ဘုရားရှိခိုးတော်မူသော Dr. Anya Sharma၊ အတွေ့အကြုံပေး ဖျော်ဖြေရေးလုပ်ငန်းအတွက် အဓိကဒေတာသိပ္ပံပညာရှင်
Dr. Anya Sharma သည် အတွေ့အကြုံပေး ဖျော်ဖြေရေးလုပ်ငန်းကဏ္ဍတွင် အထူးပြုသော အဓိကဒေတာသိပ္ပံပညာရှင်တစ်ဦးဖြစ်ပါသည်။ ကြိုတင်ခန့်မှန်းမှုမော်ဒယ်များနှင့် အပြုအမူဆိုင်ရာစီးပွားရေးပညာတို့တွင် အခြေခံပညာရှိပြီး၊ FECs နှင့် အာကေ့ဒ်လုပ်ကိုင်သူများအတွက် လုပ်ငန်းဆောင်ရွက်မှုဒေတာများကို လက်တွေ့အသုံးချနိုင်သော ဗျူဟာများအဖြစ် ပြောင်းလဲပေးရန် အာရုံစိုက်လျက်ရှိပါသည်။ စက်ကိရိယာများ၏စုစုပေါင်းထိရောက်မှု (OEE) ကဲ့သို့သော စက်မှုလုပ်ငန်းဆိုင်ရာ မီတာများကို ဖျော်ဖြေရေးပစ္စည်းများတွင် အသုံးချခြင်း၊ ဂိမ်းစွမ်းဆောင်ရည်ကို ကြိုတင်ခန့်မှန်းရန်၊ ကစားကွင်း၏ ဖွဲ့စည်းပုံကို အမြှင့်တင်ရန်နှင့် စားသုံးသူ၏ တစ်သက်တာတန်ဖိုး (CLV) ကို အမြင့်ဆုံးရရှိရန်အတွက် စက်သင်ယူမှုနည်းပညာကို အသုံးချခြင်းတို့တွင် သူမ၏ ကျွမ်းကျင်မှုရှိပါသည်။
မိတ်ဆက်ခြင်း
ခေတ်မီ Family Entertainment Center (FEC) တွင် Arcade Video Game ဇုန်သည် အရေးပါသော ဝင်ငွေရှာဖွေရေးဌာနဖြစ်ပါသည်။ သို့သော် အခြားအပ်စုဆိုင်ရာ ဝန်ဆောင်မှုများကဲ့သို့ ဝင်ငွေရှာဖွေမှုကို တစ်မျိုးတည်းသတ်မှတ်ထားခြင်းမဟုတ်ဘဲ arcade ဂိမ်းများ၏ အမြတ်အစွန်းမှာ ဂိမ်းများ၏ ပေါင်းစပ်မှု၊ ကစားသူများ၏ ပါဝင်ဆောင်ရွက်မှုနှင့် ပစ္စည်းအသုံးပြုနိုင်မှုအပေါ် အလွန်အမင်း မူတည်နေပါသည်။ Data Analyst အတွက် စိန်ခေါ်မှုမှာ ရိုးရှင်းသော ဝင်ငွေစောင့်ကြည့်ခြင်းကို ကျော်လွန်၍ ကစားကွင်းပေါ်ရှိ ပစ္စည်းတစ်ခုစီကို အကောင်းဆုံးအသုံးချနိုင်ရန် ဒေတာအခြေပြု နည်းလမ်းကို အသုံးပြုရန်ဖြစ်ပါသည်။ ဤအစီရင်ခံစာတွင် ထုတ်လုပ်မှုလုပ်ငန်းတွင် အသုံးပြုလေ့ရှိသော မီတာကို ဖျော်ဖြေရေးလုပ်ငန်းနယ်ပယ်သို့ အသုံးပြုနိုင်ပုံကို မိတ်ဆက်ပေးလျက် ဗီဒီယိုဂိမ်းနယ်ပယ်ရှိ လုပ်ငန်းဆောင်တာများအတွက် ခိုင်မာသော ဆုံးဖြတ်ချက်ချမှတ်မှုကို ပေးစွမ်းပါသည်။ အလုံးစုံစက်ပစ္စည်း ထိရောက်မှု (OEE) — ကို ဖျော်ဖြေရေးလုပ်ငန်းနယ်ပယ်သို့ အသုံးပြုခြင်း — ဗီဒီယိုဂိမ်းနယ်ပယ်ရှိ လုပ်ငန်းဆောင်တာများအတွက် ခိုင်မာသော ဆုံးဖြတ်ချက်ချမှတ်မှုကို ပေးစွမ်းပါသည်။
OEE Framework: Arcade Performance အတွက် နည်းလမ်းအသစ်
OEE သည် ထုတ်လုပ်မှုလုပ်ငန်းတစ်ခု မည်မျှထိရောက်စွာ အသုံးပြုနေသည်ကို တိုင်းတာသည့် မြှောက်ခြင်းအခြေပြု မီတာတစ်ခုဖြစ်ပါသည်။ ဤတွင် ကျွန်ုပ်တို့သည် arcade game ၏ စစ်မှန်သော ထုတ်လုပ်မှုစွမ်းအားကို တိုင်းတာရန် အသုံးပြုပါသည်။
\text{OEE} = \text{Availability} \times \text{Performance} \times \text{Quality}
1.Availability (Uptime): ဂိမ်းကစားရန် အချိန်သတ်မှတ်ထားသည့်အချိန်၏ ရရှိနိုင်မှုရာခိုင်နှုန်းကို တိုင်းတာပါသည်။
\text{Availability} = \frac{\text{Operating Time}}{\text{Scheduled Production Time}}
•ဒေတာ အသိပညာ: ရရှိနိုင်မှုမြင့်မားခြင်းသည် အလွန်အရေးကြီးပါသည်။ ကျွန်ုပ်တို့၏ ဒေတာများအရ စွမ်းဆောင်ရည်မြင့် ဗီဒီယိုဂိမ်းတစ်ခုအတွက် ရရှိနိုင်မှု ၁% တိုးလာပါက နေ့စဉ်ဝင်ငွေ ၀.၈% တိုးတက်မှု ဖြစ်ပေါ်စေနိုင်ပါသည်။ ပြဿနာအနည်းငယ်အတွက်ပင် အလုပ်လက်မဲ့အချိန်များသည် အမြတ်အစွန်းကို တိုက်ရိုက်ထိခိုက်စေပါသည်။
2.စွမ်းဆောင်ရည် (အမြန်နှုန်း) ဖြစ်နိုင်ချေအများဆုံးအမြန်နှုန်း (ဥပမာ - တစ်နာရီလျှင် အများဆုံးကစားနိုင်မှု) နှင့် နှိုင်းယှဉ်ပြီး ဂိမ်းကစားနေသည့် အမြန်နှုန်းကို တိုင်းတာခြင်း။
\text{Performance} = \frac{\text{Total Pieces (Plays)}}{\text{Ideal Cycle Time} \times \text{Operating Time}}
•ဒေတာ အသိပညာ: ဗီဒီယိုဂိမ်းများအတွက် စွမ်းဆောင်ရည်သည် ဂိမ်း၏ စက်ဘီးအချိန်နှင့် ငွေပေးချေမှုစနစ်၏ ထိရောက်မှုနှင့် ဆက်စပ်နေပါသည်။ ကတ်ဖတ်စက်အမှောက်သို့မဟုတ် ရှည်လျားသော သင်ကြားမှုများသည် တစ်နာရီလျှင် ကစားနိုင်မှုအရေအတွက်ကို လျော့ကျစေပြီး စွမ်းဆောင်ရည်အဆင့်ကို နိမ့်ကျစေပါသည်။
3.အရည်အသွေး (ပထမအကြိမ်တွင် မှန်ကန်ခြင်း) အလုပ်လုပ်ချိန်တွင် စက်ပျက်ခြင်း (သို့) သုံးစွဲသူမကျေနပ်မှုမရှိဘဲ အောင်မြင်စွာ ပြီးစီးသော အကြိမ်ရေ၏ ရာခိုင်နှုန်းကို တိုင်းတာခြင်းဖြစ်သည်။
\text{အရည်အသွေး} = \frac{\text{အောင်မြင်သော အကြိမ်ရေ}}{\text{စုစုပေါင်း အကြိမ်ရေ}}
•ဒေတာ အသိပညာ: အရည်အသွေးနိမ့် (ဥပမာ - စခရင်တွင် ရုတ်တရက်ရပ်ခြင်း၊ ခလုတ်ပျက်ခြင်း) သည် စီးပွားရေးလုပ်ငန်းရှင်များ၏ စိတ်အနှောင့်အယှက်ဖြစ်မှုကို ဖြစ်ပေါ်စေပြီး လျှော့ချပေးသည် User Repeat Challenge Rate (URCR) သို့ လျော့ကျစေသည်။ 95% အောက်ရှိသော အရည်အသွေးရမှတ်သည် ထိုစက်တစ်ခုချင်းစီအတွက် URCR 15% ကျဆင်းမှုနှင့် ဆက်စပ်နေကြောင်း ကျွန်ုပ်တို့၏ ဆန်းစစ်ချက်မှ ပေါ်လွင်ပါသည်။ .
တိုက်ရိုက်အတွေ့အကြုံ - ဂိမ်းအမျိုးအစား ပြောင်းလဲမှု စံနှုန်း
ကျွန်ုပ်တို့၏ တိုက်ရိုက်အတွေ့အကြုံသည် OEE နှင့် အသုံးပြုသူ အပြုအမူဆိုင်ရာ ဒေတာများအပေါ် အခြေခံသော Game Mix Optimization Protocol ကို စဉ်ဆက်မပြတ် အသုံးပြုခြင်းဖြစ်ပြီး အာကေးဒ်ရှိ ဂိမ်းများသည် အမြဲအသစ်ဖြစ်ပြီး အမြတ်အစွန်းရစေရန် နှစ်စဉ် သုံးလတစ်ကြိမ် အကောင်အထည်ဖော်ပါသည်။
BCAR Framework: ဂိမ်းပြောင်းလဲမှုဆိုင်ရာ လေ့လာမှု ဥပမာ
•နောက်ခံ: စက် ၁၀၀ လုံးပါသော အာရ်ကေဒ်ကစားကွင်းတွင် ၎င်း၏ဂိမ်းများ၏ ၁၅% ကို "ရှေးဟောင်းခေတ်ဂိမ်းများ" (နှစ် ၅ ထက်ကျော်လွန်သော) အဖြစ် သတ်မှတ်ထားပါသည်။ ဤဂိမ်းများသည် အမှတ်ရစရာအနေဖြင့် လူကြိုက်များသော်လည်း ပုံမှန်ပြုပြင်ထိန်းသိမ်းမှုပြဿနာများ (အသုံးပြုနိုင်မှုနည်းပါးခြင်း) နှင့် ကစားချိန်ကြာမြင့်ခြင်း (စွမ်းဆောင်ရည်နည်းပါးခြင်း) တို့ကြောင့် OEE ရမှတ်များ နိမ့်ကျနေပါသည်။
•ပြဿနာ: စီမံခန့်ခွဲသူသည် ဖောက်သည်များ၏ ယုံကြည်မှုကို ထိခိုက်မည်ကို စိုးရိမ်၍ ရှေးဟောင်းခေတ်ဂိမ်းများကို ဖယ်ရှားရန် ဆုံးဖြတ်ရန် လက်တွန့်နေပါသည်။ ဒေတာများအရ ဤစက် ၁၅ လုံးသည် ဝင်ငွေစုစုပေါင်း၏ ၈% သာ ရရှိပေးပြီး ပြုပြင်ထိန်းသိမ်းမှုဘတ်ဂျက်၏ ၃၀% ကို တာဝန်ယူနေရပါသည်။
•လုပ်ဆောင်ချက်: ကျွန်ုပ်တို့သည် အဆင့်ဆင့်လှည့်ပေးသော အစီအစဉ်ကို အကောင်အထည်ဖော်ခဲ့ပါသည်။ OEE အနိမ့်ဆုံးရှေးဟောင်းခေတ်ဂိမ်း ၅ ခုကို အသစ်၊ အမြင့်မာထင်ရှားသော၊ ကစားချိန်တိုပြီး ပြိုင်ဆိုင်မှုများသော ဗီဒီယိုဂိမ်းများဖြင့် အစားထိုးခဲ့ပါသည်။ အသစ်ထည့်သော ဂိမ်းများကို ဈေးကွက်တွင် အမြတ်အစွန်းရနိုင်မှုမြင့်မားသည့် မိနစ်နှုန်းဝင်ငွေ (PPM) ကို အခြေခံ၍ ရွေးချယ်ခဲ့ပါသည်။ ထို့အပြင် OEE မြင့်မားသော ဂိမ်း ၃ ခုကို ပိုမိုထင်ရှားသော "ပါဝါဇုန်" သို့ ရွှေ့ပြောင်းခဲ့ပြီး ၎င်းတို့၏ ထင်ရှားမှုကို အများဆုံးဖြစ်အောင် ဆောင်ရွက်ခဲ့ပါသည်။
•အဖြေ: ပထမသုံးလပတ်အတွင်း အာကိတ်ရုံ၏ OEE စုစုပေါင်းသည် 78% မှ 85% သို့ တိုးတက်လာခဲ့သည်။ ဂိမ်းအရေအတွက် နည်းပါးသော်လည်း ဝင်ငွေစုစုပေါင်း၏ 12% ကို ထုတ်လုပ်နိုင်ခဲ့သည်။ Power Zone မှ စုစုပေါင်းဝင်ငွေသည် 25% တိုးတက်လာခဲ့သည်။ အရေးကြီးသည်မှာ User Repeat Challenge Rate (URCR) အာကိတ်ရုံတစ်ခုလုံးအတွက် 7%တိုးတက်လာခဲ့ခြင်းဖြစ်ပြီး ကစားသမားများ၏ စုစုပေါင်းကျေနပ်မှုနှင့် ပါဝင်ဆောင်ရွက်မှု ပိုမိုမြင့်တက်လာကြောင်း ဖော်ပြနေသည်။ ဤလုပ်ဆောင်မှုသည် စီးပွားရေးအမြတ်အစွန်းကို အများဆုံးရရှိစေရန် ဒေတာအခြေပြု ဂိမ်းလှည့်ပေးခြင်းသည် စိတ်ခံစားမှုကို အခြေခံခြင်းထက် ပိုမိုကောင်းမွန်ကြောင်း သက်သေပြခဲ့သည်။
အဆင့်မြင့် အန်းလိုက်တစ်ခ် - ဂိမ်းပြန်လည်ဖြည့်သွင်းမှု စက်ဝန်းများကို ကြိုတင်ခန့်မှန်းခြင်း
ဗီဒီယိုဂိမ်းများအတွက် Performance နှင့် Quality ရမှတ်များကို မြင့်မားစွာထိန်းသိမ်းရန် အဓိကသော့ချက်မှာ အချိန်မီ ဂိမ်းများပြန်လည်ဖြည့်သွင်းပေးခြင်းဖြစ်သည်။ ကစားသမားများသည် မပြောင်းလဲသော ဂိမ်းများကို အလျင်အမြန်ပျင်းရိလာတတ်ပြီး ၎င်းသည် User Pay-Per-Play (PPP) စံနှုန်းတွင် ကျဆင်းမှုကို ဖြစ်ပေါ်စေသည်။
ဂိမ်းပြန်လည်ဖြည့်သွင်းမှုအတွက် ကြိုတင်ခန့်မှန်းမှုမော်ဒယ်
ကျွန်ုပ်တို့သည် ဂိမ်းအသစ်များ ပြန်လည်ဖြည့်သွင်းရန် အကောင်းဆုံးကာလကို ဆုံးဖြတ်ရန် ဦးဆောင်ညွှန်းကိန်း (၃) ခုကို စောင့်ကြည့်သည့် ကြိုတင်ခန့်မှန်းမှုမော်ဒယ်ကို အသုံးပြုပါသည်
1.ဝင်ငွေကျဆင်းနှုန်း တစပတ်နှင့်တစ်ပတ်ကြား အမည်တစ်ခုအတွက် ဝင်ငွေရရှိမှု ရာခိုင်နှုန်း ကျဆင်းမှု။ ဆက်တိုက် ၄ ပတ်အတွင်း ၅% ထက်ပိုသော ကျဆင်းနှုန်းရှိပါက "Refresh Alert" ကို ဖြစ်ပေါ်စေပါသည်။
2.ပျမ်းမျှ စီးဆင်းချိန် (AST) နှင့် ဂိမ်းပြီးမြောက်နှုန်း (GCR) AST မြင့်မားနေပြီး GCR ကျဆင်းနေပါက ပလိုင်ယာများ ပြီးမြောက်ရန် ခက်ခဲနေခြင်း (သို့) ပျင်းရိနေခြင်းကို ညွှန်ပြပါသည်။ AST နှင့် GCR နှစ်ခုစလုံး ကျဆင်းနေပါက ဂိမ်းသည် စွဲမက်ဖွယ်အားနည်းလာခြင်းဖြစ်ပါသည်။
3.အသုံးပြုသူ တုံ့ပြန်ချက် စိတ်ခံစားမှု အမှတ် ပလိုင်ယာများ၏ မှတ်ချက်များနှင့် ဝေဖန်မှုများကို အလိုအလျောက် ဆန်းစစ်ခြင်း (ဥပမာ - "ပျင်းစရာကောင်းတယ်", "ခက်လွန်းတယ်", "ဂိမ်းတွင် bug များနေတယ်")
FEC 50 ခုကျော်မှ သမိုင်းဝင် ဒေတာများအပေါ် အခြေခံထားသော ကျွန်ုပ်တို့၏ မော်ဒယ်အရ ပြိုင်ပွဲဝင် ဗီဒီယိုဂိမ်းများအတွက် အကောင်းဆုံး အကြောင်းအရာ အပ်ဒိတ်လုပ်ငန်းစဉ်သည် ၃ မှ ၆ လ ကြားတွင် ဖြစ်ပါသည်။ ၆ လကျော်အောင် အပ်ဒိတ်လုပ်ခြင်းကို နှောင့်နှေးပါက ထိုဂိမ်းအမည်အတွက် လစဉ်ဝင်ငွေ၏ ၂၀% ကျဆင်းမှု ကို ဖြစ်ပေါ်စေနိုင်ပါသည်။
【ဇယားထည့်ပါ။ အာကေးဒ်ဗီဒီယိုဂိမ်းများအတွက် ဝင်ငွေလျော့ကျနှုန်းနှင့် ဖျော်ဖြေရေးအကြောင်းအရာ ပြန်လည်တိုးသစ်ခြင်း စက်ဝန်း】
နိဂုံးချုပ်နှင့် လုပ်ငန်းဆောင်တာ အကြံပြုချက်များ
အာကေးဒ်ကွင်းကို အတွေ့အကြုံနှင့်အညီ စီမံခန့်ခွဲသည့် ခေတ်ကာလမှာ အဆုံးသတ်သွားပါပြီ။ အမြတ်အစွန်းအများဆုံးရရှိရန်အတွက် FEC လုပ်ငန်းလုပ်ကိုင်သူများသည် OEE နှင့် အသုံးပြုသူ၏အပြုအမူဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုများကို အခြေခံသည့် စနစ်ကျပြီး ဒေတာအခြေပြု ချဉ်းကပ်မှုများကို အသုံးပြုသင့်ပါသည်။ OEE ကွင်းဆက်သည် စက်ပစ္စည်းများ၏ စွမ်းဆောင်ရည်အတွက် ရှင်းလင်းပြီး တိုင်းတာနိုင်သည့် မီတာကိရိယာကို ပေးဆောင်ပေးပြီး၊ ဂိမ်းရောနှောမှု အကောင်းဆုံးဖြစ်အောင် ပရိုတိုကောလ်သည် အာကေးဒ်ကွင်း၏ စတုရန်းမီတာတိုင်းသည် အမြတ်အစွန်းကို အများဆုံးဖြစ်အောင် ပံ့ပိုးပေးနေကြောင်း သေချာစေပါသည်။ လုပ်ငန်းလုပ်ကိုင်သူအားလုံးသည် OEE ကို အချိန်နှင့်တစ်ပြေးညီ တွက်ချက်နိုင်ပြီး ဂိမ်းများကို စက်ဝန်းလှည့်ပြောင်းခြင်းနှင့် ဖျော်ဖြေရေးအကြောင်းအရာများကို ပြန်လည်တိုးသစ်ခြင်းအတွက် သုံးလတစ်ကြိမ် ပြန်လည်သုံးသပ်သည့် စနစ်ကို စတင်အကောင်အထည်ဖော်ရန် အကြံပြုပါသည်။ ဒေတာများကို စွဲမြဲစွာအသုံးပြုခြင်းဖြင့် သင့်အာကေးဒ်ကို စက်များ၏ စုဆုံရာမှ အလွန်ထိရောက်ပြီး ဝင်ငွေရှာဖွေနိုင်သည့် စက်စနစ်တစ်ခုအဖြစ် ပြောင်းလဲလိုက်ပါ။
References
EN
