Trade-off-based Decision Methodology for Adopting Cloud-based Services in an Organization

Players such as Google, Amazon, or Microsoft offer a plethora of alternative cloud-based services. The decision to move from legacy IT infrastructure or existing cloud-based services to another cloud-based solution for fulfilling new or existing IT requirements in an optimized manner for any organization is not a trivial process. Such a decision is affected not only by different alternative solutions, but also by contradictory or mutually dependent influencing criteria or factors. Therefore, decisions to adopt cloud-based services or any new technology better follow a quantified trade-offs based methodology.

Today, the decision-making method in organizations for the selection of cloud-based solutions is an ad-hoc process that is solely based on the market reputation of the Cloud Service Provider and past experiences of IT (Information Technology) decision makers within an organization. Even though, these are important factors in such a process, they are by far not sufficient as such decisions do not have an objective and quantitative basis. Such a decision-making process of selecting the best alternative falls within the category of Multiple Criteria Decision Analysis (MCDA). One of the MCDA algorithm namely Analytical Hierarchy Process (AHP) has been used to rank cloud-based services by structuring relevant factors in a hierarchy. However, the problem is that this approach still lacks a holistic view of integrated relevant factors from technical, economical, and organizational domains and their interrelations forming a complex network of many inter-dependent or even conflicting factors.

TrAdeCIS is evaluated with respect to four use cases that involved decisions of adopting cloud-based services of organizations who participated in exploratory research. These evaluations varied in complexity of the decision models due to the inclusion of different relevant factors, their interrelations, and alternatives. It concluded that TrAdeCIS can be applied to model and make such quantitative decisions. Performance evaluation of TrAdeCIS calculated the execution time of ranking 100 alternatives using 100 technical criteria, and 100 economical and organization criteria (which is the upper limit of factors based on the exploratory research) as fast as below 20 ms. This is achieved an optimized implementation of TrAdeCIS to ensure that results obtained are not outdated due to dynamically changing input in performance values of an alternative. An application of TrAdeCIS, for extensibility and generalization evaluations, to the decision of choosing the best technology by train operating companies to improve both voice and data coverage on-board of trains proves that TrAdeCIS is even valid for a decision of adopting any new technology in an organization. Hence this thesis concludes that the only requirement for a general applicability of TrAdeCIS is that the decision must involve multiple alternative solutions, which have to be evaluated for multiple criteria.

Hence, this thesis investigates the following three aspects that provide for seamless unification of multiple alternatives, relevant factors, and their interrelations under a single developed system for decision making of adopting a new technology, specifically Cloud Computing. Firstly, exploratory research led to the development of a new structured taxonomy consisting of 102 factors and their interrelations. This coherent taxonomy forms the basis for evaluating the performance of alternative cloud-based services from all relevant perspectives. Secondly, a Trade-offs Based Methodology of Adopting Cloud-based Services (TrAdeCIS) is designed and implemented prototypically as a Web-based platform for ranking alternatives. This performs and supports quantified trade-offs-based decisions for selecting the best technical and at a trade-off of business value, if the ranking of alternatives from technical and business perspective is not the same. This platform also facilitates demonstrations and use-case based evaluations of TrAdeCIS. Thirdly, a predictive Impact Analysis Methodology for Cloud-based Services (IAMCIS) is developed to measure the impact of adopting the top ranked alternative as per TrAdeCIS. This leads to the identification of potential risks associated to any failure of services.
 
Google, Amazon oder Microsoft bieten eine Vielzahl von Cloud-based Services an. Die Entscheidung einer Organization mit einer althergebrachten IT-Infrastruktur oder einem bestehenden Cloud-basierten Dienst zu einer anderen Cloud-basierten Lösung zu wechseln, um neue oder existierende IT- Anforderungen optimal zu erfüllen, ist kein trivialer Prozess. Nicht nur verschiedene Lösungen beeinflussen eine objektive Entscheidungsfindung, sondern auch widersprüchliche oder gemeinsame Beeinflussungskriterien oder Faktoren spielen eine wichtige Rolle. Daher ist es erstrebenswert, einer quantifizierten Method zu folgen, die einer Lösung der Zielkonflikte Rechnung trägt.

Heutzutage basieren derartige Entscheidungsfindungsmethoden in Organisationen typischerweise auf einem ad-hoc Prozess. Dieser Prozess involviert Marktreputation der einzelnen Cloud-Diensteerbringer und vorangegangene Erfahrungen der Entscheidungsträger innerhalb der Organisation. Obwohl dieses wichtige Faktoren darstellen, sind sie nicht ausreichend, da sie keine objektive und quantitative Basis aufweisen. Ein Entscheidungsprozess zur Auswahl einer besten Alternative fällt in die Kategorie der Entscheidungsanalyse mittels mehrfacher Kriterien, Multiple Criteria Decision Analysis (MCDA), welche durch verschiedene Algorithmen realisierbar ist. Der sogenannte Analytische Hierarchieprozess (Analytical Hierarchy Process, AHP) definiert einen solchen Ansatz, um Cloud-basierte Dienste hinsichtlich relevanter Faktoren strukturiert zu bewerten. Dieses Ansatz vernachlässigt allerdings ein ganzheitliches Konzept und somit die Integration relevanter Faktoren aus technischen, ökonomischen und organisatorischen Bereichen, sowie die daraus resultierenden Wechselbeziehungen in einem komplexen Netzwerk.

Daher untersucht die vorliegende Dissertation die folgenden drei Aspekte, um eine nahtlose Vereinigung verschiedener Alternativen, relevanter Faktoren und ihrer Wechselbeziehungen in einem einzigen System zur Entscheidungsfindung für die Einführung einer neuen Technologie, speziell des Cloud Computing, zu finden. Zuerst führte eine explorative Studie zur neuen Entwicklung einer strukturellen Taxonomie, welche aus 102 Faktoren und ihren Wechselbeziehungen besteht. Diese Taxonomie bildet die Basis für die Bewertung der Leistung alternativer Cloud-basierter Dienste hinsichtlich aller relevanten Perspektiven. Zweitens wurde Trade-offs Based Methodology of Adopting Cloud-based Service (TrAdeCIS) entwickelt und in einem Prototyp implementiert. Der resultierende Prototyp stellt eine Web-basierte Plattform zum Bewerten der Alternativen dar. Diese ermöglicht auch Evaluationen basierend auf Demonstrationen und Anwendungsf llen. Drittens wurde eine vorausschauende Impact Anaylsis Methodology for Cloud-based Services (IAMCIS) entwickelt, um den Einfluß der Anwendung zu messen, die von TrAdeCIS am höchsten bewertet wurde. Dies ermöglicht die Identifikation von potentiellen Risiken eines Fehlers von Dienstes.

TrAdeCIS wird mittels vier Anwendungsf lle evaluiert, die in die Entscheidungsfindung zur bernahme eines Cloud-basierten Dienstes innerhalb einer Organizationen mit einbezogen wurden. Die Evaluationen variieren in der Komplexität der Entscheidungsmodule, indem verschiedene relevante Faktoren, ihren Beziehungen zueinander und der Alternativen mit einbezogen wurden. Es stellte sich wie gew nscht heraus, daß TrAdeCIS angewendet werden kann, um quantitative Entscheidungen zu modellieren und zu berechnen. Eine Leistungsevaluation für TrAdeCIS hat gezeigt, daß unter 20 ms Zeit Sekunden benötigt werden, um 100 Alternativen unter der Verwendung von 100 technischen, 100 ökonomischen und organisatorischen Kriterien einzustufen. Diese Anzahl von Kriterien zeichnete sich als praktisch oberstes Limit für die Faktorenanzahl aus der durchgeführten Studie ab. Diese Ausführungszeit wird durch eine optimierte Implementierung von TrAdeCIS erreicht, weil erzielte Resultate nicht durch dynamische Eingabeänderungen der Leistungskennzahlen der Alternativen veralten. TrAdeCIS wurde zudem erfolgreich zur Entscheidungsfindung für eine Kommunikationst Technologie alternative angewendet, um durch diese an Bord von Zügen die Datenübermittlung (Sprache und Daten) zu optimieren. Daher kommt die vorliegende Dissertation zum Schluß, daß die einzig relevante Anforderung für die allgemeine Anwendbarkeit von TrAdeCIS die Einbeziehung verschiedener, vorab bestimmter alternativer Lösungen ist, welche bezüglich verschiedener Kriterien bewertet werden müssen.