Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Using KPIs in decision-making tools in the construction industry
KTH, School of Electrical Engineering and Computer Science (EECS).
KTH, School of Electrical Engineering and Computer Science (EECS).
2019 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

The construction industry has a great opportunity to streamline its operations even more by making greater use of the digital revolution. The industry today uses a lot of manual data management and analysis to get an overview of the business and to make decisions. This can be a time-consuming process that could be made more efficient through Business Intelligence (BI). BI is a technology that automatically, with the help of selected Key Performance Indicators (KPIs), shows the current status of how a business performs. This can allow managers and executives to make decisions easier and faster.This study examines which KPIs that are of common interest to companies and organizations in the construction industry as well as how these KPIs can be presented to the end users of a BI application. To investigate this, data is collected through literature studies and interviews, which results in a list of common KPIs for the industry. From this common list, a number of KPIs are selected to be visually represented.An analysis of the results, indicates that KPIs are of different importance and relevance depending on which sector of the construction industry the interviewee belongs to. There also appears to be sector-specific KPIs and the common list suggests that the profit margin is of great importance throughout the whole industry. KPIs can be represented in different types of charts and diagrams, depending on the purpose they hold, and should be designed so that they are intuitive and easy to understand.

Abstract [sv]

Bygg- och hantverksbranschen har stor möjlighet att effektivisera sin verksamhet ännu mer genom att i större utsträckning utnyttja den digitaliserade utvecklingen. Branschen använder idag mycket manuell datahantering och manuell dataanalys för att få en överblick över verksamheten och ta beslut. Detta kan vara en tidskrävande process, som skulle kunna effektiviseras ytterligare genom Business Intelligence (BI). BI är en teknologi som automatiskt, med hjälp av valda nyckeltal (KPI:er), visar aktuell status på hur en verksamhet presterar. Detta kan göra att beslutsfattare kan fatta beslut enklare och snabbare.Denna studie undersöker vilka nyckeltal som är av gemensamt intresse för företag och organisationer i byggoch hantverksbranschen samt hur dessa nyckeltal kan presenteras för slutanvändarna av en BI-applikation. För att ta reda på detta samlas data in genom litteraturstudier och intervjuer, vilket resulterar i en lista över gemensamma KPI:er i branchen. Ur denna lista handplockas ett antal nyckeltal ut för att representeras visuellt.En analys av resultaten indikerar att nyckeltal är av olika vikt och relevans, beroende på vilken sektortillhörighet av byggoch hantverksbranschen den intervjuade tillhör. Det verkar även finnas sektorspecifika KPI:er samt att listan med de branchgemensamma nyckeltalen antyder att vinstmarginal är av stor vikt. KPI:er kan representeras i olika typer av diagram beroende på vilket syfte de innehar och bör designas så att de är intuitiva och lättförståeliga.

Place, publisher, year, edition, pages
2019. , p. 55
Series
TRITA-EECS-EX ; 2019:196
Keywords [en]
Business Intelligence, BI, Decision Support System, DSS, Key Performance Indicator, KPI, Visualization, Construction Industry, Dashboard
Keywords [sv]
Business Intelligence, BI, DSS, Beslutsstödssystem, Nyckeltal, KPI, Visualisering, Byggbransch, Hantverksbransch, Dashboard.
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-253805OAI: oai:DiVA.org:kth-253805DiVA, id: diva2:1326468
External cooperation
MVP Software
Supervisors
Examiners
Available from: 2019-06-18 Created: 2019-06-18 Last updated: 2019-06-18Bibliographically approved

Open Access in DiVA

fulltext(2506 kB)58 downloads
File information
File name FULLTEXT01.pdfFile size 2506 kBChecksum SHA-512
42b659bee2b5fcb801a8ac440a4311506c6414fb45b3cece1973471ad4d6b934d7788d039c344f6dab56169c4dfb4fcd4b87eea43115703c4b78e148f06b3a74
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 58 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 114 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf