Online shopping offers numerous benefits, but large product catalogs make it difficult for shoppers to understand the existence and characteristics of every item for sale. To simplify the decision-making process, online retailers use ranking models to recommend products relevant to each individual user. Contextual user data, such as location, time, or local weather conditions, can serve as valuable features for ranking models, enabling personalized real-time recommendations. Little research has been published on the usefulness of weather-based features for ranking models in online clothing retailing, which makes additional research into this topic worthwhile. Using Swedish sales and customer data from Babyshop, an online retailer of children’s fashion, this study examined possible correlations between local weather data and sales. This was done by comparing differences in daily weather and differences in daily shares of sold items per clothing category for two cities: Stockholm and Göteborg. With Malmö as an additional city, historical observational weather data from one location each in the three cities Stockholm, Göteborg, and Malmö was then featurized and used along with the customers’ postal towns, sales features, and sales trend features to train and evaluate the ranking relevancy of a gradient boosted decision trees learning to rank LightGBM ranking model with weather features. The ranking relevancy was compared against a LightGBM baseline that omitted the weather features and a naive baseline: a popularity-based ranker. Several possible correlations between a clothing category such as shorts, rainwear, shell jackets, winter wear, and a weather variable such as feels-like temperature, solar energy, wind speed, precipitation, snow, and snow depth were found. Evaluation of the ranking relevancy was done using the mean reciprocal rank and the mean average precision @ 10 on a small dataset consisting only of customer data from the postal towns Stockholm, Göteborg, and Malmö and also on a larger dataset where customers in postal towns from larger geographical areas had their home locations approximated as Stockholm, Göteborg or Malmö. The LightGBM rankers beat the naive baseline in three out of four configurations, and the ranker with weather features outperformed the LightGBM baseline by 1.1 to 2.2 percent across all configurations. The findings can potentially help online clothing retailers create more relevant product recommendations. / Internethandel erbjuder flera fördelar, men stora produktsortiment gör det svårt för konsumenter att känna till existensen av och egenskaperna hos alla produkter som saluförs. För att förenkla beslutsprocessen så använder internethandlare rankningsmodeller för att rekommendera relevanta produkter till varje enskild användare. Kontextuell användardata såsom tid på dygnet, användarens plats eller lokalt väder kan vara värdefulla variabler för rankningsmodeller då det möjliggör personaliserade realtidsrekommendationer. Det finns inte mycket publicerad forskning inom nyttan av väderbaserade variabler för produktrekommendationssystem inom internethandel av kläder, vilket gör ytterligare studier inom detta område intressant. Med hjälp av svensk försäljnings- och kunddata från Babyshop, en internethandel för barnkläder så undersökte denna studie möjliga korrelationer mellan lokal väderdata och försäljning. Detta gjordes genom att jämföra skillnaderna i dagligt väder och skillnaderna i dagliga andelar av sålda artiklar per klädeskategori för två städer: Stockholm och Göteborg. Med Malmö som ytterligare en stad så gjordes historiska metereologiska observationer från en plats var i Stockholm, Göteborg och Malmö till variabler och användes tillsammans med kundernas postorter, försäljningsvariabler och variabler för försäljningstrender för att träna och utvärdera rankningsrelevansen hos en gradient-boosted decision trees learning to rank LightGBM rankningsmodell med vädervariabler. Rankningsrelevansen jämfördes mot en LightGBM baslinjesmodel som saknade vädervariabler samt en naiv baslinje: en popularitetsbaserad rankningsmodell. Flera möjliga korrelationer mellan en klädeskategori som shorts, regnkläder, skaljackor, vinterkläder och och en daglig vädervariabel som känns-som-temperatur, solenergi, vindhastighet, nederbörd, snö och snödjup upptäcktes. Utvärderingen av rankingsrelevansen utfördes med mean reciprocal rank och mean average precision @ 10 på ett mindre dataset som bestod endast av kunddata från postorterna Stockholm, Göteborg och Malmö och även på ett större dataset där kunder med postorter från större geografiska områden fick sina hemorter approximerade som Stockholm, Göteborg eller Malmö. LigthGBM-rankningsmodellerna slog den naiva baslinjen i tre av fyra konfigurationer och rankningsmodellen med vädervariabler slog LightGBM baslinjen med 1.1 till 2.2 procent i alla konfigurationer. Resultaten kan potentiellt hjälpa internethandlare inom mode att skapa bättre produktrekommendationssystem.

This study aims to identify whether a relationship between ESG performance and financial performance exists for Nordic publicly-listed companies, by conducting a multiple linear regression analysis. Also, it will be observed which (if any) ESG variables are of relevance. The regression analysis conducted in this study arrives at the conclusion that there is a relationship between ESG performance and financial performance. However, the models have low explanatory power, with Adjusted R^2 values of 0.36 for the accounting-based financial measure Return on Assets (ROA), and 0.30 for the market-based financial measure Tobin´s Q.In both the ROA and Tobin's Q model, social variables are the most significant. Supplier evaluation disclosure is the only variable that is highly significant and positively correlated to both ROA and Tobin's Q. Consistent with previous literature, our results show that female board participation is positively correlated with ROA. The results also show that ROA correlates negatively with compensation of board members and senior executives being linked to environmental and social factors. In conclusion, some variables were identified that are significant for financial performance. However, the overall explanatory power of the model is low. It is suggested that future studies adopt a materiality approach. / Denna studie syftar till att identifiera om det finns ett samband mellan ESG-prestanda och finansiell prestanda för nordiska börsnoterade företag genom att utföra en multipel linjär regression. Dessutom observeras vilka (ifall några alls) ESG-variabler som är relevanta. Regressionen som genomförts i denna studie drar slutsatsen att det finns en relation mellan ESG-prestanda och finansiell prestanda. Dock så har modellerna låg förklaringsgrad, med justerat R^2-värde på 0,36 för det redovisningsbaserade måttet "Return on Assets" (ROA) och 0,30 för det marknadsbaserade måttet "Tobin's Q". I både ROA- och Tobin's Q-modellerna är sociala variabler de mest signifikanta. Publicering av leverantörsutvärdering är den enda variabeln som är högt signifikant och positivt korrelerad med både ROA och Tobin's Q. I linje med tidigare litteratur visar våra resultat att andel kvinnor i styrelsen är positivt korrelerat med ROA. Resultaten visar också att ROA korrelerar negativt med kompensation av styrelseledamöter kopplat till miljö- och sociala faktorer. Allt som allt lyckades studien att identifiera vissa ESG variabler som är signifikanta för finansiell prestanda. Dock så förblir förklaringsgraden av modellen i sin helhet låg. Därför föreslås det att framtida studier lägger fokus på materialitet.

Im Rahmen dieser Arbeit werden die Potenziale zur Steigerung des Gesamtwirkungsgrads von stöchiometrisch homogen betriebenen Ottomotoren in der Teillast untersucht. Im Gegensatz zur konventionellen Laststeuerung über die Drosselklappe bezeichnet die betrachtete, drosselfreie Laststeuerung die Quantitätsregelung einzig über den Hubverlauf der Gaswechselventile. Nach einer Zusammenfassung bisheriger Untersuchungen zur drosselfreien Laststeuerung werden konkurrierende Bilanzierungsverfahren von Ladungswechsel- und Hochdruckteil von 4-Takt Verbrennungsverfahren vorgestellt. Anhand theoretischer Betrachtungen folgt für eine belastbare Bewertung der Prozessgüte allein die Bilanzierung in den Grenzen der Unteren Totpunkte (UT-UT). Im ersten Teil der motorischen Untersuchungen am Vollmotor wird das effektive Potenzial mechanisch variabler Ventiltriebe ermittelt. Dabei bleibt die Verbrauchsverbesserung gegenüber einem gedrosselten Referenzmotor aufgrund sinkender Restgasverträglichkeit als Folge einer nachteiligen Abnahme der Ladungsbewegung hinter den Erwartungen zurück. Im Widerspruch zu mechanisch gekoppelten Systemen wird zur bedarfsgerechten Anpassung der Ladungsbewegung die Forderung nach maximaler Flexibilität der Ventilhubgestaltung abgeleitet. Im zweiten Teil der motorischen Untersuchungen am Einzylinder-Forschungsmotor werden die maximalen Freiheitsgrade eines nockenwellenlosen Ventiltriebs basierend auf dem Prinzip eines elektromotorischen Linearantriebs systematisch eingesetzt. Neben konstruktiven Maßnahmen zur Beeinflussung des Einströmvorgangs in den Brennraum wird die Reduzierung der Drosselverluste durch Hubverlaufsformung sowie gezielte Restgasverdünnung im Vergleich von interner zu externer Rückführung betrachtet. Der Einfluss der Gemischbildung wird über die konkurrierende Darstellung von innerer und äußerer Kraftsteinspritzung aufgezeigt. Neben den maximalen Potenzialen werden ebenso die Grenzen der Entdrosselung dargestellt. Im Gegensatz zu mechanischen Systemen gelingt zwar die Realisierung einer bedarfsgerechten Ladungsbewegung mit Hilfe vollvariabler Ventilhübe, jedoch wird eine fortgesetzte Verbrauchsverbesserung durch die Gewährleistung einer sicheren Entflammung limitiert.

Värme står för det största energibehovet inom hushåll och andra byggnader i samhället och olika tekniker används för att kunna reducera mängden energi som går åt för att spara på både miljö och pengar. Ett angreppssätt på detta problem är genom informatiken, där maskininlärning kan användas för att analysera och förutspå värmebehovet. I denna studie används maskininlärning för att prognostisera framtida energiförbrukning för fjärrvärme utifrån historisk fjärrvärmedata från ett fjärrvärmebolag tillsammans med exogena variabler i form av väderdata från Sveriges meteorologiska och hydrologiska institut. Studien är skriven på svenska och utforskar effekter av preprocessering hos prediktionsmodeller som använder tidsseriedata för att prognostisera framtida datapunkter. Stegen som utförs i studien är normalisering, interpolering, hantering av numeric outliers och missing values, datetime feature engineering, säsongsmässighet, feature selection, samt korsvalidering. Maskininlärningsmodellen som används i studien är Multilayer Perceptron som är en subkategori av artificiellt neuralt nätverk. Forskningsfrågan som besvaras fokuserar på effekter av preprocessering och feature selection för prediktiva modellers prestanda inom olika datamängder och kombinationer av preprocesseringsmetoder. Modellerna delades upp i tre olika datamängder utifrån datumintervall: 2009, 2007–2011, samt 2007–2017, där de olika kombinationerna utgörs av preprocesseringssteg som kombineras inom en iterativ process. Procentuella ökningar på R2-värden för dessa olika intervall har uppnått 47,45% för ett år, 9,97% för fem år och 32,44% för 11 år. I stora drag bekräftar och förstärker resultatet befintlig teori som menar på att preprocessering kan förbättra prediktionsmodeller. Ett antal mindre observationer kring enskilda preprocesseringsmetoders effekter har identifierats och diskuterats i studien, såsom DateTime Feature Engineerings negativa effekter på modeller som tränats med ett mindre antal iterationer. / Heat accounts for the greatest energy needs in households and other buildings in society. Effective production and distribution of heat energy require techniques for minimising economic and environmental costs. One approach to this problem is through informatics where machine learning is used to analyze and predict the heating needs with the help of historical data from a district heating company and exogenous variables in the form of weather data from Sweden's Meteorological and Hydrological Institute (SMHI). This study is written in Swedish and explores the importance of preprocessing practices before training and using prediction models which utilizes time-series data to predict future energy consumption. The preprocessing steps explored in this study consists of normalization, interpolation, identification and management of numerical outliers and missing values, datetime feature engineering, seasonality, feature selection and cross-validation. The machine learning model used in this study is Multilayer Perceptron which is a subcategory of artificial neural network. The research question focuses on the effects of preprocessing and feature selection for predictive model performance within different datasets and combinations of preprocessing methods. The models were divided into three different data sets based on date ranges: 2009, 2007–2011, and 2007–2017, where the different combinations consist of preprocessing steps that are combined within an iterative process. Percentage increases in R2 values for these different ranges have reached 47,45% for one year, 9,97% for five years and 32,44% for 11 years. The results broadly confirm and reinforce the existing theory that preprocessing can improve prediction models. A few minor observations about the effects of individual preprocessing methods have been identified and discussed in the study, such as DateTime Feature Engineering having a detrimental effect on models with very few training iterations.

Im Rahmen dieser Arbeit werden die Potenziale zur Steigerung des Gesamtwirkungsgrads von stöchiometrisch homogen betriebenen Ottomotoren in der Teillast untersucht. Im Gegensatz zur konventionellen Laststeuerung über die Drosselklappe bezeichnet die betrachtete, drosselfreie Laststeuerung die Quantitätsregelung einzig über den Hubverlauf der Gaswechselventile. Nach einer Zusammenfassung bisheriger Untersuchungen zur drosselfreien Laststeuerung werden konkurrierende Bilanzierungsverfahren von Ladungswechsel- und Hochdruckteil von 4-Takt Verbrennungsverfahren vorgestellt. Anhand theoretischer Betrachtungen folgt für eine belastbare Bewertung der Prozessgüte allein die Bilanzierung in den Grenzen der Unteren Totpunkte (UT-UT). Im ersten Teil der motorischen Untersuchungen am Vollmotor wird das effektive Potenzial mechanisch variabler Ventiltriebe ermittelt. Dabei bleibt die Verbrauchsverbesserung gegenüber einem gedrosselten Referenzmotor aufgrund sinkender Restgasverträglichkeit als Folge einer nachteiligen Abnahme der Ladungsbewegung hinter den Erwartungen zurück. Im Widerspruch zu mechanisch gekoppelten Systemen wird zur bedarfsgerechten Anpassung der Ladungsbewegung die Forderung nach maximaler Flexibilität der Ventilhubgestaltung abgeleitet. Im zweiten Teil der motorischen Untersuchungen am Einzylinder-Forschungsmotor werden die maximalen Freiheitsgrade eines nockenwellenlosen Ventiltriebs basierend auf dem Prinzip eines elektromotorischen Linearantriebs systematisch eingesetzt. Neben konstruktiven Maßnahmen zur Beeinflussung des Einströmvorgangs in den Brennraum wird die Reduzierung der Drosselverluste durch Hubverlaufsformung sowie gezielte Restgasverdünnung im Vergleich von interner zu externer Rückführung betrachtet. Der Einfluss der Gemischbildung wird über die konkurrierende Darstellung von innerer und äußerer Kraftsteinspritzung aufgezeigt. Neben den maximalen Potenzialen werden ebenso die Grenzen der Entdrosselung dargestellt. Im Gegensatz zu mechanischen Systemen gelingt zwar die Realisierung einer bedarfsgerechten Ladungsbewegung mit Hilfe vollvariabler Ventilhübe, jedoch wird eine fortgesetzte Verbrauchsverbesserung durch die Gewährleistung einer sicheren Entflammung limitiert.

The interest in business benefits is an area that is constantly growing, especially in regard to the development of IT systems. As a result of this, it may be important to study the phenomenon and identify which factors and components are important for an organization to investigate when implementing a new IT system. The purpose of this thesis is to investigate organizational value creation during the implementation of a new IT system. This is done by studying system X and discovering its potential effects, as well as capturing relevant factors and describing their relationships to an organization. To investigate this area, we have conducted a qualitative case study that is consistently grounded in data. The data that we have collected throughout the work has been obtained from semi-structured interviews with daily users, as well as developers of system X. The primary findings for this study that have been discovered are mainly five factors that can affect business benefits. The overarching theme that has emerged is that communication is a large part that permeates most factors, although there are other important aspects that contribute to understanding business benefits.