[en] MULTI-CRITERIA SELECTION OF BIG DATA SERVICE PROVIDERS UNDER DIFFERENT DECISION SCENARIOS: APPLICATION IN SCIENTIFIC, TECHNOLOGICAL, AND INNOVATION INSTITUTIONS

[pt] SELEÇÃO MULTICRITÉRIO DE PROVEDORES DE SERVIÇOS PARA BIG DATA SOB DIFERENTES CENÁRIOS DE DECISÃO: APLICAÇÃO EM INSTITUIÇÕES CIENTÍFICAS, TECNOLÓGICAS E DE INOVAÇÃO

[pt] ELIAS DE MORAIS PAES

[pt] METROLOGIA

[pt] INSTITUICAO DE CIENCIA E TECNOLOGIA

[pt] SELECAO DE PROVEDORES

[pt] METODO MULTICRITERIO DE APOIO A DECISAO

[pt] BIG DATA

[en] METROLOGY

[en] INSTITUTION OF SCIENCE AND TECHNOLOGY

[en] PROVIDER SELECTION

[en] MULTI-CRITERIA DECISION MAKING

[en] BIG DATA

[pt] A emergência do uso de serviços para Big Data como elemento central na transformação digital das organizações tem desencadeado mudanças estruturais nos modelos de inovação, gestão e tomada de decisão em diversos setores. No contexto das Instituições Científicas, Tecnológicas e de Inovação (ICTs), o uso intensivo de dados tem se mostrado essencial para impulsionar capacidades analíticas, acelerar processos de descoberta e fomentar a inovação aberta. No entanto, a seleção de provedores de serviços para Big Data, seja na modalidade Cloud ou On-Premises, representa um desafio complexo devido à necessidade de equilibrar requisitos funcionais e não funcionais, como capacidade de processamento, escalabilidade, segurança e conformidade regulatória nesse contexto. Essa dissertação propõe um modelo multicritério de apoio à decisão baseado no método Analytic Network Process (ANP) para auxiliar ICTs na escolha do provedor de serviços para Big Data mais adequado às suas necessidades em diferentes cenários de decisão. O modelo proposto é aplicado em uma ICT, com sede no município do Rio de Janeiro, demonstrando sua aplicabilidade. Além disso, esta dissertação examina os desafios e trade-offs envolvidos na escolha entre provedores de serviços para Big Data, nas modalidades Cloud e On-Premises em cenários de decisão alternativos. Os resultados desta pesquisa fornecem subsídios para ICTs tomarem decisões mais assertivas na seleção de provedores de serviços para Big Data, otimizando o desempenho de seus processos de pesquisa, desenvolvimento e inovação (PDeI).

[en] The emergence of Big Data services as a central component in the digital transformation of organizations has triggered structural changes in innovation models, management practices, and decision-making processes across multiple sectors. In the context of Scientific, Technological and Innovation Institutions (STIs), intensive data use has proven essential for enhancing analytical capabilities, accelerating discovery processes, and fostering open innovation. However, selecting Big Data service providerswhether through Cloud or On-Premises solutions constitutes a complex challenge due to the need to balance functional and non-functional requirements, including processing capacity, scalability, security, and regulatory compliance. This dissertation proposes a multicriteria decision support model based on the Analytic Network Process (ANP) to assist STIs in selecting the most suitable Big Data service provider for their specific needsin different decision scenarios. The model is applied to a Brazilian STI headquartered in the city of Rio de Janeiro, demonstrating its practical applicability. Furthermore, thisdissertation examines the challenges and trade-offs involved in choosing between service providers for Big Data, in both Cloud and On-Premises modalities in alternative decision scenarios. The results provide strategic guidance to support more informed and effective decision-making by STIs, ultimately optimizing the performance of their research, development, and innovation (RDI) processes.

MARIA FATIMA LUDOVICO DE ALMEIDA

MARIA FATIMA LUDOVICO DE ALMEIDA

RODRIGO FLORA CALILI

JULIO CESAR CHAVES

2025-11-11

2025-05-09

[pt] TEXTO

application/pdf

PORTUGUÊS

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73969@1

https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=73969@2

https://doi.org/10.17771/PUCRio.acad.73969