Datengesteuerte Entscheidungsfindung (dddm)

Definition - Was bedeutet datengesteuerte Entscheidungsfindung (DDDM)?

Bei der datengesteuerten Entscheidungsfindung (DDDM) werden Entscheidungen getroffen, die durch harte Daten gestützt werden, anstatt Entscheidungen zu treffen, die intuitiv sind oder nur auf Beobachtung beruhen. Da die Geschäftstechnologie in den letzten Jahren exponentiell Fortschritte gemacht hat, ist die datengesteuerte Entscheidungsfindung zu einem wesentlich grundlegenderen Bestandteil aller Arten von Branchen geworden, einschließlich wichtiger Bereiche wie Medizin, Transportwesen und Geräteherstellung.

Datengesteuerte Entscheidungsfindung wird auch als datengesteuertes Entscheidungsmanagement oder datengesteuerte Entscheidungsfindung bezeichnet.

Technische.me erklärt datengesteuerte Entscheidungsfindung (DDDM)

Die Idee einer datengesteuerten Entscheidungsfindung besteht darin, dass Entscheidungen aus Schlüsseldatensätzen extrapoliert werden sollten, die ihre projizierte Wirksamkeit und ihre mögliche Funktionsweise zeigen. Unternehmen verwenden im Allgemeinen eine Vielzahl von Unternehmenstools, um diese Daten abzurufen und auf eine Weise darzustellen, die Entscheidungen stützt. Dies steht in krassem Gegensatz zu der Art und Weise, wie Entscheidungen in der Geschichte des Handelsunternehmens getroffen wurden, in der Einzelpersonen vor dem Vorhandensein neuer komplexer Technologien Entscheidungen häufig auf der Grundlage von Beobachtungen oder fundierten Vermutungen trafen.

Wenn man heutzutage wissen möchte, wie sich ein bestimmtes Produkt in einem Markt verhält, was ein Kunde von einem Slogan hält oder wo man Geschäftsressourcen einsetzt, kann Entscheidungsunterstützungssoftware helfen. Dies hat zu einer viel größeren Nachfrage nach datengesteuerten Entscheidungslösungen geführt. TechTarget zitiert eine Studie des MIT Center for Digital Business, aus der hervorgeht, dass Unternehmen, die datenbasierte Entscheidungen treffen, eine um 4 Prozent höhere Produktivität und durchschnittlich 6 Prozent mehr Gewinn erzielen.

Um dieser boomenden Nachfrage gerecht zu werden, haben Unternehmen Self-Service-Datenanalyseprodukte herausgebracht. Die Idee ist, dass Self-Service-Produkte zu einer egalitäreren Datenerfassung und -übertragung führen. Mit anderen Worten, ohne Self-Service-Tools kann nur ein erfahrener Datenwissenschaftler die Zahlen ermitteln und Entscheidungen zur Datenunterstützung treffen, wohingegen Führungskräfte und andere, die weiter von der IT-Abteilung entfernt sind, dies mit Self-Service-Tools zur Entscheidungsunterstützung tun können Führen Sie ihre eigenen Analysen durch und präsentieren Sie ihre eigenen Entscheidungen, die mit den betreffenden Daten gesichert sind.