyserna samtidigt som de orsakar en lägre grad av användarvänlighet inom vissa system. Studien bidrar med kunskap till fallföretaget IKEA Karlstad, liknande verksamheter samt informatikstudenter i form av en beskrivning av det nuvarande arbetssättet hos fallföretaget. Studien bidrar även med insikter som visualiseras i en modifierad analysmodell.

Beslutsfattande sker konstant i organisationer men grunderna till beslut kan variera. I dagens samhälle pågår en trend där ett ökat antal organisationer använder sig av datadrivet beslutsfattande, det vill säga beslut grundade i data. Detta påverkar även beslutsfattandet i HR-processer. Syftet med föreliggande studie var att undersöka hur individer som arbetar på olika organisatoriska nivåer upplever datadrivet beslutsfattande i en lönerevisionsprocess. Tidigare forskning visar att det länge funnits en uppfattning om att beslut bör fattas på rationella grunder, det vill säga med all information tillgänglig och samtliga alternativ övervägda. Dock är rationaliteten begränsad och människan behöver därför skapa förenklade modeller för att fatta beslut som är bra nog. Enligt tidigare forskning kan beslut grundas på intuition, kommunikation och data, där data kan hjälpa oss att fatta mer rationella beslut. Forskning visar även att relationen och avståndet till individen beslutet berör kan påverka beslutet. Studien ämnar bidra till forskningsfältet genom att kombinera teorier och tidigare forskning om beslutsgrunder med data i fokus, HR-processer och avstånd till individen i beslutsprocessen. För att besvara syftet har en kvalitativ studie genomförts på ett stort tekniskt bolag. Semistrukturerade intervjuer med beslutsfattare på olika organisatoriska nivåer i lönerevisionsprocessen ligger till grund för empirin. Resultaten visar att beslut fattas på flera grunder i organisationen; intuition, kommunikation och data. Beslutsfattarna använder sig av data för att skapa en beslutsgrund att utgå ifrån. Data hjälper dem även att motivera besluten samt ger en större trovärdighet och känsla av rättvisa. Hur stor del de olika beslutsgrunderna får i besluten skiljer sig beroende av vilket avstånd den intervjuade har till den person som berörs av beslutet. Beslutsfattare som arbetar högre upp i organisationshierarkin och därmed befinner sig på långt avstånd från individen besluten berör grundar till stor del sina beslut i data. Beslutsfattare som arbetar lägre ner i organisationshierarkin och därmed befinner sig nära individen besluten berör använder i större utsträckning intuition och kommunikation.

Risks are something that occur daily for all individuals and can arise from a variety of activities. If we don't take these risks into account, we will likely eventually be affected by them. By identifying and analyzing risks, the most appropriate decision can be made to mitigate or avoid the risk completely. The purpose of this study is to investigate which factors should be included in a risk analysis, and how a risk analysis can be designed for contract prioritization.  The work is carried out using an abductive scientific approach as the basis of the study. Data collection is done qualitatively through interviews. In order to achieve good scientific quality with high validity and reliability, the work was done in a systematic way with good planning.  The authors conclude that the company has a correct way of defining risks but lacks a clearly structured way of identifying new potential risks, which theory shows is important for a successful risk analysis. The result describes the financial risks as the cost critical and credit risk as the most important factor. The result describes that the company doesn't have a specific model, and the authors recommend FDFMEA as a model for risk analysis in contract prioritization, which is a developed and customized version of the traditional FMEA. The case company has a well functioning approach to how risks are handled, for example using insurance to avoid specific risks. With regards to data driven decisions, theory underlines the importance of the model presenting data in a simple and transparent way. This is something that the case company currently lacks but plans to improve. / Risker är något som förekommer dagligen för alla människor och kan uppstå ur en mängdaktiviteter, tar vi inte hänsyn till dessa risker bör vi sannolikt förr eller senare drabbas avrisken. Genom att identifiera och analysera riskerna kan det mest lämpliga beslutet fattasför att mildra eller undvika risken. Målet med denna studie är att undersöka vilka faktorersom bör ingå i en riskanalys samt hur ett riskarbete kan genomföras i en beslutsprocessför säljkontrakt. Arbetet genomförs med ett abduktivt arbetssätt som grund för studien ochdatainsamlingen sker kvalitativt genom intervjuer. För att uppnå en god vetenskapligkvalitet med hög validitet och reliabilitet utfördes arbetet på ett systematiskt arbetssättmed god planering. Författarna drar slutsatsen att företaget har ett korrekt sätt att se på risker, men saknar etttydligt strukturerat sätt att identifiera nya potentiella risker, något som teori påvisarvikten av för en lyckad riskanalys. Resultatet beskriver de finansiella riskerna som mestkritiska och kreditrisk som den viktigaste faktorn. Vidare beskriver resultatet att företagetinte har en specifik beräkningsmodell, författarna rekommenderar FDFMEA som modellför riskanalys, en utvecklad och anpassad version av traditionell FMEA analys.Fallföretaget har ett väl fungerande arbetssätt för hur risker behandlas där man tillexempel använder försäkringar för att undvika risker. I avseende på datadrivna beslutpåvisar teori vikten av att modellen presenterar data på ett enkelt och transparent sätt,något fallföretaget brister i för tillfället men planerar förbättringar.

Syftet med denna studie var att ta fram en process för hur modern teknik kan användas för att organisationer ska lyckas med strategisk kompetensförsörjning. Begreppet datadrivna beslut används när så kallade klassificeringsalgoritmer kan hjälpa oss att upptäcka en ’önskad kompetens som saknas’ eller ’föreslå ett område som vi behöver utveckla’. Metoden utgår från tjänstedesign och denna studie använde sig av en empati karta, som skapades från en enkät studie på det sociala yrkesnätverket LinkedIn med virtuell snöbollsmetod (jmf. respondentdriven sampling). Den utgår från kvalitativa data som beskriver insikter utifrån användarnas upplevelser och drivkrafter. Sedan var det viktig att definiera vilka aktörer som berörs av utmaningen för att kunna beskriva stegen i en användarresa och ta fram en designskiss. Design processen inkluderade även intervjuer med huvudaktörerna för att kunna undersöka rotorsaker och sålla idéer med hjälp av klusteranalys. Slutligen testades en digital prototyp och för att utvärdera vad som fungerade och titta på förbättringar skapades feedback matris. Underlaget för att undersöka problemet kommer från behovet inom användargruppen och perspektiv från aktörer, som sedan validerats genom att använda flera olika verktyg hämtade från tjänstedesign. Slutsatsen var att datadrivet beslutsfattande går ut på att använda mätbara indikatorer och data för att fatta beslut som är i linje med strategiska mål inom kompetensförsörjning. Detta redovisas som en användarresa som består av stegen ”Initiera & kartlägga”, ”Genomföra & uppföljning” och ”Utvärdera & reflektera”. / The purpose of this study was to develop a process for how modern technology can be used for organizations to succeed in strategic competence provision. The concept of data-driven decisions is used when so-called classification algorithms can help us discover a 'desired competence that is missing' or 'suggest an area that we need to develop'.  The method is based on service design and this study used an empathy map, which was created from a survey on the professional social network LinkedIn using the virtual snowball method (cf. respondent-driven sampling). It is based on qualitative data that describes insights based on the users' experiences and driving forces. Then it was important to define which stakeholders that are affected by the challenge in order to be able to describe the steps in a journey map and produce a design sketch. The design process also included interviews with the main stakeholders in order to investigate root causes and sorting ideas using cluster analysis. Finally, a digital prototype was tested and to evaluate what worked and look for improvements, a feedback matrix was created. The basis for investigating the problem comes from the need within the user group and perspectives from stakeholders, which are then validated by using several different tools taken from service design. The conclusion was that data-driven decision-making involves define measurable indicators and data to make decisions that are in line with strategic goals in competence provision. This is reported as a user journey consisting of the steps "Initiate & map out", "Implement & follow up" and "Evaluate & reflect".

When scaling a company it is important to implement customer insights to achieve growth of revenue. Understanding and defining a suitable B2B sales process has also been shown to play an important part in enhancing sales, and traditional processes include multiple steps performed by sales representatives. One step revolves around the presentation of the offered product or service. For sales representatives to present a product or service successfully they must acquire or have deep knowledge of the customer, such as their industry trends and general business. This can be achieved by acquiring customer insights that are data driven. Adopting data driven customer insights has also been proven to increase sales. Therefore, this research investigates the connection between the B2B sales process and the generation and implementation of data driven customer insights. In particular, this research explores the steps included in a B2B sales process at a high technology scaleup and hence how data driven customer insights can enhance the presentation step in the B2B sales process.  The research is carried out through a case study at a case company labelled as a high technology scaleup. Interviews were conducted with sales representatives working in the commercial team at the case company. The result from this research finds that six steps are included in the B2B sales process at high technology scaleups. The steps are as follows: Lead generation, First meeting, Assessment, Contract proposal, Negotiation and Closed deal. The second step includes presenting the offered product or service, which this research identified as most challenging for the sales representatives to execute successfully due to the technical complexity of the product/service. Findings from this research shows that data driven customer insights can be used to simplify this step in the process. For example, data driven customer insights can help personalize presentation material and enable rapport building. In addition, data driven customer insights help align expectations between buyers and sellers during the first meeting, thus increasing the likelihood of reaching a closed deal. / När ett företag ska skalas upp är det viktigt att implementera kundinsikter för att uppnå ökad omsättning. Att förstå och definiera en passande B2B-försäljningsprocess har också visats spela en viktig roll för nå ökade intäkter, och traditionella säljprocesser innehåller flera steg som säljpersonal utför. Ett steg kretsar kring presentationen av den erbjudna produkten eller tjänsten. För att säljpersonal ska kunna presentera en produkt eller tjänst med framgång behöver de förvärva eller ha djup kunskap om kunden, såsom branschtrender och generell verksamhet. Detta kan uppnås genom att anskaffa kundinsikter som är datadrivna. Att använda datadriven kundinsikt har också visats öka försäljningssiffror. Med detta som bakgrund undersöker därför den här forskningen sambandet mellan B2B-försäljningsprocessen och generering och implementering av datadriven kundinsikt. I synnerhet undersöker denna forskning stegen som ingår i en B2B-försäljningsprocess i ett högteknologiskt scale up och därmed hur datadriven kundinsikt kan förbättra presentationssteget i B2B-försäljningsprocessen.  Forskningen utförs genom en fallstudie på ett fallföretag som räknas som ett högteknologiskt scale up. Intervjuer genomfördes med försäljningsmedarbetare som jobbar i det kommersiella teamet på företaget. Resultatet från denna forskning visar att sex steg ingår i B2B-försäljningsprocessen vid högteknologiska scale ups. Dessa sex stegen är: Leadsgenerering, Första möte, Utvärdering, Kontraktsförslag, Förhandling och Avslutad affär. Det andra steget innebär att den erbjudna produkten eller tjänsten presenteras, och detta steg identifieras som mest utmanande för försäljningsmedarbetarna att utföra med framgång på grund av produktens/tjänstens tekniska komplexitet. Vidare visar resultat från denna forskning att datadriven kundinsikt kan användas för att förenkla detta steg i processen. Datadriven kundinsikt kan till exempel hjälpa till att personalisera presentationsmaterial och möjliggöra förtroendebyggande. Dessutom möjliggör datadrivna kundinsikter att köpare och säljare delar gemensamma förväntningar på det första mötet, vilket ökar sannolikheten att uppnå en sluten affär.

A power system consists of several critical components necessary for providing electricity from the producers to the consumers. Monitoring the lifetime of power system components becomes vital since they are subjected to electrical currents and high temperatures, which affect their ageing. Estimating the component's ageing rate close to the end of its lifetime is the motivation behind our project. Knowing the ageing rate and life expectancy, we can possibly better utilize and re-utilize existing power components and their parts. In return, we could achieve better material utilization, reduce costs, and improve sustainability designs, contributing to the circular industry development of power system components. Monitoring the thermal distribution and the degradation of the insulation materials informs the estimation of the components' health state. Moreover, further study of the employed paper material of their insulation system can lead to a deeper understanding of its thermal characterization and a possible consequent improvement. Our study aims to create a model that couples the physical equations that govern the deterioration of the insulation systems of power components with modern machine learning algorithms.  As the data is limited and complex in the field of components' ageing, Physics-Informed Neural Networks (PINNs) can help to overcome the problem. PINNs exploit the prior knowledge stored in partial differential equations (PDEs) or ordinary differential equations (ODEs) modelling the involved systems. This prior knowledge becomes a regularization agent, constraining the space of available solutions and consequently reducing the training data needed.  This thesis is divided into two parts: the first focuses on the insulation system of power transformers, and the second is an exploration of the paper material concentrating on cellulose nanofibrils (CNFs) classification. The first part includes modelling the thermal distribution and the degradation of the cellulose inside the power transformer. The deterioration of one of the two systems can lead to severe consequences for the other. Both abilities of PINNs to approximate the solution of the equations and to find the parameters that best describe the data are explored. The second part could be conceived as a standalone; however, it leads to a further understanding of the paper material. Several CNFs materials and concentrations are presented, and this thesis proposes a basic unsupervised learning using clustering algorithms like k-means and Gaussian Mixture Models (GMMs) for their classification. / Ett kraftsystem består av många kritiska komponenter som är nödvändiga för att leverera el från producenter till konsumenter. Att övervaka livslängden på kraftsystemets komponenter är avgörande eftersom de utsätts för elektriska strömmar och höga temperaturer som påverkar deras åldrande. Att uppskatta komponentens åldringshastighet nära slutet av dess livslängd är motivationen bakom vårt projekt. Genom att känna till åldringshastigheten och den förväntade livslängden kan vi eventuellt utnyttja och återanvända befintliga kraftkomponenter och deras delar   bättre. I gengäld kan vi uppnå bättre materialutnyttjande, minska kostnaderna och förbättra hållbarhetsdesignen vilket bidrar till den cirkulära industriutvecklingen av kraftsystemskomponenter. Övervakning av värmefördelningen och nedbrytningen av isoleringsmaterialen indikerar komponenternas hälsotillstånd. Dessutom kan ytterligare studier av pappersmaterial i kraftkomponenternas isoleringssystem leda till en djupare förståelse av dess termiska karaktärisering och en möjlig förbättring.  Vår studie syftar till att skapa en modell som kombinerar de fysiska ekvationer som styr försämringen av isoleringssystemen i kraftkomponenter med moderna algoritmer för maskininlärning. Eftersom datan är begränsad och komplex när det gäller komponenters åldrande kan  fysikinformerade neurala nätverk (PINNs) hjälpa till att lösa problemet. PINNs utnyttjar den förkunskap som finns lagrad i partiella differentialekvationer (PDE) eller ordinära differentialekvationer (ODE) för att modellera system och använder dessa ekvationer för att begränsa antalet tillgängliga lösningar och därmed minska den mängd träningsdata som behövs.  Denna avhandling är uppdelad i två delar: den första fokuserar på krafttransformatorers isoleringssystem, och den andra är en undersökning av pappersmaterialet som används med fokus på klassificering av cellulosananofibriller (CNF). Den första delen omfattar modellering av värmefördelningen och nedbrytningen av cellulosan inuti krafttransformatorn. En försämring av ett av de två systemen kan leda till allvarliga konsekvenser för det andra. Både PINNs förmåga att approximera lösningen av ekvationerna och att hitta de parametrar som bäst beskriver datan undersöks. Den andra delen skulle kunna ses som en fristående del, men den leder till en utökad förståelse av själva pappersmaterialet. Flera CNF-material och koncentrationer presenteras och denna avhandling föreslår en simpel oövervakad inlärning med klusteralgoritmer som k-means och Gaussian Mixture Models (GMMs) för deras klassificering. / <p>QC 20231010</p>

Datadriven kultur har flitigt nämnts i litteraturen som en tydlig framgångsfaktor för stora verksamheter för att skapa konkurrenskraft på marknaden.  Genom att verksamheter kan ta strategiska beslut baserat på stora mängder data förankrad i verkligheten undviks beslut som tas på magkänsla, således leder till optimering av verksamheter. Dock har små och medelstora företag (SMFs) halkat efter i utvecklingen då verksamheterna ofta saknar resurser och kompetens för att möjliggöra en datadriven kultur. Syftet med forskningen är att identifiera framgångsfaktorer speciellt inriktade på SMFs och skapa en sammanställning som SMF kan ta del av för att skapa en datadriven kultur. Den primära datainsamlingen genomfördes genom en kvalitativa ansats och fallstudie som forskningsmetod med semi-strukturerade intervjuer inriktade mot IT-branschen inom SMF som besatt på relevant kunskap inom ämnesområdet. Respondenternas svar har analyserats i jämförelse med tidigare litteratur för att generera framgångsfaktorer som möjliggör en datadriven kultur hos SMFs. Resultatet av forskningen har genererat en sammanställning på totalt fyra bekräftade huvudkategorier och sexton bekräftade underkategorier varav åtta berikande underkategorier är nya framgångsfaktorer som uppkommit från intervjuerna. De identifierade framgångsfaktorerna kan anammas av SMF för att möjliggöra den digitala transformationen mot en datadriven kultur. Resultatet av forskningen illustrerar att SMFs har stora möjligheter att öka sin konkurrenskraft, affärsvärde och produktivitet genom att tillämpa framgångsfaktorerna inom SMF och att en datadriven kultur inte är begränsade till stora verksamheter. / Data-driven culture has frequently been mentioned in the literature as a clear success factor for large enterprises (LEs) creating competitive advantages in the market. As enterprises can make strategic decisions based on large amounts of data anchored in reality, decisions are based on gut feeling, thus leading to optimization of enterprises. However, small and medium-sized enterprises (SMEs) have fallen behind in development as the enterprises often lack resources and knowledge to enable a data-driven culture. The purpose of the research is to identify success factors specifically focused on SMEs and create a compilation of which SMEs can adopt to create a data-driven culture. The primary data collection was conducted with a qualitative approach carrying out a case study with semi-structured interviews focused on the IT industry within SMEs that are obsessed with relevant knowledge in the subject area. The interviewees' responses have been analyzed in comparison with previous literature to generate success factors that enable a data-driven culture in SMEs. The results of the research have generated a compilation of a total of four confirmed main categories and sixteen confirmed subcategories, of which eight enriching subcategories are new success factors that have emerged from the interviews. The identified success factors can be adopted by SMEs to enable the digital transformation towards a data-driven culture. The results of the research illustrates that SMEs have great opportunities to increase in competitive advantages, business value and productivity by applying the success factors within SMEs and that the data-driven culture is not limited to LE.