De opkomst van data science heeft belangrijke implicaties voor individuele keuzemogelijkheden in pensioen. In dit paper reflecteren we op de mogelijke voordelen en valkuilen van het gebruik van data science in de context van pensioenadvisering. Hierbij richten we ons veelal op het onderscheid tussen twee soorten data, namelijk administratieve indicatoren (gegevens die in beginsel objectief waarneembaar zijn) en subjectieve indicatoren (gegevens die verwijzen naar meer abstracte persoonskernmerken). Ook bespreken we de privacy en data protection-kant van data science, plus de belangenafwegingen die in het bijzonder relevant lijken bij de toepassing van data science. Het onderzoek leidt tot vier conclusies. Ten eerste kan al veel winst behaald worden bij de pensioenadvisering dan wel begeleiding van individuele pensioenkeuzes als bestaande datasets gekoppeld worden – ongeacht of een dergelijke aanpak onder het kopje data science valt. Ten tweede is terughoudendheid nodig bij het gebruik van correlaties om tot een pensioenadvies te komen; de bevinding dat twee of meerdere variabelen met elkaar gecorreleerd zijn, betekent niet dat er ook een oorzakelijk verband aan ten grondslag ligt. Ten derde moet een goede governance ingericht worden voor het besluitvormingsproces tot invoering dan wel gebruik van data science- ogelijkheden. Het vooraf opstellen van heldere criteria voor toepassing van data science is van groot belang, omdat het vaak niet mogelijk zal zijn om op voorhand een ‘goed of fout’-beoordeling van een toepassing te geven. Tot slot is het van belang dat data science-technieken niet als black box toegepast worden, omdat dan mogelijk correlaties in analyses worden ontdekt met betrekking  tot variabelen die feitelijk een proxy zijn voor variabelen die ethisch of juridisch niet acceptabel geacht worden.