Hantering av utmaningar med datakvalitet inom Big Data Analytics: En kvalitativ studie som beskriver hur organisationer hanterar utmaningar med datakvalitet inom Big Data Analytics
(2020) SYSK16 20201Department of Informatics
- Abstract (Swedish)
- Big Data Analytics är processen som används vid analyser av stora mängder data i syfte att upptäcka samband och mönster av värde som kan ligga till grund för framtida beslutsfattanden. En av de främsta utmaningarna som omnämns i litteraturen är att säkerställa kvaliteten på den data som används vid analyser. Syftet med denna uppsats är att beskriva organisationers hantering av utmaningar med datakvalitet inom Big Data Analytics. De utmaningar vi identifierat i litteraturen är: Information Completeness, Data Accuracy, Data Currency, Data Deduplicaton, Data Consistency, urval av Data Samples, felmarginaler, datarengöring samt ledningens stöd och engagemang. För att kunna besvara forskningsfrågan genomfördes en kvalitativ studie bestående av... (More)
- Big Data Analytics är processen som används vid analyser av stora mängder data i syfte att upptäcka samband och mönster av värde som kan ligga till grund för framtida beslutsfattanden. En av de främsta utmaningarna som omnämns i litteraturen är att säkerställa kvaliteten på den data som används vid analyser. Syftet med denna uppsats är att beskriva organisationers hantering av utmaningar med datakvalitet inom Big Data Analytics. De utmaningar vi identifierat i litteraturen är: Information Completeness, Data Accuracy, Data Currency, Data Deduplicaton, Data Consistency, urval av Data Samples, felmarginaler, datarengöring samt ledningens stöd och engagemang. För att kunna besvara forskningsfrågan genomfördes en kvalitativ studie bestående av fem intervjuer med totalt sju respondenter. Resultatet visar på att det inte finns någon enhetlig hantering av respektive utmaning som alla organisationer tillämpar. Detta kan grunda sig i att respondenterna inte angav samma anledningar till utmaningarnas uppkomst, vilket skulle kunna bero på att de är verksamma inom skilda branscher och har olika yrkesroller. (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/9017008
- author
- Nyberg, Sofia LU ; Carlsten, Frida LU and Uddenäs, Emelie LU
- supervisor
- organization
- course
- SYSK16 20201
- year
- 2020
- type
- M2 - Bachelor Degree
- subject
- keywords
- Big Data Analytics, Data Analytics, Big Data, Datakvalitet
- report number
- INF20-033
- language
- Swedish
- id
- 9017008
- date added to LUP
- 2020-06-26 14:55:23
- date last changed
- 2020-06-26 14:55:23
@misc{9017008, abstract = {{Big Data Analytics är processen som används vid analyser av stora mängder data i syfte att upptäcka samband och mönster av värde som kan ligga till grund för framtida beslutsfattanden. En av de främsta utmaningarna som omnämns i litteraturen är att säkerställa kvaliteten på den data som används vid analyser. Syftet med denna uppsats är att beskriva organisationers hantering av utmaningar med datakvalitet inom Big Data Analytics. De utmaningar vi identifierat i litteraturen är: Information Completeness, Data Accuracy, Data Currency, Data Deduplicaton, Data Consistency, urval av Data Samples, felmarginaler, datarengöring samt ledningens stöd och engagemang. För att kunna besvara forskningsfrågan genomfördes en kvalitativ studie bestående av fem intervjuer med totalt sju respondenter. Resultatet visar på att det inte finns någon enhetlig hantering av respektive utmaning som alla organisationer tillämpar. Detta kan grunda sig i att respondenterna inte angav samma anledningar till utmaningarnas uppkomst, vilket skulle kunna bero på att de är verksamma inom skilda branscher och har olika yrkesroller.}}, author = {{Nyberg, Sofia and Carlsten, Frida and Uddenäs, Emelie}}, language = {{swe}}, note = {{Student Paper}}, title = {{Hantering av utmaningar med datakvalitet inom Big Data Analytics: En kvalitativ studie som beskriver hur organisationer hanterar utmaningar med datakvalitet inom Big Data Analytics}}, year = {{2020}}, }