دانلود ترجمه مقاله اعمال قابلیت های سیستم های پشتیبانی تصمیم گیری سرویس گرا (ساینس دایرکت – الزویر 2013) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

اعمال قابلیت های سیستم های پشتیبانی تصمیم گیری سرویس گرا: انتقال تحلیل ها و داده های بزرگ در محیط ابری

Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud

چکیده
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
3- مفاهیم نوظهور برای سیستم پشتیبان تصمیم گیری خدمات گرا
4- DSS خدمات گرا
4-1- داده به عنوان خدمات (DaaS)
4-2- اطلاعات به عنوان خدمات (اطلاعات مبتنی بر تقاضا) (IaaS)
4-3- تحلیل به عنوان خدمات (AaaS)
5- نتیجه گیری
5-1- دستاوردها
5-2- محدودیت ها و کارهای آتی

چکیده

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.
واژه های کلیدی: محاسبات ابری ، خدمت (سرویس) گرایی، علم خدمات، داده به عنوان خدمات، اطلاعات به عنوان خدمات، تحلیل به عنوان خدمات، داده های بزرگ

1- 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].

5-2- محدودیت ها و کارهای آتی

نظریه ها و مدل های مهم دیگری وجود دارد که به صورت کامل به آنها نپرداخته ایم. برای مثال، به تفصیل به نحوۀ تأثیر خدمات گرایی بر عملیات های انجام شده در محیط DSS نپرداخته ایم. چگونه باید مدیران پایگاه داده ها، مهندسین داده، تحلیلگران داده و کاربران را برای DSS در محیط ابری آموزش دهیم؟
دوم اینکه، مسائل تحقیقاتی سایت ارائه دهندۀ خدمات را تحلیل نکرده ایم. ارائه دهندگان خدمات برای اینکه بتوانند ظرفیت خود را مدیریت کنند و قیمت گذاری را به شکل کارآ انجام دهند نیازمند رویکردهای جدیدی هستند. پویایی های خدمات و رقابت بر سر قیمت خدمات چگونه خواهد بود؟
سوم اینکه، در صورتی که تحقیقات آتی مشکلات و فرصت های پیش روی دولت ها و سازمان های بین المللی را بررسی کنند سودمند خواهد بود. وقتی ارائه دهندگان خدمات پایگاه داده های مجازی خود را در کشورهای مختلف میزبانی می کنند و به کشورهای مختلف خدمات ارائه می دهند، سیاست ها و روش های کار مالیاتی چگونه خواهد بود؟
در این مقاله، قصد نداشتیم که مرور جامعی بر مقالات تحقیقاتی داشته باشیم، و نمی خواستیم خوانشی جامع دربارۀ دستور کار تحقیقاتی در زمینۀ DSS خدمات گرا داشته باشیم. ما صرفاً خواستیم معماری مفهومی جدیدی را برای DSS در محیط ابری ارائه کنیم، و پرسش های تحقیقاتی مطرح کنیم که به این کوشش نویدبخش کاملاً جامۀ عمل می پوشاند.

Abstract

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.

1- Introduction

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].

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.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

اعمال قابلیت های سیستم های پشتیبانی تصمیم گیری سرویس گرا: انتقال تحلیل ها و داده های بزرگ در محیط ابری

Leveraging the capabilities of service-oriented decision support systems: Putting analytics and big data in cloud