"Att exakt definiera och mäta prestation är en komplex process för de flesta företag, men ändå avgörande för korrekt distribution av resurser och för att uppnå en förståelse för gemensamma mål mellan affärsenheter. Trots den stora mängd data som finns tillgänglig för de flesta moderna företag idag, väljs mått av prestationer ofta baserat på expertis, tradition eller till och med magkänsla. I detta examensarbete föreslås en datadriven strategi i form av ett statistiskt ramverk för utvärdering och val av prestationsmått. Ramverkets struktur baseras på en dimensionsreducerande metod, känd som (eng.) feature selection, för tidsserier och som i sökningen efter relevanta prestationsmått använder sig av en prediktionsalgoritm för tidsserier. För att designa ett komplett ramverk utförs experiment som utforskar moderna prediktionsalgoritmerna för tidsserier i kombination med två olika dimensionsreducerande metoder. Resultaten visar att för prestationsmått baserade på den verkliga data som använts i detta examensarbete, så utgörs det bästa ramverket utav den dimensionsreducerande metoden som använder sig av filtrering i kombination med en prediktionsalgoritmen för univariata tidsserier."