Den ökade mängden realtidsdata som bland annat IoT-utvecklingen för med sig gör business intelligence (BI) i realtid mer relevant än någonsin. Då många BI-projekt tenderar till att misslyckas är förståelse av kritiska framgångsfaktorer vitalt. Denna studie syftar till att undersöka vilka skillnader i kritiska framgångsfaktorer som utmärker implementationer av realtids-BI (RBI) system jämfört med BI-implementationer. Semistrukturerade intervjuer baserade på forskning kring framgångsfaktorer för BI har använts för att undersöka utmärkande drag för RBI. Studien har identifierat att RBI kräver en arkitektur designad för att stödja analys av strömmande data samt att RBI kräver ett mer visionärt och experimentellt förhållningssätt. Slutligen belyser studien att risken för feltolkning och felaktiga slutsatser ökar då beslut tas utifrån rådata. Därmed krävs en högre datakvalitet vid RBI för att data ska anses vara av en hållbar kvalitet.

The increased amount of real-time data, such as IoT's development, makes business intelligence (BI) in real-time more relevant than ever before. As many BI projects tend to fail, the understanding of critical success factors are vital. This study aims to investigate the differences in critical success factors that characterize implementations of real-time BI (RBI) systems versus BI implementations. Semi-structured interviews based on research of critical success factors for BI has been used to investigate distinguishing features for RBI. The study has identified that RBI requires an architecture designed to support analysis of streaming data and that a more visionary and experimental approach is required. Finally, the study highlights that the risk of misinterpretation and incorrect conclusions increases when decisions are taken based on raw data. Therefore, higher data quality is required to be considered to be a sustainable quality in the RBI context.