Leveraging data in organizational decision making
Tekijät
Päivämäärä
2021Tekijänoikeudet
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
Digitalisaation myötä dataa tuotetaan ja on saatavilla enemmän kuin aiemmin.
Dataa voidaan hyödyntää organisaatiollisessa päätöksenteossa. Dataohjautuva
päätöksenteko vaatii toimia kuten työntekijöiden kouluttamista tai työntekijöiden palkkaamista riittävän osaamisen saavuttamiseksi liittyen dataohjautuviin
metodeihin. Dataohjautuvan päätöksenteon implementointi voi muovata organisaation liiketoimintamallia. Tässä kirjallisuuskatsauksessa avataan mitä dataohjautuva päätöksenteko on, kuinka sitä voidaan hyödyntää ja mitä organisaatiolta vaaditaan sen hyödyntämiseksi. Tärkeimmät löydökset olivat, että dataohjautuvan päätöksenteon omaksuminen johtaa parempaan päätöksentekoon ja
parantaa organisaation suoriutumista. Dataohjautuva päätöksenteko johtaa
myös johdonmukaisempiin päätöksiin. Tutkimuksessa tuli ilmi myös negatiivisia tuloksia kuten algoritmien käyttöön ja yksilöllisen datan keräämiseen liittyvät eettiset ongelmat. Due to digitalization, there is more data produced and available than before.
Data can be leveraged in organizational decision making. Data-driven decision
making requires actions such as educating or hiring employees with skills and
knowledge about methods and concepts related to data-driven methods. Implementing data-driven decision making into an organization can fundamentally change the organizations business model. This literature review explains
what data-driven decision making is, how it can be utilized and what is required from an organization to utilize it. The most important findings were that
adoption of data-driven decision making leads to better decision making and
enhances the performance of an organization. Data-driven decision making also
leads to more consistent decision making. There were also important negative
findings such as ethical problems regarding the use of algorithms and gathering
of personal data
Asiasanat
Metadata
Näytä kaikki kuvailutiedotKokoelmat
- Kandidaatintutkielmat [5334]
Samankaltainen aineisto
Näytetään aineistoja, joilla on samankaltainen nimeke tai asiasanat.
-
The contribution of public relations to organisational decision making and autopoiesis of organisations : the perspective of the Luhmannian social system paradigm
Mykkänen, Markus (University of Jyväskylä, 2018)This doctoral dissertation investigates the contribution of public relations professionals to organisational decision-making processes and autopoiesis of organisations. The research approach utilises Niklas Luhmann’s ... -
The role of big data and capabilities in marketing communication : managerial perspectives on data-driven decision-making
Lamminparras, Tuomas (2022)Datan rooli yrityksissä on kasvanut nopeasti ja erityisesti markkinointiviestinnän osastoilla on pääsy useisiin eri datalähteisiin. Yrityksien liiketoimintoja tarkastellaan yhä useammin datan näkökulmasta ja investoinnit ... -
Leveraging the benefits of big data with fast data for effective and efficient cybersecurity analytics systems : A robust optimisation approach
Rathod, Paresh; Hämäläinen, Timo (Academic Conferences International, 2020)In recent times, major cybersecurity breaches and cyber fraud within the public and private sectors are making international headlines. Majority of organisations are facing cybersecurity adversity and advanced threats. On ... -
Data-driven decision support to reduce "driving-under the influence of alcohol" offenses
Cherenet, Zerayaeqob (2018)Extracting valuable knowledge from data to support decision making is a widely practiced trend. Data-driven decision support (DDDS) provides insight for decision makers by exploring and extracting underlying patterns ... -
Data-Driven Interactive Multiobjective Optimization Using a Cluster-Based Surrogate in a Discrete Decision Space
Hakanen, Jussi; Malmberg, Jose; Ojalehto, Vesa; Eyvindson, Kyle (Springer, 2019)In this paper, a clustering based surrogate is proposed to be used in offline data-driven multiobjective optimization to reduce the size of the optimization problem in the decision space. The surrogate is combined with an ...
Ellei toisin mainittu, julkisesti saatavilla olevia JYX-metatietoja (poislukien tiivistelmät) saa vapaasti uudelleenkäyttää CC0-lisenssillä.