No description available.

De senaste decenniernas teknikutveckling har fört med sig många möjligheter och industriföretags produkter genererar idag stora mängder data, exempelvis bilar. Mjukvaruföretag har legat i framkant vad gäller insamling och analysering av data och industriföretag har därifrån mycket att lära sig. Syftet med detta arbete är att undersöka möjligheter och utmaningar industriföretag står inför när de samlar in data från sina produkter. Studien inleddes med en litteraturstudie vilken lade grunden för studiens syfte och problematisering. Därefter gjordes en djupare undersökning där teori och intervjustudie jämfördes. I intervjustudien deltog fyra svenska företag som alla tillverkar eller planerar att tillverka smarta produkter. Resultatet av arbetet visar på att industriföretag blir allt mer datadrivna och att de ofta gynnas av att samla in data från deras produkter. De största användningsområdena som kommer med produktgenererad data är att företag kan förstå kundbehov, övervakning av produkter samt prediktivt underhåll. Möjligheterna som kommer med detta är så pass stora att det för de flesta stora industriföretag är nödvändigt att arbeta med produktgenererad data för att bibehålla konkurrenskraft. / The technical advancements that have been made during the last decades have brought many opportunities, and the products that industrial companies are developing now generate vast amounts of data. Software companies have been leading the development of collecting and analyzing data, and industrial companies have much to learn from them. The purpose of this work is to investigate the opportunities and challenges that industrial companies face when collecting data from their products. The study was preceded by a literature review that formed the foundation of the purpose and problematization of the study. A deeper investigation was then conducted where theory and interview study were compared. Four Swedish companies took part in the interview study, and all are manufacturing or plan to manufacture smart products. The results show that industrial companies become more and more data driven and that they benefit from collecting data from their products. The biggest use cases for companies that product generated data brings are understanding of customer needs, the possibility for customer to monitor their products and predictive maintenance. The opportunities this gives are so great that it is necessary for most industrial companies to take use product generated data, in order to stay competitive.

The rapid growth of the World Wide Web in the last decade makes it the largest publicly accessible data source in the world, which has become one of the most significant and influential information revolution of modern times. The influence of the Web has impacted almost every aspect of humans' life, activities and fields, causing paradigm shifts and transformational changes in business, governance, and education. Moreover, the rapid evolution of Web 2.0 and the Social Web in the past few years, such as social blogs and friendship networking sites, has dramatically transformed the Web from a raw environment for information consumption to a dynamic and rich platform for information production and sharing worldwide. However, this growth and transformation of the Web has resulted in an uncontrollable explosion and abundance of the textual contents, creating a serious challenge for any user to find and retrieve the relevant information that he truly seeks to find on the Web. The process of finding a relevant Web page in a website easily and efficiently has become very difficult to achieve. This has created many challenges for researchers to develop new mining techniques in order to improve the user experience on the Web, as well as for organizations to understand the true informational interests and needs of their customers in order to improve their targeted services accordingly by providing the products, services and information that truly match the requirements of every online customer. With these challenges in mind, Web mining aims to extract hidden patterns and discover useful knowledge from Web page contents, Web hyperlinks, and Web usage logs. Based on the primary kinds of Web data used in the mining process, Web mining tasks can be categorized into three main types: Web content mining, which extracts knowledge from Web page contents using text mining techniques, Web structure mining, which extracts patterns from the hyperlinks that represent the structure of the website, and Web usage mining, which mines user's Web navigational patterns from Web server logs that record the Web page access made by every user, representing the interactional activities between the users and the Web pages in a website. The main goal of this thesis is to contribute toward addressing the challenges that have been resulted from the information explosion and overload on the Web, by proposing and developing novel Web mining-based approaches. Toward achieving this goal, the thesis presents, analyzes, and evaluates three major contributions. First, the development of an integrated Web structure and usage mining approach that recommends a collection of hyperlinks for the surfers of a website to be placed at the homepage of that website. Second, the development of an integrated Web content and usage mining approach to improve the understanding of the user's Web behavior and discover the user group interests in a website. Third, the development of a supervised classification model based on recent Social Web concepts, such as Tag Clouds, in order to improve the retrieval of relevant articles and posts from Web social blogs.

Approved for public release, distribution is unlimited / Since the advent of Naval Warfare, Tactical Knowledge Management (KM) has been critical to the success of the On Scene Commander. Today's Tactical Knowledge Manager typically operates in a high stressed environment with a multitude of knowledge sources including detailed sensor deployment plans, rules of engagement contingencies, and weapon delivery assignments. However the WarFighter has placed a heavy reliance on delivering this data with traditional messaging processes while focusing on information organization vice knowledge management. This information oriented paradigm results in a continuation of data overload due to the manual intervention of human resources. Focusing on the data archiving aspect of information management overlooks the advantages of computational processing while delaying the empowerment of the processor as an automated decision making tool. Resource Description Framework (RDF) and XML provide the potential of increased machine reasoning within a KM design allowing the WarFighter to migrate from the dependency on manual information systems to a more computational intensive Knowledge Management environment. However the unique environment of a tactical platform requires innovative solutions to automate the existing naval message architecture while improving the knowledge management process. This thesis captures the key aspects for building a prototype Knowledge Management Model and provides an implementation example for evaluation. The model developed for this analysis was instantiated to evaluate the use of RDF and XML technologies in the Knowledge Management domain. The goal for the prototype included: 1. Processing required technical links in RDF/XML for feeding the KM model from multiple information sources. 2. Experiment with the visualization of Knowledge Management processing vice traditional Information Resource Display techniques. The results from working with the prototype KM Model demonstrated the flexibility of processing all information data under an XML context. Furthermore the RDF attribute format provided a convenient structure for automated decision making based on multiple information sources. Additional research utilizing RDF/XML technologies will eventually enable the WarFighter to effectively make decisions under a Knowledge Management Environment. / Civilian, SPAWAR System Center San Diego

Teknikutvecklingen har bidragit till ökad mängd användardata företag har tillgång till och väntas fortsätta öka. Företag som integrerar användardata i sina produktutvecklingsprocesser väntas uppnå konkurrensfördelar. Arbetets syfte handlar om att undersöka möjligheter och utmaningar vid integrering av stora mängder användardata. Genom att besvara två frågeställningar fastställer undersökningen arbetets syfte, där även konsekvenser för beslutsfattande behandlas. Arbetsprocessen inleddes med en litteraturstudie som låg till grund för både problematiseringen och syftet som identifierar ett gap i forskningen kring användardata i produktutvecklingsprocesser. Genom litteraturstudien skapades en bredare förståelse för ämnet. Den empiriska delen utgjordes av en kvalitativ semistrukturerad intervjustudie med fyra deltagande företag och lika många respondenter med kunskap inom området. Genom kodning av materialet identifierades områden bland respondenterna som bidrog med insikter som behandlats för att bidra till forskningsområdet. Resultaten belyser möjligheter och utmaningar företag står inför vid integrering av storamängder användardata i produktutvecklingsprocesser. Studien framhåller användaren som central i produktutvecklingen, där ökad data möjliggör komplexa dataanalyser. Effektivanalys av data möjliggör snabbare itereringsprocesser och repetitiva jobb kan ersättas av mer stimulerande. Därtill blir beslutsunderlag mer omfattande och kan generera nya strategier och utformningar av erbjudanden. Studien fastställer även att ökad mängd data ställer krav på företag, där relevansen i datan är viktig och processer för hantering måste kunna definiera relevant data. Vidare måste företag mogna i rollen att integrera användardata. För att beslutsunderlag från användardata ska vara säkert bör kvalitativa och kvantitativa analyser främjas att samverka för att bekräfta varandras identifierade mönster. Integrering av stora mängder användardata i produktutvecklingsprocesser fastställs av denna studie kräva att kompetens erhålls för att i processer för hantering av data kunna säkerställa relevans genom att definiera vilken data som ska samlas in. Vid lyckad integrering uppnår företag som integrerar användardata konkurrensfördelar och kapitaliseringsmöjligheter som är långsiktigt gynnsamma. / The technology development has contributed to an increased amount of user data companies have access to and is expected to continue to increase. Companies that integrate user data into their product development processes are expected to gain competitive advantages. The purpose of the work is to investigate opportunities and challenges when integrating large amounts of user data. By answering two questions, the study determines the purpose of the work, where the consequences for decision­ making also are addressed. The work process began with a literature study that formed the basis for both the problematization and the purpose that identifies a gap in the research about user data in product development processes. The literature study created a broader understanding of the subject. The empirical part consisted of a qualitative semi­structured interview study with four participating companies and an equal number of respondents with knowledge in the field. Coding of the material identified areas among the respondents which contributed within sights that were processed to contribute to the research area.The results highlight opportunities and challenges companies face when integrating large amounts of user data into product development processes. The study highlights the user as central to product development, where increased data enables complex data analysis. Efficient analysis of data enables faster iteration processes and repetitive jobs can be replaced by more stimulating. In addition, the basis for decision-making becomes more extensive and can generate new strategies and designs for offers. The study also determines that increased data places demands on companies, where the relevance of the data is important and processes for handling must be able to define the relevant data. Furthermore, companies need to mature in the role of integrating user data. In order to ensure the safe basis for decision­making from user data, qualitative and quantitative analyses should be promoted to work together to confirm each other’s identified patterns. The integration of large amounts of user data into product development processes is determined by this study to require the acquisition of competence in order to ensure relevance in data management processes by defining which data to collect. With successful integration, companies that integrate user data achieve competitive advantages and capitalization opportunities that are long­-term beneficial.

De senaste 10 åren har bokbranschen genomgått en omfattande digitalisering. Ett av resultaten från denna digitalisering är framväxten en helt ny marknad för ljudböcker och ur denna marknad har ett flertal ljudbokstjänster vuxit fram. Dessa ljudbokstjänster erbjuder sina användare en produkt i form av en applikation, i produkten får de tillgång till en obegränsad mängd streamat innehåll, huvudsakligen ljudböcker. Produktutvecklingen av dessa ljudbokstjänster har skett under en tid då agila arbetsprocesser har blivit allt populärare, vilka främjar en delad kunskap mellan utvecklare och kunder. Samtidigt har tillgången till kvantitativt loggad användardata vuxit enormt, vilket har möjliggjort en större och mer kontinuerlig närhet till produktens användare än någonsin tidigare. Denna studie ämnar att undersöka hur svenska ljudbokstjänster arbetar för att integrera sina användare i utvecklingen av deras produkt, med vilka metoder och i vilka syften det utförs. Med den obegränsade tillgången till användare i form av kvantitativt loggad användardata, är det av intresse att undersöka hur det påverkar användandet av andra traditionella metoder för användarinvolvering. En litteraturstudie genomfördes för att ta reda på det rådande kunskapsläget gällande metoder för användarinvolvering inom produktutvecklingen av streamingtjänster. Utifrån denna litteraturstudie utformades en intervjuguide. Därefter genomfördes tre kvalitativa intervjuer med en representant vardera från tre av de största och mest etablerade svenska ljudbokstjänsterna. Intervjuerna transkriberades och analyserades mot den undersökta teorin. Ur den analyserade empirin kunde två huvudsakliga syften till ljudbokstjänsternas användarinvolvering fastställas: • Att involvera användare som en medskapare av produkten • Att involvera användaren som testobjekt för prototyper Samtliga av de undersökta ljudboksföretagen använde sig av loggad kvantitativ användardata i båda dessa fall av användarinvolvering. Med användaren som ett testobjekt visar sig A/B-testning spela en stor roll vid användandet av loggad kvantitativ användardata. Två tredjedelar av ljudboksföretagen använde sig av kvalitativa metoder som fokusgrupper, vilket visade sig vara av stor vikt både i syftet att låta användaren testa och medskapa. Fokusgruppens unika fördelar exempelvis empatisk förståelse av användaren, är något som den kvantitativt loggade användardatan inte kan erbjuda. / The audiobook industry has undergone extensive digitisation. One of the results of this digitalisation is the emergence of a whole new market for audio books and from this a number of audiobook services have emerged. These audiobook services offer their users a product as an application where the users have access to an unlimited amount of streamed content in form of audiobooks. The product development of these audiobook services has taken place during a time when agile work processes have become increasingly popular, which promotes shared knowledge between developers and customers. At the same time, access to quantitatively logged user data has grown tremendously, which has enabled a greater and more continuous proximity to the product's users than ever before. This study aims to investigate how Swedish audiobook services work to integrate their users in the development of their product, with what methods and purposes it is performed. With the unlimited access to users in the form of quantitatively logged user data, it is of interest to investigate how it affects the use of other traditional methods of user involvement. A literature study was conducted to find out the current state of knowledge regarding methods of user involvement in the product development of streaming services. Based on this literature study, an interview guide was designed. Subsequently, three qualitative interviews were conducted with one representative each from three of the largest and most established Swedish audiobook services. The interviews were transcribed and analysed against the theory investigated. From the analysed empiric study, two main purposes for the user involvement of audiobook services could be established: • Involving users as a co-creator of the product • Involving the user as a test object for prototypes All of the audiobook companies surveyed used logged quantitative user data in both of these cases of user involvement. With the user as a test object, A / B testing proves to play a major role in the use of logged quantitative user data. Two-thirds of audiobook companies used qualitative methods such as focus groups, which proved to be of great importance to both user testing and co-creation. The focus group's unique advantages, for example empathic understanding of the user, is something that the quantitatively logged user data cannot offer.

數位時代孕育大數據技術的發展並帶動產業的創新，使用者數據的運用也日益活躍於商業領域，並分別為消費者與事業帶來便利的生活與競爭優勢。然而蒐集、處理、運用等數據價值鏈活動對於市場競爭造成相當的影響，也成為事業為反競爭行為的誘因，而引起競爭法的關注，多國競爭執法機關亦已陸續展開調查或進行相關研究。由於使用者數據涉及個人資訊隱私，更因其係產業創新的動力之一，從而競爭法管制的合適性與必要性一直為爭議性議題，後續延伸出對於現有競爭法架構的相容性疑義。本文透過文獻與案例分析，從使用者數據的特色出發，探討使用者數據於競爭法框架下之爭議，包含與隱私法規的競合問題及衝擊現行制度之因應方式。基於競爭法適度管制的觀點，提出可能評估市場力量的方式與使用者數據可能形成的限制競爭或不公平競爭之風險類型。冀望對於我國公平交易法就此議題之剖析與因應有所助益，迎接數據經濟的浪潮。 / Big data analytics technology evolves rapidly and enhances the pace of the innovation of industries in the digital era. Utilizing user data, which is a sort of valuable assets, becomes more popular in business. The new technology brings consumers fitted products and convenience and creates competitive advantages to firms. However, collecting, processing and analyzing large sets of user data not only benefit the entities in the market but also impact market competition. Competition agencies around the world have engaged in related investigations and research on data and competition. The mainly concerns are whether the amount of user data may build a barrier to entry, and whether firms which control user data in a massive amount or essential to competition may have incentives to abuse their market power to foreclose marker. Moreover, because user data is one factor of fostering innovation and has a strong correlation with privacy, the suitability and the necessity of competition law to regulate data issue is still controversial. If competition law intervenes, we should further consider how to adapt it to the present regulation. By reviewing academic literature and practical cases, this thesis begins with the introduction of characteristics of user data, followed by the analysis of the controversy concerning user data under the framework of competition law, including the trade-off between it and privacy laws and possible adjustment to the present framework. This paper also discusses the way to assess market power and specific types of anticompetitive and unfair competition behaviors. Finally, this thesis concludes with a short remark. Hopefully it can provide some references for further discussion on this issue under the Fair Trade Act in Taiwan.

Durch den Einsatz digitaler Technologien ergeben sich auch im Rahmen der beruflichen Bildung neue Möglichkeiten zur digitalisierten Dokumentation von Wissen und Verfügbarmachung von Informationen für die beteiligten Alteurinnen und Akteure. Dieser Beitrag zeigt, inwiefern eine digitale Lernortkooperation unter Gesichtspunkten des Wissenstransfers mithilfe eines Online-Berichtsheftes umgesetzt werden kann. Dazu wird das vom BMBF geförderte Verbundprojekt ‚Diffusion digitaler Technologien in der beruflichen Bildung durch Lernortkooperation‘ (DiBBLok) vorgestellt und inblicke in die Ergebnisse einer quantiativen Strukturdatenanalyse des Online-Berichtsheftes BLok gegeben.

In today’s business climate permeated by Big Data, an opportunity to drive performance lies in analysing consumer behaviour from user data. In particular for online content providers, user data is available in abundance and logged continuously. This leads to new possibilities for design and usage of metrics, as businesses can benefit from smart and timely decision-making. However, in order to profit from user data in performance measurement (PM), it is critical to identify metrics that truly guide decisions. Thus, an effective and efficient PM process is imperative. Despite its promise, Big Data’s role in PM has been scarcely researched. Research has studied user behaviour from data, for instance in the context of video or audio streaming and web search, but primarily with a focus on technical performance. In addition, the research on online content providers’ PM is fragmented, and has mainly been conducted by practitioners. Thus, the PM field needs to be updated to reflect today’s dynamic and digital business climate. Therefore, the purpose of this research was to explore how online content providers, generating a large amount of user data, work with PM, and also practically illustrate how metrics can be designed from user data. The research was carried out as a case study at an audio streaming company, but empirics was also gathered from other online content providers with the aim to increase the generalisability. The illustration of metric design was based on quantitative analysis of commuters’ in-car audio streaming. For commuters’ audio streaming it was found that suitable metrics should capture the habitual nature. Therefore engagement metrics were found to be applicable, for instance the fraction having sessions both in the morning and afternoon, and the fraction having more than one day commuting with the streaming service per week. In regard to online content providers’ PM process, this research contributes with a proposed framework, which was developed from three existing frameworks; HEART reflected as important measurement dimensions and translation of goals to metrics, OKR which sets the focus in terms of high-level goals, and design-implement-use reflected as the process’ phases. It was found that insights from user data and explicit user feedback are complementary and can arise throughout the whole process, and that mutual communication between data scientists and product managers is crucial. Further, four types of iterations were identified in the process; modifying a metric, designing new metrics, completely changing a metric, and starting new initiatives. Moreover, metrics were found to be highly context dependent. Additionally, four important aspects were identified in metric design; data availability and proxy assessment, characteristics and form of metric, metric trade-offs, and metric movement interpretation. / I dagens affärsklimat genomsyrat av Big Data finns en möjlighet att driva resultat framåt genom analys av kundbeteenden från användardata. I synnerhet för online-tjänsteföretag samlas användardata kontinuerligt och finns tillgänglig i en oerhörd mängd. Detta skapar nya möjligheter för design och användande av mätetal då företag kan utveckla smartare och snabbare beslutsfattande. För att verkligen dra fördel av användardata i prestationsmätning (PM) är det dock kritiskt att identifiera mätetal som faktiskt bistår beslutsfattande, vilket följaktligen kräver en effektiv PM-process. Trots potentialen är forskning på Big Data inom PM begränsad. Studier har analyserat kundbeteenden från användardata, exempelvis i kontexten av strömmad video eller audio och webbsökningar, men primärt med fokus på tjänstens tekniska prestanda. Vidare är forskning på PM hos online-tjänsteföretag fragmenterad, och huvudsakligen genomförd av företag inom industrin. Följaktligen bör fältet aktualiseras för att reflektera dagens digitala och dynamiska affärsklimat. Därför var syftet med denna studie att utforska hur online-tjänsteföretag, som besitter stora mängder användardata, arbetar med PM, men även praktiskt illustrera hur mätetal kan designas från denna data. Studien genomfördes som en fallstudie på ett ljud-strömningsföretag, men empiri insamlades även från andra online-tjänsteföretag med avsikt att öka generaliserbarheten. Den praktiska illustrationen av mätetals-design baserades på en kvantitativ analys av pendlares audio-strömning i bil. För pendlares audio-strömning i bil fann denna studie att lämpliga mätetal bör fånga den vanemässiga aspekten associerad med pendling. Därmed anses mätetal som reflekterar engagemang lämpliga, exempelvis andelen som har sessioner både på förmiddagen och eftermiddagen och andelen som har mer än en dag med pendlar-sessioner i veckan. Gällande PM-processen hos online-tjänsteföretag bidrar denna studie med ett föreslaget ramverk som utvecklades från tre existerande ramverk; HEART som reflekteras i form av viktiga mätetalsdimensioner samt översättning av mål till mätetal, OKR vilket sätter fokus för processen i termer av mål på högre nivå, och designa-implementera-använda som reflekterar processens faser. I studien kom det fram att insikter från användardata och explicit användaråterkoppling kompletterar varandra, och att dessa kan uppkomma under hela processen. Vidare konstaterar denna studie att ömsesidig kommunikation mellan dataforskare och produktchefer är essentiellt. Dessutom identifierades fyra typer av iterationer som kan förekomma vid användning av mätetal; modifiera mätetal, designa nya mätetal, fullständigt förändra mätetal samt påbörja nya initiativ. Därutöver kan studien konstatera att mätetal är högst kontextberoende, och att det finns fyra viktiga aspekter att ta hänsyn till i mätetals-design; data-tillgänglighet och proxy-utvärdering, karaktäristik och form på mätetal, trade-off mellan mätetal, samt tolkning av mätetals-förändringar.