تقویت قابلیت¬های سیستم¬های پشتیبان تصمیم¬گیری سرویس گرا: انتقال تحلیل¬ها و داده های بزرگ به محیط ابری

بسیاری از سازمان¬ها، در یکی از روندهای مهم خود، از سیستم¬های پشتیبان تصمیم¬گیری سرویس گرا به منظور چابکی و فعالیت هر چه بیشتر (DSS در محیط ابری) استفاده می¬کنند. در این مقاله، بعد از ارائۀ فهرست نیازمندی¬های DSS سرویس¬گرا، چارچوب مفهومی را برای DSS در محیط ابری تعریف، و مسیرهای تحقیقاتی را بررسی می¬کنیم. دستاورد منحصر به فرد این مقاله طرح دیدگاهی دربارۀ نحوۀ ارائۀ خدمات در محیط DSS محصول¬گرا است، همچنین این مقاله فرصت¬ها و مشکلات پیش روی مهندسی DSS سرویس¬گرا را در محیط ابری شرح می¬دهد. در هنگام تعریف داده به عنوان خدمات، اطلاعات به عنوان خدمات، و تحلیل به عنوان خدمات می¬بینیم که مکانیزم¬های اندازه¬گیری متداول، که عمدتاً زمان¬¬گیر و هزینه¬بر هستند خوب کار نمی¬کنند. سازمان¬ها علاوه بر هزینه و مدت زمان ارائۀ خدمات نیازمند بررسی سطح و کیفیت خدمات هستند. DSS در محیط ابری در مقیاس، تنوع و سرعت صرفه¬جویی می¬کند. این مقاله، با ایجاد ارتباط بین دیدگاه¬های راهبرد فناوری اطلاعات با پایگاه¬داده¬ها و طرح دیدگاه¬های علمی برای مخاطبینی گسترده¬تر، دستاوردهایی برای علم خدمات به همراه دارد.

Using service-oriented decision support systems (DSS in cloud) is one of the major trends for many organizations in hopes of becoming more agile. In this paper, after defining a list of requirements for service-oriented DSS, we propose a conceptual framework for DSS in cloud, and discus about research directions. A unique contribution of this paper is its perspective on how to servitize the product oriented DSS environment, and demonstrate the opportunities and challenges of engineering service oriented DSS in cloud. When we define data, information and analytics as services, we see that traditional measurement mechanisms, which are mainly time and cost driven, do not work well. Organizations need to consider value of service level and quality in addition to the cost and duration of delivered services. DSS in CLOUD enables scale, scope and speed economies. This article contributes new knowledge in service science by tying the information technology strategy perspectives to the databas