دانلود مقاله ISI انگلیسی شماره 5862 + ترجمه فارسی
عنوان فارسی مقاله

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

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
5862 2013 10 صفحه PDF 30 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Decision Support Systems, Volume 55, Issue 1, April 2013, Pages 412–421

فهرست مطالب ترجمه فارسی
چکیده
واژه های کلیدی
1. مقدمه
2. بنیان های خدمات گرایی و خصوصیات منحصر به فرد خدمات
2.1. نقطۀ تمرکز
2.2. حوزه
2.3. استانداردسازی
2.4. کیفیت و نوآوری
2.5. ایجاد رابطه
جدول 1: خلاصه ای از نیازمندی های SODSS
3. مفاهیم نوظهور برای سیستم پشتیبان تصمیم گیری خدمات گرا
شکل 1. نمونه ای از عناصر سازندۀ SODSS
4. DSS خدمات گرا
شکل 2. معماری مفهومی DSS خدمات گرا
4.1. داده به عنوان خدمات (DaaS)
جدول 2. مؤلفه های اصلی DSS خدمات گرا
4.2. اطلاعات به عنوان خدمات (اطلاعات مبتنی بر تقاضا) (IaaS)
شکل3. معماری ها و زیرساخت های اطلاعاتی و داده ای
4.3. تحلیل به عنوان خدمات (AaaS)
5. نتیجه گیری
5.1. دستاوردها
5.2. محدودیت ها و کارهای آتی
کلمات کلیدی
رایانش ابری - خدمت محوری - علم خدمت - داده بعنوان یک خدمت - اطلاعات بعنوان یک خدمت - تحلیل بعنوان یک خدمت
ترجمه چکیده
بسیاری از سازمان ها، در یکی از روندهای مهم خود، از سیستم های پشتیبان تصمیم گیری خدمات گرا (DSS در محیط ابری) استفاده می کنند، به این امید که چابک تر شوند. در این مقاله، بعد از ارائۀ فهرست نیازمندی های DSS خدمات 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 خدمات 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 مکانیسم-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.
ترجمه مقدمه
در دنیای تجاری بسیار پیچیدۀ امروزی، سازمان ها باید روش های مبتکرانه ای برای افزایش مشارکت، مجازی سازی، دقت، همگامی، تطبیق پذیری، و چابکی پیدا کنند تا خودشان را از سایر رقبا متمایز سازند. آنها نیازمند واکنش سریع به نیازها و تغییرات بازارند. بسیاری از سازمان ها متوجه شده اند که داده های شان و نحوۀ استفاده از آن می تواند نقطۀ تمایز آنها و دیگر رقبا شود. داده ها و اطلاعات در حال تبدیل شدن به دارایی اصلی بسیاری از سازمان ها هستند. به همین دلیل است که، امروزه اکثر سازمان ها تلاش می کنند بیشترین دادۀ ممکن را گردآوری و پردازش کنند. بر اساس تحقیقات گارتنر، پیش بینی می شود که در سال 2011، ارزش بازار جهانیِ راهکارهای اطلاعات تجاری و انبارسازی داده به 8/10 میلیارد دلار برسد [34]. و در سال 2011، این راهکارها پنجمین اولویت فناوری از میان 10 اولویت اصلی برای مدیران ارشد اطلاعاتی بوده است. به همین دلیل است که، شرکت ها برای ادارۀ هوشمندانه تر، چابک تر و کارآتر کسب وکارها در درجۀ نخست سعی می کنند که فرآیندهای تصمیم گیری کارآ و کارآمد همراه با داده های صحیحیِ در اختیار داشته باشند که تبدیل به اطلاعات معناداری با اکتشاف های داده محور (برای مثال، تحلیل ها) شوند [13]. همچنین، داده ها مسائلی برای سازمان ها به وجود آورده اند. برای نمونه، سازمان ها در مدیریت مقدار زیاد داده ها (داده-های عظیم) با مشکل مواجه اند. داده ها به علت ارزان تر شدن فضای ذخیره سازی و تکامل دستگاه های گردآوری داده و اطلاعات دیجیتال مانند گوشی های تلفن همراه، لب تاپ ها، و حسگرها به سرعت در حال بزرگ تر شدن هستند. برای مثال، فیسبوک (وب سایت شبکۀ اجتماعی) میزبان 40 میلیارد عکس است، و وال مارت بیش از 1 میلیون تراکنش در هر ساعت برای مشتریان انجام می دهد، و تخمین زده می شود که پایگاه داده ای بیش از 5/2 پتابایت داشته باشد. در سرتاسر جهان، 6/4 میلیارد مشترک تلفن همراه وجود دارد، و 1 تا 2 میلیارد نفر از اینترنت استفاده می کنند [46]. شکی نیست که در عصر انفجار داده و اطلاعات زندگی می کنیم. همچنین، افراد بیشتری با اطلاعات سر و کار دارند، و اطلاعات بیشتری به اشتراک گذاشته می شود. بر اساس گزارش مجلۀ اکونومیست [46]، بین سال های 1990 تا 2005، بیش از 1 میلیارد نفر در سرتاسر جهان به طبقۀ متوسط وارد شده اند، و در سال 2013، میزان انتقال سالیانه داده در اینترنت به بیش از 667 اگزابایت خواهد رسید، و به گفتۀ شرکت سیسکو، رشد میزان داده ها سریعتر از توانایی شبکۀ اینترنت برای انتقال آن خواهد بود. Web Services آمازون، Synaptic Hosting شرکت AT&T، AppNexus، GoGrid، Rackspace Cloud Hosting، HP/Yahoo/Intel Cloud Computing Testbed، IBM/Google and MicroStrategy BI انواع گوناگون خدمات ابری را برای حلِ مشکلات ذخیره سازی داده ارائه می کنند. علاوه بر مسائلی که به علت رشد سریع میزان داده به وجود می آید، فرصت های فراوانی نیز به وجود می آید، زیرا هرچقدر دنیا دیجیتال تر باشد بهتر می توان داده های مختص هر زمینه را گردآوری و تحلیل کرد. برای مثال، اطلاعات و/یا دانش برگرفته از اسناد دیجیتالی ممکن است کار پزشکان را در تشخیص و درمان دقیق بیماری ها راحت تر کند، و هزینه های بهداشت و درمان را برای ارائه دهندگان و مریضان پائین بیاورد، و از این رو کیفیت و بهره وری کلی بهداشت و درمان را بهبود دهد [15]. به همین ترتیب، می توان به داده های دیجیتالی (داده های نهادها و داده های عمومی که اغلب روی اینترنت قرار دارند) دسترسی پیدا کرد و آنها را برای کارآتر و کارآمدتر کردن مبارزه با جرائم به کار برد. تفکر خدمات محور یکی از پارادایم ها موجود در حوزۀ فناوری اطلاعات است که به سرعت در حال رشد است، و با حوزه های بسیار دیگری مانند حسابداری، امور مالی و عملیات ها ارتباط دارد [16]. به گفتۀ بابائی و همکارانش [4]، هزینۀ کاربران نهایی در سرتاسر جهان در بخش خدمات IT تا سال 2010 با نرخ ترکیبی سالیانۀ 4/6 درصد رشد می کند، و به 6/855 میلیارد دلار آمریکا می رسد، و تقریباً در تمام بخش های بازار رشد مثبتی دارد. گارتنر پیش بینی می کند که در سال 2012 حداقل یک سوم هزینه های نرم افزارهای اپلیکیشن تجاری به جای خرید لایسنس محصول صرفِ نرم افزار به عنوان خدمات شود. همچنین، در سال 2011، 40 درصد مخارج سرمایه ای صرفِ زیرساخت به عنوان خدمات می شود [38]. و به تازگی، پایک ریسرچ پیش بینی کرده است که درآمد محاسبات ابری از اکنون تا سال 2005 روندی رو به رشد خواهد داشت و نرخ رشد سالیانۀ ترکیبی آن 8/28 درصد خواهد بود، و ارزش بازار از 46 میلیارد دلار در سال 2009 به 3/210 میلیارد دلار در سال 2015 خواهد رسید [37]. محبوبیت مدل محاسبات خدمات گرای مبتنی بر مصرف (pay-as-you-go) (محاسبات ابری) که در آن دیگران مسئول نگهداری سخت افزار و نرم افزار هستند نزد بسیاری از شرکت ها (به ویژه شرکت های کوچک و متوسط) در حال افزایش است [31]. محاسبات ابری یادآور پارادایم های نرم افزار به عنوان خدمات، زیرساخت به عنوان خدمات، و پایگاه داده به عنوان خدمات است [6]. پلتفرم های محاسبات ابری، همانند پلتفرم هایی که Amazon Web Services، AT&T’s Synaptic Hosting، AppNexus، Gogrid، Rackspace Cloud Hosting، و تا حدی، HP/Yahoo/Intel Cloud Computing Testbed، و IBM/Google Cloud ارائه می کنند چیزی فراتر از ارائۀ سخت افزار است، و مجموعه ای از ماشین های مجازی را در اختیار مشتریان قرار می دهند که می-توانند در آنجا نرم افزارهای خود را نصب کنند. در این سیستم ها، دسترسی به منابع معمولاً انعطاف پذیر است، و انگار که توان محاسباتی و فضای ذخیره سازی نامحدودی به محض تقاضا در اختیار مشتری قرار داده می شود، و قیمت خدمات بر اساس میزان استفاده تعیین می شود [1]. در این مقاله، از تعریفِ مؤسسۀ ملی استانداردها و فناوری (NIST) برای «ابر» استفاده می کنیم. این مؤسسه محاسبات ابری را اینگونه تعریف می کند: «[محاسبات ابری] مدلی برای دسترسی شبکه ای راحت و مبتنی بر تقاضا به مخزن مشترکی از منابع محاسباتی پیکربندی پذیر (مانند شبکه ها، سرورها، فضای ذخیره سازی، اپلیکیشن ها، و خدمات) است که به سرعت می توان آنها را تهیه کرد و با حداقل تلاش مدیریتی یا تعامل ارائه دهندۀ خدمات منتشر کرد» [33]. با توجه به پارادایم نوظهور خدمات، زمان است که از دیدگاه های جدید فنی و سازمانی دربارۀ فناوری اطلاعات و سیستم های اطلاعاتی دوباره بیاندیشیم. در بخش بعدی، ابتدا به مرور اجمالی بنیان های «پارادایم خدمات» می پردازیم و نیازمندی های کلیدی SODSS را ذکر می کنیم. در بخش های 3 و 4، مفهوم SODSS را روشن می کنیم، و روش ها، مدل ها، و نظریه های مهم و پیشرو را مرور می کنیم، و سپس بررسی می کنیم که بنیان های دانش خدمات گرایی در حال ظهور (در محیط ابری) را می توان کجا بنا نهاد. در بخش آخر، به صورت مختصر دستاوردها و محدودیت های این تحقیق را به شکل خلاصه ذکر می کنیم.
پیش نمایش مقاله
پیش نمایش مقاله تقویت قابلیت های سیستم های پشتیبان تصمیم گیری خدمات گرا: انتقال تحلیل ها و داده های بزرگ به محیط ابری

چکیده انگلیسی

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 database and design science perspectives for a broader audience.

مقدمه انگلیسی

In today's very complex business world, organizations must find innovative ways to differentiate themselves from competitors by becoming more collaborative, virtual, accurate, synchronous, adaptive and agile. They need to be able to rapidly respond to market needs and changes. Many organizations noticed that the data they own and how they use it can make them different than others. Data and information are becoming primary assets for many organizations. That's why, today, most organizations try to collect and process as much data as possible. According to the Gartner Research, the worldwide market for data warehousing and business intelligence solutions is forecasted to reach US$10.8 billion in 2011 [34]. And it is ranked number five on the list of the top ten technology priorities for chief information officers in 2011. That's why having efficient and effective decision making processes with right data that is transformed to be meaningful information with data-driven discoveries (e.g. analytics) are becoming mainstream processes for companies to run smarter, more agile and efficient businesses [13]. There also are data related challenges for organizations. For instance, there is the challenge of managing large amounts of data (big data), which is getting increasingly larger because of cheaper storage and evolution of digital data and information collection devices, such as cell phones, laptops, and sensors. For example, Facebook, a social-networking website, is a home to 40 billion photos, and Wal-Mart handles more than 1 million customer transactions every hour, feeding databases estimated at more than 2.5 petabytes. There are 4.6 billion mobile-phone subscriptions worldwide and 1–2 billion people use the internet [46]. There is no question that we are living in an era of data and information explosion. Also, there are more people who interact with information, and more information is shared. According to the Economist Report [46] between 1990 and 2005 more than 1 billion people worldwide entered the middle class, and by 2013 the amount of data transferred over the internet will reach 667 exabytes annually, and according to Cisco the quantity of data continues to grow faster than the ability of the network to carry it. Companies like Amazon's Web Services, AT&T's Synaptic Hosting, AppNexus, GoGrid, Rackspace Cloud Hosting, the HP/Yahoo/Intel Cloud Computing Testbed, the IBM/Google and MicroStrategy BI Cloud are providing various types of clouds services to ease the data storage problems. Besides the challenges posed by fast growing amount of data, there are also ample opportunities for the world as it becomes more and more digital allowing context-specific aggregation and analysis of data. For example, information and/or knowledge extracted from digital records can make doctors' job easier in accurately diagnosing and treating illnesses, and bring down healthcare costs for providers and patients, and hence improve the overall quality and efficiency of healthcare [15]. Similarly, digitized data (institutional and public—mostly internet-based) can be accessed and analyzed to bolster success on fighting crime more effectively and efficiently. Service-oriented thinking is one of the fastest growing paradigms in information technology, with relevance to many other disciplines such as accounting, finance and operations [16]. According to Babaie et al. [4], worldwide end-user spending on IT services will grow at a 6.4% compound annual growth rate through 2010 to reach US$855.6 billion, with positive growth in nearly all market segments. As a future trend, Gartner predicts that at least one-third of business application software spending will be on software-as-a-service, instead of as product licenses, by 2012. Also, 40% of capital expenditures will be made for infrastructure as a service by 2011 [38]. And more recently, Pike Research expects the growth in cloud computing revenue to continue worldwide between now and 2015 at a compound annual growth rate of 28.8%, with the market increasing from $46.0 billion in 2009 to $210.3 billion by 2015 [37]. For many companies (especially small and medium size), the pay-as-you-go service-oriented computing model (cloud computing), with having someone else worrying about maintaining the hardware and software are becoming very attractive [31]. Cloud computing is reminiscent of the software-as-a-service, infrastructure-as-a-service, database-as-a-service paradigms [6]. Cloud computing platforms, like those offered by Amazon Web Services, AT&T's Synaptic Hosting, AppNexus, GoGrid, Rackspace Cloud Hosting, and to an extent, the HP/Yahoo/Intel Cloud Computing Testbed, and the IBM/Google cloud maintain more than the hardware, and give customers a set of virtual machines in which to install their own software. Resource availability is typically elastic, with a seemingly infinite amount of computing power and storage space available on demand, in a pay-only-for-what-you-use pricing model [1]. In this paper, we adopt and use the National Institute of Standards and Technology's (NIST) definition for “cloud.” NIST defines cloud computing as “… a model for enabling convenient, on-demand network access to a shared pool of configurable computing resources (for example, networks, servers, storage, applications, and services) that can be rapidly provisioned and released with minimal management effort or service provider interaction” [33]. Given the emerging services paradigm, it is time to rethink IT and IS from new organizational and technical vantage points [39]. After briefly reviewing the impact of service-orientation on information systems, herein we present a conceptual model that supports evaluation of theory and methods for the management of service-oriented decision support systems (SODSS). Then, based on the proposed conceptual model, we explore some of the pressing issues and promising opportunities and their potential contributions to the new managerial knowledge of SODSS. In the next section, we begin with a brief overview of the foundation for “services paradigm” and identify the key requirements for SODSS. In 3 and 4, we conceptualize the SODSS, and review the relevant and leading methods, models and theories, and then discuss about where foundational knowledge of the emerging service-orientation (in cloud type environment) can be developed. The last section summarizes our contributions and lists the limitations of this research.

نتیجه گیری انگلیسی

In this section, we first summarize the main contributions of our work and then discuss the limitation and future research directions. 5.1. Contributions Most organizations today are fundamentally dependent on their data and information handling services facilitated by their information technology [36] to collect, store, flow, manage and analyze data better. This paper provided a list of requirements for DSS in order to address today and tomorrow's needs. And then it proposed a conceptual framework for service-oriented DSS, evaluated the existing literature, the current applications and solutions, and proposed 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 DSS in cloud environment. When we define data, information and analytics we see that the traditional measurement mechanisms do not work efficiently. Organizations may care about service accuracy and quality in addition to the cost and delivery time. Service-oriented DSS (DSS in cloud) proposes scale, scope and speed economies. Basically, reduction in unit service costs due to increase in operational size (scale), reduction in unit service costs due to increase in number of services being developed and provided (scope) and reduction in unit costs due to increase in number of services put through supply/demand chain (speed). 5.2. Limitations and future work There are additional and important theories and models that we have not fully addressed. For example, we did not discuss in detail how service orientation will impact the operations of DSS environment. How should we educate new DBAs, data engineers, data analysts and users for DSS in cloud? Second, we have not analyzed the service provider's site of the research issues. Service providers need new approaches to be able to manage their capacity and pricing decisions efficiently. What will be the dynamics in service and price competition? Third, it also will be beneficial if future research examines the challenges and opportunities for governments and international organizations. What will be the tax policies and procedures, when service providers are hosting their virtual data bases in different countries and providing services to different countries? In this article, we had no intention to present an exhaustive survey of research articles, nor did we intend to offer a comprehensive reading on the research agenda for service-oriented DSS. We simply wanted to propose a new conceptual architecture for DSS in cloud, and identify research questions to fully realize this promising endeavor.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.