مانیٹرنگ + لوڈ ٹیسٹنگ = پیشن گوئی اور کوئی ناکامی۔

VTB آئی ٹی ڈیپارٹمنٹ کو کئی بار سسٹم کے آپریشن میں ہنگامی حالات سے نمٹنا پڑا، جب ان پر بوجھ کئی گنا بڑھ گیا۔ لہذا، ایک ایسے ماڈل کو تیار کرنے اور جانچنے کی ضرورت تھی جو اہم نظاموں پر چوٹی کے بوجھ کی پیش گوئی کرے۔ ایسا کرنے کے لیے، بینک کے آئی ٹی ماہرین نے نگرانی قائم کی، ڈیٹا کا تجزیہ کیا اور پیشین گوئیوں کو خودکار کرنا سیکھا۔ ہم آپ کو ایک مختصر مضمون میں بتائیں گے کہ کن ٹولز نے بوجھ کا اندازہ لگانے میں مدد کی اور کیا ان سے کام کو بہتر بنانے میں مدد ملی۔

زیادہ بوجھ والی خدمات کے مسائل تقریباً تمام صنعتوں میں پیدا ہوتے ہیں، لیکن مالیاتی شعبے کے لیے یہ بہت اہم ہیں۔ گھنٹہ X پر، تمام جنگی یونٹوں کو تیار ہونا ضروری ہے، اور اس لیے ضروری تھا کہ پہلے سے یہ جان لیا جائے کہ کیا ہو سکتا ہے اور اس دن کا تعین بھی کر لیا جائے جب بوجھ اچھل پڑے گا اور کون سے سسٹمز اس کا سامنا کریں گے۔ ناکامیوں سے نمٹنے اور روکنے کی ضرورت ہے، اس لیے پیشین گوئی کرنے والے تجزیاتی نظام کو نافذ کرنے کی ضرورت پر بھی بات نہیں کی گئی۔ مانیٹرنگ ڈیٹا پر مبنی نظام کو جدید بنانا ضروری تھا۔

آپ کے گھٹنوں پر تجزیات

پے رول پروجیکٹ ناکامی کی صورت میں سب سے زیادہ حساس ہے۔ پیشن گوئی کے لئے یہ سب سے زیادہ قابل فہم ہے، لہذا ہم نے اس کے ساتھ شروع کرنے کا فیصلہ کیا. زیادہ رابطے کی وجہ سے، دوسرے سب سسٹم، بشمول ریموٹ بینکنگ سروسز (RBS)، زیادہ بوجھ کے وقت مسائل کا سامنا کر سکتے ہیں۔ مثال کے طور پر، پیسے کی وصولی کے بارے میں ایس ایم ایس سے خوش ہونے والے کلائنٹس نے اسے فعال طور پر استعمال کرنا شروع کر دیا۔ بوجھ ایک آرڈر کی شدت سے زیادہ بڑھ سکتا ہے۔ 

پیشن گوئی کا پہلا ماڈل دستی طور پر بنایا گیا تھا۔ ہم نے پچھلے سال کے اپ لوڈز لیے اور حساب لگایا کہ کن دنوں میں زیادہ سے زیادہ چوٹیوں کی توقع ہے: مثال کے طور پر، 1st، 15th اور 25th کے ساتھ ساتھ مہینے کے آخری دنوں میں۔ اس ماڈل کو لیبر کے اہم اخراجات کی ضرورت تھی اور اس نے درست پیشن گوئی فراہم نہیں کی۔ اس کے باوجود، اس نے رکاوٹوں کی نشاندہی کی جہاں ہارڈ ویئر کو شامل کرنا ضروری تھا، اور اینکر کلائنٹس سے اتفاق کرتے ہوئے رقم کی منتقلی کے عمل کو بہتر بنانا ممکن بنایا: تنخواہیں ایک ہی گھنٹہ میں نہ دینے کے لیے، وقت کے ساتھ ساتھ مختلف خطوں سے لین دین کو الگ کیا گیا۔ اب ہم ان پر ایسے حصوں میں کارروائی کرتے ہیں جنہیں بینک کا IT انفراسٹرکچر ناکامی کے بغیر "چبا" سکتا ہے۔

پہلا مثبت نتیجہ حاصل کرنے کے بعد، ہم خودکار پیشین گوئی کی طرف بڑھے۔ ایک درجن مزید نازک علاقے اپنی باری کے منتظر تھے۔

جامع نقطہ نظر

VTB نے مائیکرو فوکس سے نگرانی کا نظام نافذ کیا ہے۔ وہاں سے ہم نے پیشن گوئی کے لیے ڈیٹا اکٹھا کیا، ایک اسٹوریج سسٹم اور رپورٹنگ سسٹم۔ درحقیقت، نگرانی پہلے سے ہی موجود تھی، صرف میٹرکس، ایک پیشین گوئی ماڈیول شامل کرنا اور نئی رپورٹیں بنانا باقی رہ گیا تھا۔ یہ فیصلہ بیرونی ٹھیکیدار Technoserv کی طرف سے حمایت کی گئی ہے، لہذا اس منصوبے کو لاگو کرنے کا بنیادی کام اس کے ماہرین پر پڑا، لیکن ہم نے خود ماڈل بنایا. پیشن گوئی کا نظام نبی پر مبنی بنایا گیا تھا، جو فیس بک کے ذریعہ تیار کردہ ایک اوپن سورس پروڈکٹ ہے۔ یہ استعمال کرنا آسان ہے اور ہمارے نصب شدہ مربوط مانیٹرنگ ٹولز اور ورٹیکا کے ساتھ آسانی سے ضم ہوجاتا ہے۔ موٹے طور پر، نظام لوڈ گراف کا تجزیہ کرتا ہے اور اسے فوئیر سیریز کی بنیاد پر نکالتا ہے۔ یہ بھی ممکن ہے کہ ہمارے ماڈل سے لیا گیا، دن کے لحاظ سے کچھ گتانک شامل کریں۔ میٹرکس انسانی مداخلت کے بغیر لیے جاتے ہیں، پیشن گوئی خود بخود ہفتے میں ایک بار دوبارہ گنتی جاتی ہے، اور وصول کنندگان کو نئی رپورٹیں بھیجی جاتی ہیں۔ 

یہ نقطہ نظر اہم چکروں کی نشاندہی کرتا ہے، مثال کے طور پر، سالانہ، ماہانہ، سہ ماہی اور ہفتہ وار۔ تنخواہوں اور ایڈوانسز کی ادائیگی، چھٹیوں کے ادوار، تعطیلات اور سیلز - یہ سب سسٹم پر کالوں کی تعداد کو متاثر کرتا ہے۔ مثال کے طور پر، یہ پتہ چلا کہ کچھ سائیکل ایک دوسرے کو اوورلیپ کرتے ہیں، اور سسٹمز پر مرکزی بوجھ (75%) سینٹرل فیڈرل ڈسٹرکٹ سے آتا ہے۔ قانونی ادارے اور افراد مختلف طریقے سے برتاؤ کرتے ہیں۔ اگر "ماہرین طبیعیات" کا بوجھ ہفتے کے دنوں میں نسبتاً یکساں طور پر تقسیم کیا جاتا ہے (یہ بہت چھوٹی ٹرانزیکشنز ہے)، تو کمپنیوں کے لیے 99,9% کام کے اوقات پر خرچ ہوتا ہے، اور لین دین مختصر ہو سکتا ہے، یا اس پر کئی بار کارروائی کی جا سکتی ہے۔ منٹ یا اس سے بھی گھنٹے۔

حاصل کردہ ڈیٹا کی بنیاد پر طویل مدتی رجحانات کا تعین کیا جاتا ہے۔ نئے نظام نے انکشاف کیا ہے کہ لوگ بڑے پیمانے پر ریموٹ بینکنگ خدمات کی طرف بڑھ رہے ہیں۔ ہر کوئی یہ جانتا ہے، لیکن ہم نے اس پیمانے کی توقع نہیں کی تھی اور سب سے پہلے اس پر یقین نہیں کیا تھا: بینک کے دفاتر میں کالوں کی تعداد بہت تیزی سے کم ہو رہی ہے، اور دور دراز کے لین دین کی تعداد بالکل اسی رقم سے بڑھ رہی ہے۔ اس کے مطابق سسٹمز پر بوجھ بھی بڑھ رہا ہے اور بڑھتا رہے گا۔ اب ہم فروری 2020 تک لوڈ کی پیش گوئی کر رہے ہیں۔ عام دنوں کی پیشین گوئی 3% کی غلطی کے ساتھ کی جا سکتی ہے، اور 10% کی خرابی کے ساتھ چوٹی کے دنوں کی پیش گوئی کی جا سکتی ہے۔ یہ ایک اچھا نتیجہ ہے۔

نقصانات

ہمیشہ کی طرح، یہ مشکلات کے بغیر نہیں تھا. فوئیر سیریز کا استعمال کرتے ہوئے ایکسٹراپولیشن میکانزم صفر کو اچھی طرح سے عبور نہیں کرتا ہے - ہم جانتے ہیں کہ قانونی ادارے ہفتے کے آخر میں کچھ لین دین پیدا کرتے ہیں، لیکن پیشین گوئی ماڈیول ایسی قدریں پیدا کرتا ہے جو صفر سے بہت دور ہیں۔ انہیں زبردستی درست کرنا ممکن تھا لیکن بیساکھی ہمارا طریقہ نہیں ہے۔ اس کے علاوہ، ہمیں سورس سسٹمز سے ڈیٹا کو بغیر کسی تکلیف کے بازیافت کرنے کا مسئلہ حل کرنا تھا۔ معلومات کے باقاعدگی سے جمع کرنے کے لیے سنجیدہ کمپیوٹنگ وسائل کی ضرورت ہوتی ہے، اس لیے ہم نے نقل کا استعمال کرتے ہوئے تیزی سے کیشز بنائے اور نقل سے کاروباری ڈیٹا حاصل کیا۔ اس طرح کے معاملات میں ماسٹر سسٹمز پر اضافی بوجھ کی عدم موجودگی ایک مسدود کرنے کی ضرورت ہے۔

نئے چیلنجز

چوٹیوں کی پیشن گوئی کرنے کا سیدھا سا کام حل ہو گیا: اس سال مئی سے بینک میں اوورلوڈ سے متعلق کوئی ناکامی نہیں ہوئی ہے، اور پیشین گوئی کے نئے نظام نے اس میں اہم کردار ادا کیا ہے۔ ہاں، یہ کافی نہیں نکلا، اور اب بینک یہ سمجھنا چاہتا ہے کہ چوٹیاں اس کے لیے کتنی خطرناک ہیں۔ ہمیں لوڈ ٹیسٹنگ سے میٹرکس کا استعمال کرتے ہوئے پیشین گوئیوں کی ضرورت ہے، اور تقریباً 30% اہم سسٹمز کے لیے یہ پہلے سے کام کر رہا ہے، باقی پیشین گوئیاں حاصل کرنے کے عمل میں ہیں۔ اگلے مرحلے پر، ہم سسٹمز پر بوجھ کی پیشین گوئی کرنے جا رہے ہیں کاروباری لین دین میں نہیں، بلکہ آئی ٹی انفراسٹرکچر کے لحاظ سے، یعنی ہم ایک تہہ سے نیچے جائیں گے۔ اس کے علاوہ، ہمیں میٹرکس کے جمع کرنے اور ان کی بنیاد پر پیشین گوئیوں کی تعمیر کو مکمل طور پر خودکار کرنے کی ضرورت ہے، تاکہ ڈاؤن لوڈز سے نمٹنا پڑے۔ اس کے بارے میں کچھ بھی پسند نہیں ہے - ہم صرف عالمی بہترین طریقوں کے مطابق نگرانی اور لوڈ ٹیسٹنگ کو عبور کر رہے ہیں۔

ماخذ: www.habr.com