Uppsats

Sociotekniska hinder i ett datadrivet arbetssätt : En kvalitativ fallstudie av ett svenskt fackförbund

Kandidat-uppsats

Linnéuniversitetet/Institutionen för datavetenskap och medieteknik (DM)

Publicerad: 2026

Språk: Svenska

Sammanfattning

Datadrivet beslutsfattande har blivit en central del av många organisationers arbetssätt i takt med en ökad digitalisering och tillgången till stora mängder data. Samtidigt visar tidigare forskning att implementeringen av datadrivna arbetssätt ofta påverkas av både tekniska och organisatoriska faktorer. Syftet med denna studie var att undersöka vilka sociotekniska hinder som påverkar användningen av datadrivna beslutsunderlag inom ett fackförbund samt att analysera organisationens mognadsgrad utifrån DECAS-modellen.Studien genomfördes som en kvalitativ fallstudie. Det empiriska materialet samlades in genom semistrukturerade intervjuer med anställda inom organisationen, däribland dataanalytiker, beslutsfattare och verksamhetsutvecklare.Resultatet indikerade att organisationens datadrivna arbete påverkas av flera sociotekniska utmaningar. Centrala hinder var bland annat bristande datakvalitet, bristande samordning mellan olika delar av verksamheten och erfarenhetsbaserade bedömningar. Analysen utgick från ett sociotekniskt systemperspektiv där materialet tematiserades utifrån DECAS-modellens dimensioner: data, analytics, decision process, decision maker och decision.Studien visar att organisationen befinner sig i en övergångsfas där datadrivna arbetssätt inte är något nytt, men det finns utmaningar som begränsar möjligheten att fullt ut använda data i beslutsfattande som exempelvis brist på strukturella och standardiserade arbetssätt. Resultatet bidrar med ökad förståelse för hur datakvalitet, otydliga arbetssätt och ett beroende av enskilda personers kunskap och initiativ kan hindra ett mer standardiserat och datadrivet arbetssätt inom en organisation. Trots identifierade hinder framkom inget tydligt motstånd inom organisationen mot ett mer datadrivet arbetssätt.

Information

Lärosäte / institution
Linnéuniversitetet/Institutionen för datavetenskap och medieteknik (DM)
Publiceringsdatum
2026
Uppsatstyp
Kandidat-uppsats
Språk
Svenska

Utforska vidare

Liknande uppsatser

Uppsatser med liknande ämnen och nyckelord.