Wykrywanie anomalii

Wykrywanie anomalii (inaczej analiza wartości odstających) to krok w eksploracji danych, który identyfikuje punkty danych, zdarzenia i/lub obserwacje, które odbiegają od normalnego zachowania zestawu danych.

Dzięki wszystkim dostępnym programom analitycznym i różnym oprogramowaniu do zarządzania firmy mogą teraz łatwiej niż kiedykolwiek skutecznie mierzyć każdy aspekt działalności biznesowej. Obejmuje to wydajność operacyjną aplikacji i komponentów infrastruktury, a także kluczowe wskaźniki wydajności (KPI), które oceniają sukces organizacji. Dzięki milionom metryk, które można zmierzyć, firmy mają zwykle dość imponujący zestaw danych, aby zbadać wyniki swojej działalności.

W tym zbiorze danych znajdują się wzorce danych, które reprezentują zwykłą działalność biznesową. Nieoczekiwana zmiana w obrębie tych wzorców danych lub zdarzenie, które nie jest zgodne z oczekiwanym wzorcem danych, jest uważane za anomalię. Innymi słowy, anomalia to odstępstwo od zwykłego postępowania.

Anomalne dane mogą wskazywać na incydenty krytyczne, takie jak usterka techniczna lub potencjalne możliwości, na przykład zmiana zachowania konsumentów.

Brak zmian może być anomalią, jeśli łamie wzorzec, który jest normalny dla danych z tej konkretnej metryki. Anomalie nie są kategorycznie dobre ani złe, to tylko odchylenia od oczekiwanej wartości metryki w danym momencie

Uczenie maszynowe jest wykorzystywane do automatyzacji wykrywania anomali, co poprawia jakość detekcji i zmiejsza ilość niepotrzebnych alertów.

Przykładowe zastosowania detekcji anomalii:

Nasze rozwiązanie pozwala na wykrywanie i definiowanie

Ustawianie punktów kluczowych
Użytkownik wprowadza własny zestaw parametrów, po przekroczeniu dowolnego z nich system wyśle powiadomienie
Wykrywanie anomalii w danych
Użytkownik wprowadza próbki danych danych, a sieć neuronowa uczy się automatycznie wykrywać dane niespełniające kryteria
Dane w czasie
Po określeniu oczekiwanej ilości danych w czasie (np. rekordów na godzinę)m system nadzoruje czy wprowadzone dane są zgodne z podanym kryterium.
Własne warunki
Po określeniu oczekiwanej ilości danych w czasie (np. rekordów na godzinę)m system nadzoruje czy wprowadzone dane są zgodne z podanym kryterium.



<