تخطي إلى المحتوى
Iknow

من الفحوصات اليدوية إلى التغطية في الوقت الفعلي: بناء لوحات متابعة تسليم المحتوى في الشركة N.

شركة عالمية للأخبار والمعلومات المالية · الإعلام والترفيه

المراقبة الآلية والتنبيهات ولوحات المعلومات توفر رؤية بنسبة 100 بالمئة لأكثر من 34,000 مصدر محتوى مرخص

الملخص التنفيذي

تشتري الشركة N أكثر من 34,000 من المنشورات ومجموعات البيانات ومصادر البحث الأخرى المرخصة خارجيًا لتغذية منتجاتها، ويتولى فريق عمليات المحتوى لديها، الذي يدير ثلاثة مراكز عمليات حول العالم، مسؤولية ضمان وصول المحتوى كما هو متوقع. ومع نمو عدد المصادر المرخصة بينما ظل عدد موظفي عمليات المحتوى ثابتًا، انهارت عملية المراقبة اليدوية للفريق، التي كانت تستعلم من قواعد بيانات المصادر بمعدل يصل إلى ثماني مرات يوميًا لكل مصدر، تحت ثقلها. ففي عام 2013، كانت عمليات المحتوى تراقب بنشاط أقل من 10 في المئة من مصادرها المرخصة، وأوضح تصاعد شكاوى العملاء أن الثغرات في تغطية المحتوى باتت تصل إلى منتجات الشركة N.

وبالاستناد إلى معرفتها القائمة بالبنية التقنية للشركة N المكتسبة من أعمال تحديث منصة استقطاب المحتوى وإثرائه الموصوفة في دراستي حالة Iknow رقم #142 و#144، وقع الاختيار على Iknow لتصميم نظام آلي للمراقبة والتنبيه ولوحات المعلومات وتطويره ونشره، قادر على تغطية 100 في المئة من المصادر المرخصة من دون زيادة عدد الموظفين. وكانت النتيجة منصة شبه آنية حددت أكثر من 775 نمط تسليم متمايزًا عبر مصادر محتوى الشركة N، وأشّرت تلقائيًا على عمليات التسليم المتأخرة أو المفقودة خلال دقيقة إلى دقيقتين، ومنحت موظفي عمليات المحتوى وقادة المراكز وقيادة الفريق رؤية عبر لوحات معلومات لم تتوفر لهم من قبل.

الخلفية والسياق

نبذة عن العميل

الشركة N مزود عالمي رائد للأخبار والمعلومات الاقتصادية. تجمّع الشركة N المحتوى من أكثر من 30,000 مصدر حول العالم، وهو حجم يتسق مع المصادر المرخصة خارجيًا التي تتجاوز 34,000 مصدر والتي كان فريق عمليات المحتوى مسؤولًا عن مراقبتها عبر كامل محفظة منتجات الشركة N.

سياق القطاع

تقع المشكلة الجوهرية التي حلّها هذا المشروع، أي التمييز بين إخفاقات التسليم الحقيقية والتباين الطبيعي في سلوك مصدر البيانات، في صميم ما تسميه صناعة التقنية اليوم قابلية رصد البيانات وAIOps. يصف محللو الصناعة عام 2026 بأنه العام الذي تنتقل فيه أدوات قابلية الرصد من عتبات ثابتة قائمة على القواعد إلى نماذج تعلم آلي تتعلم تلقائيًا السلوك الطبيعي لكل مصدر بيانات وتؤشر على الانحرافات من دون إعداد يدوي، مع متوسط زمن اكتشاف يُقاس الآن بالدقائق. وقد بلغ نظام Iknow لعام 2013 نتيجة مماثلة قبل ذلك بسنوات من خلال الاكتشاف الإحصائي للأنماط بدلًا من التعلم الآلي. فمن خلال اشتقاق نمط التسليم الخاص بكل مصدر محتوى وحجمه المتوقع وعتباته الإحصائية من سلوكه التاريخي، استبدلت المنصة المراقبة الموحدة بتوقعات خاصة بكل مصدر تُحسب ديناميكيًا، وهو المبدأ الأساسي ذاته الذي يقود اليوم الجيل الحالي من منصات قابلية الرصد المدعومة بالذكاء الاصطناعي.

الوضع الحالي

لم يعد بمقدور عمليات المحتوى مجاراة حجم المصادر المرخصة التي كانت مسؤولة عنها. كانت المراقبة اليدوية تعني قيام متخصص بالاستعلام من قاعدة البيانات الأساسية لكل مصدر بمعدل يصل إلى ثماني مرات يوميًا، وهو نهج يتوسع خطيًا مع عدد المصادر لكنه لا يتوسع مع حجم الفريق. وبحلول أوائل عام 2013، كان الفريق يراقب بنشاط أقل من 10 في المئة من مصادر المحتوى المرخصة لديه، وكانت مقالات منشورة من مصادر غير مراقبة تُفقد عبر خطوط منتجات الشركة N.

المشكلة / التحدي

  • انهيار التغطية. تجاوز نمو المصادر المرخصة عدد موظفي عمليات المحتوى الثابت إلى حد أن أقل من 10 في المئة من المصادر كانت تخضع لمراقبة نشطة بحلول أوائل عام 2013.
  • عملية غير قابلة للتوسع في جوهرها. تطلبت المراقبة اليدوية أن يستعلم المتخصصون من قاعدة بيانات كل مصدر على حدة، بمعدل يصل إلى ثماني مرات يوميًا، وهو سير عمل لا يمكنه أبدًا مجاراة آلاف المصادر.
  • غياب تعريف متسق لكلمة "متأخر". تراوحت مصادر المحتوى بين منشورات يومية ومصادر تصل في تواريخ تقويمية محددة وإصدارات ربع سنوية أو نصف سنوية، ما جعل اعتماد عتبة ثابتة واحدة للتأخر أو المحتوى المفقود أمرًا غير عملي عبر كامل محفظة المصادر.
  • أثر يطال العملاء. كانت المقالات المفقودة من المصادر غير المراقبة تؤثر سلبًا على منتجات الشركة، فتقلل من جودة تجربة العملاء وتولّد حجمًا متزايدًا من الشكاوى.

أهداف المشروع

  • تصميم ونشر نظام آلي قادر على مراقبة 100 في المئة من مصادر المحتوى المرخصة لدى الشركة N.
  • توفير رؤية شبه آنية لمدى التزام عمليات تسليم المحتوى بمواعيدها وللتسليمات المفقودة.
  • دعم عروض متعددة لأداء التسليم على مستوى المتخصص الفردي ومركز العمليات والفريق ككل.
  • دمج قدرة التحليل التنبؤي في منصة المراقبة.

نهج Iknow

كيف نظّمت Iknow العمل

جمعت Iknow بين هندسة متطلبات منظمة ومنهجية لاكتشاف الأنماط قائمة على البيانات: أولًا تحديد ما تحتاج عمليات المحتوى إلى رؤيته وفعله بدقة، ثم بناء المحرك الإحصائي ومنطق التنبيه اللازمين لجعل المراقبة شبه الآنية الخاصة بكل مصدر ممكنة على نطاق واسع.

الأنشطة والقرارات الرئيسية

  • المتطلبات وحالات الاستخدام. عقدت Iknow جلسات متعددة لجمع المتطلبات مع موظفي عمليات المحتوى، وطوّرت حالات استخدام خاصة بعمليات المحتوى، وأعدت وثيقة متطلبات عمل تتضمن أوصافًا وظيفية مفصلة ومخططات هيكلية لكل لوحة معلومات مقترحة.
  • اكتشاف الأنماط. حللت Iknow البيانات التاريخية لوصول المحتوى وطوّرت خوارزميات لتحديد نمط التسليم الأنسب لكل مصدر، فحددت في النهاية أكثر من 775 نمطًا متمايزًا وأسندتها إلى المصادر، مجمعةً في أنماط بحسب يوم الأسبوع وأنماط التواريخ التقويمية المحددة وأنماط الفترات الأطول مثل الإصدارات ربع السنوية أو نصف السنوية، إلى جانب متوسط أوقات الوصول وكميات المقالات المتوقعة وعتبات تنبيه مشتقة إحصائيًا لكل مصدر.
  • محركا التسليم المتوقع والتنبيه. بنى الفريق محرك حساب للتسليم المتوقع يولّد التسليمات المنتظرة لكل مصدر في تاريخ معين، ومحرك تنبيه آنيًا يقارن التسليمات المتوقعة بالفعلية كل دقيقة إلى دقيقتين، ويخطر متخصص عمليات المحتوى المكلف بحالات التأخر أو التسليمات المفقودة أو انحرافات الكمية الخارجة عن العتبات المتوقعة.
  • بناء المنصة ولوحات المعلومات. صممت Iknow بنية عالم BI وبنته، إلى جانب قاعدة بيانات جديدة والتطبيقات الداعمة و12 لوحة معلومات، ثم أجرت اختبارات قبول المستخدمين وصقلت لوحات المعلومات استنادًا إلى ملاحظات المستخدمين المباشرة.
  • التمكين. أعدت Iknow دليل مستخدم وقدمت تدريبًا للمستخدمين النهائيين في مراكز العمليات العالمية الثلاثة لعمليات المحتوى.

أصحاب المصلحة والتعاون

عملت Iknow مباشرة مع قيادة فريق عمليات المحتوى وموظفيه المتخصصين في مراكز العمليات العالمية الثلاثة للشركة، مطبقةً المعرفة التفصيلية بالبنية التقنية للشركة N المكتسبة من مشاريعها السابقة على منصة استقطاب المحتوى وإثرائه لتسريع التصميم والتكامل.

التحديات وكيف تغلبت عليها Iknow

تعريف "الطبيعي" لآلاف المصادر المختلفة

لم يكن بالإمكان أن تنجح عتبة ثابتة واحدة للتأخر أو المحتوى المفقود مع مصادر ذات إيقاعات نشر مختلفة جوهريًا. عالجت Iknow ذلك ببناء منهجية لاكتشاف الأنماط تشتق نمط التسليم الأنسب لكل مصدر وعتباته الإحصائية من سلوكه التاريخي، فأنتجت أكثر من 775 نمطًا متمايزًا بدلًا من قاعدة موحدة للجميع.

تحقيق تغطية بنسبة 100 في المئة من دون زيادة الموظفين

لم يكن بمقدور عمليات المحتوى الخروج من المشكلة بتوظيف مزيد من الموظفين. عالجت Iknow ذلك بأتمتة سير عمل المراقبة بأكمله (تحديثات يومية للأنماط، وحسابات التسليم المتوقع لليوم التالي، ومحرك تنبيه آني يتجدد كل دقيقة إلى دقيقتين)، بحيث يكون النظام، لا موظفون إضافيون، هو من يستوعب نمو المصادر المرخصة.

النتائج والأثر

النتائج التشغيلية

  • نشر نظام مراقبة وتنبيه يوفر تغطية شبه آنية لجميع مصادر المحتوى المرخصة لدى الشركة N، صعودًا من أقل من 10 في المئة في ظل العملية اليدوية السابقة.
  • تسليم 12 لوحة معلومات تمنح المتخصصين الأفراد ومراكز العمليات وقيادة فريق عمليات المحتوى عروضًا مخصصة لأداء التسليم، تتجدد كل دقيقة إلى دقيقتين.
  • بناء منطق تنبيه ديناميكي لكل مصدر يغطي التأخر والتسليمات المفقودة وانحرافات الكمية، مشتق من أكثر من 775 نمط تسليم جرى تحديده.

النتائج الاستراتيجية والتنظيمية

انتقل متخصصو عمليات المحتوى من الاستعلام اليدوي من قواعد البيانات إلى حل مشكلات التسليم الفعلية مع مزودي المعلومات، إذ لم تعد المراقبة اليدوية ضرورية. وتحسنت مؤشرات رضا العملاء مع تضييق الثغرات في تغطية المحتوى، واكتسبت الشركة N نموذج مراقبة قادرًا على التوسع مع النمو المستمر في المصادر المرخصة من دون زيادة متناسبة في عدد موظفي عمليات المحتوى. وقد وسّع ذلك الشراكة التقنية ذاتها التي سبق أن حدّثت منصة استقطاب المحتوى وإثرائه لدى الشركة لتشمل مجالًا تشغيليًا جديدًا وشديد الوضوح.

الوقت حتى تحقق الأثر

سلّمت Iknow منصة المراقبة والتنبيه ولوحات المعلومات الكاملة ضمن المشروع الذي استمر 12 شهرًا، ناقلةً عمليات المحتوى من تغطية مراقبة بأرقام أحادية إلى رؤية شبه آنية عبر كامل محفظة المحتوى المرخص لديها.

قدرات Iknow التي أثبتها المشروع

المهارات الأساسية

  • ذكاء الأعمال والتحليلات
  • تكامل الأنظمة
  • البنية السحابية والهجينة
  • تصميم لوحات المعلومات وعرض البيانات المرئي

الأساليب والأطر

  • هندسة المتطلبات وتطوير حالات الاستخدام
  • منهجية إحصائية لاكتشاف الأنماط
  • تصميم تكراري موجه باختبارات قبول المستخدمين

التقنيات والأدوات

  • SAP BusinessObjects Business Intelligence Platform (Dashboards وWeb Intelligence وUniverse)
  • Microsoft SQL Server وSQL Server Integration Services (SSIS) لعمليات ETL
  • سحابة خاصة افتراضية من Amazon Web Services، متكاملة مع مراكز البيانات الآمنة للشركة N

ضع هذه الخبرة في خدمة مشكلتك.

كثير من أعمالنا لا يظهر على الموقع. احجز مكالمة وأخبرنا عن قطاعك وسنعرض عليك المشاريع التي تقابل مجالك.