SELF-SERVCE BI
En studie om oerfarna användare och information
SELF-SERVIE BI
A study about casual users and information
Examensarbete inom huvudområdet Informationsteknologi
Grundnivå 30 Högskolepoäng Vårtermin 2020
Frans Frej
Handledare: Kristens Gudfinnsson Examinator: Eva Söderström
Sammanfattning
Business Intelligence är ett växande område inom IT och beslutsfattande och det blir allt vanligare och vanligare att företag väljer att applicera Self-Service Business Intelligence i deras verksamhet. För att lyckas med Self-Service Business Intelligence är det viktigt att användare förstår den information som visuellt presenteras i SSBI-verktyget, då denna information används för beslutsfattande. Informationen i ett SSBI-verktyg presenteras i så kallade dashboards och dessa är svåra att designa så att användare enkelt kan förstå dem.
Denna studie syftar till att ta reda på: ”Hur kan ett SSBI-verktyg underlätta och visuellt presentera information för att oerfarna användare ska kunna dra nytta av
informationen?”.
För att besvara frågeställningen användes en kvalitativ metod och insamlingen av data genomfördes med hjälp av semistrukturerade intervjuer. Intervjuerna genomfördes hos ett företag som håller på att implementera ett SSBI-verktyg och har upplevt problem med den visuella biten. Respondenterna bidrog med material för att besvara studiens frågeställning och genererade nya åsikter och tankar kring ämnet.
Resultatet har sammanfattats till fem olika kriterier som ska hjälpa oerfarna användare att förstå informationen som presenteras i ett SSBI-verktyg. Dessa fem kriterier är stapeldiagram, förklarande termer och definitioner, instruktionsfilm, enkelhet före komplexitet och ordval.
Abstract
Business Intelligence is today a growing and evolving area within Information Technology and decision making and it’s becoming more and more common for
organizations to implement Self-Service Business. To succeed with Self-Service Business Intelligence, it’s important for users to understand the information that is visually presented in front of them in the SSBI-tool. The information in a SSBI-tool are presented in dashboards and those are hard to design so that users easily can understand them.
This study aims at finding out: ”How can a SSBI-tool facilitate and visually present information so that casual users can benefit from that information?”.
To answer the question, a qualitative method has been used and the data has been collected with the help of semi-structured interviews. The interviews were done at one company that was in the middle of the process to implement a SSBI-tool and has been facing issues regarding the visual part of the SSBI-tool. The respondents contributed with material to answer the study’s question and generated new opinions regarding the subject.
The result has been summarized into fem different criteria’s that will help casual users understand the visually presented information in the SSBI-tool. Those five criteria’s are:
bar-graphs, explanatory terms and definitions, instruction video, simplicity before complexity and choice of words.
INNEHÅLLSFÖRTECKNING
1 INLEDNING 1
2 PROBLEMOMRÅDE 2
2.1 Problem/fråga 3
2.2 Avgränsningar 3
2.3 Förväntat resultat 3
3 BAKGRUNDSKAPITEL 4
3.1 Business Intelligence 4
3.2 Self-service Business Intelligence 5
3.2.1 Användarroller inom SSBI 5
3.2.2 SSBI-verktyg 6
3.2.3 Nivåer av SSBI 6
3.2.4 Framgångsfaktorer för implementering av SSBI 7
3.2.5 Information i SSBI 8
3.2.6 SSBI Dashboards (visuell presentation) 9
4 METOD 12
4.1 Val av metodansats 12
4.2 Forskningsstrategi 13
4.2.1 Val av företag 13
4.2.2 Val av respondenter 13
4.3 Datainsamlingsmetod 14
4.3.1 Intervjuer 14
4.4 Analysmetod 14
4.4.1 Induktiv analys 15
4.5 Etik 16
4.6 Kvalitetskriterier 16
4.7 Genomförande 17
4.7.1 Granskning av litteratur 17
4.7.2 Insamling av data 17
4.7.3 Analysprocess 19
5 MATERIALPRESENTATION / EMPIRI 20
5.1 Definition av information 20
5.2 Visuell presentation i form av grafer 20
5.3 Förklarande termer och definitioner 21
5.4 Problem med att visuellt presentera information 22
6 ANALYS 24
6.1 Identifierade mönster 24
6.1.1 Definition av information 24
6.1.2 Cirkeldiagram och stapeldiagram 25
6.1.3 Förklarande termer och definitioner 26
6.1.4 Instruktionsfilm 26
6.1.5 Enkelhet före komplexitet 27
6.1.6 Ordval 28
7 RESULTAT 29
7.1 Stapeldiagram 29
7.2 Förklarande termer och definitioner 29
7.3 Instruktionsfilm 30
7.4 Enkelhet före komplexitet 30
7.5 Ordval 30
8 SLUTSATS 31
9 DISKUSSION 33
9.1 Resultat 33
9.2 Val av metod 33
9.3 Samhälleliga aspekter 34
9.4 Vetenskapliga aspekter 34
9.5 Etiska aspekter 34
REFERENSER 36
BILAGOR 39
1 Inledning
Idag genererar människor mer data än någonsin innan. Den ökade populariteten av mobiltelefoner, sociala medier och andra medium har resulterat i att data har ändrat sin struktur, tillväxttakt och volym (Alpar och Schulz, 2016). Detta betyder även att
människor utsätts för mer information än någonsin tidigare. Organisationer ställs då inför problemet att de ska klara av att analysera den nya mängden av data och samtidigt förstår den nya informationen.
På 1970-talet började organisationer efterfråga applikationer som kunde stödja beslutstagande och analysera data. Senare i tiden skulle dessa applikationer få
samlingsnamnet Business Intelligence (Watson och Wixom, 2007). Business Intelligence syfte är att organisera och simplifiera viktig information för att öka en organisations vinst och prestanda (Williams och Williams, 2010). Idag finns det massor av olika definitioner av Business Intelligence och en av dem är att Business Intelligence kan ses som ett samlingsbegrepp för att beskriva applikationer, metoder, processer och verktyg som används för att genomföra analyser och fatta faktabaserade beslut (Watson och Wixom, 2007; Williams och Williams, 2010).
En relativt ny term inom Business Intelligence är Self-Service Business Intelligence (SSBI), och har utvecklats för att hjälpa oerfarna användare att utföra analyser utan hjälp av en IT-expert och göra dem mer självgående (Alpar och Schulz, 2016). En
oerfaren användare, casual user på engelska, syftar på en användare som inte spenderar mycket tid på att genomföra analyser men behöver information för att fatta beslut (Alpar och Schulz, 2016; Eckerson, 2014). Ett implementerat SSBI verktyg betyder att organisationer sparar tid då användare snabbare kan utföra analyser och fatta beslut.
Eftersom människor genererar mer data än någonsin innan är det viktigt att
organisationer möter de analysbehov som finns på de större volymerna av data (Alpar och Schulz, 2016). En större volym av data resulterar inte endast i att det tar mer tid att analysera, utan också att det kräver mer resurser (Eckerson, 2014). För att möta de nya behoven har SSBI tagits fram som ett förslag för att lösa problemet (Imhoff och White, 2011). Dock är det inte helt lätt att implementera ett SSBI verktyg eftersom alla
användare har olika behov och en hel del utmaningar kring SSBI har tagits fram.
Ett identifierat problem är att resultatet (information) av en analys i ett SSBI-verktyg ska vara lätt att förstå och förbättra (Lennerholt, Van Laere och Söderström, 2018). Med detta menas det att oerfarna användare måste förstå den information de blir
presenterade inför för att kunna dra nytta av den på ett vettigt sätt. Information i ett SSBI-verktyg presenteras visuellt i en dashboard och det kan vara svårt att designa dashboards så att många användare förstår dem (Few, 2006).
2 Problemområde
Många organisationer använder sig i dagsläget av information för att vara
konkurrenskraftiga (McGilvray, 2008). Människor i en organisation kan inte fatta effektiva beslut utan information vilket är nödvändigt för att en organisation ska vara relevant (McGilvray, 2008). Traditionella IT system samlar effektivt in data och processar den till information, dock saknar systemen möjligheten att snabbt skapa flexibla rapporter som ger en mer detaljerad syn på informationen samt att systemets nytta är begränsad (Hawking och Sellitto, 2010). Detta betyder att behovet av
förbättrade IT system och förbättrad informationsanalys ökar (Hawking och Sellitto, 2010). Business Intelligence kan ha en markant positiv påverkan på en organisations prestanda, men trots detta misslyckas många organisationer med att se fördelarna med Business Intelligence (Hawking och Sellitto, 2010). Detta resulterar sedan i att
organisationerna ser BI-verktyget som ett misslyckande (Hawking och Sellitto, 2010).
En annan anledning till att ett Business Intelligence projekt misslyckas är att den genererade informationen är felaktig eller inte når upp till användarnas krav (Hawking och Sellitto, 2010). Eftersom Business Intelligence till stor del handlar om data och hur besluts fattas baserat på data är det viktigt att den data som analyseras och används är av hög kvalité. Problemet här blir att det krävs människor för att ge informationen en betydelse och för att fatta beslut (McGilvray, 2008). Utan människor har informationen ingen mening och ingen kontext. Vidare behöver människor information som de kan lita på och information som är relevant för uppgiften (McGilvray, 2008).
Self Service Business Intelligence, förkortat SSBI, går ut på att oerfarna användare ska kunna genomföra analyser av data utan hjälp av erfarna användare. För att kunna utföra SSBI används ett så kallat SSBI-verktyg. Ett SSBI-verktyg är verktyget som användarna använder för att utföra analyser och presentera resultaten av analyserna (Imhoff och White, 2011). Eftersom volymen av data växer för varje dag och blir allt större och större är det fler användare som ser behovet av att analysera data snabbt, effektivt och självständigt (Alpar och Schulz, 2016). SSBI har presenterats som en lösning till detta problem (Imhoff och White, 2011). Dock är det inte en dans på rosor att implementera ett SSBI verktyg. Det finns en rad av identifierade problem vid införandet av SSBI och en del av problemen är relaterade till information och data. Ett identifierat problem är att resultaten av en analys ska vara lätta att förstå och förbättra (Lennerholt, et al., 2018).
Ett resultat syftar i detta fall på information som framstår från en analys. Detta betyder att oerfarna användare måste förstå den information de presenteras inför för att framgångsrikt kunna använda sig av SSBI verktyget samt för att ha möjlighet att dra nytta av den. Oerfarna användare ska inte behöva spendera onödig tid med att analysera rapporter och resultat (information) för att förstå dess betydelse (Lennerholt, et al., 2018). Vidare är det väsentligt att oerfarna användare förstår den information de presenteras inför så att de kan fatta korrekta beslut, annars kommer resultaten av besluten bli felaktiga (Lennerholt, et al., 2018). Visuell presentation av
information/resultat i ett SSBI-verktyg sker med hjälp av dashboards. En dashboard är en visuell display av den viktigaste informationen som behövs för att uppnå ett eller
flera mål (Few, 2006). Problemet med dashboards är att det är svårt att designa dem så att människor enkelt kan förstå dem och informationens syfte (Few, 2006).
Stycket ovan blir grunden för argumentationen till varför frågeställningen bör undersökas. Det är väsentligt att oerfarna användare förstår den presenterade informationen i SSBI-verktyget så att de inte fattar felaktiga beslut eller spenderar onödig tid på att analysera information.
2.1 Problem/fråga
Utifrån problembakgrunden har en frågeställning tagits fram.
Hur kan ett SSBI-verktyg underlätta och visuellt presentera information för att oerfarna användare ska kunna dra nytta av informationen?
Att dra nytta av informationen betyder i detta sammanhang att oerfarna användare ska kunna fatta korrekta beslut utifrån informationen som visuellt presenteras i SSBI verktyget.
Att underlätta syftar i detta sammanhang på att ta reda på hur SSBI-verktyget kan göra det lättare för de oerfarna användare att förstå den information som visuellt
presenteras.
2.2 Avgränsningar
För denna studie har en rad avgränsningar gjorts. Avgränsningarna är relaterade till SSBI, visuell presentation och information.
• Endast oerfarna användare
• Endast visuell presentation som undersöks
• Endast resultat (information) inom SSBI-verktyg
• Endast den svenska marknaden
Vidare kommer studien inte att fördjupa sig rent tekniskt i hur SSBI fungerar utan snarare undersöka endast den visuella delen av ett SSBI-verktyg (dashboards).
2.3 Förväntat resultat
Målet med denna studie är att definiera viktiga kriterier som gör det möjligt för oerfarna användare att lättare förstå och dra nytta av information som presenteras i ett SSBI- verktyg. Tanken är att insamlad data från intervjuer kommer att generera ny kunskap inom området som sedan kan användas i framtida forskning men även styrka det underlag som redan finns angående dashboards.
3 Bakgrundskapitel
Kapitlets syfte är att ge en akademisk bakgrund till områdena BI och SSBI samt redogöra för framgångsfaktorer för att lyckas med SSBI och SSBI dashboards. Tidigare bakgrund och forskning kommer att användas för att analysera informationen som tagits fram i empirikapitlet.
3.1 Business Intelligence
Det finns många olika definitioner av Business Intelligence då området är väldigt omfattande och brett. Business Intelligence kan dock ses som ett samlingsbegrepp för att beskriva applikationer, metoder, processer och verktyg som används för att
genomföra analyser och fatta faktabaserade beslut (Watson och Wixom, 2007; Williams och Williams, 2010). En annan definition av Business Intelligence enligt Shollo och Kautz (2010) är att Business Intelligence kan beskrivas som en uppsättning av processer för att samla in och analysera data, med hjälp av olika teknologier och applikationer som generar information för beslutsfattning. Syftet med Business Intelligence blir att organisera och simplifiera viktig information för att öka en organisations vinst och prestanda (Williams och Williams, 2010).
Figur 1 visar en övergripande bild av en Business Intelligence arkitektur.
Figur 1. Business Intelligence Framework (Författarens egna. Inspirerad av Watson och Wixom)
För att beskriva Business Intelligence behöver arkitekturen angående data in och data ut beskrivas. Eftersom Business Intelligence går ut på att analysera data och fatta beslut är det viktigt att veta vart data kommer ifrån. Den data som ska analyseras och användas för beslutsfattande kommer ifrån diverse källsystem, exempelvis operationella
databaser eller affärssystem (Chen, Chiang och Storey, 2012). Det är viktigt att den data som ska analyseras är av en hög kvalité och det är därför en utmaning att tvätta och integrera data i ett data warehouse (Chen, et al., 2012). Ett data warehouse, eller informationslager, används för att lagra information på så sätt att det underlättar analyser av informationen (Watson och Wixom, 2007; Williams och Williams, 2010).
Data i ett informationslager ska vara ämnesorienterat, tidsbundet, ej ändringsbart och integrerat (Watson och Wixom, 2007). För att data från källsystem ska uppfylla dessa krav och laddas in i informationslagret på ett korrekt sätt används processen ETL (Ponniah, 2010). ETL står för Extract, Transform och Load. Extract är det första steget och går ut på att data extraheras från olika källsystem (Ponniah, 2010). Nästa steg är Transform och går ut på att tvätta data korrekt, det vill säga genom att åtgärda stavfel, konvertera nullvärden och standardisera kolumner (Ponniah, 2010). Det sista steget är Load och betyder att den tvättade data inkrementellt laddas in i ett datalager (Ponniah, 2010). Processen för att hämta data från olika källsystem samt ladda in det i ett
informationslager med hjälp av ETL kallas för data in (Watson och Wixom, 2007). Data in är den mest utmanande delen av Business Intelligence eftersom det tar mest tid och står för majoriteten av kostnaderna (Watson och Wixom, 2007). Utmaningarna kommer från flera olika orsaker, exempelvis dålig datakvalité och gammal teknologi (Watson och Wixom, 2007).
Nästa del av Business Intelligence är data ut, data ut handlar om att användare och applikationer hämtar data från informationslagret och därefter utför diverse olika analyser på informationen (Watson och Wixom, 2007). Beslut kan sedan fattas baserat på analyserna (Watson och Wixom, 2007).
3.2 Self-service Business Intelligence
Under de senaste åren har efterfrågan på Business Intelligence ökat och allt fler användare ser ett behov av att använda sig av Business Intelligence (Alpar och Schulz, 2016). Den ökade efterfrågan har bidragit till ett nytt verktyg inom Business
Intelligence, nämligen Self-Service Business Intelligence (Kosambia, 2008). Self-service BI, förkortat SSBI, går ut på att vanliga användare ska kunna analysera, modifiera och presentera data utan hjälp av en IT-expert eller BI-expert (Alpar och Schulz, 2016). En annan viktig aspekt av SSBI är att användarna ska ha möjlighet att skapa sina egna rapporter, när de behöver dem, hur de behöver dem (Eckerson, 2014). Syftet med SSBI är att organisationer och vanliga användare ska få möjlighet att snabbt och effektivt hämta betydelsefull, pålitlig data och information med minimal hjälp av en IT-avdelning (Kosambia, 2008). Kosambia (2008) menar att den mest tydliga fördelen med SSBI är att organisationen blir mer agil. Organisationen kan lättare och snabbare reagera på
marknadsförändringar och kvickare och mer effektivt få tillgång till viktig data (Kosambia, 2008). Data som vanligtvis hade tagit dagar att få fram kan nu istället tas fram efter några minuter (Kosambia, 2008). Vidare bidrar SSBI till att organisationer får bättre kontroll över sin data och att data blir bättre strukturerad och organiserad för att användare lättare ska kunna utvinna information från data (Kosambia, 2008).
3.2.1 Användarroller inom SSBI
För att bättre förklara SSBI är det viktigt att gå igenom de olika roller som finns rörande SSBI. Det finns två olika sorters business users, oerfarna och erfarna användare.
Oerfarna användare
Oerfarna användare, kan enkelt beskrivas som användare som använder information för att utföra deras jobb men inte lägger mycket tid på att analysera data (Alpar och Schulz, 2016; Eckerson, 2014). Istället vill oerfarna användare gärna snabbt få tillgång till relevant data och snabbt fatta beslut utan att analysera data djupare än vad som behövs (Eckerson, 2014).
Erfarna användare
Erfarna användare är då motsatsen till oerfarna användare och är ofta anställda för att analysera, manipulera, modellera och dela information till andra (Eckerson, 2014).
Erfarna användare kan vara exempelvis BI-experter, IT-experter och datavetare. De använder sina färdigheter för att processa data och skapa värdefulla insikter som kan användas för att fatta beslut inom en organisation (Eckerson, 2014).
Ett SSBI-verktyg ska ha båda typerna av användare i åtanke vid implementering.
Verktyget ska ge möjlighet för oerfarna användare att utföra analyser, modifiera och presentera data utan hjälp av en BI-expert medan erfarna användare ska kunna utföra sina uppgifter snabbare och lättare (Alpar och Schulz, 2016).
3.2.2 SSBI-verktyg
Ett SSBI-verktyg är ett verktyg oerfarna och erfarna användare använder för att utföra SSBI, det vill säga utföra analyser och presentera resultat (Imhoff och White, 2011). Ett SSBI-verktyg är ett analysverktyg och syftet är att oerfarna användare ska kunna utföra analyser, skapa egna rapporter och få information presenterad för sig i så kallade dashboards utan hjälp av en erfaren användare. Dashboards kommer att beskrivas senare i studien.
3.2.3 Nivåer av SSBI
Det finns olika nivåer av SSBI (Alpar och Schulz, 2016). De tre nivåerna är:
• Användning av information
• Skapande av information
• Skapande av informationsresurser Användning av information
Den första nivån, användning av information, går ut på att användare får tillgång till information via existerande rapporter och liknande medel (Alpar och Schulz, 2016).
Användaren samlar in och använder endast de rapporter som är relevanta för uppgiften (Alpar och Schulz, 2016). De rapporter och information som är tillgänglig är oftast på en grundläggande nivå då denna nivå av SSBI inte är tillräckligt flexibel för att utföra en mer precis analys (Alpar och Schulz, 2016). Fördelen med denna nivå av SSBI är att oerfarna användare inte behöver några specifika färdigheter inom analys eller verktyget de jobbar med (Alpar och Schulz, 2016).
Skapande av information
I nästa nivå blir det möjligt för användare att få tillgång till information i redan
existerande system vilket resulterar i att ny information kan skapas (Alpar och Schulz, 2016). Grundtanken är att bara användaren själv kan förutse vilken information som behövs för att utföra en uppgift och skall därför själv kunna välja vilken information som ska hämtas (Alpar och Schulz, 2016). En oerfaren användare i denna nivå är inte
beroende av en erfaren användare och kan därför ses som självständiga (Alpar och Schulz, 2016).
Skapande av informationsresurser
Den sista nivån av SSBI skiljer sig markant från traditionell Business Intelligence. Här tillåts användare att hämta information från nya datakällor som inte har granskats av en IT-avdelning (Alpar och Schulz, 2016). Detta betyder att användarna har en stor frihet och kan använda information på det sätt som de önskar vilket leder till större flexibilitet och att användarna sparar tid genom att de slipper involvera IT-avdelningen (Alpar och Schulz, 2016). Dock kan flexibiliteten leda till att datakvalité minskas vilket i sin tur kan leda till att dåliga beslut kan fattas vilket är ett av de större problemen på denna nivå (Alpar och Schulz, 2016).
3.2.4 Framgångsfaktorer för implementering av SSBI
Det finns en del definierade framgångsfaktorer för att implementera SSBI i en organisation (Imhoff och White, 2011; Eckerson, 2014; Lennerholt, Van Laere och Söderström, 2018). Några av de definierade framgångsfaktorerna är:
• Tillgänglighet och tillgång av data (Imhoff och White, 2011; Lennerholt, et al., 2018)
• Data management & data governance (Imhoff och White, 2011; Lennerholt, et al., 2018)
• Definiera användare (Eckerson, 2014)
• Utbilda användare (Imhoff och White, 2011, Lennerholt, et al., 2018)
• Anpassningsbara verktyg (Imhoff och White, 2011; Eckerson, 2014) Tillgänglighet och tillgång av data
Self-service BI går ut på att användare ska analysera data, därför blir det naturligt att ett krav för att implementera SSBI är att användare ska ha tillgång till data. Att hämta data ska ske utan hjälp av en IT-avdelning för att spara tid och ska kunna hämtas från både externa och interna källor om så önskas (Imhoff och White, 2011). I en traditionell BI- miljö lagras data i ett Data Warehouse (datalager) och det är därför viktigt att användare har tillgång till den data som är relevant i datalagret (Imhoff och White, 2011).
Data management & data governance
För att implementera SSBI i en organisation krävs det att det finns tydliga regler för datahantering och data governance. Data management (datahantering) inkluderar policies, procedurer och verktyg medan data governance handlar om tillämpningen av
data mangement (Lennerholt, et al., 2018). Det är viktigt att definiera tydliga policies och regler kring data governance om vilken data som går att hämta, hur den kan hämtas och om datakvalitén är tillräckligt hög för att analyseras (Lennerholt, et al., 2018). Om en organisation fattar sina beslut baserat på data utan väldefinierade policies kring data governance kan det leda till att oerfarna användare inte förstår värdet av den data de använder, att fel data används och att data hämtas på ett felaktigt sätt (Lennerholt, et al., 2018). En felaktig analys av data beror ofta på att fel data har använts (Lennerholt, et al., 2018). Att misslyckas med data governance och data management vid införandet av SSBI kan leda till att användare skapar felaktiga rapporter och därmed slösar sin tid samt fattar felaktiga beslut (Eckerson, 2014; Lennerholt, et al., 2018). Enkelt förklarat förhindrar data governance och data management att data används på ett felaktigt sätt utan endast används för det syfte som den är avsedd för från första början.
Definiera användare
Som tidigare nämnt finns det olika sorters användare i en SSBI miljö, nämligen erfarna och oerfarna användare. För att framgångsrikt implementera ett SSBI verktyg är det väsentligt att definiera vilka användare som är oerfarna och vilka användare som är erfarna. När detta är gjort är det viktigt att ta reda på vad dessa olika användare har för krav och behov (Eckerson, 2014). Enkelt sagt ska det definieras vad varje användare behöver för att kunna använda ett self-service verktyg effektivt.
Utbilda användare
En av de största utmaningarna inom SSBI är att utbilda användarna (Lennerholt, et al., 2018). Utbildning syftar på att undervisa användarna om hur verktyget fungerar och hur data ska tolkas. För att lyckas med SSBI är det därför viktigt att utbilda och träna
användarna. Att träna användarna leder i sin tur till att de blir skickligare analytiker och får en högre kompetens (Lennerholt, et al., 2018).
Anpassningsbara verktyg
Användare i en SSBI miljö använder sig av särskilda SSBI-verktyg för att analysera data och skapa rapporter. Detta betyder att verktygen spelar en väsentlig roll i hur bra en användare kan prestera. Ett verktyg ska vara lätt att lära sig, användarvänligt och anpassningsbart (Imhoff och White, 2011). Genom att uppfylla dessa kriterier kommer processen att analysera data samt hämta och skapa rapporter vara enkelt för oerfarna användare medan erfarna användare kommer att kunna utföra deras arbetsuppgifter lättare och snabbare än innan, vilket leder till en ökad produktivitet (Imhoff och White, 2011).
3.2.5 Information i SSBI
Information är en term som har många olika definitioner, och kan betyda olika saker i olika sammanhang. Backhouse och Lebenau (1990) menar att det är svårt att definiera exakt vad information är men att några förslag på definitioner är:
• Information är kommunikationen eller mottagandet av kunskap eller intelligens
• Information är kunskap hämtad från en undersökning, studie eller instruktion
• Information är hämtad, klassificerad, organiserad, relaterad data med ett syfte Det är viktigt att veta att information och data inte betyder samma sak. Det finns en markant skillnad mellan dem och att använda ordet data för att definiera information eller vice versa är inte korrekt. Data kan ses som ett språk, matematiska symboler eller andra symboler som representerar människor, objekt, event och koncept (Backhouse och Lebenau, 1990). Information är resultatet av att formatera, modellera, organisera eller konvertera data på så sätt att det ökar mottagarens kunskap inom ett område (Backhouse och Lebenau, 1990).
Information i ett SSBI verktyg syftar då på resultatet av en analys (Davis, 2012).
3.2.6 SSBI Dashboards (visuell presentation)
Dashboards är ett vanligt sätt att presentera information och ett bra exempel på en dashboard är instrumentpanelen i en bil. Instrumentpanelen gör det möjligt att snabbt och effektivt läsa av vilken hastighet bilen kör i och se hur mycket bränsle som finns i tanken. Dashboards är en alltså en visuell display av information (Brath och Peters, 2004;Few, 2006). Informationen i en dashboards kan presenteras på olika sätt, men det vanligaste sättet är att grafiskt presentera informationen i samband med text. Den grafiska delen sker oftast med hjälp av olika grafer som till exempel cirkeldiagram och stapeldiagram (Few, 2006).
Definitionen av en SSBI dashboard är väldigt flexibel. En rapport med några resultat och några val angående vilken data man vill se kan definieras som en SSBI dashboard, men även en fullt flexibel rapport där användarna själva kan hämta data från andra källor och definiera egna grafiska element kan definieras som en SSBI dashboard (Davis, 2012).
Detta betyder att en SSBI dashboard kan vara allt från enkel till extremt avancerad (Davis, 2012). En fördel med dashboards är att användaren själv kan välja hur de vill presentera informationen vilket kommer att leda till att de blir mer insatta och intresserade av informationen (Brath och Peters, 2004;Few, 2006).
3.2.6.1 Framgångsfaktorer för SSBI Dashboards
Few (2006) menar att den grundläggande utmaningen med en SSBI dashboard är att designa den på så sätt att så mycket användbar information som möjligt kan visas på en liten yta. För att lyckas med att skapa en effektiv dashboard har en del
framgångsfaktorer tagits fram utifrån litteraturen (Brath och Peters, 2004;Davis, 2012;
Few 2012).
• Förtäta information via summering och undantag (Few, 2006)
• Reducera icke datapixlar (Few, 2006)
• Lyfta fram information som alltid är viktig (Davis, 2012; Few, 2006)
• Lyfta fram information som endast är viktigt för stunden (Davis, 2012; Few, 2006)
• Välj det bästa displaymediet (Few, 2006)
• Få användarna att förstå informationen som kommer att bli presenterad (Brath och Peters, 2004;Davis, 2012)
Förtäta information via summering och undantag
För att få plats med mycket information på en liten yta krävs det att informationen förminskas utan att förlora sitt värde, detta kan göras med hjälp av summering och undantag (Few, 2006). Summering innebär att ett antal nummer representeras som ett enskilt nummer (Few, 2006). Undantag innebär att vissa värden kan väljas att inte visas, till exempel om man endast har två av hundra värden som är viktigt att kolla på kan användarna själva välja att endast kolla på de viktigaste värdena (Few, 2006).
Reducera icke datapixlar
Att reducera icke datapixlar innebär att ta bort, eller åtminstone reducera, pixlar på dashboarden som inte innehåller viktigt information (Few, 2006). Detta kan till exempel vara onödiga bilder, onödig text eller färger som inte är relevant för informationen som presenteras.
Lyfta fram information som alltid är viktig
En dashboard ska alltid lyfta fram den information som är viktigast för användaren, utan att användaren ska behöva leta efter den (Davis, 2012; Few, 2006).
Lyfta fram information som endast är viktigast för stunden
Förutom att dashboarden alltid ska presentera den absolut viktigaste informationen ska användaren också kunna få fram den information som är mest intressant just för
stunden (Few, 2006). Detta betyder att användaren själv ska kunna välja, sortera och få fram den information de önskar för att få svar på den fråga de har (Davis, 2012; Few, 2006).
Välj det bästa displaymediet
Att välja det bästa displaymediet betyder att utifrån den information som ska
presenteras måste det korrekta sättet att presentera den väljas (Few, 2006). Display medium kan vara olika grafer och text (Few, 2006). Few (2006) menar att en människa som läser en text processar varje ord var för sig och att vissa människor är snabbare på att läsa en text än andra. Med detta i tanke är text att föredra framför grafer då texten kan bidra till mer precis presentation av information än vad en graf kan göra, dock kan en graf processas snabbare och informationen kan nå användaren mer kvickt (Few, 2006).
Få användaren att förstå den information som ska presenteras
För att användaren ska ha nytta av informationen som presenteras i dashboarden måste användaren först förstå vad informationen handlar om och bakgrunden till den (Brath och Peters, 2004;Davis, 2012). En graf som saknar en beskrivning av informationen i den kommer inte att hjälpa användaren att få svar på sin fråga (Few, 2006).
3.2.6.2 Cirkeldiagram
Figur 2. Exempel på cirkeldiagram (Författarens egna.)
Ett cirkeldiagram är en mycket vanlig form av graf och har som syfte att presentera olika delar av informationen tills 100% av informationen visas (Few, 2006). I figur 2 visas det att ungefär 40% har svarat ja, ungefär 40% har svarat kanske och 20% har svarat nej.
Om man slår ihop all information kommer det att bli 100% av data som visas i grafen.
Few (2006) menar att cirkeldiagram är kluriga då det är lätt att missförstå dem och att de inte visar kvalitativ data särskilt effektivt. Few (2006) rekommenderar istället att använda stapeldiagram i dashboards.
3.2.6.3 Stapeldiagram
Figur 3. Exempel på stapeldiagram (Författarens egna.)
Ett stapeldiagram är också en mycket vanlig form av graf men har en del klara fördelar jämfört med cirkeldiagram. En tydlig fördel enligt Few (2006) är att ett stapeldiagram gör det lättare att jämföra varje värde var för sig och att se hur bra ett enskilt värde presterar. Ett stapeldiagram är särskilt bra för att presentera information som är associerade med prestanda och olika kategorier (Few, 2006). En annan markant fördel är att stapeldiagram är svårare att missförstå och gör ett bättre jobb med att presentera kvalitativ information (Few, 2006).
4 Metod
Kapitlets syfte är att presentera valet av metodansats, forskningsstrategi,
datainsamlingsmetod, respondenter och genomförande av metoden som ska bidra till att besvara studiens frågeställning. Vidare kommer forskningsetiska principer och kvalitetskriterier att redogöras för.
4.1 Val av metodansats
Det finns två huvudsakliga undersökningsmetoder, kvalitativa och kvantitativa metoder (Berndtsson et al., 2008). En kvantitativ undersökningsmetod går ut på att samla ihop stora mängder numerisk (kvantitativ) data genom enkäter, experiment och liknande (Neuman, 2013). Vidare menar Neuman (2013) att en kvantitativ metod kommer att resultera i ett mer generiskt resultat. Målet med denna studie är att ta reda på hur information kan presenteras för en oerfaren användare i ett SSBI-verktyg för att de ska kunna dra nytta av den samt hur SSBI-verktyget kan underlätta för de oerfarna
användarna att förstå informationen som presenteras. Detta betyder att frågan främst måste undersökas ur en oerfaren användares perspektiv. En kvalitativ undersökning gör det möjligt att samla in informationsrik, berättande (kvalitativ) data genom intervjuer (Neuman, 2013). Intervjuer och kvalitativ data bidrar i sin tur till en djupare förståelse inom ett område (Patton, 2015). Därför är en kvalitativ metod passande för denna studie då det som krävs är en djupare förståelse av oerfarna användares tankar och åsikter. Vidare menar Patton (2015) att kvalitativa metoder oftast används när den mänskliga faktorn ska studeras, vilket även stämmer för denna studie. Bryman (2011) skriver att resultatet är vad som definierar en kvalitativ studie. Bryman (2011) menar att resultatet av en kvalitativ studie ska vara ett resultat i form av ord samt att en teori skapas snarare än att en teori testas.
Patton (2015) menar att en kvalitativ undersökning bidrar till en djupare förståelse av det ämne som ska undersökas. Vidare skriver Hesse-Biber och Leavy (2011) att en kvalitativ undersökningsmetod går ut på att förstå problemet. Patton (2015) skriver att personen som utför undersökningen ska vara neutral, det vill säga inte ha ett
fördefinierat perspektiv, vilket i sin tur leder till en öppen och detaljrik analys. En kvalitativ undersökningsmetod är lämpligast när det endast finns få objekt att studera vilket leder till att omfånget är för litet för att skapa en generalisering av resultatet (Berndtsson et al., 2008). Studiens mål är att bidra med ny, informationsrik data gällande hur information kan visuellt presenteras för oerfarna användare så att de kan dra nytta av den samt hur SSBI-verktyget kan underlätta för de oerfarna användarna att förstå informationen. För att få ny data är det relevant att intervjua oerfarna användare men även intervjua erfarna användare för att få en BI / IT experts åsikter och tankar angående frågeställningen.
En nackdel med en kvalitativ undersökningsmetod är att verksamheter, organisationer och människor ständigt förändras vilket gör det svårt att upprepa studien vilket kan sänka studiens trovärdighet (Berndtsson et al., 2008).
4.2 Forskningsstrategi
För att få svar på forskningsfrågan behöver en studie utföras. En fallstudie är en studie som används när ett specifikt / specifika fall ska undersökas och används oftast för att undersöka frågan ”hur” och varför” (Baxter och Jack, 2008). Det som är fördelen med en kvalitativ fallstudie är att den fokuserar på att få en djup förståelse och en detaljerad examination av ett specifikt fall (Baxter och Jack, 2008). En djupare förståelse är
väsentlig för att få fram ny, informationsrik data. Att få fram ny, informationsrik data är viktigt eftersom ett av målen med studien är att få fram ny kunskap kring området visuell presentation inom SSBI för oerfarna användare. En fallstudie kommer att hjälpa studien att uppnå detta mål genom att tillåta studien att utforska enskilda oerfarna användare och deras tankar kring visuell presentation inom SSBI. Vidare gör en
fallstudie det möjligt att förstå varför de oerfarna användarna tänker och tycker som de gör (Baxter och Jack, 2008). En fallstudie gör det möjligt att fokusera på några enstaka fall, vilket betyder att studien kan lägga en djupare fokus på de oerfarna användarna än vid ett annat metodval som till exempel en enkät (Baxter och Jack, 2008). Att studien kan lägga mer fokus på de oerfarna användarna och faktiskt förstå vad de menar
kommer att leda till en bättre förståelse av varför resultatet blir som det blir och varför de oerfarna användarna tycker som de gör.
Fallstudien utförs på en utvald plats och detta kommer att leda till en bättre insyn till varför saker och ting fungerar som de gör (Baxter och Jack, 2008). Fallstudien kommer att appliceras på endast ett företag och syftet med detta är att kunna sätta sig in i de oerfarna användarnas situation vilket tillåter studien att beskriva de oerfarna
användarnas åsikter i detalj. Att använda sig av ett specifikt fall kommer också att tillåta studien att utforska det SSBI-verktyg företaget använder sig av.
4.2.1 Val av företag
För att få ett svar på forskningsfrågan behöver en studie utföras hos ett företag som har antingen redan implementerat eller håller på att implementera ett SSBI-verktyg och har ett behov av att presentera information för de oerfarna användarna. Om företaget uppfyller dessa kriterierna kan studien fokusera på att få fram data från de oerfarna användarna men även de erfarna användarna för att undersöka forskningsfrågan som fokuserar på visuell presentation av information i ett SSBI-verktyg och hur den kan förbättras så att de oerfarna användarna kan dra nytta av den.
4.2.2 Val av respondenter
Tanken är att samla in data från främst oerfarna användare men även erfarna användare som har en hög kunskapsnivå av SSBI och BI. Detta är för att fram båda användarnas perspektiv och se vad dessa användare har för åsikter angående problemet.
För att hitta lämpliga respondenter har ett antal kriterier tagits fram. Dessa är:
• Respondenten ska använda sig av information i sitt dagliga arbete
• Respondenten ska använda sig av eller ha kunskap om SSBI
• Erfarna användare ska även ha kunskaper om BI
4.3 Datainsamlingsmetod
En kvalitativ undersökningsmetod gör det möjligt att samla in och generera kvalitativ data med hjälp av intervjuer, observationer och enkäter (Patton, 2015). Patton (2015) nämner också att det finns olika typer av data som kan samlas in, nämligen primär och sekundär data. Primär data är data som samlas in av den personen som genomför undersökningen medan sekundär data är data som redan finns inom ett specifikt område, alltså data som kan hittas i exempelvis publikationer (Patton, 2015). Ett annat sätt att samla in data är genom enkäter, dock ska dessa innehålla mer öppna frågor (Hesse-Biber och Leavy, 2011).
Denna undersökning kommer att samla in kvalitativ data genom intervjuer och fokusera på att samla in primär data för att få en djupare förståelse av problemet och ämnet (Patton, 2015).
4.3.1 Intervjuer
För att få fram kvalitativ och primär data kommer intervjuer att användas. Patton (2015) menar att intervjuer är en väldigt flexibel datainsamlingsprocess och gör det möjligt att få fram djup, berättande och informationsrik data.
Schwandt (2015) skriver att det finns olika variationer av intervjuer. Tre exempel på dessa är ostrukturerade, semistrukturerade och strukturerade intervjuer (Schwandt, 2015). En semistrukturerad intervju går ut på att ta fram ett X antal förutbestämda frågor som alla respondenter får svara på och sedan kan mer ”personliga” frågor ställas utifrån de svar respondenten ger (Hesse-Biber och Leavy, 2011). Bryman (2008) menar att en av de viktigaste aspekterna med en semistrukturerad intervju är att utvärdera och granska tidigare forskning för att skapa en guide för intervjun, alltså skapa ett antal förutbestämda frågor som bildar grunden för intervjun.
Denna undersökning kommer att använda sig av semistrukturerade intervjuer för att ge möjligheten att ställa mer öppna frågor men ändå ha en sorts struktur på intervjun.
Semistrukturerade intervjuer lämnar mer utrymmer för diskussion och öppna frågor kan leda till mer detaljrika svar (Hesse-Biber och Leavy, 2011; Patton, 2015). Tanken är att semistrukturerade intervjuer kommer att generera ny, detaljrik data som litteratur inte tidigare har tagit upp / nämnt.
4.4 Analysmetod
Det finns olika typer av analysmetoder, till exempel unika fall, induktiv analys och holistiskt perspektiv (Tesch, 2013).
Unika fall går ut på att varje fall är unikt och speciellt. Ett fall kan vara en person, en händelse eller en tidsperiod (Lindblom, 2013). Varje enskilt fall ska beskrivas i sin egna kontext på ett detaljrikt sätt (Lindblom, 2013).
Induktiv analys går ut på att skapa och verifiera mönster utifrån den insamlade data (Lindblom, 2013). En induktiv analys är upptäckande och utforskande och är till för att skapa teorier och presentera fynd (Lindblom, 2013).
Holistiskt perspektiv går ut på att försöka förstå helheten genom att se problemet som ett komplext och dynamiskt system (Lindblom, 2013).
I denna undersökning kommer en induktiv analys att användas. Ett av målen med studien är att generera ny kunskap angående visuell presentation inom SSBI för
oerfarna användare och redovisa denna nya kunskap. Resonemanget för att använda sig av en induktiv analys blir då att en induktiv analys är utforskande och kommer att tillåta studien att presentera den nya kunskapen som de oerfarna användarna genererar (Lindblom, 2013). En induktiv analys kommer att tillåta studien att skapa olika mönster och därmed skapa olika teorier utifrån den insamlade data (Lindblom, 2013). Eftersom datainsamlingen sker med hjälp av intervjuer kommer denna data att behöva
struktureras, kategoriseras och analyseras vilket en induktiv analys hjälper till med. Att kategorisera och strukturera empirin är väsentligt för att kunna extrahera den nya kunskapen som de oerfarna användarna generar via intervjuer. De mönster som den induktiva analysen tar fram kan sedan användas för att presentera ett resultat och svara på studiens frågeställning.
4.4.1 Induktiv analys
Innan analysen genomförs kommer det först att ske en transkribering av empirin (intervjuerna). För att analysera empirin kommer en induktiv analys att tillämpas. En induktiv analys är att föredra därför att den tillåter oss att skapa olika mönster utifrån intervjusvaren. En induktiv analys går till på så sätt att utifrån olika teman i bakgrunden analyseras empirin för att hitta gemensamma nämnare i de olika intervjuerna. De
gemensamma nämnarna bildar sedan olika mönster. De olika teman som intervjufrågorna och analysen har fokuserat på är:
• Information
• Visuell presentation av information i en dashboard
• SSBI
Detta betyder att empirin kommer att sorteras i olika grupper / teman som sedan analyseras för att hitta olika mönster. Ett exempel är att om ett X antal intervjupersoner nämner att de vill ha sin information presenterad i grafer kan ett mönster skapas utifrån temat visuell presentation i bakgrunden. Detta mönster kan sedan användas för att få fram ett svar på frågeställningen. I slutändan kommer alla mönster att grupperas och sorteras i en tabell för att presentera mönstrena. Analysen rent praktiskt kommer att ske genom granskning av data från intervjuerna och tabellerna kommer att skapas med hjälp av Excel.
4.5 Etik
Vetenskapsrådet (2002) menar att det är viktigt att tänka på de etiska aspekterna när en intervju genomförs, speciellt eftersom intervjuer involverar människor. När intervjuer sker är det viktigt att respektera människors rättigheter (Oates, 2006). När forskning bedrivs ska forskningen innehålla relevanta frågor och inte utforska en privatpersons livsförhållande (Vetenskapsrådet, 2002). Individer får inte heller utsättas för psykisk eller fysisk skada eller kränkning (Vetenskapsrådet, 2002).
För att respektera människors rättigheter och utföra en etiskt korrekt undersökning kommer fyra huvudkrav gällande etik att följas.
Dessa fyra huvudkrav är beskrivna av Vetenskapsrådet (2002) som:
• Informationskravet
• Samtyckeskravet
• Konfidentialitetskravet
• Nyttjandekravet
Informationskravet handlar om att personerna som intervjuas ska underrättas om vad studien handlar om, vad deras roll i undersökningen är och vilka villkor de har. De ska även informeras om att deras deltagande är frivilligt och att de har rätt att avsluta sin medverkan (Vetenskapsrådet, 2002).
Samtyckeskravet handlar om att deltagarna i undersökningen måste ge sitt samtycke för att delta i studien (Vetenskapsrådet, 2002). Samtyckeskravet syftar även på att om en deltagare väljer att avsluta sin medverkan ska personen inte utsättas för någon sorts press eller påverkan att fortsätta sitt deltagande (Vetenskapsrådet, 2002).
Konfidentialitetskravet handlar om att alla deltagare i undersökningen kan välja att vara anonyma och att alla etiskt känsliga uppgifter ska lagras på ett sådant sätt att de ej kan identifieras av utomstående (Vetenskapsrådet, 2002).
Nyttjandekravet handlar om att insamlade uppgifter endast får använda för
forskningen och inte andra icke-vetenskapliga syften (Vetenskapsrådet, 2002). Vidare får inte uppgifter insamlade om deltagarna användas för beslut som direkt påverkar deltagarna (Vetenskapsrådet, 2002).
4.6 Kvalitetskriterier
Det är viktigt att säkerställa kvalité på den forskning som bedrivs. Oates (2006) menar att det finns tre viktiga punkter för att öka kvalitén och trovärdigheten på en studie:
• Pålitlighet
• Överförbarhet
• Överensstämmelse
Pålitlighet handlar om hur detaljerad studien är beskriven i arbetet och desto högre pålitlighet som studien har desto mer personer kan utföra studien och få samma resultat (Oates, 2006). Dock blir detta svårare att uppfylla då denna studie är en fallstudie.
Överförbarhet handlar i sin tur om hur resultatet i studien kan appliceras i andra situationer (Oates, 2006). Överensstämmelse handlar om att andra personer kan göra sina egna tolkningar på materialet / empirin och se att empirins slutsatser stämmer överens med varandra (Oates, 2006).
I denna studie kommer dessa tre punkter att tänkas över.
4.7 Genomförande
4.7.1 Granskning av litteratur
För att bygga en grundläggande förståelse av self-service BI och frågeställningen
granskades tidigare litteratur relevant till undersökningsområdet. Litteraturen bidrog i sin tur till att ta fram och sammanställa en relevant bakgrund för studien. Litteraturen som granskades var inte slumpmässigt framtagen utan valdes utifrån specifika
urvalskriterier och sökord. I denna studies fall var urvalskriterierna att litteraturen ska vara peer-reviewed. För att samla in och hitta data användes olika sökverktyg, främst Google Scholar och LibSearch. För att få fram relevant material användes olika sökord, till exempel Self-Service Business Intelligence, SSBI, Business Intelligence, Information och Data.
För att analysera den insamlade data granskades artiklarna genom att skumläsa dem och försöka bygga en övergripande förståelse av vad artikeln handlar om och vilket syfte den har. Om artikeln var relevant för studien lades den till i referenslistan. Därefter plockades enskilda stycken och meningar ut från artiklarna för att sedan analyseras med varandra. Exempelvis säger dessa två källor att information betyder strukturerad data och då går det att referera till detta i studiens bakgrund. Eftersom många författare använde olika termer för self-service BI tog sökningar lite längre tid då alla sökord var tvungna att undersökas.
4.7.2 Insamling av data
För att samla in data till studien genomfördes intervjuer. Processen för att genomföra intervjuer beskrivs i figuren nedan (Se figur 4).
Figur 4. Genomförande av insamling av data
Intervjufrågornas syfte är att försöka få fram ett svar till frågeställningen. Därför skapades intervjufrågorna med frågeställningen i baktanken. Det skapades två olika intervjuer, en för oerfarna användare och en för erfarna användare. Alla intervjufrågor går att hitta under kapitlet Bilagor.
Eftersom studien är en fallstudie genomfördes studien endast hos ett företag. Därför blev urvalet av respondenter begränsat till personer som var relaterade till företaget och SSBI verktyget. För att komma i kontakt med respondenterna användes e-mail där respondenterna fick frågan om de kunde tänka sig att bidra till studien genom att bli intervjuade.
När en respondent har tackat ja till att genomföra en intervju bestämdes ett datum och en tid. Alla intervjuer skedde genom mobilsamtal och intervjuerna spelades in med hjälp av iPhones egen inspelningsprogramvara. Varje intervju tog cirka 30 – 60 minuter och respondenterna fick svara fritt på frågorna. Intervjuerna var semi-strukturerade vilket gav intervjuaren en chans att ställa följdfrågor för att fortsätta diskussionen. När
intervjun var klar påbörjades renskrivningen och för att lyssna igenom inspelningarna användes iPhones egen programvara.
Nedan kommer en tabell över de respondenter som har intervjuats:
Tabell 1. Beskrivning av respondenter
Respondenter Arbetstitel Arbetsområde Typ av användare
R1 Konsult Utveckling Erfaren
R2 Lageransvarig Säljare, lager Oerfaren
R3 Systemutvecklare Utveckling Oerfaren
R4 IT-support Support Oerfaren
R5 IT-support Support Oerfaren
I tabell 1 går det att se att en av respondenterna är en erfaren användare (R1). Att studien valde att inkludera en erfaren användare är för att få fram en erfarens
användares åsikter och tankar kring hur den oerfarne användaren kan tänkas uppleva problemet och hur problemet kan lösas. Detta betyder att studien inte eftersöker den erfarna användarens åsikter kring problemet, utan snarare den erfarens användarens perspektiv angående hur oerfarna användare kan tänkas uppleva problemet och hur de eventuellt skulle kunna tänkas vilja lösa problemet.
4.7.3 Analysprocess
När alla intervjuer var färdiga, var det dags att analysera den insamlade data. Den valda analysmetoden var induktiv analys och målet med analysen var att hitta olika mönster.
För att utföra en induktiv analys skrevs olika nyckelord, eller gemensamma nämnare, upp från de olika intervjuerna. Alltså ord ska ord som använts av flera olika
respondenter hittas och skrivas upp i en tabell. När ett sådant ord var framtaget
analyserades sammanhanget och om sammanhanget nästan var likadant var ett mönster definierat. Ett exempel på ett sådant ord kan vara cirkeldiagram. Om ordet
cirkeldiagram nämndes i fler än en intervju undersöktes ordet och ett mönster kan eventuellt skapas. Genom flera mönster blev det möjligt att skapa en överblick och förstå vad likheterna var mellan intervjuerna och om en generell acceptans för en viss fråga fanns.
Tabell 2. Presentation av funna mönster
Definition av information?
Tydligaste sättet att presentera information?
Förklarande termer och definitioner?
Instruktionsfilm
?
Problem med att presentera information?
R1 Strukturerad data
Cirkeldiagram, stapeldiagram
Positiv Positiv Illusionen av förståelse,
ordval, enkelhet R2 Mäta hur bra
någonting går
Cirkeldiagram, stapeldiagram
Positiv Positiv Ingen förklaring till
informationen, ordval, enkelhet
R3 Strukturerad data
KPI med cirkeldiagram och stapeldiagram
Positiv Positiv Presentera för mycket
information, ordval, enkelhet
R4 Skapa syfte för mottagaren
Cirkeldiagram, stapeldiagram
Positiv Positiv Enbart visuell
presentation, ordval, enkelhet
R5 Strukturerad data
Cirkeldiagram, stapeldiagram, linejdiagram
Positiv Positiv Missförståelse, färger,
ordval, enkelhet
5 Materialpresentation / Empiri
I detta kapitel kommer den data som samlats in via intervjuer att presenteras.
Underrubrikerna är utformade efter olika teman som uppkom av intervjufrågorna i intervjuerna.
5.1 Definition av information
R1 definierar information som strukturerad data.
R2 definierar information som ett sätt data kan förklara hur saker och ting går, alltså går något bra eller dåligt. Kan vara exempelvis ett försäljningstal.
R3 definierar information som strukturerad data.
R4 definierar information som någon form av media som syftar till att skapa värde för mottagaren.
R5 definierar information som strukturerad data.
5.2 Visuell presentation i form av grafer
R1 anser att de tydligaste sätten att presentera information för en oerfaren användare skulle vara att använda sig av cirkeldiagram och stapeldiagram, också kallat
standarddiagram. R1 nämner också att erfarna användare ska kunna ha möjlighet att se mer detaljrik information än oerfarna användare då det förstår data på ett annat sätt än den oerfarna användaren.
R2 tycker att det ska finnas flera olika grafer att välja mellan då olika personer har olika preferenser, det R2 själv föredrar är dock cirkeldiagram och stapeldiagram. Vidare menar R2 att olika personer förstår på olika sätt, vissa personer förstår information genom att ”göra” och vissa personer förstår information genom att läsa. Därför kanske vissa personer föredrar att kunna trycka på olika saker i graferna etcetera.
R3 anser att det tydligaste sättet att presentera information i ett SSBI-verktyg är med hjälp av ett KPI. Ett KPI är en del av en dashboard och kan bestå av grafer, text och färger. R3 tycker att den graf som presenterar information bäst är cirkel och stapeldiagram. R3 menar att KPI enkelt kan beskrivas som en metod för att mäta
effektivitet hos till exempel en verksamhet. R3 menar att det som gör en graf tydlig är att mottagaren förstår syftet med grafen och att mottagaren ska kunna relatera till och agera eller påverka utfallet i grafen i sin vardag. R3 menar att mottagaren helt enkelt ska förstå varför de kollar på grafen och kunna se den informationen de behöver snabbt utan att behöva klicka runt.
R4 anser att det tydligaste sättet att presentera information är i olika standardgrafer (cirkeldiagram, stapeldiagram) som är tydligt avdelade via färg eller kontrastskillander.
R5 tycker att det tydligaste sättet att visuellt presentera information är genom att använda sig av grafer som cirkeldiagram, linjediagram och stapeldiagram. Dock menar R5 att det är viktigt att olika personer uppfattar information på olika sätt och därför kanske olika grafer beroende på olika personer uppfattas bättre.
5.3 Förklarande termer och definitioner
R1 är positiv till att information / graferna ska presenteras med förklarande termer och definitioner, det vill säga någon sorts text som förklarar den information den oerfarna användare har framför sig. Vidare tycker R1 att information kan göras ännu tydligare genom att presentera en sorts instruktionsfilm och instruerande textdel i SSBI verktyget som förklarar vad informationen betyder, hur verktyget ska användas och så vidare.
Även R2 är positiv till att informationen / graferna ska presenteras med förklarande termer och definitioner. Vidare säger R2 att det ska förklaras vilken information som är viktigast och vilken information som inte är lika viktig att förstå. En annan positiv fördel med förklarande termer är att det visar ”tyst kunskap”. R2 gillar också tanken med att informationen kan förklaras med hjälp av instruktionsfilm. Detta för att som tidigare nämnt har olika personer olika sätt att lära sig på. Dock tycker R2 att filmen endast ska visas när användare vill se den.
R3 är också positiv till att informationen / graferna ska presenteras med förklarande text. R3 anser också att den förklarande texten ska vara kort och tydlig. Enkelhet går före komplexitet. Dock kan det gärna finnas en ”djupare” text i verktyget som går att hitta om man så vill. Vidare tycker R3 att en instruerande film kan vara väldigt effektivt för att få en användare att förstå informationen. R3 tycker att videon ska vara
verklighetsknuten för mottagaren och vara framåtblickande istället för teoretisk. En film är även bra då den kan bygga intresse snabbt och får med de målgrupper som gillar att lära sig genom att kolla på en film.
R4 är positiv till att informationen / graferna ska presenteras med förklarande text.
Vidare tycker R4 att texten ska ha en tydlig koppling till graferna samt att det inte blir för mycket text då det kan ta bort syftet från graferna. R4 anser också att texten bör vara anpassad efter mottagarens kunskapsnivå så att denne utan större krångel förstår innehållet. R4 säger också att en instruktionsvideo är positivt att använda sig av men att det dock med fördel kan kompletteras med förklarande text.
R5 är positiv till att informationen visuellt presenteras i samband med förklarande text.
Dock menar även R5 att texten inte ska ta ”över” utan vara mer vid sidan så att graferna syns mest. Texten bör enligt R5 också vara enkel att förstå. En instruktionsfilm anser R5 också vara positiv, men precis som med den förklarande texten bör instruktionsfilmen inte ta över och vara enkel att förstå.
5.4 Problem med att visuellt presentera information
R1 tycker att det största problemet med att visuellt presentera information för en oerfaren användare är ”illusionen av förståelse”. Illusionen av förståelse går ut på att grafer kan ”ljuga”, eller ge en falsk bild av verkligheten. Illusionen av förståelse handlar mycket om hur graferna presenteras för användaren, exempelvis vilka färger eller form den har. R1 nämner också att det är viktigt att ge användaren en känsla av trygghet. R1 menar att många användare gillar att ha kontroll över verktyget de jobbar med och om de inte kan exempelvis röra på musen eller att information bara poppar upp i deras ansikte utan att de hinner läsa den kommer användaren inte att känna sig trygga och sluta använda verktyget. Vidare säger R1 att ett problem som kan uppstå är ordval, exempelvis kanske någon ifrån Stockholm använder samma ord som någon från Skövde.
Det är därför viktigt att tänka på ordvalet i SSBI verktyget. ”Prata med bönder på
bönders vis”. Vidare tycker R1 att det är viktigt att tänka på enkelhet före komplexitet då oerfarna användare oftast inte har tid / viljan att sätta sig in i hur verktyget fungerar från grunden.
R2 tycker att det största problemet med att få information visuellt presenterad på ett
”förståeligt” sätt är att informationen tolkas fel, det vill säga att det kanske presenteras en röd säljsiffra men det finns inget som förklarar varför säljsiffran är röd och hur det går att göra säljsiffran grön igen. R2 anser att det även är viktigt med ordval i den förklarande texten. R2 tycker även att verktyget ska vara simpelt att använda och om det blir för komplext att få fram och tolka information kommer verktyget att anses vara krångligt.
R3 menar att det största problemet med att visuellt presentera information är att det är lätt att ”vilja försöka visa allt”, det vill säga presentera för mycket information. Återigen så går enkelhet före komplexitet. När verktyget försöker presentera för mycket
information försvinner grundsyftet och mottagaren tvingas tolka och bearbeta
informationen snarare än att nyttja den. Vidare nämner också R3 att det är viktigt att tänka på att använda sig av ordval som når ut till så många målgrupper som möjligt.
R4 menar att det största problemet med att visuellt presentera informationen är att informationen enbart presenteras visuellt i grafer. R4 tycker att detta kan lösas med instruktionsvideor (talad information) och förklarande termer och definitioner. R4 lägger också vikt vid att verktyget som presenterar informationen ska vara enkelt och informationen ska presenteras enkelt och inte allt för komplext. Vidare säger R4 att även ordvalet är viktigt att tänka på, både i instruktionsfilmen och den förklarande texten.
R5 tycker likt R1 att det största problemet med att visuellt presentera information är att grafer lätt kan missförstås, speciellt om det inte finns någon förklaring till graferna, och att färgerna i graferna kan vara opålitliga. Med opålitliga menar R5 att en användare kan vara färgblind eller att två färger är väldigt lika varandra. När R5 fick frågan angående ordval instämde R5 att ordval är viktigt att tänka på, speciellt att inte använda för
avancerade termer. Även R5 instämmer med att ett SSBI-verktyg inte ska vara för krångligt att använda och att informationen ska presenteras på ett ”enkelt” sätt.
6 Analys
Kapitlets syfte är att presentera resultatet av analyserna som utgörs av den data som samlats in under studiens intervjuer.
6.1 Identifierade mönster
Totalt var det fem intervjuer som genomfördes och de var semistrukturerade. Syftet med intervjusvaren är att hitta mönster som relaterar till bakgrunden och
frågeställningen.
De identifierade mönstrena är:
• Definition av information
• Cirkeldiagram och stapeldiagram
• Förklarande termer och definitioner
• Instruktionsfilm
• Enkelhet före komplexitet
• Ordval
Mönstrena är baserade på hur många intervjuer som har gemensamma nämnare, det vill säga liknande svar eller exakt matchande ord. Exempelvis handlade en fråga i
intervjuerna om vad respondenterna upplevde var det tydligaste sättet att presentera information visuellt för dem. När alla intervjuer sedan var genomförda kunde svaren jämföras med varandra. Om tre eller fler respondenter nämnde samma ord, exempelvis att cirkelgraf är det de tycker är den tydligaste grafen, så har en gemensam nämnare hittats. Att gränsen drogs vid tre respondenter är för att det är mer än hälften av det totala antalet respondenterna. Detta innebär att de flesta respondenterna har samma åsikt angående den aktuella intervjufrågan. De gemensamma orden ur intervjuerna finns under rubriken 4.7.3 i form av en tabell där det exakta orden som användes är definierade. När alla gemensamma nämnare sedan är definierade skapades mönster utifrån dem. Mönstrena är skapade efter det som ordet beskriver, eller står för.
Exempelvis nämner alla respondenter att de är positiva till användandet av en instruktionsfilm och därför kan ett mönster kallat ”instruktionsfilm” skapas.
6.1.1 Definition av information
Att det finns olika definitioner av information och data är sedan tidigare känt. Dock har R1, R3 och R5 ungefär samma definition av information, vilket är att information är strukturerad data. Detta stämmer bra överens med Backhouse och Lebenaus (1990) tankar kring information vilket är att information är ett resultat av att formatera,
modellera, organisera eller konvertera data på så sätt att det ökar mottagarens kunskap inom ett område. Detta betyder att respondenterna har bra koll på vad information är och vad det används till.
