• No results found

Kritiska framgångsfaktorer för Business Intelligence i realtid

N/A
N/A
Protected

Academic year: 2021

Share "Kritiska framgångsfaktorer för Business Intelligence i realtid"

Copied!
30
0
0

Loading.... (view fulltext now)

Full text

(1)

Kritiska framgångsfaktorer för

business intelligence i realtid

Critical success factors for

business intelligence in real time

Anton Lindelöf Holmqvist

Ola Jönsson

Informatik Kandidatnivå 13 Högskolepoäng VT 2018

(2)

ABSTRACT

The increased amount of real-time data, such as IoT's development, makes business intelligence (BI) in real-time more relevant than ever before. As many BI projects tend to fail, the understanding of critical success factors are vital. This study aims to investigate the differences in critical success factors that characterize implementations of real-time BI (RBI) systems versus BI implementations. Semi-structured interviews based on research of critical success factors for BI has been used to investigate distinguishing features for RBI. The study has identified that RBI requires an architecture designed to support analysis of streaming data and that a more visionary and experimental approach is required. Finally, the study highlights that the risk of misinterpretation and incorrect conclusions increases when decisions are taken based on raw data. Therefore, higher data quality is required to be considered to be a sustainable quality in the RBI context.

Key words: BI, Business Intelligence, Critical success factors, Real time business intelligence, RBI, Real time

Sammanfattning

Den ökade mängden realtidsdata som bland annat IoT-utvecklingen för med sig gör business intelligence (BI) i realtid mer relevant än någonsin. Då många BI-projekt tenderar till att misslyckas är förståelse av kritiska framgångsfaktorer vitalt. Denna studie syftar till att undersöka vilka skillnader i kritiska framgångsfaktorer som utmärker implementationer av realtids-BI (RBI) system jämfört med BI-implementationer. Semistrukturerade intervjuer baserade på forskning kring framgångsfaktorer för BI har använts för att undersöka utmärkande drag för RBI. Studien har identifierat att RBI kräver en arkitektur designad för att stödja analys av strömmande data samt att RBI kräver ett mer visionärt och experimentellt förhållningssätt. Slutligen belyser studien att risken för feltolkning och felaktiga slutsatser ökar då beslut tas utifrån rådata. Därmed krävs en högre datakvalitet vid RBI för att data ska anses vara av en hållbar kvalitet.

Nyckelord: BI, Business Intelligence, Kritiska framgångsfaktorer, Realtids business intelligence, RBI, Realtid

(3)

FÖRORD

Vi vill tacka alla som har varit involverade i arbetet med den här uppsatsen. Först och främst vill vi tacka alla respondenter som har bidragit med tid och värdefull information. Vidare vill vi tacka vår handledare Marie Gustafsson Friberger som med sitt engagemang stöttat oss under uppsatsen gång. Slutligen vill vi framföra ett tack till vår programansvariga Carl-Johan Orre för sitt engagemang i oss studenter. Tack!

(4)

INNEHÅLLSFÖRTECKNING

1. INLEDNING ... 1 1.1 Syfte ... 2 1.2 Problemformulering ... 2 1.3 Avgränsningar ... 2 1.4 Struktur ... 2 2. METOD ... 3 2.1 Forskningsansats ... 3

2.2 Insamlingsmetod av tidigare forskning ... 3

2.3 Insamlingsmetod för data ... 3 2.3.1 Respondenter ... 3 2.3.2 Intervjuprocess ... 4 2.4 Analys av data ... 5 2.5 Etiskt övervägande ... 5 3. TIDIGARE FORSKNING ... 6 3.1 Business Intelligence ... 6

3.2 Realtids Business Intelligence ... 6

3.3 Kritiska framgångsfaktorer för BI ... 7

3.3.1 Kritiska framgångsfaktorer ur dimensionen organisatorisk ... 8

Stöd från företagsledning ... 8

Tydlig vision ... 8

Organisationsstruktur ... 9

Eget beslutsfattande ... 9

3.3.2 Kritiska framgångsfaktorer ur dimensionen process ... 10

Förkämpe och balanserat arbetslag ... 10

Användardeltagande ... 10

Affärsdriven och iterativ utvecklingsmetod ... 10

3.3.3 Kritiska framgångsfaktorer ur dimensionen teknologisk ... 10

Systemflexibilitet ... 10

Systemintegration ... 11

4. RESULTAT OCH ANALYS ... 12

4.1 Synsätt på BI och RBI ... 12

4.2 Kritiska framgångsfaktorer ur dimensionen organisatorisk ... 12

4.2.1 Stöd från företagsledning ... 12

4.2.2 Tydlig vision ... 13

4.2.3 Organisationsstruktur ... 13

(5)

4.3 Kritiska framgångsfaktorer ur dimensionen process ... 14

4.3.1 Förkämpe och balanserat arbetslag ... 14

4.3.2 Användardeltagande ... 14

4.3.3 Affärsdriven och iterativ utvecklingsmetod ... 15

4.4 Kritiska framgångsfaktorer ur dimensionen teknologisk ... 15

4.4.1 Systemflexibilitet ... 15

4.4.2 Systemintegration ... 16

4.5 Skillnader som utmärker RBI-implementationer från BI-implementationer ... 17

5. SLUTSATS ... 18

6. AVSLUTANDE DISKUSSION ... 19

6.1 Studiens kunskapsbidrag... 19

6.2 Studiens forskningsmetod och framtida forskning ... 19

6.2.1 Metodkritik ... 19

6.2.2 Framtida forskning ... 20

REFERENSER ... 21

BILAGOR ... 24

(6)

1

1. INLEDNING

Att samla och analysera data för att förutspå marknadstrender och utveckla kapaciteten av affärssystem har alltid varit en del av att driva en konkurrenskraftig affärsverksamhet (Azvine, Cui, Nauck & Majeed, 2006). Ett tillvägagångssätt för att driva en konkurrenskraftig affärsverksamhet går under samlingsbegreppet Business intelligence (BI), vilket används för att beskriva lösningar som har ambitionen att samla in, analysera samt distribuera information i syfte att fatta bättre affärsbeslut (Foley & Guillemette, 2017). Rapportering av denna information har tidigare skett genom månadsvisa eller årsvisa rapporter enligt Azvine et al. (2006) men en stark trend inom BI är realtids-BI (RBI) (BARC, 2017). RBI innebär att rapportering och analys sker utan fördröjning (You, 2010). RBI är en del av operativ-BI vilket bland annat kan ha användningsområden såsom att optimera värdekedjor, öka automatisering och kan upptäcka bedrägeri (Foley & Guillemette, 2017). Den pågående utveckling av tekniker såsom exempelvis Internet of Things innebär en kraftig ökning av anslutna apparater, vilket i sin tur bidrar till en kraftig ökning av realtidsdatavolymer (Verma, Kawamoto, Fadlullah, Nishiyama, & Kato, 2017).

När beslutsfattare står inför affärskritiska beslut behöver de snabbt kunna införskaffa och tillgodose sig information från både ett internt organisatoriskt perspektiv samt en extern kontext. För att agera med trygghet behöver beslutsfattare på alla nivåer tillgång till en utmärkt operativ-BI (March & Havner, 2007). RBI kan vara ett kraftfullt verktyg för att uppnå en snabbare operativ-BI och därmed ha möjlighet till att reagera snabbare på förändrade affärsförutsättningar (Farooq, 2013). Flertalet studier visar på den nytta som användning av realtids-BI kan föra med sig i vitt skilda verksamheter. Ett exempel på var realtid-BI har applicerats är det stora barriärrevet i Australien, där korallrevets ekosystem är känsliga för klimatförändringar. Genom att kontinuerligt analysera sensordata går det att få en överblick över vilka områden av revet som i realtid är under störst hot (Palaniswami, Aravinda & Bainbridge, 2017). Ett annat mer klassiskt exempel på hur realtids-BI har använts framgångsrikt är i flygbolaget Continental Airlines (Anderson-Lehman, Watson, Wixom & Hoffer, 2004). Continental Airlines gick från en djup kris till marknadsledande på ett fåtal år genom att bygga upp en BI-struktur med realtids kapabilitet, vilket bland annat möjliggjorde effektivare resursanvändning och kundhantering.

Trots fördelarna som kan uppnås genom implementation av BI-system tenderar flertalet BI-projekt att misslyckas (Magaireah, Ali & Sulaiman, 2017). Flertalet forskare betonar därför att förståelse av kritiska framgångsfaktorer (KFF) är vital för framgångsrik BI (Hawking, Sellitto, 2010, Ademala & Cidrin, 2011, Yeoh, Gao, Koronios, 2008 & Yeoh, Popovič, 2016). Tidigare forskning kring KFF för BI delar vanligtvis upp problematiken i tre olika dimensioner: organisatorisk, process och teknologisk (Magaireah et al., 2017, Yeoh & Popovič, 2016 & Yeoh & Koronios, 2010). Ett exempel på en kritisk framgångsfaktor ur den organisatoriska dimensionen är stöd från företagsledning (Magaireah et al., 2017).

(7)

2 1.1 Syfte

Vi anser att det i och med den dramatiska ökningen i mängden realtidsdata finns en kunskapslucka gällande KFF specifikt för RBI-system. Denna frånvaro av forskning i ämnet bidrar troligen till ett bristfälligt agerande av organisationer vid implementation av RBI-system. Syftet med denna uppsats är därmed att tillföra ny kunskap kring KFF för implementering av RBI-system. Vår förhoppning är att den kunskap som studien bidrar med kommer underlätta framtida implementering av RBI-system.

1.2 Problemformulering

Följande forskningsfråga formulerades för att vägleda forskningen:

Vilka skillnader i kritiska framgångsfaktorer utmärker implementationer av RBI-system jämfört med BI-implementationer?

Denna forskningsfråga har brutits ner tre olika delfrågor:

1. Vilka skillnader i kritiska framgångsfaktorer utmärker implementationer av RBI-system jämfört med BI-system ur dimensionen organisatorisk?

2. Vilka skillnader i kritiska framgångsfaktorer utmärker implementationer av RBI-system jämfört med BI-system ur dimensionen process?

3. Vilka skillnader i kritiska framgångsfaktorer utmärker implementationer av RBI-system jämfört med BI-system ur dimensionen teknologisk?

1.3 Avgränsningar

Tekniska aspekter kommer att beröras i uppsatsen, men studien kommer inte fördjupa sig i förklaringar av de tekniska aspekterna av BI och RBI. Vidare utgår studien från tidigare forskning om KFF för BI-implementationer, vilket gör att det kan finnas faktorer som inte identifierats i tidigare forskning som därmed har förbisetts i denna studie. Slutligen kommer denna rapport behandla RBI ur en svensk kontext, vilket innebär att slutsatserna som denna studie kommer fram till bör primärt anses ha validitet i en svensk kontext.

1.4 Struktur

Efter inledningsavsnittet följer studiens metodavsnitt där metodvalet beskrivs och motiveras. Därefter introduceras tidigare forskning i ämnena BI, RBI och KFF. Efter det presenteras studiens resultat och analys och dess samband till tidigare forskning. Utifrån analysen följer studiens slutsats vilket följs av en avslutande diskussion där studiens kunskapsbidrag och forskningsmetod diskuteras.

(8)

3

2. METOD

I detta kapitel beskrivs samt motiveras valda metoder för att undersöka och besvara forskningsfrågorna i denna studie. Fortsättningsvis följer hur insamlandet av tidigare forskning genomförts. Vidare presenteras studiens respondenter och tillvägagångssättet för att nå ut till dem. Därefter följer studiens metod för analys av data och slutligen presenteras studiens etiska övervägande.

2.1 Forskningsansats

Den ständiga förändringen och ökande komplexiteten i affärsklimatet (Sharda, Delen & Turban, 2018) gör BI till ett komplext ämne. Denscomb (2016) argumenterar för att intervjuer ger bäst utdelning när avsikten med forskningen är att utforska komplexa fenomen som kräver ingående förståelse av hur faktorer är sammanlänkade. Vidare argumenterar Denscomb (2016) för att intervjuer för med sig möjlighet till att ta del av privilegierad information vilket kan föra med sig värdefulla insikter och kunskaper i ämnet. Studien har därför inspirerats av hermeneutik och varit centrerad kring semistrukturerade intervjuer, där vi etablerat kontakt med personer med expertkompetens för att få tillgång till primärdata av hög kvalitet.

2.2 Insamlingsmetod av tidigare forskning

En mängd vetenskapliga artiklar har inhämtats genom sökning i Google Scholar. Följande termer har använts för att identifiera relevanta artiklar: Business Intelligence, Critical success factors, Business intelligence success, Real time business intelligence, Real time. Vi läste igenom artiklarnas titel samt abstrakt för att avgöra dess relevans. Relevansen utvärderades i enlighet med den kontext i vilken termerna användes. Därefter analyserades de utvalda artiklarna. Vidare så utökade vi vår teoretiska bas genom att inkludera artiklar som blivit citerade i den inledande sökningen. Artiklar som påträffades i genomgången av citeringar genomgick en identisk utvärderingsprocess. Källornas validitet har utvärderats utifrån kriterierna var källorna publicerades samt när källorna publicerades. Slutligen uppkom ytterligare ett område av forskning under studiens process då respondenterna belyste en faktor som inte poängterades av övrig forskning.

Utöver dessa vetenskapliga artiklar har läromedlet Business Intelligence, Analytics and Data Science (Sharda et al., 2018) använts för att beskriva grundläggande funktionalitet av BI och RBI.

2.3 Insamlingsmetod för data 2.3.1 Respondenter

Enligt Jacobsen (2002) bör forskaren välja respondenter baserat på vem forskaren tänker har den största kunskapen inom ämnet. I enlighet med Jacobsen startade urvalsprocessen av respondenter med en utvärdering av vilka organisationer och personer som besitter rätt kompetens inom området. Urvalsprocessen utgick från kriterierna BI kompetens, RBI kompetens samt yrkesrollens relevans för studiens ändamål. I urvalsprocessen sågs inte organisationstillhörighet som en betydande faktor då BI används i vitt skilda branscher, då vi ansåg att det var den personligt

(9)

4

kompetensen som var avgörande. Kontakt med relevanta organisationer och personer söktes först via vårt egna nätverk. Därefter söktes kontakt med organisationer som hade relevant kompetens utanför vårt personliga nätverk via socialaplattformen Linkedin, mail och genom telefonkontakt. Under studiens gång kontaktades 49 personer som vi bedömde kunde ha relevant kompetens inom området. Detta resulterade i att nio personer med rätt kompetens intervjuades för att få tillgång till olika perspektiv av ämnet. En intressant aspekt är att vi främst intervjuade respondenter tillhörande stora organisationer vars verksamhet markant skilde sig åt. Detta ledde till olika perspektiv av ämnet, men under arbetet framkom det att den största skillnaden låg i om responderas roll var teknikcenterad eller affärscentrerad.

Tabell 1 – Respondenternas yrkesroll och organisation storlek

Respondent Roll Yrkesplats Metod Dokumentering

R1 BI-konsult 249+ Personlig intervju Inspelning R2 BI-konsult 249+ Personlig intervju Inspelning R3 BI-konsult 50-249 Personlig intervju Inspelning

R4 CIO 249+ Personlig intervju Inspelning

R5 IT arkitekt / BI

249+ Personlig intervju Inspelning

R6 BI-konsult 249+ Telefonintervju Inspelning

R7

BI-konsultchef

249+ Personlig intervju Anteckningar

R8 IT arkitekt 249+ Personlig intervju Inspelning

R9

Förvaltnings-ledare IT

249+ Personlig intervju Inspelning

2.3.2 Intervjuprocess

Inför intervjuerna skapades en intervjuguide (se Bilaga 1) för att säkerställa att intervjuerna behandlade studiens nyckelaspekter. Vidare användes ett visuellt underlag under intervjuernas gång (se Bilaga 2) i syfte att jämföra respondenternas synsätt med studiens teoretiska underlag. Intervjuguiden utökades efter de två inledande intervjuerna för att uppnå mer fylliga svar, då vi ansåg att dessa inte uppnådde den avsedda nivån av uttömmande svar. Exempelvis saknas deras synsätt på BI och RBI. Dessa intervjuer är inkluderade i studiens material då de svar som gavs ansågs hålla hög kvalitet men till viss del saknade kontext. Det två inledande intervjuerna hade en längd runt 30 minuter, resterande intervjuernas längd var mellan 40-60 minuter.

Under studien utfördes sju enkelintervjuer samt en parintervju med respondenterna åtta och nio. Sju av studiens åtta intervjuer har genomförts personligt, medan en av intervjuerna genomfördes via telefon. I de fall intervjuerna har genomförts personligt har detta skett på respondentens arbetsplats, i en miljö vald av

(10)

5

respondenten. Sju av intervjuerna dokumenterades genom inspelning och en intervju dokumenterades genom anteckningar på begäran av respondenten.

2.4 Analys av data

Ljudinspelningar från de genomförda intervjuerna transkriberades vilket tillsammans med anteckningar användes som studiens empiriska underlag. Transkriberingar utfördes genom att ljudinspelningarna delades upp i intervaller utifrån de frågor och ämnen som behandlades under intervjuerna. Dessa intervaller utvärderades sedan i syfte att plocka ut relevanta stycken som sedan transkriberats. Under analysprocessen gick vi tillbaka till grunddata och kontrollerade det vid flertalet tillfällen för att undvika att relevant data försummats. Tillvägagångssätt valdes för att fokusera studien på relevant data, och utesluta data som på ett tydligt sätt är irrelevant för studiens syfte. Därefter tematiserades data enligt dimensionerna Organisatorisk, Process och Teknologisk.

Det empiriska underlaget analyserades utifrån studiens teoretiska ramverk i syfte att uppmärksamma relevanta fenomen, i syfte att uppmärksamma mönster, regelbundenhet och avvikelser. Därefter validerades analysen genom en respondentvalidering (se Denscomb, 2016) för att säkerställa uppsatsens tillförlitlighet.

2.5 Etiskt övervägande

Studien har beaktat det etiska perspektivet genom att de personer som intervjuas givits tillfälle att förtydliga och ta tillbaka påstående gjorda under intervjuerna. Vidare har data anonymiserats för att undvika person och organisationsidentifiering. Studiens medverkande har bjudits in till den konferensen där denna rapport presenterats för att få en återkoppling på deras deltagande. De intervjuade personerna hade närsomhelst under studiens gång möjlighet att dra tillbaka sitt godkännande till att medverka i studien. Vid återtagande av godkännande för medverkande i studien skulle all data relaterad till denna person raderats omedelbart. Vid godkänd examination av kandidatuppsatsen raderas all data som samlats under studien gång för att säkerhetsställa respondenternas anonymitet.

(11)

6

3. TIDIGARE FORSKNING

Kapitlet presenterar tidigare forskning inom ämnet. Syftet med denna del av uppsatsen är att få förståelse för det undersökta området. Presenterade teorier används även som grund och utgångspunkt för analys av resultat.

3.1 Business Intelligence

BI kommer från ett behov av att effektivt analysera företagsdata för att få en bättre förståelse av företaget i syfte att förbättra beslutsprocessen (Golfarelli, Rizzi & Cella, 2004). BI-processen bygger på omvandling av data till information, sedan till beslut och slutligen till handlingar (Sharda et al., 2018). Genom att analysera historiska och aktuella data, situationer och prestanda får beslutsfattare värdefulla insikter vilket möjliggör mer informerade och bättre beslut (Sharda et al., 2018). BI är likt andra generiska termer inte ett väldefinierat koncept. Enligt Azvine et al (2006) anses BI av vissa innefatta data rapportering och visualisering medan databasleverantörer framhäver insamling av data, dess transformation och integration. Analysleverantörer å andra sidan väljer att betona datautvinning och statistisk analys. För att få en helhetsbild av BI behöver beskrivningen enligt Gartner Group (u.å) innefatta hela processen från datainsamling till beslut. Gartner Group (u.å) definierar BI på följande vis:

Business intelligence (BI) is an umbrella term that includes the applications, infrastructure and tools, and best practices that enable access to and analysis of information to improve and optimize decisions and performance.

Enligt Sharda et al. (2018) består BI-system av fyra huvudbeståndsdelar: Data warehouse (DW), som innehåller datan; Business analytics, som består av olika verktyg för att manipulera, analysera och mining av den data som finns i DW; Business process management för att övervaka och analysera verksamhets-processer; och slutligen ett användargränssnitt, det vill säga ett så kallat dashboard. 3.2 Realtids Business Intelligence

Vad som anses vara RBI beror huvudsakligen på vad realtid innebär för organisationen och därför finns det inte en allmängiltig definition. Nedan kommer det att presenteras två tolkningar av vad RBI kan innebära samt två stycken olika tillvägagångssätt för att uppnå RBI.

Enligt Azvine et al. (2006) kan realtid för BI betyda att det finns krav på att ta bort fördröjningar inom en process, eller att en process tillhandahåller information närhelst den är behövd. Vidare menar Azvine et al. (2006) att RBI kan innebär att det finns förmåga att erhålla nyckeltal relaterade till situationer i nutid och inte endast historiska situationer.

You (2010) definierar RBI såsom processen av att tillhandahålla information om affärsverksamhet utan fördröjning. Realtid betyder i detta sammanhang att information tillhandahålls inom millisekunder upp till ett par sekunder efter en affärshändelse inträffat. Medan mer traditionella BI presenterar historisk

(12)

7

information till användare för analys, jämför RBI pågående händelser med historiska mönster för att automatiskt upptäcka problem och möjligheter.

Användningen av RBI kan enligt Sharda et al. (2018) hjälpa användare som behöver få information om förändringar i data i realtid eller få tillgång till relevanta rapporter, varningar, notifikationer angående aktuella händelser eller framväxande trender. Dessutom kan RBI programmeras till att agera enligt det som systemen upptäcker. Exempelvis kan en order automatiskt i realtid göras på produkter när systemet upptäcker att lagret fallit under en kritisk nivå. Ett annat exempel är att kundhanteringssystem i realtid kan skicka ut en varning när en kund genomför en order som överstiger ett visst värde. Därmed kan organisationen genomföra en kreditupplysning och på så sätt minska risken för att bli utsatt för bedrägeri. Enligt Sharda et al. (2018) finns det olika tillvägagångssätt att uppnå RBI. Ett sätt utgår från DW vilken är en av huvudbeståndsdelarna av BI-system. Produkter från innovativa BI-leverantörer erbjuder en serviceorienterat nära-realtids lösningar där DW fylls mycket snabbare än i den traditionella DW processen. Ett annat tillvägagångssätt kallas vanligtvis business activity management som kringgår DW helt och använder webbaserade lösningar eller andra övervakningsverktyg för att upptäcka nyckelhändelser. Dessa övervakningsverktyg kan placeras på en separat server i nätverket eller direkt på den transaktionella applikationsdatabasen, och kan använda händelse och processbaserade tillvägagångssätt för att på ett proaktivt och intelligent sätt mäta och övervaka operativa processer.

3.3 Kritiska framgångsfaktorer för BI

Begreppet kritiska framgångsfaktorer beskrevs av Rockart (1979) som ett begränsat antal områden där organisationers konkurrenskraftighet avgörs. Är resultaten tillfredsställande för dessa områden säkerställs organisationens konkurrens-kraftighet. De kritiska framgångsfaktorerna är de få nyckelområden där "saker måste gå rätt" för verksamheten ska blomstra. Om resultaten i dessa områden inte är tillräckliga, kommer organisationen inte uppnå önskat resultat.

Denna studie utgår från det teoretiska ramverket presenterat av Magaireah et al., (2017), vilken i sin tur bygger på tidigare forskning i ämnet. Magaireah et al., (2017) kategoriserar i sitt teoretiska ramverk för kritiska framgångsfaktorer för BI i tre olika dimensioner, nämligen organisatorisk, process samt teknologiskt. De övergripande dimensionerna konkretiseras sedan i olika teman. Tidigare studier antyder att icke-tekniska faktorer, inklusive organisatoriska och processrelaterade faktorer, är mer inflytelserika än tekniska och IT relaterade faktorer (Yeoh & Popovič, 2016 & Yeoh & Koronios, 2010).

(13)

8

Figur 1: Ramverk kritiska framgångsfaktorer för implementation av BI-system (Anpassad från Magaireah et al., 2017)

3.3.1 Kritiska framgångsfaktorer ur dimensionen organisatorisk Stöd från företagsledning

Flertalet författare har poängterat vikten av företagsledningens roll i att ta itu med den förändringsprocess som resulterar från implementation av BI-system (Yeoh & Popovič, 2016 Olszak & Ziemba, 2012 & Yeoh & Koronios 2010 & Sangar & Iahad, 2013). Yeoh & Koronios (2010) menar att engagemang från ledning, d.v.s stöd och sponsring, är allmänt erkänt som den viktigaste framgångsfaktorn för en lyckad BI-implementation. Yeoh & Popovič (2016) utvecklar resonemanget genom att framhäva att åtagande från ledning påverkar styrningen och den övergripande riktningen av BI-initiativ till att bli mer affärsinriktad. Tillräckligt stöd och sponsorskap innebär enligt Yeoh & Popovič (2016) att resurser för genomförande-processen, nödvändiga driftsresurser, omfattade finansiella åtaganden, tillräcklig bemanning, samt fördelningen av tillräcklig tid att få jobbet gjort. Är ledningen ovillig att sponsra projektet i tillräckligt hög utsträckning så kommer dessa system inte tillhandahålla tillräcklig hög nivå på system, informations samt servicekvalitet (Wixom, Ariyachandra, Goul, Gray & Kulkarni, 2011).

Tydlig vision

En långsiktig vision och en väldefinierad plan är nödvändig under alla steg av en BI-implementation (Işık, Jones & Sidorova, 2012 & Yeoh & Koronios, 2010). För att uppnå önskade mål är det viktigt att både organisationens nuvarande och långsiktiga mål och behov är i linje BI-projektet (Ademala & Cidrin, 2011 & Yeoh & Popovič, 2016). Yeoh & Koronios (2010) definerar detta behov som organisationens business case, och organisationens business caset bör enligt Yeoh & Koronios (2010) identifiera strategiska fördelar, resurser, risk, kostnad samt tidslinje. Vidare tyder forskning på att en tydlig vision och väldefinierad plan påverkar anpassningen av systemet och därmed det slutgiltiga resultatet av BI-initiativet (Yeoh et al., 2008). Det förstärker både organisationens och individers

(14)

9

engagemang i implementeringen samt motiverar användare till att använda systemet (Ademala & Cidrin, 2011). Slutligen är det centralt att betrakta en BI-implementation som en process snarare än ett projekt då BI-system är dynamiska och det är ofta svårt att förutspå hur BI-systemet kommer utvecklas (Yeoh & Popovič, 2016).

Organisationsstruktur

Organisationsstruktur är enligt (Arefin, Hoque & Bao, 2015) ett formellt ramverk som reglerar relationer och intern kommunikation, rapportering och informationsflöden, distribuerar auktoritet hos de anställda samt uppgifter med målet att utföra aktiviteter inom en specifik organisation. Traditionellt delas organisationsstrukturer upp i två olika typer, centralisering och decentralisering. Centraliserade strukturer innebär en autokratisk utgångspunkt där fokus ligger på företagsledning i toppen av hierarkin. Kontrasten till detta, decentraliserade strukturer innebär en delegering av auktoritet för att ta affärskritiska beslut till medarbetare längre ner i organisationen. Decentraliserade organisationsstrukturer har visat sig positivt relaterad till BI-systems effektivitet (Arefin et al., 2015). centraliserade organisationen karaktäriseras enligt Al-Alawi, Al-Marzooqi & Mohammed (2007) vanligtvis av komplicerade lager av ansvarsområden vilket leder till långsamma processer, hinder av informationsflöden samt omfattande rapporteringsprocesser gör beslutstagande tidskrävande, medan decentraliserade organisationer å andra sidan vanligtvis har ett effektivare informationsflöde vilket hjälper beslutsprocessen. Det effektivare informations-flöde i kombination med att beslut kan tas utan större hierarkiska hinder gör att decentraliserade organisationsstrukturer ger bättre möjlighet till framgångsrika BI-systemimplementationer (Arefin et al., 2015).

Eget beslutsfattande

Eget beslutsfattande är en motivationskonstruktion fokuserad på psykologiska attityder eller uppfattningar hos individer om deras roll i sin organisation samt deras arbetsuppgifter (Thomas & Velthouse, 1990). Ett eget beslutsfattande innebär mer än endast delegering av ansvar. Faktorer såsom tillräcklig utbildning, självförtroende och information innefattas då det möjliggör för anställda att vara ansvariga för sina beslut, vara trygga med sin kompetens, förbättra sin prestation samt att känna att deras arbete har en påverkan på organisationens utfall (Kostiwa & Meeks, 2009). Magaireah et al., (2017) resonerar att då det finns omfattande forskning som tyder på att eget beslutsfattande spelar en central roll i att förbättra individuella prestationer, stödja förändringsledning, öka arbetstillfredsställelse samt förbättrar kvalitén av systemresultat vilket i slutändan positivt påverkar systemimplementationer. Vidare poängterar Magaireah et al., (2017) att det finns få vetenskapliga studier om området ur ett BI-perspektiv, men den forskning som finns indikerar en positiv påverkan av eget beslutsfattande på användningen av BI-systemet (Han & Farn, 2013).

(15)

10

3.3.2 Kritiska framgångsfaktorer ur dimensionen process Förkämpe och balanserat arbetslag

Flertalet studier visar på behovet av starka förkämpar och balanserade arbetslag är en kritisk faktor för implementering av BI-system (Yeoh & Popovič, 2016, Yeoh & Koronios, 2010, Hawking, & Sellitto, 2010, Sangar & Iahad, 2013). Förkämpar behöver besitta både god affärs - och teknisk kompetens för att kunna göra BI-implementation affärscentrerad istället för teknikcentrerad (Yeoh & Koronios, 2010). Vidare skriver Yeoh & Koronios (2010) att välbalanserade arbetslag med affär och teknisk kunskap skapar en multifunktionalitet, detta förtydligas av Yeoh & Popovič (2016) vars resultat tyder på att ett balanserat BI-team ska innehålla en kvalificerad extern konsult, en dedikerad projektledare med tillräcklig affärskunskap samt ett internt projektteam som består av både affärs och teknisk personal.

Användardeltagande

Omfattande användardeltagande i alla delar av processen förefaller vara av stor vikt för om en BI-implementation ska bli lyckad (Olszak & Ziemba, 2012, Yeoh & Koronios, 2010, Hawking & Sellitto, 2010, Sangar & Iahad, 2013). Användar-engagemang i förändringsprocessen kan leda till bättre kommunikation av användarnas behov, som i sin tur kan bidra till att framgångsrikt introducera BI-systemet. Genom ett högt användardeltagande kan användare ge utvecklings-gruppen värdefulla insikter som annars förbises (Yeoh & Koronios, 2010). Enligt Yeoh & Popovič (2016) är ett effektivt tillvägagångssätt att uppnå användar-deltagande regelbundna workshops och möten mellan företagsanvändare och projektgrupper. Utbildning hjälper användare i att adaptera sig till ett nytt system dock menar Yeoh & Popovič (2016) att betydelsefullt stöd efter systemet implementerats är av ännu större vikt.

Affärsdriven och iterativ utvecklingsmetod

Vikten av en affärsdriven och iterativ utvecklingsmetod presenteras inte i Magaireah et al., (2017), men har poängterats av tidigare forskning (Yeoh & Koronios, 2010 & Yeoh & Popovič, 2016). En tydlig affärsinriktad omfattning och planering underlättar för projektgruppen att koncentrera sig på det bästa möjligheterna till förbättring. Detta för med sig möjlighet till flexibilitet och anpassningsförmåga till förändrade krav på tidsram och förändringar i tillgängliga resurser. Dessutom möjliggör projektomfattning att projektgruppen kan fokusera på viktiga milstolpar och relevanta frågor och undvika fallgropar. Yeoh & Popovič (2016) studie förtydligar att en iterativ utvecklingsmetod bidrar till att projektuppgifter inte förbises de ofta kaotiska projektmiljöerna, speciellt då vissa projektmedlemmar fortsatt ansvarar för sina vanliga arbetsuppgifter.

3.3.3 Kritiska framgångsfaktorer ur dimensionen teknologisk Systemflexibilitet

Systemflexibilitet anses vara en kritisk framgångsfaktor för lyckad BI (Yeoh et al., 2008, Yeoh & Popovič, 2016, Hawking & Sellitto, 2010, Ademala & Cidrin, 2011),

(16)

11

och kan definieras såsom graden som ett system kan anpassas till en variation av användarbehov och till förändringar i omständigheter (Nelson, Todd & Wixom, 2005). Faktumet att BI-systemimplementationer innehåller en hög grad av mångfald samt en hög teknisk komplexitet innebär att BI-projekt vanligtvis pågår under en lång period vilket innebär lång tid från design till implementering. Därmed kräver BI-projekt flexibel hårdvara och mjukvara som tillåter anpassningar till en organisations evigt förändrade behov (Yeoh et al., 2008). Yeoh & Koronios (2010) menar att en flexibel och skalbar infrastruktursdesign tillåter en enkel expansion av systemet om ett ökat informationsbehov finns i framtiden. Vidare beskriver Yeoh & Popovič (2016) att organisationer som antar en affärsfokuserad syn vid planeringen av deras adaptiva system är mer benägna att lyckas med sina BI-initiativ.

Systemintegration

Huvudmålet för BI-system är att systemen för samman data som är lagrad på olika platser (Yeoh & Popovič, 2016). Därmed grundas en lyckad BI-implementering av en lämplig integration av källor såsom databaser, applikationer, organisationsprocess och operativa system mellan olika företagsenheter (Işık, Jones, & Sidorova, 2013). Datakvalitet är grunden som möjliggör rationell beslutsförmåga hos ledning och enligt Yeoh & Koronios (2010) leder bristande datakvalitet till sämre beslut. Vidare hävdar Yeoh & Koronios (2010) att företagsdata endast kan integreras fullt ut och därmed utnyttjas för större affärsvärde när kvaliteten och integriteten av datan är säkrad. Fortsättningsvis påpekar Yeoh & Popovič (2016) att hållbar datakvalitet och integritet säkerställer att det finns en enda version av sanningen inom en organisation och därmed kvaliteten på informationen från BI-system. För att skapa en version av sanningen inom en organisation är det enligt Yeoh & Popovič (2016) viktigt för organisationen att fastställa gemensamma affärsdefinitioner.

(17)

12

4. RESULTAT OCH ANALYS

I detta kapitlet presenteras studien resultat och analys. Först presenteras respondenternas synsätt på BI samt RBI. Därefter följer studiens analys och slutligen belyses de faktorer som särskiljer RBI från BI.

4.1 Synsätt på BI och RBI

Synsättet på BI skiljer sig mellan respondenterna framförallt utifrån deras yrkesroll. De respondenter vars roll innebär ett större helhetsperspektiv (R3, R4, R6, R7) tenderar att fokusera på att BI primärt ska genom ett mer gediget beslutsunderlag leda till bättre beslut.

BI handlar om att samla in information, bearbeta den, presentera den på ett sätt så att beslutsfattarna på olika ställen i en organisation kan fatta rätt beslut och få insikter som gör att dom kan bli bättre och göra saker lite bättre.

- R3, BI-konsult

R5, R8 och R9 har en mer teknisk roll i sina organisationer vilket speglas i deras uppfattning av BI då de väljer att fokusera på processen där strukturering av data ska leda till mervärde.

BI handlar om att samla in data och strukturera det på ett sätt så det det ger mervärde.

- R5, IT arkitekt / BI

Studiens respondenter är till största dels överens om innebörden av RBI. De menar på att RBI handlar om BI-funktionalitet som sker i realtid, utan latens. Rapportering och analys av data ska ske “när det händer” på minuten eller sekunden. Tidsfaktorn är enligt dem den utmärkande skillnaden.

RBI är att man fångar datat “när det händer” och tar hand om det. Det finns ingen väntetid eller att man på natten kör batcher.

- R5, IT Arkitekt / BI

R4 och R6 skiljer sig från övriga respondenter genom att vara tveksam till att särskilja RBI som en egen förgrening av BI.

[...] om det kommer kallas för RBI eller om det blir en del av

BI-diskussionen i övrigt är lite svårt att svara på. Det är möjligt att det inte kommer finnas något behov av att särskilja vanlig BI från RBI.

- R4, CIO

4.2 Kritiska framgångsfaktorer ur dimensionen organisatorisk 4.2.1 Stöd från företagsledning

Ett starkt stöd från företagsledningen är en kritisk faktor som togs upp i avsnitt 3.3.1 och förefaller även vara en betydande faktor för RBI. Ett starkt engagemang från ledningen anses av respondenterna vara en grundläggande framgångsfaktor. Vidare

(18)

13

framhävs det under intervjuerna att stöd från företagsledningen är centralt oavsett vilket projekt det handlar om.

Har du engagemanget uppifrån toppen så trycks det neråt i organisationen.

- R2, BI-konsult

R2´s resonemang kring RBI utmärker sig då respondenten anser att RBI kräver ett större stöd och sponsorskap från företagsledning då RBI anses vara mer resurskrävande.

Det krävs ännu mera uppkopplade enheter, backupsystem, [...] så att det krävs en otrolig garanti, vilket i förlängningen innebär ännu mera

satsning från ledningen i varje projekt. -R2, BI-konsult

4.2.2 Tydlig vision

Respondenterna framhävde i linje med Magaireah et al., (2017, se avsnitt 3.3.1) en tydlig vision som en framgångsfaktor för BI. R2 anser framgångsfaktorn vara betydelsefull då den lägger grunden till ett projekt. Respondenterna betonade att ett välförankrat business case är en viktig del i en tydlig vision.

Tydlig vision är viktigt för att man måste veta vad man vill åstadkomma med sin lösning.

- R8, Informationsarkitekt

Viss problematik kring en tydlig vision uppstår för RBI då respondenterna anser RBI vara nytt och det är tydligt under intervjuerna att det anses saknas tidigare business case att orientera sig efter. Därmed förefaller RBI-initiativ kräva ett mer visionärt och experimentellt arbetssätt.

Man behöver vara tredelad, kompetens inom affär, teknologi och vara visionär i sitt tankesätt.

- R7, BI-konsultchef 4.2.3 Organisationsstruktur

Decentraliserade organisationsstrukturer framhävs av Magaireah et al., (2017) som en framgångsfaktor vilket tas upp i avsnitt 3.3.1. Framgångsfaktorn belystes däremot inte av respondenterna när de tillfrågades om organisationsstrukturens betydelse för implementation av BI & RBI. Istället fördes resonemang om att BI-system behöver anpassas efter organisationens struktur för att bli framgångsrik. Vidare valde respondenterna när påverkan av organisationsstrukturen kom på tal att framhäva vikten av att klargöra ägarskapet av data samt vem som är ansvarig för hanteringen.

4.2.4 Eget beslutsfattande

För att främja ett eget beslutsfattande krävs faktorer såsom utbildning, självförtroende och information (se avsnitt 3.3.1). Studiens respondenter framhäver

(19)

14

vikten av utbildning för att se rådata ett större sammanhang och ha möjlighet till att kritiskt tolka rådata.

Användare måste vara kritiska till den information de får och inte 100% blint lita på den

- R4, CIO

Att se rådata i sitt sammanhang anser respondenterna vara mer kritiskt för RBI än BI då RBI ur en teknisk innebär att möjligheten till kvalitetssäkring av rådata delvis försvinner. Denna brist på kvalitativ information påverkar enligt respondenterna även användares självförtroende vid beslutsfattande, då de inte blint kan lita på den information som finns. Därmed kan utbildningen i systemets styrkor och svagheter vid RBI implementationer enligt respondenterna vara en viktig komponent i att ge användare det nödvändiga kontextuella sammanhanget för att med trygghet fatta egna beslut. Därmed tycks enligt denna studie att utbildning är än mer kritiskt vid RBI implementationer än vid BI implementationer.

RBI är mycket känsligt för förändringar som kanske saknar betydelse i vissa sammanhang. [...] Det ligger i människans natur att söka efter mönster, men dessa mönster som finns i RBI kanske helt saknar betydelse.

- R4, CIO

4.3 Kritiska framgångsfaktorer ur dimensionen process

4.3.1 Förkämpe och balanserat arbetslag

Respondenternas svar ger ett empiriskt underlag till att den kritiska framgångsfaktorn Förkämpe och balanserade arbetslag (se avsnitt 3.3.2) är en kritisk faktor för både BI och RBI. En förkämpe behöver enligt respondenterna besitta både teknisk och affärskompetens. Utmärkande för RBI är enligt R7 att en förkämpe förutom att besitta affärs och teknisk kompetens även behöver vara mer visionär i sitt tankesätt. Det framkommer att en blandad arbetslagkompetens är grundläggande för att lyckas med både BI- och RBI-initiativ.

Du måste ha en viss teknisk kunskap men du måste även förstå verksamheten fullt ut och vad den eftersträvar att uppnå.

- R8, Informationsarkitekt 4.3.2 Användardeltagande

BI-initiativ behöver enligt respondenterna vara användarinriktade för att bli framgångsrika vilket ligger i linje med den presenterade teorin (se avsnitt 3.3.2). Vidare framhäver respondenterna att även RBI-initiativ kräver ett starkt användardeltagande. En viktig aspekt enligt respondenterna är att användarna behöver känna sig trygga med att använda systemet, och därmed är det centralt att involvera användarna i utvecklingsprocessen. Respondenterna anser att det annars finns risk för systemet inte är anpassad efter användarna och organisationens behov. Genom att involvera användare går det att skapa en medvetenhet om systemets brister. Denna medvetenhet gör att användare kan påverka de anpassningar av systemet som görs under implementationsprocessen, vilket slutligen bidrar till ökad användning av systemet.

(20)

15

Ericssons gamla telefoner skapades av en ingenjör. Telefonerna var de mest tekniskt fulländade men den var ointressant för slutkonsumenten, som förväntade sig något annat. Nokia vann slutkonsumenten, eftersom deras telefon hade det som efterfrågades och dessutom var den billigare.

- R7, konsultchef BI

4.3.3 Affärsdriven och iterativ utvecklingsmetod

Respondenterna svar visar att det råder viss tveksamhet till om användandet av en affärsdriven och iterativ utvecklingsmetod är en kritiskt faktor för BI- och RBI-implementationer. I enighet med tidigare forskning (se avsnitt 3.3.2) anser respondenterna att BI- och RBI-projekten behöver vara affärsdrivna. Små iterationer kan enligt respondenterna ge omgående affärsnytta och öppna upp för insikter under projektets gång. Exempelvis belyser R5 att RBI-projekt bör börja i liten skala för att experimentellt testa koncept, för att sedan byggas ut.

När det gäller RBI så bör man börja ganska smått kanske. Något enkelt som man lätt kan följa upp och se att det fyller det man är ute efter, och sen bygga ut efterhand.

-R5, IT arkitekt / BI

Det finns enligt R4 och R7 viss problematiken i att presentera en iterativ utvecklingsmetod som en KFF för BI- och RBI-initiativ. Istället handlar det enligt respondenterna om organisationens mognad för användning av olika typer av utvecklingsmetoder. Exempelvis framhäver R7 att mer vattenfallsliknande utvecklingsmetoder kan fungera under rätt förutsättningar.

[...] samma typ av utvecklingsmetod kan bli en framgång eller en katastrof beroende på organisationens mognad för användning olika typer av metoder.

-R4, CIO

4.4 Kritiska framgångsfaktorer ur dimensionen teknologisk 4.4.1 Systemflexibilitet

Systemflexibilitet är enligt Magaireah et al., (2017) en KFF för BI (se avsnitt 3.3.3) och systemflexibilitet förefaller även vara en KFF för RBI. Att arbeta för ett skalbart och flexibelt system är något som alltid enligt respondenterna ska eftersträvas då lösningen vanligtvis växer stegvis och förändringar och anpassningar sker under processens gång. Enligt R8 innebär Systemflexibilitet i praktiken att exempelvis nya datakällor kan tillkomma och organisationsförändringar ske vilket systemet behöver anpassas efter. Genom att stegvis bygga upp ett system framhäver respondenterna att det är lättare för användare att gradvis ta till sig systemets funktionalitet och dess förändringar. Därmed anser respondenterna att BI- och RBI-system inte bör betraktas som projekt med ett avslut utan som en kontinuerlig process där ständiga förändring behöver genomföras.

Det är bra att ha en kontinuerlig process, där processen beskrivs och förändrar görs efterhand om det behövs.

(21)

16

För att ha möjlighet till att uppnå systemflexibilitet krävs en hög grad av datakvalitet och även i ett tidigt stadium en plan för hur systemet ska kunna anpassas efter en förändrad kontext.

För att kunna vara flexibel så måste det vara ordningen och reda. [...] Vi ska ta in all data, men hur ska vi hantera den sen? Har man inte en plan för det, då blir det ju verkligen ner i sjön [...].

- R5, IT Arkitekt / BI

Viss problematik finns hos respondenterna kring systemflexibilitet då det råder tveksamheter kring om ett och samma verktyg på ett tillfredsställande sätt kan anpassas till en variation av användarbehov. Exempelvis kan användarbehov och kompetenser skilja sig starkt mellan olika avdelning, och en ekonomiavdelning kräver ofta helt annan funktionalitet än en marknadsavdelning.

One size doesn't fit all - R6, Sr BI-Konsult 4.4.2 Systemintegration

Magaireah et al., (2017, se avsnitt 3.3.3) framhäver att överensstämmande affärsdefinitioner är en grundläggande faktor för framgångsrik BI, vilket studiens respondenter bekräftar. Respondenterna påpekar att gemensamma affärs-definitioner är en grundläggande faktor för RBI då även det innebär en samman-koppling av varandra oberoende affärssystem. Gemensamma affärsdefinitioner innebär för respondenterna att begrepp betyder en och samma sak för hela organisationen, så att organisationen skapar en gemensam bild av verkligheten. Därmed blir det enligt respondenterna möjligt att integrera olika affärssystem som gemensamt skapar en bättre bild av helheten, vilket enligt respondenterna möjliggör mer värdeskapande analys. I enlighet med Yeoh & Popovič (2016, se avsnitt 3.3.3) anser respondenterna att en hållbar datakvalitet är av stor vikt vid integration av system och dess datakällor. För att få en hållbar datakvalitet vid integration av system och dess datakällor är det enligt respondenterna betydande med en stor förståelse av systemen. Vidare poängterar respondenterna att RBI-initiativ kräver en förändrad IT arkitektur som är designad för att stödja ett strömmande flöde av data för att framgångsrikt integrera datakällor i realtid med organisationens övriga datakällor.

Hela vitsen med BI är att du kopplar ihop flera av varandra oberoende affärssystem för att få en större och bättre bild av helheten.

-R6, Sr BI-Konsult

Hållbar datakvalitet är enligt studiens respondenter den mest betydande aspekten av systemintegration då en hållbar datakvalitet är grunden till att skapa en bild som stämmer överens med verkligheten. Vad hållbar datakvalitet innebär varierar enligt respondenterna beroende det tilltänkta användningsområdet. Analys på detaljnivå kräver väldigt hög datakvalitet men vid exempelvis trendanalys så är den enskilda datapunkten inte lika viktig.

(22)

17

Det är viktigt att definierar vad som är datakvalité. Är datakvalitet 100 procent, eller är datakvalité på ett visst område 70 procent. Det är viss skillnad vad man ska använda datat till

- R5, IT arkitekt / BI

Hållbar datakvalitet är betydande inom BI-initiativ (se avsnitt 3.3.3) men RBI utmärker sig enligt respondenterna då användare behöver lita på att rådatan är korrekt. För att kunna lita på RBI-analyser krävs en högre tillförlitlighet på rådata då möjligheten för att kvalitetssäkra data delvis försvinner.

Datakvalité är viktigt i alla projekt men utgår vi ifrån realtidsanalys så måste man till 100 procent kunna lita på sin rådata. Då är det extra viktigt att just datakvalitén håller måttet.

- R4, CIO

En begränsad kvalitetssäkring kan ske genom att precisera vad som anses vara helt orimliga värden och genom regler utesluta vissa data då den innehåller helt orimliga värden.

Säg att man mäter temperaturen ute, plötsligt kommer det ett värde som säger 43°C. [...] Vi mäter utomhus, och det är inte sol ute. Nä kanske inte, det är orimligt.

- R5, IT arkitekt / BI

4.5 Skillnader som utmärker Rimplementationer från BI-implementationer

Baserat på intervjuerna så utmärker sig RBI tydligt genom att det finns en ökad risk för feltolkningar och felaktiga beslut, därför att RBI innebär analys och beslut direkt utifrån rådata. Denna rådata har inte genomgått omfattande kvalitets-säkringsprocesser, vilket som en naturlig följd ökar riskerna. Innebörden blir att RBI-system kräver att rådata håller en högre kvalitet för att anses vara hållbart. Ses rådata ur ett större sammanhang där systemets styrkor och svagheter tas med i beräkningen kan exempelvis felaktiga värden uteslutas ur analysen. Därmed innebär ett kritiskt förhållningssätt till rådatan kan minska de risker som RBI medför. Utbildning är ett tillvägagångssätt för att uppnå ett kritiskt förhållningssätt till rådata, då utbildning ger det nödvändiga kontextuella sammanhanget för att på ett betryggande sätt ta beslut.

RBI kräver en förändrad arkitektur i förhållande till BI då arkitekturen enligt respondenterna behöver vara designad för att stödja ett strömmande flöde av data. Vidare kan arkitekturen behöva innefatta en annan typ av hårdvara vars prestanda möjligtvis behöver vara annorlunda för att kunna hantera stora ständigt strömmande datamängder.

Det finns visst belägg för att påstå att RBI kräver ett större stöd och sponsorskap för företagsledningen då det anses vara mer resurskrävande. Vidare behöver RBI-initiativet drivas på ett mer visionärt sätt då tydligare framgångsexempel enligt respondenterna saknas. Därmed krävs det från skapandet av projektets vision till dess utförande ett mer experimentellt tillvägagångssätt för att nå framgång.

(23)

18

5. SLUTSATS

För att redogöra för studiens fynd, hänvisar vi tillbaka till vår forskningsfråga presenterad i studiens problemformulering.

Vilka skillnader i kritiska framgångsfaktorer utmärker implementation av RBI-system jämfört med BI-implementationer?

Denna forskningsfråga bröts vidare ner i tre delfrågor vilka besvaras nedan: 1. Vilka skillnader i kritiska framgångsfaktorer utmärker implementation

av RBI-system jämfört med BI-system ur dimensionen organisatorisk? RBI kräver ett mer visionärt och experimentellt förhållningssätt då det anses finnas en frånvaro av tidigare business case att orientera sig efter. Vidare finns visst empiriskt belägg för att RBI-initiativ kräver ett större stöd och sponsorskap av företagsledningen då RBI anses vara mer resurskrävande.

2. Vilka skillnader i kritiska framgångsfaktorer utmärker implementation av RBI-system jämfört med BI-system ur dimensionen process?

Vid användning av RBI ökar risken för feltolkning av data, då beslut tas innan omfattande kvalitetssäkring genomförts. Därmed krävs vid RBI-implementeringar jämfört med BI-implementeringar ett ökat fokus på processer för kvalitetssäkring av data och hur data ska hanteras av användare. En följd är att vid RBI-implementationer bör ett starkt fokus ligga på utbildning i systemets styrkor och svagheter. Denna utbildning kan ge användare förbättrade möjligheter till att kritiskt tolka data utifrån dess sammanhang, vilket till viss del kan minska riskerna för att beslut tas på felaktiga grunder.

3. Vilka skillnader i kritiska framgångsfaktorer utmärker implementation av RBI-system jämfört med BI-system ur dimensionen teknologisk? RBI kräver en förändrad arkitektur i förhållande till BI, för att stödja ett strömmande flöde av data. Vidare genomgår inte rådata omfattande kvalitetssäkringsprocesser innan analys utförs, vilket innebär att RBI kräver en högre datakvalitetet för att anses vara hållbar.

(24)

19

6. AVSLUTANDE DISKUSSION

6.1 Studiens kunskapsbidrag

Den kraftigt ökade mängden av realtidsdata som exempelvis IoT-utvecklingen för med sig innebär att RBI nu är mer aktuellt än någonsin. Dock är användningen av RBI ännu i sin linda men då RBI kan innebära ett stort mervärde är vi övertygade om att RBI kommer bli ett mer väletablerat fenomen.

En förändrad IT arkitektur krävs för att på ett tillfredsställande sätt hantera den ökade mängden realtidsdata som utveckling för med sig, vilket innebär nya investeringar. Kombinationen av ett begränsat antal tidigare exempel och att RBI kräver investeringar ser vi som en möjlig förklaring till varför RBI ännu inte har utvecklats till ett väletablerat fenomen. Denna problematik kan vara en förklaring till att RBI kräver en mer visionärlig utgångspunkt, då RBI-initiativ till stor del utforskar okänd mark. En annan följd av att RBI anses vara okänd mark är att de RBI-satsningar som vi under studiens gång varit i kontakt med främst varit i mindre skala där syfte varit att testa koncept.

RBI utmärker sig vidare från BI främst i fråga om risk, då kvalitetskontrollen av rådata till stor del försvinner. RBI kräver därmed en högre nivå av datakvalitet för att den ska anses vara hållbar för att utgöra beslutsunderlag. En annan risk handlar om att RBI syftar till att ge strömmande data, vilket skapar risken att grunda beslut i mönster som i ett vidare perspektiv är betydelselöst. Vidare kan värdefulla mönster med längre tidshorisont förbises på grund av RBIs korta perspektiv. Fortsättningsvis innebär RBI stora mängder data som kan bli överväldigande för människor. Därmed blir automatisering av analys och beslutsfattande lockande. Risken med att automatisera RBI är att beslut tas på rådata som inte blivit kvalitetssäkrad, vilket innebär att en kritisk granskning av analysen behöver genomföras innan beslut tas. För att uppnå ett kritiskt förhållningssätt och förstå analysens sammanhang krävs att användare fått tillräcklig utbildning i systemet för att förstå systemets styrkor och svagheter.

Vår förhoppning är att de utmärkande aspekter av RBI som studien uppmärksammat är betydande för att underlätta framtida implementationer av RBI-system. Förståelsen av att RBI kräver ett mer visionärt förhållningssätt hoppas vi gör att organisationer godtar RBIs nuvarande mer experimentella natur. Studiens bidrag kring datakvalitet och risker kan öka medvetenheten hos organisationer om vad som krävs av användarna för att hanteringen av realtidsfunktionalitet ska bli framgångsrik.

6.2 Studiens forskningsmetod och framtida forskning 6.2.1 Metodkritik

Studien har utgått ifrån tesen att då RBI är en förgrening av BI som uppfyller samma syfte genom ett liknande utförande är det rimligt att RBIs framgångsfaktorer inte markant skiljer sig åt. Därmed har studien haft sin utgångspunkt i tidigare ramverk för KFF för BI. Om andra metodval görs eller att studien inte utgår från tidigare ramverk är det sannolikt att ytterligare faktorer för RBI uppmärksammas. För att utvärdera studiens tillförlitlighet genomfördes en respondentvalidering som hälften

(25)

20

av studiens respondenter besvara. Av respondentvalideringen framkom att de svarande respondenterna ansåg att studiens analys var tillförlitlig. Därmed kan studiens resultat tolkas som en indikation på vilka områden som organisationer bör ta i beaktande vid en implementation av realtidsanalys.

6.2.2 Framtida forskning

Studiens utgångspunkt var ramverket presenterat i artikeln “Theoretical Framework of Critical Success Factors (CSFs) for Business Intelligence (BI) System” av Magaireah et al., (2017). Under studien så framkom även faktorn affärsdriven och iterativ utvecklingsmetod vid intervjuerna av studiens respondenter, vilket gjorde att även den inkluderas i studiens teorigenomgång. Det empiriska materialet visade i slutändan på en tveksamhet om affärsdriven och iterativ utvecklingsmetod ska anses vara en KFF då det rådde delade meningar bland studiens respondenter. Vi föreslår därmed att framtida forskningen undersöker problematiken vidare.

Fortsättningsvis föreslår vi att framtida forskning inriktas på att undersöka organisationsstrukturens påverkan på både BI- och RBI-initiativ, då denna studie inte har fokuserat på att klargöra dess betydelse. I denna studie fokuserade istället respondenterna på andra faktorer gällande organisationsstruktur än tidigare forskning, vilket kan ha utökat det empiriska materialet på området. Då denna studie syftade till att finna utmärkande faktorer för RBI inriktades studien inte vidare på detta område, vilket gör att vi i denna studie inte har tillräckligt med material för att dra slutsatser kring organisationsstrukturens betydelse.

(26)

21

REFERENSER

Ademala, S., & Cidrin, L. (2011). Key Success Factors in Business Intelligence. Journal Of Intelligence Studies In Business, 1(1), 107-127.

https://doaj.org/article/c3d25ec35d6b410a86a0a4353342feb8

Al-Alawi, A., Al-Marzooqi, N., & Mohammed, Y. (2007) Organizational culture and knowledge sharing: Critical success factors. Journal Of Knowledge

Management, 11(2), 22-42. doi:10.1108/13673270710738898

Anderson-Lehman, R., Watson, H. J., Wixom, B. H., & Hoffer, J. A. (2004). Continental Airlines Flies High With Real-Time Business Intelligence. MIS Quarterly Executive (3:4) pp. 163-176.

Arefin, M., Hoque, M., Bao, Y. (2015). The impact of business intelligence on organization’s effectiveness: An empirical study. Journal Of Systems And Information Technology, 17(3), 263-285. doi:10.1108/JSIT-09-2014-0067 Azvine, B. Cui, Z. Nauck, D.D., & Majeed, B. (2006). Real Time Business Intelligence for the Adaptive Enterprise. The 8th IEEE International Conference on E-Commerce Technology and The 3rd IEEE International Conference on Enterprise Computing, Commerce, and Services (CEC/EEE'06), E-Commerce Technology, 2006. The 8th IEEE International Conference on and Enterprise Computing, E-Commerce, and E-Services, The 3rd IEEE International Conference on, 29. doi:10.1109/CEC-EEE.2006.73

BARC. (2017) The Real BI Trends in 2018. Hämtad från https://bi-survey.com/top-business-intelligence-trends

Denscombe, M. (2016). Forskningshandboken för småskaliga forskningsprojekt inom samhällsvetenskaperna. Johanneshov: MTM.

Farooq, F. (2013). The data warehouse virtualization framework for operational business intelligence, EXPERT SYSTEMS, 30(5), 451-472.

Foley, É., & Guillemette, M,G. (2017). Taxonomy of Business Intelligence Strategies in organizations. PRISME. Hämtad från:

https://pdfs.semanticscholar.org/ed26/3757ddb6f46b0df07876ff3d77247ab4100c. pdf

Gartner Group (u.å). Gartner IT Glossary > Business Intelligence (BI). Hämtad 2018-04-20 från: http://www.gartner.com/it-glossary/business-intelligence-bi/ Golfarelli, M., Rizzi, S., & Cella, I. (2004) Beyond data warehousing: what's next in business intelligence?. DOLAP '04 Proceedings of the 7th ACM international workshop on Data warehousing and OLAP. 1-6. doi: 10.1145/1031763.1031765 Han, Y., & Farn, C. (2013). A Study on the Effects of Empowerment and Habit on Continuance Usage of Pervasive Business Intelligence Systems. System Sciences (HICSS), 2013 46th Hawaii International Conference on, 3768-3777.

(27)

22

Hawking, P., & Sellitto, C. (2010). Business Intelligence (BI) Critical Success Factors. ACIS 2010 Proceedings, (4). http://aisel.aisnet.org/acis2010/4

Işık, Ö., Jones, M, C., & Sidorova, A. (2012) Business Intelligence (BI) success and the role of BI capabilities. Intelligent systems in accounting, finance and management (18), 161-176. https://doi.org/10.1002/isaf.329

Işık, Ö., Jones, M. C., & Sidorova, A. (2013). Business intelligence success: The roles of BI capabilities and decision environments. Information & Management, 50(1), 5013-5023. doi:10.1016/j.im.2012.12.001

Jacobsen, D. I (2002). Vad, hur och varför: om metodval i företagsekonomi och andra samhällsvetenskapliga ämnen. Lund: Studentlitteratur.

Kostiwa, I., & Meeks, S. (2009). The relation between psychological empowerment, service quality, and job satisfaction among certified nursing assistants. Clinical Gerontologist, 32(3), 276-292.

https://doi.org/10.1080/07317110902895309

Magaireah, A. I., Ali, N., Sulaiman, H. (2017). Theoretical framework of critical success factors (CSFs) for Business Intelligence (BI) System. 2017 8th

International Conference on Information Technology (ICIT), Information Technology (ICIT), 2017 8th International Conference on, 455.

doi:10.1109/ICITECH.2017.8080042

March, S., & Hevner, A. (2007). Integrated decision support systems: A data warehousing perspective. Decision Support Systems, (43), 1031-1043. doi:10.1016/j.dss.2005.05.029

Nelson, R, R., Todd, P, A., & Wixom, B, H. (2005). Antecedents of Information and System Quality: An Empirical Examination within the Context of Data Warehousing. Journal Of Management Information Systems, 21(4), 199-235. doi: https://doi.org/10.1080/07421222.2005.11045823

Olszak, C. M., & Ziemba, E. (2012) Critical Success Factors for Implementing Business Intelligence Systems in Small and Medium Enterprises on the Example of Upper Silesia, Poland. Interdisciplinary Journal Of Information, Knowledge, And Management, (7), 129-150. doi:https://doi.org/10.28945/1584

Palaniswami, M., Rao, S. A., Bainbridge, S. (2017). REAL-TIME

MONITORING OF THE GREAT BARRIER REEF USING INTERNET OF THINGS WITH BIG DATA ANALYTICS. ICT Discoveries, 23-32.

https://www.itu.int/en/journal/001/Documents/itu2017-3.pdf

Rockart, J. F. (1979). Chief executives define their own data needs. Harvard Business Review (57), Cambridge, UK: Harvard Business School

Sangar, A. B., & Iahad, N, B. (2013). Critical Factors That Affect The Success Of Business Intelligence Systems (BIS) Implementation In An Organization.

International Journal of scientific & Technology research. 2(2), 176-180.

(28)

http://www.ijstr.org/final-print/feb2013/Critical-Factors-That-Affect-The-23

Success-Of-Business-Intelligence-Systems-Bis-Implementation-In-An-Organization.pdf

Sharda, R., Delen, D., & Turban, E. (2018). Business Intelligence, Analytics, and Data Science: A Managerial Perspective (4., uppl.). Harlow, UK: Pearson Education Limited.

Thomas, K, W., Velthouse, B, A. (1990). Cognitive Elements of Empowerment: An "Interpretive" Model of Intrinsic Task Motivation. The Academy Of

Management Review, 15(4), 666-681. https://www.jstor.org/stable/258687 Verma, S., Kawamoto, Y., Fadlullah, Z. M., Nishiyama, H., & Kato, N. (2017). A Survey on Network Methodologies for Real-Time Analytics of Massive IoT Data and Open Research Issues. Ieee Communications Surveys And Tutorials, 19(3), 1457-1477. doi: 10.1109/COMST.2017.2694469

Wixom, B., Ariyachandra, T., Goul, M., Gray, P., Kulkarni, U. (2011). The Current State of Business Intelligence in Academia. Communications of the Association for Information Systems, 29(1), 300-312.

http://aisel.aisnet.org/cgi/viewcontent.cgi?article=3623&context=cais Yeoh, W., Gao, J., & Koronios, A. (2008). Towards a critical success factor framework for implementing business intelligence systems: A Delphi study in engineering asset management organizations. Research and Practical Issues of Enterprise Information Systems II, 255, 1353-1367. doi:

https://doi.org/10.1007/978-0-387-76312-5_64

Yeoh, W., & Koronios, A. (2010). Critical success factors for business intelligence

systems, Journal of computer information systems, 50(3), 23-32. doi: 10.1080/08874417.2010.11645404

Yeoh, W., & Popovič, A. (2016). Extending the understanding of critical success factors for implementing business intelligence systems. Journal of the Association for Information Science and Technology, 67(1), 134-147. doi:10.1002/asi.23366 You, H. (2010). A Knowledge Management Approach for Real-Time Business Intelligence. 2010 2nd International Workshop on Intelligent Systems and

Applications, Intelligent Systems and Applications (ISA), 2010 2nd International Workshop on, 1. doi:10.1109/IWISA.2010.5473385

(29)

BILAGOR

Bilaga 1 - Intervjuguide

1. Introducera dig själv, vad är din roll på arbetsplatsen? 2. Vad är BI för dig?

a. Hur jobbar du med BI idag?

b. Vilka fördelar samt nackdelar finns det med BI? c. Hur tror du att du kommer jobba BI i framtiden? d. Hur tror du organisationer kommer arbeta med BI? e. Kan du definera BI i ord?

3. Vilken del av BI går att beskriva som realtids-BI? → Sensorer, Data Warehouse, Latency osv

a. Vilka typer av uppgifter löser realtids-BI?

4. Hur jobbar du med realtids-BI idag?

a. Hur skulle du vilja jobba med realtids-BI i framtiden? 5. Vad är realtids-BI idag?

a. Hur används realtids-BI idag av organisationer?

b. Hur tror du organisationer kommer arbeta med realtids-BI i framtiden?

c. Vilka möjligheter tillför realtids-BI? d. Vad är din definition av realtids-BI, i ord?

6. Vilka är de viktigaste faktorerna att tänka på vid en implementation av en realtids-BI lösning?

→ ur perspektivet: a. Organisatorisk b. Process

c. Teknologisk

d. Generellt / annat perspektiv

7. Visa visuellt teori underlag av KFF vid bi implementation

a. Är det något som du anser är extra viktigt för realtids-BI? b. Finns det något du vill tillägga?

8. Vad karaktäriserar en lyckad realtids-BI implementation enligt dig? a. → Jämfört med vanlig BI?

9. Vilka är det vanligaste frågorna vid en implementation av realtids-BI från kunder?

a. Vad är det kunder är oroliga för vid en implementation av realtids-BI?

(30)

Bilaga 2 - Visuellt underlag till intervju 1. Dimensionen organisatorisk Stöd från företagsledning Tydlig vision Organisationsstruktur Eget beslutsfattande 2. Dimensionen Process

Förkämpe och balanserat arbetslag Användardeltagande

Affärsdriven och iterativ utvecklingsmetod 3. Dimensionen Teknologisk

Systemflexibilitet Systemintegration

Figure

Tabell 1 – Respondenternas yrkesroll och organisation storlek
Figur 1: Ramverk kritiska framgångsfaktorer för implementation av BI-system  (Anpassad från Magaireah et al., 2017)

References

Related documents

Studien ämnade till att identifiera de faktorer kritiska för implementationen av BI-system i små och medelstora företag för att besvara frågeställningen: ”Vilka är de

Då den empiriska studien visat att arbetet med att reducera slöseri kräver ett ledarskap som präglas av engagemang tolkar vi det som att detta även har sin grund i en kompetens

Kan du se en högre acceptans för systemet ifall användarinvolvering används från användare som inte själva är involverade. Ja det

Konsulter, är en av tre stycken faktorer som inte beskrivs av Magnusson, J. 146, 2003) i deras modeller men som identifierades under Movex fallstudien. De andra två är:

“tråkiga” just på grund av att de inte har förberetts med detta i åtanke. Man skall även tänka på att programmet innehåller så mycket fler funktioner än vad de

Av de nio framgångsfaktorer som fastställdes från det teoretiska ramverket finner vi att sju av dessa är framgångsfaktorer för användning av SSBI: Användbarhet,

1) Systemet bör vara ändamålsenligt och det bör bidra till att öka kvaliteten på verksamhetens tjänster eller produkter. 2) Datakvaliteten ska vara hög och systemet

Användare 1 menar att användarna inte har kunnat komma med åsikter under projektets gång. Detta är dock ingenting han ser som negativt då det inte skulle fungera om alla tyckte