En kvalitativ studie om sambanden mellan analys av stora datamängder i datadrivet beslutsfattande inom marknadsföring : Hur IT-beroende arbetssystem samverkar för att skapa värde i marknadsföringsprocesser

Autor: Lännenmäki, Julia, Norman, Jennifer
Jazyk: švédština
Rok vydání: 2022
Předmět:
Druh dokumentu: Text
Popis: Stora datamängder flödar idag inom alla verksamheter genom att data samlas in från olika håll in i olika databaser. Analyser av stora datamängder kan utnyttjas och skapa värde för verksamheter på ett sätt som tidigare inte varit möjligt med hjälp av nya verktyg, modeller och kompetenser. Detta är något som bidragit till att marknadsföringen har blivit datadriven och digital. Därför undersöks sambanden mellan analys av stora datamängder i datadrivet beslutsfattande och hur värde skapas inom marknadsföringsprocesser i denna kvalitativa studie. Detta har gjorts genom att undersöka olika IT-beroende arbetssystem och hur de samspelar med varandra. I denna studie benämns de olika IT-beroende arbetssystemen som leverantörer, vilka är stödprocesser, och användare, som är huvudprocesser. Studien har utgått från fem teorier som kan hjälpa att besvara forskningsfrågan med sina ramverk och förklaringar. Teorierna hjälper studien att framföra begrepp som är relevanta för att kunna dra slutsatser. De förklarar tillsammans hur ett IT-beroende arbetssystem är uppbyggt, hur värde skapas genom analys av stora datamängder, vilka komponenter ett beslut består av, hur stora datamängder bidrar till beslutsfattande, samt sambandet mellan användningen av stora datamängder, marknadsföringsanalys och marknadsföringsförmågor. Dessa teorier används för att analysera den datainsamling som har skett genom semistrukturerade intervjuer. Slutsatserna som identifieras är att det finns samband mellan analys av stora datamängder i datadrivet beslutsfattande och hur värde skapas inom marknadsföringsprocesser. Det finns förbättringspunkter inom området för att kunna skapa ännu mer värde vilket föreslås i studiens sista avsnitt. Det finns även bevis för hur olika IT-beroende arbetssystem samverkar inom analys av stora datamängder och marknadsföring idag, men också utvecklingsmöjligheter.
Today, large amounts of data flow within all businesses by collecting data from different sources in different databases. Big data analytics can be utilized and create value for businesses in a way that was not previously possible with the help of new tools, models and knowledge. This is something that has contributed to marketing becoming data driven and digital. Therefore, the connections between big data analytics in data driven decision making and how value is created within marketing processes are investigated in this qualitative study. This has been done by examining different IT-reliant work systems and how they interact with each other. In this study, the various IT-reliant work systems are referred to as suppliers, which are the support processes, and users, which are the main processes. The study has been based on five theories that can help answer the research question with their frameworks and explanations. The theories help the study present concepts that are relevant to draw conclusions. Together, they explain how an IT-reliant work system is structured, how value is created through big data analytics, which components a decision consists of, how big data contribute to decision making, and the connection between big data, marketing analytics and marketing capabilities. These theories are used to analyze the data collection that has taken place through semi-structured interviews. The identified conclusions are that there is a connection between big data analytics in data driven decision making and how value is created in marketing processes. There are improvement points in the area to be able to create even more value, which is suggested in the last section of the study. There is also evidence of how different IT-reliant work systems work together in big data analytics and marketing today, but there are also opportunities to develop.
Databáze: Networked Digital Library of Theses & Dissertations
Externí odkaz: