Decision Support in Social Media and Cloud Computing

This cumulative dissertation examines applications of decision support in the field of social media and cloud computing. By the advent of Social Media, Big Data Analytics and Cloud Computing, new opportunities opening up in the field of decision support due to availability and ability to process new types of data sets. In this context, this dissertation introduces systems for the use of social media data for decisions and an approach for decision support in choosing a cloud computing provider. In this dissertation, the benefits of different Facebook profile data for use in product recommender systems will be analyzed. Two experiments are carried out, in which the recommendation quality is determined by user survey. In another part of this dissertation, structured stock recommendations of an online community are used to automatically derive and update a stock portfolio. So investment decisions in the stock market are supported by a regular recalculation of the community rating for individual stocks. An succeeding article on this topic develops a formalized model for the description of investment strategies to enable a portfolio management system that automatically follows a strategy parameterized by an investor. Finally, a cloud broker model is presented which offers price / performance-based decision support in identifying an appropriate IaaS provider on the market for public cloud services. In a fundamental part of the thesis an IT architecture design is proposed which allows the parallel use and evaluation of different solution approaches in an operative IT system. Statistical tests are used to identify the best performing approach(es) and prefer them quickly while in operation. Overall, this cumulative dissertation consists of an introduction and five published articles.

Diese kumulative Dissertation untersucht Anwendungsfälle von Entscheidungsunterstützung im Umfeld von Social Media und Cloud Computing. Durch das Aufkommen von Social Media, Big Data Analytics und Cloud Computing erschließen sich im Bereich der Entscheidungsunterstützung neue Möglichkeiten aufgrund Verfügbarkeit und Auswertbarkeit neuartiger Datenbestände. In diesem Rahmen stellt diese Dissertation neben Systemen zur Nutzung von Social-Media-Daten für Entscheidungen, auch Ansätze zur Entscheidungsunterstützung bei der Auswahl eines Cloud-Computing-Providers vor. Zusammengefasst werden in dieser Arbeit anhand von Produktempfehlungen auf Basis von Facebookprofildaten der Nutzen der verschiedenen Profildaten für den Einsatz in Empfehlungssystemen analysiert. Dazu werden zwei Experimente durchgeführt, in denen die Empfehlungsqualität durch Nutzerbefragung ermittelt wird. In einem weiteren Teil der Arbeit werden strukturierte Aktienempfehlungen einer Online-Community zur automatisierten Gestaltung und Aktualisierung eines Aktienportfolios genutzt. So werden Investmententscheidungen am Aktienmarkt durch regelmäßige Neuberechnung der Community-Bewertung einzelner Aktien unterstützt. Ein weiterer Artikel entwickelt hierzu ein formalisiertes Modell zur Beschreibung von Anlagestrategien, so dass eine automatisierte Portfolioverwaltung durch ein System ermöglicht wird, die einer vom Investor parametrisierten Strategie folgt. Schließlich wird ein Cloud-Broker-Modell vorgestellt, das zu einem gegebenen Anwendungsfall eine preis-/leistungsbasierte Unterstützung bei der Identifizierung eines passenden IaaS-Providers am Markt für Public Cloud Services bietet. In einem grundlegenden Teil der Dissertation wird ein IT-Architekturdesign vorgeschlagen, das den parallelen Einsatz unterschiedlicher Lösungsansätze zur Evaluation in einem operativen IT-System ermöglicht und diese gegeneinander testet, um den besten Ansatz zu identifizieren und zu bevorzugen. Insgesamt besteht die kumulative Dissertation aus einer Einleitung und fünf bereits veröffentlichten Artikeln.