datengestützte

Datengestützte Entscheidungsfindung, auch datengestützt genannt, bezeichnet einen Ansatz, bei dem Entscheidungen, Prozesse oder Modelle vor allem auf der Analyse von Daten beruhen. Er betont die Rolle von Evidenz aus Daten als Grundlage für Hypothesenprüfung und Handlungsanweisungen.

Anwendungsfelder umfassen Wirtschaft, Marketing, Produktion, Gesundheitswesen, Wissenschaft und öffentliche Verwaltung. Typische Methoden sind Datenanalyse, Kennzahlen-Dashboards, statistische Modelle, Data Mining, maschinelles Lernen sowie kontrollierte Experimente wie A/B-Tests.

Der typische Ablauf besteht aus Datensammlung und -integration, Sicherstellung der Datenqualität, Analyse, Interpretation der Ergebnisse und informierter Entscheidung. Eine datengestützte Praxis erfordert Governance, Transparenz und eine Kultur der Datenkompetenz.

Vorteile sind verlässlichere Prognosen, objektivere Entscheidungen, höhere Effizienz und bessere Nachvollziehbarkeit von Maßnahmen. Nachteile betreffen Datenqualität, Verfügbarkeit, Privatsphäre und Sicherheit, mögliche Verzerrungen in Daten oder Modellen sowie riskante Überinterpretation.

Beispiele: Unternehmen nutzen Dashboards zur Überwachung von Umsatz- und Nutzungskennzahlen; experimentelle Tests dienen der Optimierung von Produkten; in der Wissenschaft unterstützen statistische Analysen die Validierung von Hypothesen. In vielen Bereichen geht es auch um die Integration von internen und externen Datensätzen sowie um Fragen der Datenethik und Governance.

Verwandte Begriffe sind Data Science, Business Intelligence, datengetriebene Entscheidungsfindung und Data Governance.