Användardata kan samlas in på flera olika sätt och från olika typer av källor. En möjlighet rörande insamlingen av användardata är sensorer. Företag såsom Tesla visar på möjligheterna med att använda användardata från sensorer när man utvecklar nya produkter. Hur företag navigerar användningen av sensorer samt sensordata i sina produktutvecklingsprojekt är därför av intresse. Studien består av en litteraturstudie och sex semistrukturerade intervjuer på fyra tekniska företag. En intervjuguide konstruerades efter forskningsfrågorna samt litteraturstudien. Respondenterna har teknisk bakgrund och arbetar med produktutveckling. Företagen som deltog använder sensorer i sina produkter och var väl lämpade för studien.

Användardata från sensorer samlas in kontinuerligt under en produkts livscykel. Medan till exempel muntliga undersökningar tenderar att ske tidigare. Gällande spridningen av användardata framgick att kunskapen som finns idag är begränsad. Emellertid visade resultatet att företag ofta har interna databaser. Alla ges inte tillgång till dessa, vilket hindrar hur insamlade data kan användas i produktutveckling. Sensorer i produktutveckling används till att utveckla nästa generation samt produktförbättringar.

Stora datamängder försvårar insamling, förvaring och analys på företagen. Även kvaliteten på insamlade data är ett problem då fel måste filtreras bort innan företag kan använda dem. Att delge data är något som alla användare inte visade sig vara villiga att göra. Det kan bero på att det är känslig eller personlig information. Integritetslagar påverkar också användandet. Även om företagen har tekniska möjligheter att samla in data får de inte alltid göra det. Eftersom sensorer inte kan mäta till exempel användarkänsla kan företag inte använda endast sensorer till sin användarförståelse. För en mer komplett bild av användarna används därför flera insamlingsmetoder. En framtidsmöjlighet är nya sensorer som till exempel kan mäta känslor. Detta innebär att användardata kan samlas in mer uteslutande från sensorer. Ytterligare en framtidsmöjlighet är användandet av AI till sortering och analys av stora datamängder.

User data is collected in various ways and from different sources. Sensors are one source of user data. Companies such as Tesla demonstrate the potential of sensor acquired user data in product development. It is therefore of value to understand how companies navigate sensors and sensor data in product development. This study is of qualitative nature and consists of a literature review and six semi-structured interviews with four technical companies. An interview guide was drafted based on the research questions and the literature review. All respondents have technical backgrounds and work in product development. All participating companies make use of sensors and are deemed well-suited for the study.

Sensors continuously collect user data throughout a product's lifecycle while verbal surveys, for example, are usually conducted in the earlier stages of the product's lifecycle. Current know-how regarding user data distribution within a company is limited. The results showed that companies often have internal databases; however, not every employee has access to them which hinders the usage of the collected data in product development. Furthermore, the results do not indicate the existence of a standard method for sensor data distribution in technical companies today. Sensor data can be used in product development to develop the next generation of a product. 

Large amounts of data available to the companies complicates the collection, storage, and analysis processes. The quality of the data poses a problem as errors and noise must be filtered before data can be used. Additionally, some users are unwilling to share their data due to sensitivity or privacy concerns. There are laws in place when it comes to privacy that further restricts access. This shows that even if a company has the technical know-how to collect certain data, it may not always be able to. Sensors can not measure variables such asuser emotions. This reveals an inability to rely solely on sensors to understand users. Hence, multiple data collection methods are employed to form an encompassing picture of the users.The results show that there are opportunities in extracting user data with sensors. An advanced sensor capable of measuring emotions is one possibility. Using AI to sort and analyze large amounts of data is another. Sensor acquired data can then be further integrated into product development processes in order to not only iterate products but innovate them.