Companies struggle to get real value from big data investments
A review of 62 recent studies reveals that most organizations fail to bridge the gap between data analytics and actual business decisions. The research identifies persistent tensions—automation versus human judgment, speed versus transparency—that prevent companies from fully capitalizing on their big data spending.
Originaltitel: Three Faces Of Analytics: How Big Data Enables Operative Decisions, Drives Transformative Change, And Builds Adaptive Capability
Stordata-analyser skapar tre distinkta värden för ledande beslutsfattare: operativ effektivitet, strategisk omvandling och adaptiv organisatorisk förmåga. En genomgång av 62 studier från 2020–2025 visar att beskrivande analyser möjliggör realtidsövervakning och snabba operativa reaktioner, medan prediktiv analys driver strategiskt lärande och motståndskraft. Prescriptiv analys aktiverar kontinuerlig organisatorisk omställning och optimering av verksamheten. Forskare från Linnaeus University identifierar dock kritiska spänningar som alla organisationer måste lösa: balansen mellan automatisering och mänskligt omdöme, algoritmmisk autonomi kontra mänsklig kontroll, samt behövet att kombinera analytisk precision med tolkningsbarhet. För ekonomichefer och riskanalytiker innebär detta att datastrategier måste differentieras efter beslutstyp, inte implementeras som universal lösning. Framgångsfaktorn ligger i att navigera mellan teknisk kapacitet och organisatorisk kontroll.
Organisations increasingly invest in Big Data Analytics (BDA) to enhance decision-making, yet the relationship between analytical approaches and organisational outcomes remains unclear. This systematic literature review synthesises 62 peer-reviewed studies from 2020 to 2025 to examine how descriptive, predictive, and prescriptive analytics mediate decision processes across industries. Through inductive thematic synthesis, we identify three distinct decision domains influenced by BDA: operative decision enablement, transformative decision support, and adaptive decision capability. Our findings reveal that descriptive analytics primarily supports operational monitoring and real-time responsiveness, predictive analytics drives strategic learning and organisational resilience, while prescriptive analytics enables continuous organisational recalibration. The study identifies persistent tensions between automation and intuition, algorithmic autonomy and human control, and analytical precision and interpretive transparency that organisations must navigate to realise BDA’s full potential.