စောင့်ကြည့်ခြင်း + ဝန်စမ်းသပ်ခြင်း = ခန့်မှန်းချက်နှင့် မအောင်မြင်ခြင်း။

VTB အိုင်တီဌာနသည် စနစ်များလည်ပတ်မှုတွင် အရေးပေါ်အခြေအနေများကို အကြိမ်များစွာ ကိုင်တွယ်ဖြေရှင်းခဲ့ရပြီး ၎င်းတို့အပေါ် ဝန်ထုပ်ဝန်ပိုးသည် အဆများစွာ တိုးလာခဲ့သည်။ ထို့ကြောင့်၊ အရေးကြီးသောစနစ်များတွင် အမြင့်ဆုံးဝန်ကို ခန့်မှန်းနိုင်မည့် မော်ဒယ်ကို တီထွင်စမ်းသပ်ရန် လိုအပ်ပါသည်။ ထိုသို့လုပ်ဆောင်ရန်၊ ဘဏ်၏ အိုင်တီကျွမ်းကျင်သူများသည် စောင့်ကြည့်ခြင်း၊ ဒေတာခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် ကြိုတင်ခန့်မှန်းချက်များကို အလိုအလျောက်လုပ်ဆောင်ရန် သင်ယူခြင်းတို့ကို ထူထောင်ကြသည်။ ဝန်အားခန့်မှန်းရာတွင် အထောက်အကူဖြစ်စေသည့် ကိရိယာများနှင့် အလုပ်ကို အကောင်းဆုံးဖြစ်အောင် ကူညီပေးသည်ဖြစ်စေ ဆောင်းပါးတိုလေးတွင် သင့်အား ပြောပြပါမည်။

လုပ်ငန်းအားလုံးနီးပါးတွင် ဝန်တင်ဝန်ပိုမြင့်သည့် ဝန်ဆောင်မှုပြဿနာများ ပေါ်ပေါက်သော်လည်း ဘဏ္ဍာရေးကဏ္ဍအတွက် ၎င်းတို့သည် အရေးကြီးပါသည်။ နာရီ X တွင်၊ တိုက်ခိုက်ရေးယူနစ်အားလုံး အဆင်သင့်ဖြစ်ရမည်၊ ထို့ကြောင့် ဘာဖြစ်နိုင်သည်ကို ကြိုတင်သိထားရန်နှင့် ဝန်ခုန်မည့်နေ့နှင့် မည်သည့်စနစ်များနှင့် ရင်ဆိုင်ရမည်ကိုပင် ဆုံးဖြတ်ရန် လိုအပ်ပါသည်။ ပျက်ကွက်မှုများကို ကိုင်တွယ်ဖြေရှင်းရန်နှင့် တားဆီးရန် လိုအပ်သောကြောင့် ကြိုတင်ခန့်မှန်းမှုဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုစနစ်ကို အကောင်အထည်ဖော်ရန် လိုအပ်ကြောင်းကိုပင် မဆွေးနွေးခဲ့ပေ။ စောင့်ကြည့်ရေးအချက်အလက်ပေါ်အခြေခံ၍ စနစ်များကို ခေတ်မီအောင်ပြုလုပ်ရန် လိုအပ်ပါသည်။

သင့်ဒူးပေါ်တွင် ပိုင်းခြားစိတ်ဖြာပါ။

လစာပေးချေမှု ပရောဂျက်သည် ရှုံးနိမ့်မှုတွင် အထိခိုက်မခံဆုံးသော တစ်ခုဖြစ်သည်။ ၎င်းသည် ကြိုတင်ခန့်မှန်းခြင်းအတွက် နားလည်နိုင်ဆုံးဖြစ်သောကြောင့် ၎င်းကို စတင်ရန် ဆုံးဖြတ်ခဲ့သည်။ မြင့်မားသောချိတ်ဆက်မှုကြောင့်၊ အဝေးထိန်းဘဏ်လုပ်ငန်းဝန်ဆောင်မှုများ (RBS) အပါအဝင် အခြားစနစ်ခွဲများသည် အမြင့်ဆုံးအချိန်များတွင် ပြဿနာများကြုံတွေ့ရနိုင်သည်။ ဥပမာအားဖြင့်၊ ငွေလက်ခံဖြတ်ပိုင်းနှင့်ပတ်သက်၍ SMS ကို နှစ်သက်သောဖောက်သည်များသည် ၎င်းကို တက်ကြွစွာအသုံးပြုလာကြသည်။ ဝန်သည် ပြင်းအားတစ်ခုထက် ပိုခုန်နိုင်သည်။ 

ပထမဆုံး ခန့်မှန်းချက် မော်ဒယ်ကို ကိုယ်တိုင် ဖန်တီးခဲ့သည်။ ယမန်နှစ်အတွက် အပ်လုဒ်များကို ကျွန်ုပ်တို့ယူခဲ့ပြီး မည်သည့်နေ့များတွင် အမြင့်ဆုံးတက်နိုင်မည်ဟု ခန့်မှန်းထားသည်- ဥပမာ၊ 1st၊ 15th နှင့် 25th နှင့် လ၏နောက်ဆုံးရက်များတွင်။ ဤပုံစံသည် သိသာထင်ရှားသော လုပ်သားစရိတ်များ လိုအပ်ပြီး တိကျသော ခန့်မှန်းချက်ကို မပေးနိုင်ပါ။ မည်သို့ပင်ဆိုစေကာမူ၊ ၎င်းသည် ဟာ့ဒ်ဝဲထည့်သွင်းရန် လိုအပ်သည့် ပိတ်ဆို့မှုများကို ရှာဖွေဖော်ထုတ်ခဲ့ပြီး ကျောက်ဆူးဖောက်သည်များနှင့် သဘောတူခြင်းဖြင့် ငွေလွှဲပြောင်းခြင်းလုပ်ငန်းစဉ်ကို အကောင်းဆုံးဖြစ်အောင် လုပ်ဆောင်နိုင်စေခဲ့သည်- တစ်ကျိုက်တည်းတွင် လစာမပေးရန်အတွက်၊ မတူညီသောဒေသများမှ အရောင်းအဝယ်များသည် အချိန်ကြာလာသည်နှင့်အမျှ ကွာသွားပါသည်။ ယခု ကျွန်ုပ်တို့သည် ၎င်းတို့အား ဘဏ်၏ အိုင်တီအခြေခံအဆောက်အအုံမှ မအောင်မြင်ဘဲ “ဝါး” နိုင်သော အစိတ်အပိုင်းများဖြင့် စီမံဆောင်ရွက်ပါသည်။

ပထမအပြုသဘောဆောင်သောရလဒ်ကိုရရှိပြီးနောက်၊ ကျွန်ုပ်တို့သည် အလိုအလျောက်ကြိုတင်ခန့်မှန်းခြင်းသို့ဆက်သွားခဲ့သည်။ နောက်ထပ်အရေးကြီးသောနေရာတစ်ဒါဇင်သည် ၎င်းတို့၏အလှည့်ကိုစောင့်ဆိုင်းနေပါသည်။

တစ်ခုကဘက်ပေါင်းစုံချဉ်းကပ်

VTB သည် MicroFocus မှ စောင့်ကြည့်ရေးစနစ်ကို အကောင်အထည်ဖော်ခဲ့သည်။ ထိုမှနေ၍ ကြိုတင်ခန့်မှန်းခြင်းအတွက် ဒေတာစုဆောင်းခြင်း၊ သိုလှောင်မှုစနစ်နှင့် အစီရင်ခံခြင်းစနစ်တို့ကို ရယူခဲ့ပါသည်။ အမှန်မှာ၊ စောင့်ကြည့်ခြင်းမှာ ရှိနေပြီး၊ ကျန်အရာအားလုံးမှာ မက်ထရစ်များထည့်ရန်၊ ကြိုတင်ခန့်မှန်းမှု သင်ခန်းစာတစ်ခုနှင့် အစီရင်ခံစာအသစ်များကို ဖန်တီးရန်ဖြစ်သည်။ ဤဆုံးဖြတ်ချက်ကို ပြင်ပကန်ထရိုက်တာ Technoserv မှ ထောက်ခံထားသောကြောင့် ပရောဂျက်ကို အကောင်အထည်ဖော်ရာတွင် အဓိကအလုပ်မှာ ကျွမ်းကျင်သူများအပေါ်တွင် အကျုံးဝင်သော်လည်း ကျွန်ုပ်တို့ကိုယ်တိုင် စံပြကို တည်ဆောက်ခဲ့သည်။ ကြိုတင်ခန့်မှန်းခြင်းစနစ်ကို Facebook မှထုတ်လုပ်သည့် open source ထုတ်ကုန်တစ်ခုဖြစ်သည့် Prophet ကို အခြေခံထားခြင်းဖြစ်သည်။ အသုံးပြုရလွယ်ကူပြီး ကျွန်ုပ်တို့၏ထည့်သွင်းထားသော ပေါင်းစပ်စောင့်ကြည့်ရေးကိရိယာများနှင့် Vertica တို့နှင့် အလွယ်တကူပေါင်းစပ်နိုင်သည်။ အကြမ်းဖျင်းအားဖြင့်ပြောရလျှင် စနစ်သည် ဝန်ဂရပ်ကို ပိုင်းခြားစိတ်ဖြာပြီး Fourier စီးရီးအပေါ်အခြေခံ၍ ၎င်းကို ထပ်လောင်းဖော်ပြသည်။ ကျွန်ုပ်တို့၏ မော်ဒယ်မှ ထုတ်ယူထားသော အချို့သော coefficients များကို နေ့စဥ် ပေါင်းထည့်နိုင်သည်။ မက်ထရစ်များကို လူသားတို့၏ စွက်ဖက်မှုမရှိဘဲ ယူဆောင်သွားသည်၊ ခန့်မှန်းချက်အား တစ်ပတ်လျှင် တစ်ကြိမ် အလိုအလျောက် ပြန်လည်တွက်ချက်ပြီး အစီရင်ခံစာအသစ်များကို လက်ခံသူများထံ ပေးပို့ပါသည်။ 

ဤချဉ်းကပ်မှုတွင် အဓိက လည်ပတ်မှုများ ဥပမာ၊ နှစ်စဉ်၊ လစဉ်၊ သုံးလပတ်နှင့် အပတ်စဉ်။ လစာများနှင့် ကြိုတင်ငွေပေးချေမှုများ၊ အားလပ်ရက်များ၊ အားလပ်ရက်များနှင့် အရောင်းများ - ဤအရာအားလုံးသည် စနစ်များသို့ ဖုန်းခေါ်ဆိုမှုအရေအတွက်အပေါ် သက်ရောက်မှုရှိပါသည်။ ဥပမာအားဖြင့်၊ အချို့သောစက်ဝန်းများသည် တစ်ခုနှင့်တစ်ခု ထပ်နေ၍ စနစ်များပေါ်ရှိ အဓိကဝန် (75%)သည် Central Federal District မှလာသည်။ တရားဝင်အဖွဲ့အစည်းများနှင့် လူပုဂ္ဂိုလ်များသည် ကွဲပြားစွာ ပြုမူကြသည်။ "ရူပဗေဒပညာရှင်များ" မှဝန်အား ရက်သတ္တပတ်၏ရက်များတွင်အတော်လေးအညီအမျှခွဲဝေပေးမည်ဆိုပါက (၎င်းသည်သေးငယ်သောငွေပေးငွေယူများဖြစ်သည်)၊ ထို့နောက်ကုမ္ပဏီများအတွက် 99,9% ကိုအလုပ်ချိန်များတွင်အသုံးပြုရမည်ဖြစ်ပြီး၊ ငွေပေးငွေယူများသည်တိုတောင်းနိုင်သည်၊ သို့မဟုတ်အများအပြားအတွင်းလုပ်ဆောင်နိုင်သည်။ မိနစ် သို့မဟုတ် နာရီပင်။

ရရှိသောအချက်အလက်များအပေါ်အခြေခံ၍ ရေရှည်လမ်းကြောင်းများကိုဆုံးဖြတ်သည်။ စနစ်သစ်တွင် လူများ ဝေးလံခေါင်သီသော ဘဏ်လုပ်ငန်းဝန်ဆောင်မှုများသို့ အစုလိုက်အပြုံလိုက် ပြောင်းရွှေ့နေကြကြောင်း ထုတ်ဖော်ပြသခဲ့သည်။ ဒါကို လူတိုင်းသိပါတယ်၊ ဒါပေမယ့် ကျွန်တော်တို့က ဒီလိုအတိုင်းအတာကို မမျှော်လင့်ထားဘဲ ပထမတော့ မယုံခဲ့ပါဘူး- ဘဏ်ရုံးများသို့ ဖုန်းခေါ်ဆိုမှု အရေအတွက်သည် အလွန်လျင်မြန်စွာ လျော့ကျသွားပြီး၊ အဝေးမှ ငွေပေးချေမှု အရေအတွက်သည် အတိအကျတူညီသော ပမာဏဖြင့် တိုးပွားလာပါသည်။ သို့ဖြစ်ရာ၊ စနစ်များပေါ်ရှိ ဝန်ထုပ်ဝန်ပိုးများသည်လည်း ကြီးထွားလာကာ ဆက်လက်တိုးလာမည်ဖြစ်သည်။ ကျွန်ုပ်တို့သည် 2020 ခုနှစ် ဖေဖော်ဝါရီလအထိ ဝန်အားခန့်မှန်းထားပါသည်။ ပုံမှန်နေ့ရက်များကို 3% အမှားဖြင့် ခန့်မှန်းနိုင်ပြီး အမြင့်ဆုံးရက်များကို 10% အမှားအယွင်းရှိနိုင်ပါသည်။ ဒါက ကောင်းမွန်တဲ့ရလဒ်ပါ။

ထောငျခြော

ထုံးစံအတိုင်း ဒီဟာက အခက်အခဲမရှိခဲ့ဘူး။ Fourier စီးရီးကို အသုံးပြုထားသော အပိုဆောင်းယန္တရားသည် သုညကို ကောင်းစွာမဖြတ်နိုင်ပေ - တရားဝင်အဖွဲ့အစည်းများသည် စနေ၊ ၎င်းတို့ကို အတင်းအကြပ်ပြင်ရန် ဖြစ်နိုင်သော်လည်း ချိုင်းထောက်များသည် ကျွန်ုပ်တို့၏နည်းလမ်းမဟုတ်ပါ။ ထို့အပြင်၊ ကျွန်ုပ်တို့သည် အရင်းအမြစ်စနစ်များမှ ဒေတာများကို မနာကျင်ဘဲ ရယူသည့်ပြဿနာကို ဖြေရှင်းခဲ့ရသည်။ ပုံမှန်အချက်အလက်များ စုဆောင်းရာတွင် လေးနက်သော ကွန်ပြူတာရင်းမြစ်များ လိုအပ်သောကြောင့် ကျွန်ုပ်တို့သည် ပုံတူပွားများထံမှ လုပ်ငန်းဒေတာများကို ရယူအသုံးပြု၍ လျင်မြန်သော ကက်ရှ်များကို တည်ဆောက်ထားပါသည်။ ထိုသို့သောကိစ္စများတွင် မာစတာစနစ်များတွင် ထပ်လောင်းဝန်မရှိခြင်းသည် ပိတ်ဆို့ခြင်းလိုအပ်ချက်ဖြစ်သည်။

စိန်ခေါ်မှုအသစ်များ

အထွတ်အထိပ်ကို ခန့်မှန်းခြင်း၏ ရိုးရှင်းသောတာဝန်ကို ဖြေရှင်းခဲ့သည်- ယခုနှစ် မေလကတည်းက ဘဏ်တွင် ဝန်ပိုမှုနှင့် ဆက်နွှယ်သည့် ချို့ယွင်းချက်မရှိခဲ့ဘဲ၊ ခန့်မှန်းချက်စနစ်အသစ်သည် ယင်းအတွက် အရေးကြီးသောအခန်းကဏ္ဍမှ ပါဝင်ခဲ့သည်။ ဟုတ်တယ်၊ အဲဒါက မလုံလောက်တော့ဘူး၊ အခု ဘဏ်က အဲဒီအထွတ်အထိပ်အတွက် ဘယ်လောက်အန္တရာယ်ကြီးတယ်ဆိုတာ နားလည်ချင်နေပြီ။ ကျွန်ုပ်တို့သည် ဝန်စမ်းသပ်ခြင်းမှ မက်ထရစ်များကို အသုံးပြု၍ ကြိုတင်ခန့်မှန်းမှုများ လိုအပ်ပြီး အရေးကြီးသောစနစ်များ၏ 30% ခန့်အတွက် ၎င်းသည် အလုပ်ဖြစ်နေပြီဖြစ်ပြီး ကျန်သည် ခန့်မှန်းချက်များကို ရယူရန် လုပ်ဆောင်နေပါသည်။ နောက်အဆင့်တွင်၊ လုပ်ငန်းကိစ္စများတွင်မဟုတ်သော စနစ်များပေါ်တွင် ဝန်ထုပ်ဝန်ပိုးကို ခန့်မှန်းရမည်ဖြစ်ပြီး၊ အိုင်တီအခြေခံအဆောက်အအုံဆိုင်ရာ သတ်မှတ်ချက်အရ၊ ဆိုလိုသည်မှာ ကျွန်ုပ်တို့သည် အလွှာတစ်ခုသို့ ဆင်းသွားမည်ဖြစ်သည်။ ထို့အပြင်၊ ကျွန်ုပ်တို့သည် ဒေါင်းလုဒ်များကို ကိုင်တွယ်ဖြေရှင်းခြင်းမပြုရန်၊ ၎င်းတို့အပေါ် အခြေခံ၍ ခန့်မှန်းချက်များကို တည်ဆောက်မှုကို အပြည့်အဝ အလိုအလျောက်လုပ်ဆောင်ရန် လိုအပ်ပါသည်။ ၎င်းနှင့်ပတ်သက်ပြီး စိတ်ကူးယဉ်မှု တစ်စုံတစ်ရာ မရှိပါ။ ကျွန်ုပ်တို့သည် ကမ္ဘာလုံးဆိုင်ရာ အကောင်းဆုံး အလေ့အကျင့်များနှင့်အညီ စောင့်ကြည့်စစ်ဆေးခြင်းနှင့် load testing ကို ဖြတ်ကျော်နေပါသည်။

source: www.habr.com