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".