Decision support for the technology selection in big data projects : an end-to-end approach

Abstract

For more than a decade now, data has been considered as the new digital oil when it comes to IT projects. Be it as a basis for the development of new ideas and business processes or the optimization and improvement of existing processes, products, or other tangible and intangible assets, data is of incalculable value today, both in business and science. The successful collection, persistence, processing, and visualization of this data is essential for every IT project that deals with measured data. Despite or even because of this fact, implementing such data-intensive projects, usually referred to as Big Data, is not a trivial undertaking. Very extensive and specialized knowledge is often required, which goes far beyond the actual application fields, such as Industry 4.0, Data Science, Internet of Things, Machine Learning, or Artificial Intelligence. In addition to fundamental principles dealing with the successful implementation of such projects and thus with the project management, this also includes selecting and combining the appropriate technologies for the intended application. This issue is particularly intensified by the steadily increasing number of novel solutions that can be assigned to this area. Numerous scientific papers provide information on how potential new technologies can look and how they can be combined to form complex entities. It is therefore not surprising that today, more than ever, experts who are experienced in planning and implementing such data-intensive projects and creating corresponding system architectures are needed. However, a holistic understanding coupled with specialist expertise is rare, meaning that expert knowledge often has to be acquired independently in a cumbersome and time-consuming manner or procured externally at a high cost, either in the form of consultants or additional training courses, or teaching materials. In addition to the constant change and the emergence of new solutions, this further complicates the prevailing problem. In the present work, based on the application of the Design Science Research methodology, a holistic decision support approach is to be delivered, which aims to help potential users to plan their Big Data projects from end to end. Starting from initial ideation, requirements are to be developed, the meaningfulness of an application of Big Data technologies is to be determined, and their specific selection and combination are to be supported. The envisaged component-based structure makes it possible to use the obtained results for the further modeling of the corresponding architectures as well as their deployment, for which also approaches are examined in the present work. The created framework and the instantiation of this in the form of an extensive prototype are extensively evaluated at the end according to well-known methods . The goal of the work is not only to support such undertakings in their critical start-up phases but also to be able to uncover and convey targeted information in the area of Big Data.

Seit nunmehr einem Jahrzehnt gelten Daten als das neue digitale Öl, wenn es um die Durchführung von IT-Projekten geht. Ob als Basis für die Entwicklung neuer Ideen und Geschäftsprozesse oder zur Optimierung und Verbesserung von Prozessen, Produkten oder anderweitigen materiellen und immateriellen Gütern, Daten sind heute von unschätzbaren Wert, sowohl in Wirtschaft als auch Wissenschaft. Die erfolgreiche Sammlung, Speicherung, Verarbeitung und Visualisierung dieser ist dabei heute für jedes IT-Projekt, welches sich mit maßenhaften Daten beschäftigt, von es-senzieller Wichtigkeit. Trotz oder gerade wegen dieses Umstandes stellt die Durchführung solcher datenintensiven, meist als Big Data-bezeichnete, Projekte jedoch kein triviales Unterfangen dar. Oftmals wird ein sehr umfangreiches Spezialwissen benötigt, welches weit über die eigentlichen Anwendungsfelder, wie Industrie 4.0, Data Science, Internet der Dinge, Maschine Learning oder künstliche Intelligenz, hinausgeht. Neben allgemeinen Grundprinzipen, die sich mit der erfolgrei-chen Durchführung solcher Projekte und damit dem Projektmanagement beschäftigen, gehören dazu auch die Auswahl und Kombination der für den Anwendungszweck richtigen Technologien. Verstärkt wird diese Problematik insbesondere durch die stetig steigende Anzahl neuartiger Lösungen, die sich diesem Bereich zuordnen lassen. Zahlreiche wissenschaftliche Abhandlungen geben dabei Aufschluss darüber, wie potentielle neue Technologien aussehen und diese zu kom-plexen Gebilden zusammengesetzt werden können. Es erscheint deshalb nicht verwunderlich, dass heute mehr den je Experten benötigt werden, die sich mit der Planung und Durchführung sol-cher datenintensiven Projekte, sowie der Erstellung entsprechender Systemarchitekturen ausken-nen. Das ganzheitliche Verständnis gepaart mit fachspezifischem Wissen ist jedoch rar gestreut, wodurch oftmals mühevoll und aufwendig Expertenwissen eigenständig angeeignet oder kosten-intensiv fremdbeschafft werden muss, sei es in Form von Beratern, zusätzlichen Schulungen oder Lehrmaterialien. Zusätzlich zu dem stetig fortschreitenden Wandel und dem Aufkommen neuer Lösungen wird dadurch die herrschende Problematik weiter verkompliziert. In der vorliegenden Arbeit soll basierend darauf, durch Einsatz der Design Science Research Methodologie, ein ganzheitlicher Entscheidungsunterstützungsansatz geliefert werden, der potenti-ellen Anwender dabei helfen soll ihre Big Data Projekte von Ende-zu-Ende zu planen. Ausgehend von einer initialen Ideenfindung sollen so, gezielt Anforderungen ermittelt, die Sinnhaftigkeit eines Einsatzes von Big Data Technologien ermittelt, sowie deren spezifische Selektion und Kombination unterstützt werden. Die dabei anvisierte komponentenbasierte Struktur ermöglicht es die gewon-nen Resultate dann wiederum für die weitere Modellierung der entsprechenden Architekturen sowie deren Bereitstellung zu nutzen, zu denen auch Ansätze in der vorliegenden Arbeit untersucht wer-den. Das erschaffenen Framework, sowie die Instanziierung dieses, in der Form eines umfangreichen Prototypen werden zum Ende umfangreich nach anerkannten Methoden ganzheitlich evaluiert. Das Ziel der Arbeit ist es solche Unterfangen nicht nur in ihren kritischen Startphasen zu unterstützen, sondern gezielt Informationen im Bereich Big Data aufdecken und vermitteln zu können.