Markkinoiden kilpailullisuus ja liiketoimintaprosessien monimutkaisuus on vaikeuttanut yritysten arvonluontia. Esineiden internetin (engl. Internet of T, IoT) tuottama big data voidaan analysoida tukemaan tietoon pohjautuvaa liiketoiminnan päätöksentekoa ja arvonluontia. Big datan avulla on mahdollista kasvattaa tulosta jopa 6 % ja datakokonaisuuksien on ennustettu olevan ohjaava tekijä tietohallinon haasteissa organisaatioiden tieto- ja analytiikkajohtajien keskuudessa. Big data-analytiikka (BDA) on trendi yritysten digitalisaatiossa ja sen on arvioitu vaikuttavan merkittävästi liiketoiminnan päätöksentekoon ja arvonluontiin tulevaisuudessa. Tutkielman tarkoitus on tutkia (1) mitä analytiikkametodeja IoT-pohjaisen datan analysointiin käytetään ja (2) miten tämä analytiikka hyödyttää yritysten arvonluontia. Tämä tutkielma on rajattu niin, että IoT-datan generointi, datan valmistelu analysointia varten, pilviteknologiat ja tekoälyyn tai koneoppimiseen liittyvät teknologiat eivät kuulu tutkittaviin aiheisiin. Tämä tutkielma on laadullinen kirjallisuuskatsaus, joka tarkastelee ajankohtaisia BDA-metodeja ja niiden vaikutusta arvonluontiin. Aineistoa kerättiin muodostamalla tutkielman aiheen keskeisistä avainsanoista hakulauseke. Hakulausekkeella ”big data AND internet of things AND value creation” saatiin Scopus-tietokannasta tulokseksi 71 artikkelia, josta karsittiin aineistoa otsikoiden ja tiivistelmien perusteella. Tutkielman kirjoittamisen aikana lähteitä lisättiin uusien aihepiirien noustessa esiin olemassa olevasta aineistosta. Scopuksen lisäksi tutkielman tiedonhaussa käytettiin näitä tietokantoja: Google Scholar, IEEE Xplore, JYKDOK ja Science Direct. Kaikki tutkielman lähteinä käytetyt aineistot olivat englanninkielisiä. Tutkielman tuloksien perusteella voidaan todeta, että molempiin tutkimuskysymyksiin onnistuttiin löytämään vastaus. Analytiikassa käytettäviä metodeja ovat kuvaileva, diagnosoiva, ennakoiva ja ennaltaehkäisevä. Data- analytiikassa käytetään myös muita, uudempia metodeja, mutta niihin liittyvä aineisto on vielä varsin suppea. Näiden uusien metodien pohjalla on usein tekoälyyn ja koneoppimiseen liittyviä teknologioita, joiden tutkiminen jäi tämän tutkielman rajauksen ulkopuolelle. Aineisto osoittaa, että resurssipohjainen suuntautuminen ja dynaaminen kyvykkyysteoria liiketoiminnan yhdenmukaistamisessa ovat yleisimmin käytettyjä teorioita. Tutkimuksessa saatiin selville myös, että IoT-pohjaisen datan käytössä arvonluontiprosesseissa on tärkeää tunnistaa fyysiset resurssit, kohdentaa tietohallintamallit kokonaisvaltaisesti kaikille prosesseille, yhdenmukaistaa liiketoiminta tietotekniikkaratkaisujen kanssa sekä hyödyntää kyvykkyyksiä päätöksenteossa. Tulokset osoittavat, että BDA-prosessien arvonluontimahdollisuudet heijastuvat kolmen kyvykkyyden läpi: hallinnointi, teknologia ja henkilökunnan ammattitaito. Näistä kyvykkyyksistä teknologia ja henkilökunnan ammattitaito todettiin merkityksellisimmiksi. Teknologian joustavuus mahdollistaa ketterän mukautumisen muuttuviin ympäristötekijöihin, jonka avulla on mahdollista parantaa tehokkuutta ja analysoitavan datan innovatiivista käyttöä. Useat lähteet painottivat myös ammattitaidon merkitystä arvonluonnissa BDA-prosessien avulla. Tulosten perusteella voidaan päätellä, että analysoidulla datalla on merkittävästi pienempi vaikutus yrityksen arvonluonnissa, jos yrityksen henkilöstö ei kykene tekemään dataan perustuvia päätöksiä ja innovaatioita. Organisaatio pystyy luomaan arvoa BDA:n avulla, jos yritykseltä löytyy riittävä ymmärrys siitä, mitä tietoa se tarvitsee, miten analysoitua tietoa hyödynnetään päätöksenteossa ja uusien innovaatioiden luomisessa, sekä teknologinen kyvykkyys toimia data-analytiikan parissa. Nykyajan teknologiaratkaisut muuttuvat jatkuvasti tekoälykeskeisimmiksi ja niihin sopeutuminen on ajankohtainen esimerkki joustavan teknologiainfrastruktuurin toteuttamisesta. Tekoälyn ja koneoppimisen tutkiminen BDA:ssa on ajankohtainen tutkimusaihe tulevaisuuden tutkimusta varten. Toinen tulevaisuuden tutkimusaihe on tietohallinon yhteys resurssipohjaiseen suuntautumiseen, joiden yhteyksiä on tutkittu vasta vähän. Molempien keskiössä esiintyy organisaatioiden resursseista muodostettu portfolio. Tutkimuksen luotettavuuteen liittyviä haasteita ovat esineiden internetiin ja big dataan liittyvien teknologioiden nopea kehittyminen, joka näkyi aineistojen käsitteiden ja metodien vaihtuvuutena. Tämä hankaloitti riittävän tuoreiden ja samalla luotettavien lähteiden hankintaa, jotta käsiteltävät teknologiat ja tiedonhallintamallit olivat keskenään verrattavissa. Käytetyistä 41 lähteestä 35 oli Julkaisufoorumin luokittelemia, joka vahvistaa tutkielmassa käytetyn aineiston luotettavuutta. Loput 6 lähdettä ovat IEEE:n standardeja, Gartnerin tuottamia kaupallisia tutkimuksia, ISACA:n Val-IT kirjallisuutta ja konferenssijulkaisuja.