Decision-Support Systems as Enablers of Effective and Facilitated Decision-Making

Abstract

Tämä opinnäytetyö tarkastelee, kuinka päätöksenteon tukijärjestelmät tehostavat ja helpottavat päätöksentekoprosesseja sekä parantavat päätöksien yleistä laatua. Työn tavoitteena oli kehittää ratkaisukeskeinen viitekehys toimeksiantaja organisaatiolle, joka tarjoaa tutkimukseen perustuvia näkemyksiä tehokkaampaan ja helpotettuun päätöksentekoon, erityisesti projektin pilotointi kaupungeissa. Työn toimeksiantajana toimi AURORA-hanke, jonka tavoitteena on tuottaa aineistoa ja työkaluja, joiden tuloksena syntyy erilaisille päättäjille suunnattu päätöksenteon tukijärjestelmä. Kehittämistehtävä keskittyi tunnistamaan päätöksenteon tukijärjestelmien roolia strukturoitujen, läpinäkyvien, ja tietoon perustuvien päätöksentekoprosessien tukemisessa sekä tekijöitä, jotka muokkaavat päätöksenteon laatua.

Työn teoreettinen viitekehys koostui laajemmin päätöksenteon tukijärjestelmien, päätöksentekomallien, päätöksenteon laadun, eettisten näkökulmien sekä käyttäytymiseen liittyvien tekijöiden ympärille. Tietoperusta rakentui tekijöistä, jotka tehostavat tai mahdollisesti rajoittavat tehokasta ja helpotettua päätöksentekoa. Tutkimus toteutettiin tutkimuksellisena kehittämistehtävänä, jossa tiedonkeruumenetelminä hyödynnettiin laadullisia ja määrällisiä menetelmiä yhdistämällä puolistrukturoituja haastatteluita ja kyselyitä. Haastattelut ja kyselyt kohdistettiin Suomessa ja Baltian maissa toimiviin julkisiin sektoreihin.

Tutkimus osoitti, että päätöksenteon tukijärjestelmät tukevat ensisijaisesti tehokasta ja helpotettua päätöksentekoa tarjoamalla päättäjille jäsenneltyä, teemakohtaista, läpinäkyvää dataa sekä mahdollistamalla vaihtoehtojen johdonmukaisemman arvioinnin. Samalla tutkimus paljasti dataan liittyviä rajoitteita, jotka liittyvät kognitiivisiin vinoumiin, heuristiikkoihin sekä eettisen harkinnan tarpeeseen päätöksenteossa, joita teknologia ei täysin korvaa. Analyysissä tunnistettiin, että päätöksenteon tukijärjestelmien tehokas käyttö edellyttää korkealaatuista dataa, käyttäjien osaamista, päättäjien välistä yhteistyötä sekä jatkuvaa oppimista ja sopeutumista. Tutkimuksen viimeisessä kappaleessa (kappale 5) päädytään myös käytännön suosituksiin päätöksenteon tukijärjestelmien integroimisesta, datalähtöisen tuen vahvistamisesta ja päätöksenteon laadun parantamisesta tehokkaamman päätöksenteon varmistamiseksi.

This study examines how decision-support systems influence efficiency, facilitate decision-making processes, and improve decision quality. The objective of the study was to develop a solutions-oriented framework that systematically provides research-based insights into how decision support systems can more effectively enhance and facilitate decision-making, particularly in the context of the AURORA project. The development task focused on identifying the role of decision-support systems in enabling structured, transparent, data-driven decision-making processes and recognizing the factors that shape decision quality.

The theoretical foundation of decision-support systems, decision-making models, decision quality, ethical considerations, and behavioral factors was examined in the study. The framework was built around factors that enhance or limit effective, facilitated decision-making. Qualitative and quantitative research approach was used to collect data through semi-structured interviews and surveys. The interviews and surveys were focused on public sectors in Finland and the Baltic countries.

The findings indicate that decision-support systems primarily support efficient and facilitated decision-making by structured, transparent, and thematic data, as well as by enabling a more coherent evaluation of alternatives. However, the results also reveal limitations related to cognitive biases, heuristics, organizational practices, and the need for ethical consideration that technology alone cannot replace. The analysis reveals that effectively using decision-support systems requires high-quality data, user expertise, organizational alignment, and collaborative decision validation. The study concludes with practical recommendations for integrating decision-support systems, strengthening data-driven practices, and improving decision quality to ensure more effective decision-making.