Den pågående utvecklingen och de tjänster som den digitala tekniken medfört har resulterat i att det nu är än viktigare för företag att kunna leverera relevanta och träffsäkra erbjudanden. För att kunna skapa och leverera ett personligt innehåll på ett effektivt sätt krävs det enorma mängder data. Denna data skapar möjligheten för företag att skräddarsy personliga erbjudanden och anpassa framtida interaktioner mellan kunden och företaget, oavsett på vilken kanal det sker. För att insamlingen av data ska kunna ske på ett bra sätt måste kunderna känna sig bekväma att dela med sig av information, som i vissa fall kan uppfattas som relativt känslig data. Samtidigt medför den relativt ljusskygga insamlingen av data att många konsumenter oroar sig över att den personliga integriteten skadas av den omfattande insamlingen och bearbetningen av data som sker i marknadsföringssyften idag. Vilket leder till syftet med studien. Studien syftar till att ur ett kundperspektiv få mer kunskap om hur små- och medelstoraföretag kan använda sig av automation för att skapa riktade budskap med hänsyn till konsumentens integritet och attityd. Studien fokuserar på konsumenternas attityder till insamling och användning av data som används till grund för automatiserad marknadsföring. För att skapa en djupare inblick i konsumentens individuella attityder genomfördes sex intervjuer med personer mellan 22 och 29 år. Resultatet av studien visar på att det är generellt sett väldigt negativa attityder förknippat med datainsamling och dataanvändning. Kunskapsnivån och medvetenheten om datainsamling är förhållandevis hög, medan förståelsen bakom användningen av data är något eftersatt. Den personliga upplevelse som efterfrågas och förväntas avkunderna skapar inte tillräckligt positiva fördelar för att ändra konsumenternas attityd och överväger inte den oro kring integritet som skapas av insamling och bearbetning av personlig information.

The buying process has become an important outcome for firms to adapt to the changes in B2B buying. With an increased focus on delivering new customer experiences, firms are finding themselves with lots of customer data that needs to be analyzed. Prior literature has found that technology such as artificial intelligence could be the next logical step in marketing for analyzing and managing customer data but sees slow adoption. This study examined how artificial intelligence can be used to attract and retain B2B customers in the buying process. Empirical data was collected as a multiple caste study with semistructured interviews from B2B salespeople, sales managers, CEOs, CFOs and administrators. The data were analyzed through a thematic analysis. Participants expressed a strong interest in efforts that could affect the relationship such as better engagement, enhanced user experience and information to better meet the needs. Throughout the buying process, many of these efforts could influence the final decision and is believed to be critical in attracting but also maintaining customer relationships. These results have implications for implementing artificial intelligence at firms since it creates a better understanding of the customers' wants and needs and how to correspond to it digitally. Based on the empirical findings, this study contributes with a model that shows the relation of artificial intelligence, customer data and the buying process.

Among the diverse perspectives of value creation throughout history, recent studies imply that CFOs and finance officials can contribute to a holistic value creation process by integrating different business values. Therefore, this study aims to research whether the current dilemma of intangible assets (customer data) plays an important role in financial activities to lead to business value creation. The literature review highlights three independent variables; customer loyalty, decision-making, and predicting that are tested for an effect on the dependent variable value creation. Additionally, previous studies highlight data as efficiently utilized in cross-functional environments. A moderating variable cross-functional teams is thereby examined if it has a moderating effect. An online questionnaire was sent to 56 companies who were interested in participating, of which eventually 42 companies responded. Given the low response rate, the results revealed that decision-making was significant and valuable for the finance department’s value creation. However, the moderating effect significantly revealed, on the contrary, to strengthen predicting capabilities for the finance department to create value. / Begreppet värdeskapande har historiskt sett studerats utifrån olika perspektiv. Tidigare studier har visat på att finansavdelningen kan, utöver de traditionella uppgifterna, bidra till att skapa värde inom företaget. Med bakgrund i detta är syftet med studien att undersöka huruvida det nuvarande dilemmat med immateriella tillgångar (kunddata) spelar en viktig roll i finansiella aktiviteter för att leda till skapande av affärsvärde. En litteraturöversikt i studien belyser följande värden som kunddata eventuellt leder till: kundlojalitet, beslutsfattande och förutsägelser. Variablerna testas i denna studie för att se om det, ur ett finansiellt perspektiv, har en effekt på värdeskapande. Tidigare studier visar även att data kan användas effektivt i tvärfunktionella miljöer. En modererande variabel tvärfunktionella team undersöks därmed för att se om den har en interaktionseffekt. Ett frågeformulär sändes till 56 företag som var intresserade av att delta, varav 42 företag svarade. Givet bristen på antal respondenter, visar resultatet att beslutfattande är en värdefull faktor för värdeskapande. Resultatet av moderatorn visar att den styrker relationen mellan förutsägelser och värdeskapande för finansavdelningen.

This bachelor’s thesis is a combined study of applied mathematical statistics and industrial engineering and management implemented to develop an algorithm which creates product combinations based on customer data analysis for eleven AB. Mathematically, generalized linear modelling, combinatorics and conditional probabilities were applied to create sales prediction models, generate potential combinations and calculate the conditional probabilities of the combinations getting purchased. SWOT analysis was used to identify which factors can enhance the sales from an industrial engineering and management perspective. Based on the regression analysis, the study showed that the considered variables, which were sales prices, brands, ratings, purchase countries, purchase months and how new the products are, affected the sales amounts of the products. The algorithm takes a barcode of a product as an input and checks whether if the corresponding product type satisfies the requirements of predicted sales amount and conditional probability. The algorithm then returns a list of possible product combinations that fulfil the recommendations. / Detta kandidatexamensarbete är en kombinerad studie av tillämpad matematisk statistik och industriell ekonomisk implementering för att utveckla en algoritm som skapar produktkombinationer baserad på kunddata analys för eleven AB. I den matematiska delen tillämpades generaliserade linjära modeller, kombinatorik och betingade sannolikheter för att skapa prediktionsmodeller för försäljningsantal, generera potentiella kombinationer och beräkna betingade sannolikheter att kombinationerna bli köpta. SWOT-analys användes för att identifiera vilka faktorer som kan öka försäljningen från ett industriell ekonomiskt perspektiv. Baserat på regressionsanalysen, studien har visat att de betraktade variablerna, som var försäljningspriser, varumärken, försäljningsländer, försäljningsmånader och hur nya produkterna är, påverkade försäljningsantalen på produkterna. Algoritmen tar emot en streckkod av en produkt som inmatning och kontrollerar om den motsvarande produkttypen uppfyller kraven för predikterad försäljningssumma och betingad sannolikhet. Algoritmen returnerar en lista av alla möjliga kombinationer på produkter som uppfyller rekommendationerna.

Syftet med denna studie är att genom en kombinerad metod undersöka vilka faktorer som påverkar konsumenters beslutsprocesser samt vad konsumenter upplever som inträngande på den personliga integriteten, i kontexten av personaliserad marknadsföring. För att uppnå studiens syfte har ett visst antal konsumenter undersökts genom semistrukturerade intervjuer samt via en enkät. Resultaten visar att tillförlitlighet, diverse betalningsalternativ, leverans- och returpolicyer samt olika förmåner är faktorer som påverkar konsumenters beslutsprocesser. Ännu en slutsats är att konsumenter upplever marknadsföring och erbjudanden om produkter och/eller tjänster de endast talat om som inträngande på den personliga integriteten. Dessa slutsatser baseras på respondenternas egna åsikter och tidigare upplevelser. / The purpose of this study is to, by using a combined method, investigate which factors influence consumers' decision-making processes and what consumers perceive as intrusive on personal integrity, in the context of personalized marketing. To achieve the purpose of the study, a certain number of consumers were surveyed through semi structured interviews and via a questionnaire. The results show that reliability, various payment options, delivery- and return policies and various benefits, are factors that affect consumers' decision-making processes. Another conclusion is that consumers experience marketing and offers of products and/or services they have only talked about as intrusive on personal privacy. These conclusions are based on the respondents' own opinions and previous experiences.

The current method for house valuations in mortgage portfolio models corresponds to applying a residential property price index (RPPI) to the purchasing price (or last known valuation). This thesis introduces an alternative house valuation method, which combines the current one with the bank's customer data. This approach shows that the gap between the actual house value and the current estimated house value can to some extent be explained by customer attributes, especially for houses where the homeowner is a defaulted customer. The inclusion of customer attributes can either reduce false overestimation or predict whether or not the current valuation is an overestimation or underestimation. This particular property is of interest in credit risk, as false overestimations can have negative impacts on the mortgage portfolio. The statistical methods that were used in this thesis were the data mining techniques regression and clustering. / De modeller och tillvägagångssätt som i dagsläget används för husvärdering i bolåneportföljen bygger på husprisindexering och köpesskilling. Denna studie introducerar ett alternativt sätt att uppskattta husvärdet, genom att kombinera dagens metod med bankens egna kunddata. Det här tillvägagångssättet visar på att gapet mellan det faktiska och det uppskattade husvärdet kan i viss mån förklaras av kunddata, framförallt där husägaren är en fallerad kund. Inkluderandet av kunddata kan både minska dagens övervärdering samt predicera huruvida dagens uppskattning är en övervärdering eller undervärdering. För fallerade kunder gav den alternativa husvärderingen ett mer sanningsenligt uppskattat värde av försäljningspriset än den traditionella metoden. Denna egenskap är av intresse inom kreditrisk, då en falsk övervärdering kan ha negativa konsekvenser på bolåneportföljen, framförallt för fallerade kunder. De statistiska verktyg som användes i denna studie var diverse regressionsmetoder samt klusteranalys.