Анализ операционной нагрузки в процессе обслуживания

О проекте

Во внутреннем операционном процессе периодически возникали интервалы повышенной и критической нагрузки.
Цель проекта — определить, когда и при каких условиях процесс чаще переходит в напряжённое состояние, какие временные зоны и группы факторов чаще связаны с перегрузкой, а также какие метрики стоит использовать для регулярного мониторинга.

Проект выполнен на реальных обезличенных данных: без раскрытия деталей процесса, с нейтральными категориями, укрупнёнными временными признаками и безопасной для публикации структурой данных.

Задача

В рамках проекта нужно было ответить на несколько вопросов:

• в какие дни и части дня нагрузка возникает чаще;
• как часто процесс переходит в критическое состояние;
• какие группы факторов чаще сопровождают проблемные интервалы;
• какие показатели стоит вынести в дашборд для регулярного мониторинга.

Что сделал

• подготовил и проверил структуру данных;
• привёл поля к удобному виду для анализа;
• выделил ключевые метрики нагрузки;
• проанализировал интервалы по времени, уровню нагрузки и группам факторов;
• собрал итоговый дашборд в Yandex DataLens;
• сформулировал выводы, ограничения анализа и дальнейшие шаги.

Данные

В основе проекта — обезличенная таблица наблюдений, где каждая строка соответствует одному интервалу нагрузки.

Используемые поля:

• день недели;
• часть дня;
• час начала интервала;
• длительность интервала;
• уровень нагрузки;
• группа факторов;
• тема наблюдения;
• краткое описание;
• теги проблемы.

Как анализировал

В качестве основных метрик использовал:

• количество интервалов;
• общую длительность нагрузки;
• среднюю длительность интервала;
• долю критических интервалов.

Отдельно сравнивал:

• общую длительность нагрузки по дням недели;
• количество интервалов по дням недели;
• общую длительность нагрузки по части дня;
• длительность нагрузки по уровню нагрузки;
• длительность нагрузки по группам факторов.

Дашборд

По итогам проекта собран дашборд в Yandex DataLens с ключевыми показателями и основными разрезами нагрузки.

Ссылка на дашборд: https://datalens.yandex/ikx785wisv882

Основные разрезы

• общая длительность нагрузки по дням недели;
• количество интервалов по дням недели;
• общая длительность нагрузки по части дня;
• длительность нагрузки по уровню нагрузки;
• длительность нагрузки по группам факторов.

Ключевые выводы

По итогам анализа удалось:

• выявить, что нагрузка распределена неравномерно и концентрируется в отдельных временных зонах;
• показать, что для оценки процесса важно смотреть не только на общую длительность нагрузки, но и на частоту возникновения интервалов;
• зафиксировать, что заметная часть интервалов относится к критическому уровню нагрузки;
• определить группы факторов, которые чаще сопровождают проблемные периоды и требуют отдельного внимания.

Практическая ценность

Проведённый анализ позволяет:

• выделить временные зоны повышенной нагрузки;
• понять, какие показатели стоит отслеживать на постоянной основе;
• быстрее замечать проблемные периоды в процессе;
• использовать дашборд как базовую точку для регулярного мониторинга нагрузки.

Ограничения анализа

• данные обезличены и частично агрегированы;
• анализ показывает общие паттерны, но не позволяет точно диагностировать отдельные события;
• проект не доказывает причинно-следственные связи, а отражает повторяющиеся закономерности;
• выводы основаны на журнале наблюдений и укрупнённых категориях.

Что можно сделать дальше

Если развивать проект как рабочую задачу, следующими шагами могут быть:

• сравнение динамики по неделям;
• отдельный анализ наиболее частых тем наблюдений;
• детализация групп факторов;
• добавление регулярного обновления витрины для мониторинга;
• проверка пересечения высокой длительности и высокой частоты интервалов.

Инструменты

Excel, SQL, Yandex DataLens