In der heutigen, äußerst wettbewerbsintensiven und dynamischen Geschäftswelt sind effiziente und effektive Lieferketten unerlässlich. Data analytics liefern datenbasierte Erkenntnisse, die eine effiziente Entscheidungsfindung ermöglichen. Gleichzeitig spielen Supply Chain Performance Measurement Systems (SCPMSs) eine zentrale Rolle bei der Effektivitätsmessung und -erreichung. Diese Dissertation führt eine umfassende Studie zum Zusammenspiel von data analytics und SCPMSs durch, mit dem Fokus auf Einblicke aus Forschung und Praxis. Dabei werden unterstützende Instrumente entwickelt, die das volle Potenzial eines data analytics-driven SCPMS aufzeigen. Die Forschung resultiert in einem prägnanten konzeptionellen Modell und praktischen Richtlinien, um Forschende und Praktiker bei der Gestaltung, Implementierung und Nutzung von data analytics-driven SCPMSs in verschiedenen Bereichen der Lieferketten zu unterstützen.

In an intensely competitive and dynamic business landscape, supply chains are required to be efficient and effective. Data analytics is seen as an enabler in this pursuit, offering data-driven insights that steer efficient decision-making. Simultaneously, Supply Chain Performance Measurement Systems (SCPMSs) play a vital role in measuring and achieving effectiveness. This thesis reports a comprehensive study on the synergistic interplay between data analytics and SCPMSs, focusing on gathering insights from both research and practice and developing supportive artifacts that disclose the full potential of a data analytics-driven SCPMS. This research resulted in a concise conceptual framework and a practical guideline to support scholars and practitioners in navigating the research, design, implementation, and utilization of data analytics-driven SCPMSs across diverse supply chain areas.