Summary:

Med økende konkurranse og lave marginer i logistikkbransjen, skaper det behov for kontroll over egen prosess. Dette har ført til Posten Norge AS sitt mål og ønske om å være datadrevet, dette innebærer å ta beslutninger på grunnlag av store mengder data. Slike beslutninger er for Postens prosessforbedringer, prognoseformål og andre bruksområder. Disse målene er avhengig av god datakvalitet fra pakke- og produksjonsprosesser som innebærer at dataene har evnen til å støtte formålet.
Målet med gradsoppgaven er å undersøke hvordan datakvalitet kan defineres for “Pakke til bedrift”-tjeneste under Bring, en av to merkevarer i Posten Norge AS rettet mot bedriftskunder, og forstå hvordan datakvaliteten påvirker dataens bruksområder. Som et bidrag til å belyse dette er et rammeverk utviklet på grunnlag av aktuell forskning innen datakvalitet og tilpasset Posten.
Resultater fra rammverket viser til at manglende verdier som hendelser og pakkemålinger (completeness) har størst innvirkning på andre dimensjoner. Det argumenteres for at datakvalitet problemer knyttet til manglende og ukorrekt data har en påvirkning på bruk av process mining og ETA modell. Da rammeverket definerer og måler objektive datakvalitet dimensjoner, argumenteres det for at ytterligere subjektive vurderinger av datakvalitet vil være fordelaktig for å finne tydeligere sammenhenger mellom datakvalitet og innvirkning på ulike data formål og bruksområder.
Gradsoppgaven bidrar med en start til Postens mål og arbeid med å optimalisere bruk av data. I tillegg bidras det med en praktisk studie for implementering av datakvalitet måling av prosessdata i logistikkbransjen som det er svært lite forsket på.