Klustring och presentation i transportsektorn
I dagens samhälle finns många företag som hanterar stora mängder information varje dag. Dessa företag har svårt att manuellt överblicka all information. Den stora mängden data kräver automatiserade processer för att utvinna intressanta mönster som människor sedan kan tolka och använda som underlag för vidare analys. En sådan process är klusteranalys vars syfte är att dela upp datamängden i olika segment för att kunna få en djupare förståelse för hur olika faktorer påverkar. Det ställs höga krav på att presentationen kan förmedla informationen på ett effektivt och enkelt sätt ifall de ska kunna användas av människor som, inte själva kommer i kontakt med arbetet med utan, bara använder resultaten som ett underlag i sin yrkesroll. Det är klusteranalysens stora styrka är då det kombinerar modern beräkningskraft med en presentation som med hjälp av varierande färg, form och storlek bidrar till att det blir enklare att urskilja resultatet med det mänskliga ögat.Huvudfrågan ?Hur kan ett dataintensivt företag använda sig av klusteranalys som verktyg för att presentera data?? besvaras genom två delfrågor:? Hur kan klustring av göras inom transportsektorn?? Hur kan klustringsresultat presenteras för att underlätta för dem som skall använda resultaten?Studien bedrivs med en kvalitativ ansats och den övergripande forskningsstrategin var en kvalitativ kartläggning som följdes av en komparativ analys av teorin och empirin. De framtagna presentationsteknikerna användes som underlag i halv strukturerade intervjuer som sedan analyserades utifrån teorin för att leda fram till slutsatsen.Studiens slutsatser är att K-means kan användas som klusteringsalgoritm. Antalet naturliga kluster kan uppskattas med knäböjsmetoden och normalisering kan göras med Z-score.Klustringsresultat inom dataintensiva företag presenteras bäst genom parallella koordinater eller spridningsdiagram beroende på om syftet är att presentera läget eller ta fram beslutsunderlag.Studiens bidrag och konsekvens är att dataintensiva företag kan använda de slutsatser som dragits i denna studie som riktlinjer för hur de skall komma igång med klusteranalys. En liknande studie på ett dataintensivt företag inom transportsektorn är sällsynt och därför är det signifikant och originellt bidrag för dataintensiva företag som exempelvis inom transportsektorn.