Είμαστε ενθουσιασμένοι που εγκαινιάζουμε μια δυνατότητα ανάλυσης αιτιώδους συνεισφοράς στο Αναζήτηση Amazon για μετρήσεις που σας βοηθά να κατανοήσετε τις πιθανές βασικές αιτίες για τις κρίσιμες για την επιχείρηση ανωμαλίες στα δεδομένα. Προηγουμένως, σας δόθηκαν μόνο οι βαθύτερες αιτίες για μια μεμονωμένη ανωμαλία ανά μέτρο. Έπρεπε να αναλύσετε για να προσδιορίσετε εάν υπήρχαν αιτιώδεις σχέσεις μεταξύ των ανωμαλιών που ανιχνεύθηκαν σε διαφορετικά μέτρα. Όταν εστιάσετε σε μια μεμονωμένη ανωμαλία, μπορείτε εύκολα να χάσετε τον αντίκτυπο της ανωμαλίας κατάντη (ή ανάντη). Για παράδειγμα, μπορεί να δείτε μια απότομη αύξηση στην εγκατάλειψη του καλαθιού ολοκλήρωσης αγοράς και να γνωρίζετε ότι τα έσοδά σας θα μειωθούν. Ωστόσο, μπορεί να μην γνωρίζετε τι προκάλεσε την εγκατάλειψη των καροτσιών ολοκλήρωσης αγοράς με υψηλότερο ρυθμό. Η δυνατότητα ανάλυσης αιτιώδους συνεισφοράς μπορεί να σας πει ότι η απόρριψη στο καλάθι αγορών ολοκλήρωσης αγοράς μπορεί να οφείλεται σε αιχμές στις αποτυχίες συναλλαγών ή σε ξαφνικές αλλαγές στις τιμές λόγω λήξης της προσφοράς.
Το Lookout for Metrics χρησιμοποιεί μηχανική εκμάθηση (ML) για την αυτόματη ανίχνευση και διάγνωση ανωμαλιών σε μεγάλα σύνολα δεδομένων, όπου οι αποκλίσεις από το κανονικό είναι δύσκολο να εντοπιστούν και οι χαμένες ανωμαλίες έχουν κρίσιμο αντίκτυπο για τις επιχειρήσεις. Το Lookout for Metrics μειώνει τον χρόνο εφαρμογής υπηρεσιών AI/ML για κρίσιμα για τις επιχειρήσεις προβλήματα.
Σε αυτήν την ανάρτηση, συζητάμε τη νέα δυνατότητα ανάλυσης αιτιώδους συνεισφοράς και τα οφέλη της.
Προκλήσεις στην ανίχνευση ανωμαλιών
Η ανίχνευση ανωμαλιών έχει δύο μέρη: τον εντοπισμό ανωμαλιών και τον εντοπισμό της βασικής αιτίας που προκάλεσε τις ανωμαλίες, έτσι ώστε η ομάδα να μπορεί να λάβει μέτρα για να μετριάσει το πρόβλημα.
Τα παραδοσιακά συστήματα επιχειρηματικής ευφυΐας (BI) που χρησιμοποιούν ανωμαλίες που βασίζονται σε στατικό όριο ή βασισμένες σε κανόνες έχουν τρία προβλήματα. Πρώτον, μπορεί να έχετε εκατομμύρια μετρήσεις για παρακολούθηση σε πολλές πηγές δεδομένων. Πάρτε για παράδειγμα την ψηφιακή διαφήμιση—θέλετε να παρακολουθείτε μετρήσεις όπως εμφανίσεις, κλικ, έσοδα και μετρήσεις καλαθιού αγορών σε αναγνωριστικά καμπάνιας, κατηγορίες προϊόντων, γεωγραφίες και άλλα. Και είναι το ίδιο για οποιονδήποτε τομέα, είτε είναι λιανικό εμπόριο, τηλεπικοινωνίες, παιχνίδια ή χρηματοοικονομικές υπηρεσίες. Με τα παραδοσιακά εργαλεία BI, η διαχείριση δεδομένων από πολλές πηγές, η δημιουργία πινάκων εργαλείων και αναφορών και η προσθήκη ειδοποιήσεων σε αναλυτικό επίπεδο απαιτεί πολλή χειρωνακτική εργασία και δεν είναι επεκτάσιμη.
Δεύτερον, αυτά τα παραδοσιακά εργαλεία BI λειτουργούν με τη ρύθμιση κανόνων. Ρυθμίζετε ένα εύρος και οτιδήποτε εκτός του εύρους είναι ανωμαλία και ειδοποιηθείτε για αυτά. Εάν το εύρος είναι πολύ μεγάλο, χάνετε σημαντικές ειδοποιήσεις και αν είναι πολύ στενό, λαμβάνετε πάρα πολλές ψευδείς ειδοποιήσεις.
Αυτά τα εύρη (άνω και κάτω φράγμα στην παραπάνω εικόνα) είναι επίσης στατικά και δεν αλλάζουν με βάση την ώρα της ημέρας, την ημέρα της εβδομάδας ή τις εποχές. πρέπει να ενημερωθούν χειροκίνητα. Είναι πιθανό να χάσετε σημαντικές ανωμαλίες και να λάβετε πάρα πολλούς ψευδείς συναγερμούς ή να χάσετε την εμπιστοσύνη στο εργαλείο και να αρχίσετε να αγνοείτε εντελώς αυτές τις ειδοποιήσεις.
Τέλος, οι αναφορές BI και οι πίνακες εργαλείων δημιουργούνται συχνά στο τέλος της ώρας, στο τέλος της ημέρας ή στο τέλος της εβδομάδας, όταν είναι πολύ αργά για να αντιμετωπίσετε ένα πρόβλημα. Και ακόμη και όταν έρχονται αυτά τα αποτελέσματα, δεν απαντά στο γιατί. Έτσι, οι προγραμματιστές, οι αναλυτές και οι ιδιοκτήτες επιχειρήσεων μπορούν να περάσουν εβδομάδες προσπαθώντας να εντοπίσουν τη βασική αιτία της ανωμαλίας, καθυστερώντας ακόμη περισσότερο τη σημαντική δράση.
Αιτιατό συμπέρασμα στο Lookout for Metrics
Αν και το να ζητάς τη βασική αιτία ενός απροσδόκητου γεγονότος φαίνεται να βρίσκεται στο επίκεντρο του ανθρώπινου τρόπου κατανόησης του κόσμου, οι στατιστικές συσχετίσεις συχνά παρερμηνεύονται ως αιτιώδης επιρροή. Δηλαδή, η συσχέτιση δεν συνεπάγεται αιτιότητα και η διάκριση των αιτιών των γεγονότων από δεδομένα παρατήρησης απαιτεί εξειδικευμένες μεθόδους αιτιατού συμπερασμάτων.
Η ανάλυση της βασικής αιτίας στο Lookout for Metrics χρησιμοποιεί τεχνικές αιτιολογικής εξαγωγής συμπερασμάτων για να αυξήσει την ορατότητα και την ερμηνευσιμότητα των ανωμαλιών σε όλα τα μέτρα. Το Lookout for Metrics είναι σε θέση όχι μόνο να εντοπίζει αιτιακούς οδηγούς, αλλά και να αποδίδει ποσοτικά τα ανώμαλα συμβάντα σε αυτά, παρέχοντας μια ποσοστιαία βαθμολογία πιθανότητας μεταξύ των πιθανών αιτιολογικών οδηγών ενός ανώμαλου συμβάντος. Για παράδειγμα, το Lookout for Metrics μπορεί τώρα να δημιουργήσει αιτιώδεις συνδέσμους μεταξύ της πτώσης των προβολών διαφημίσεων (ανωμαλία) λόγω λιγότερων κλικ στον ιστότοπό σας, στο IOS και στο Android (αιτιακή αιτία), που οδηγεί σε μείωση των εσόδων (επάνοδος). Ας υποθέσουμε ότι προκύπτουν μία ή περισσότερες πιθανές βασικές αιτίες (ιστότοπος, iOS, Android). Σε αυτήν την περίπτωση, το Lookout for Metrics μπορεί να εντοπίσει την πιο πιθανή αιτία (για παράδειγμα, ιστότοπο με πιθανότητα 90%) που οδήγησε σε πτώση των προβολών διαφημίσεων.
Η επιστημονική προσέγγιση βασίζεται σε μια διαδικασία δύο βημάτων:
- Να συμπεράνουμε τις αιτιώδεις σχέσεις μεταξύ των μέτρων.
- Με βάση τη συναγόμενη αιτιώδη δομή, αποδίδετε τις ανωμαλίες του επηρεαζόμενου μέτρου στα προκλητικά μέτρα.
Για να συμπεράνουμε τις αιτιώδεις σχέσεις μεταξύ των μετρήσεων, χρησιμοποιούμε μια μέθοδο αιτιότητας Granger που λαμβάνει υπόψη τη δομή δεδομένων πίνακα του Lookout for Metrics. Οι υπάρχουσες μέθοδοι αιτιώδους συνάφειας Granger για δεδομένα πίνακα δεν μπορούν να αντιμετωπίσουν εξαρτήσεις μεταξύ συνδυασμών τιμών ιδιοτήτων (για παράδειγμα, εξαρτήσεις εσόδων σε διαφορετικές χώρες που έχουμε συνήθως σε πραγματικά δεδομένα). Για παράδειγμα, εκδηλώσεις όπως η Black Friday αυξάνουν τα έσοδα πολλών χωρών και επομένως υπάρχει μια εξωτερική πηγή που εξαρτά τα έσοδα διαφορετικών χωρών). Ως εκ τούτου, έπρεπε να αναπτύξουμε τη δική μας αιτιότητα Granger[1] μέθοδος για δεδομένα πίνακα που μπορεί να αντιμετωπίσει αυτούς τους τύπους εξαρτήσεων.
Μόλις η αιτιακή δομή είναι διαθέσιμη, αποδίδουμε τις ανωμαλίες του επηρεαζόμενου μέτρου στα αιτιώδη μέτρα του για την ποσοτικοποίηση των σχέσεων αιτίου-αποτελέσματος.
Αναλύστε ανωμαλίες στην κονσόλα Lookout for Metrics
Αφού το Lookout for Metrics ξεκινήσει τον εντοπισμό ανωμαλιών, μπορείτε να αναζητήσετε τις ανωμαλίες που εντοπίστηκαν στο Ανωμαλίες σελίδα για τον ανιχνευτή. Όταν επιλέγετε μια ανωμαλία, ανακατευθύνεστε στη σελίδα λεπτομερειών για την παρατηρούμενη ανωμαλία.
Η σελίδα λεπτομερειών ανωμαλίας περιλαμβάνει α Ανάλυση αιτίου αιτίου Ενότητα. Αυτή η ενότητα προσπαθεί να εξηγήσει αυτήν την παρατηρούμενη ανωμαλία σε σχέση με τις άλλες ανωμαλίες για τα διαμορφωμένα μέτρα ανιχνευτή ανωμαλιών.
Στο παρακάτω παράδειγμα, το "Επηρεασμένο έσοδα" είναι η παρατηρούμενη ανωμαλία και οι πιθανές αιτίες περιλαμβάνουν παραγγελίες και μη διαμορφωμένα μέτρα. Οι παραγγελίες συνεισφέρουν περίπου το 81.84% στην τρέχουσα ανωμαλία, δηλαδή τα έσοδα που οδηγούν σε μεταγενέστερη επίδραση στα κέρδη.
Επιλέγοντας την πιθανή αιτία παραγγελιών μας μεταφέρει στις λεπτομέρειες της παρατηρούμενης ανωμαλίας του. Σε αυτήν την περίπτωση, οι πιθανές αιτίες για αυτήν την ανωμαλία είναι τα κλικ και τα μη διαμορφωμένα μέτρα. Τα κλικ θα μπορούσαν να είναι μία από τις πιθανές αιτίες αυτής της ανωμαλίας, αλλά λαμβάνει μια σχετικά χαμηλή βαθμολογία συνεισφοράς 8.37%, και ο ανιχνευτής δεν παρατηρεί τίποτα ανώμαλο για αυτό. Σε αυτήν την περίπτωση, το Lookout for Metrics καταλήγει στο συμπέρασμα ότι η ανωμαλία των παραγγελιών προκαλείται από εξωτερικούς παράγοντες ή μέτρα που δεν διαμορφώθηκαν για παρακολούθηση κατά τη φάση ρύθμισης του ανιχνευτή. Αυτή η ανωμαλία στις παραγγελίες έχει δυνητικό αντίκτυπο κατάντη στα κέρδη και τα έσοδα.
Επιλογή του πιθανού αντίκτυπου κατάντη κέρδος μας μεταφέρει στις λεπτομέρειες της παρατηρούμενης ανωμαλίας του. Σε αυτήν την περίπτωση, οι πιθανές αιτίες φαίνεται να είναι ένας συνδυασμός ανωμαλιών στα έσοδα, τις παραγγελίες και τα μη διαμορφωμένα μέτρα, με αντίστοιχα αποτελέσματα συνεισφοράς 33%, 14% και 53%. Κανένα μέτρο κατάντη δεν επηρεάζεται από αυτήν την ανωμαλία.
Για αυτό το παράδειγμα, η ανωμαλία στο κέρδος μπορεί να εξηγηθεί εν μέρει από τις ανωμαλίες στα έσοδα και τις παραγγελίες. Στη συνέχεια, η ανωμαλία στα έσοδα μπορεί να εξηγηθεί από την ανωμαλία στις παραγγελίες με μεγάλη βεβαιότητα.
Συμπέρασμα
Η νέα δυνατότητα ανάλυσης αιτιώδους συνεισφοράς στο Lookout for Metrics εντοπίζει την αιτιακή αλληλεπίδραση μεταξύ ανωμαλιών στα μέτρα σας. Για να το πετύχει αυτό, ο ανιχνευτής μαθαίνει την αιτιώδη σχέση μεταξύ των μέτρων στα δεδομένα σας πλήρως αυτοεποπτευόμενος και χρησιμοποιεί αυτές τις αιτιώδεις πληροφορίες για να εντοπίσει τις ανωμαλίες πίσω στις βασικές αιτίες τους. Αυτή η δυνατότητα μπορεί να σας βοηθήσει να συνδέσετε αιτιολογικά τις ανωμαλίες μεταξύ των μέτρων και σας παρέχει ένα εργαλείο για τη γρήγορη διάγνωση και, στη συνέχεια, τη διόρθωση τυχόν προβλημάτων στο σύστημά σας.
[1] L. Minorics, C. Turkmen, P. Bloebaum, D. Kernert, L. Callot και D. Janzing. Έλεγχος μη αιτιότητας του Granger σε πίνακες με διατομικές εξαρτήσεις. AISTATS, 2022.
Σχετικά με τους Συγγραφείς
Lenon Minorics είναι Εφαρμοσμένος Επιστήμονας που εστιάζει στην αιτιώδη συναγωγή και την ανίχνευση ανωμαλιών. Πριν από την Amazon, ο Lenon ήταν ακαδημαϊκός ερευνητής στα μαθηματικά. Τα προσωπικά του ερευνητικά ενδιαφέροντα περιλαμβάνουν τη μηχανική μάθηση, την αιτιώδη συναγωγή, τη στοχαστική και τη γεωμετρία φράκταλ. Στον ελεύθερο χρόνο του, ο Lenon απολαμβάνει να ασκεί όλα τα είδη αθλημάτων, ειδικά το Brazilian Jiu-Jitsu.
Shashank Srivastava είναι Senior Product Manager για κάθετες υπηρεσίες Amazon AI. Είναι παθιασμένος με την επίλυση προβλημάτων στην τεχνητή νοημοσύνη στο NLP, την ανίχνευση καινοτομίας και τη σπανιότητα δεδομένων. Στον ελεύθερο χρόνο του, ο Shashank απολαμβάνει το τένις και το γκολφ.
Caner Türkmen είναι Εφαρμοσμένος Επιστήμονας στο Amazon Web Services, όπου εργάζεται πάνω σε προβλήματα στο σημείο τομής της μηχανικής μάθησης, της πρόβλεψης και της ανίχνευσης ανωμαλιών. Πριν ενταχθεί στην AWS, εργάστηκε στη βιομηχανία συμβούλων διαχείρισης ως επιστήμονας δεδομένων, υπηρετώντας τις βιομηχανίες χρηματοοικονομικών υπηρεσιών και τηλεπικοινωνιών σε έργα σε όλο τον κόσμο. Τα προσωπικά ερευνητικά ενδιαφέροντα του Caner καλύπτουν μια σειρά θεμάτων, συμπεριλαμβανομένων των πιθανολογικών και Bayesian ML, των στοχαστικών διεργασιών και των πρακτικών εφαρμογών τους.
Alex Kim είναι Διευθυντής Προϊόντων για τις Υπηρεσίες AWS AI. Η αποστολή του είναι να παρέχει λύσεις AI/ML σε όλους τους πελάτες που μπορούν να επωφεληθούν από αυτό. Στον ελεύθερο χρόνο του, απολαμβάνει όλα τα είδη αθλημάτων και ανακαλύπτει νέα μέρη για φαγητό.
- Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
- Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
- CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
- Πηγή: https://aws.amazon.com/blogs/machine-learning/identify-potential-root-cause-in-business-critical-anomalies-using-amazon-lookout-for-metrics/
- "
- 100
- 2022
- a
- Σχετικα
- Λογαριασμός
- Κατορθώνω
- απέναντι
- Πράξη
- Ενέργειες
- Διαφήμιση
- AI
- Υπηρεσίες AI
- Όλα
- Amazon
- Amazon υπηρεσίες Web
- μεταξύ των
- ανάλυση
- αναλύσει
- android
- απάντηση
- εφαρμογές
- εφαρμοσμένος
- πλησιάζω
- περίπου
- αυτομάτως
- διαθέσιμος
- AWS
- πριν
- όφελος
- οφέλη
- μεταξύ
- Μαύρη
- μαύρη Παρασκευή
- σύνορο
- επιχείρηση
- επιχειρηματικής ευφυΐας
- Εκστρατεία
- ικανός
- Αιτία
- προκαλούνται
- αίτια
- προκαλώντας
- αλλαγή
- Ολοκλήρωση Αγοράς
- Επιλέξτε
- συνδυασμοί
- Ελάτε
- Connect
- συμβουλευτικές
- θα μπορούσε να
- χώρες
- δημιουργία
- Ρεύμα
- Πελάτες
- ημερομηνία
- επιστήμονας δεδομένων
- ημέρα
- συμφωνία
- εξαρτώμενος
- καθέκαστα
- εντοπιστεί
- Ανίχνευση
- Προσδιορίστε
- ανάπτυξη
- προγραμματιστές
- διαφορετικές
- ψηφιακό
- Διάσταση
- συζητήσουν
- Όχι
- τομέα
- Πτώση
- κατά την διάρκεια
- εύκολα
- τρώνε
- ειδικά
- Συμβάν
- εκδηλώσεις
- παράδειγμα
- ενθουσιασμένοι
- υφιστάμενα
- παράγοντες
- Χαρακτηριστικό
- οικονομικός
- των χρηματοπιστωτικών υπηρεσιών
- Όνομα
- σταθερός
- εστιάζοντας
- Εξής
- Δωρεάν
- Παρασκευή
- από
- περαιτέρω
- τυχερών παιχνιδιών
- σφαίρα
- βοήθεια
- βοηθά
- Ψηλά
- υψηλότερο
- Ωστόσο
- HTTPS
- ανθρώπινος
- προσδιορίσει
- προσδιορισμό
- εικόνα
- Επίπτωση
- εφαρμογή
- σημαντικό
- περιλαμβάνουν
- περιλαμβάνει
- Συμπεριλαμβανομένου
- Αυξάνουν
- βιομηχανίες
- βιομηχανία
- επιρροή
- πληροφορίες
- παράδειγμα
- Νοημοσύνη
- αλληλεπίδραση
- συμφέροντα
- διασταύρωση
- iOS
- θέματα
- IT
- Ξέρω
- large
- ξεκινήσει
- που οδηγεί
- Οδηγεί
- μάθηση
- Led
- Επίπεδο
- Πιθανός
- ΣΥΝΔΕΣΜΟΙ
- ματιά
- μηχανή
- μάθηση μηχανής
- διαχείριση
- διευθυντής
- διαχείριση
- Ταχύτητες
- χειρωνακτική εργασία
- χειροκίνητα
- μαθηματικά
- νόημα
- μέτρο
- μέτρα
- μέθοδοι
- Metrics
- ενδέχεται να
- εκατομμύρια
- Αποστολή
- ML
- παρακολούθηση
- περισσότερο
- πλέον
- πολλαπλούς
- και συγκεκριμένα
- κανονικός
- παραγγελιών
- ΑΛΛΑ
- δική
- ιδιοκτήτες
- παθιασμένος
- ποσοστό
- προσωπικός
- φάση
- παιχνίδι
- δυνατός
- δυναμικού
- Πρόβλημα
- προβλήματα
- Διεργασίες
- Προϊόν
- Κέρδος
- έργα
- προαγωγή
- παρέχει
- χορήγηση
- γρήγορα
- σειρά
- λαμβάνω
- συγγένειες
- Σχέσεις
- καθιστά
- Εκθέσεις
- Απαιτεί
- έρευνα
- Αποτελέσματα
- λιανική πώληση
- έσοδα
- ρίζα
- κανόνες
- ίδιο
- επεκτάσιμη
- Επιστήμονας
- Υπηρεσίες
- εξυπηρετούν
- σειρά
- τον καθορισμό
- setup
- Καταστήματα Λιανικής
- ενιαίας
- So
- στέρεο
- Λύσεις
- ειδικευμένος
- δαπανήσει
- Αθλητισμός
- Εκκίνηση
- ξεκινά
- στατιστικός
- Ακολούθως
- αιφνίδιος
- σύστημα
- συστήματα
- τεχνικές
- τηλεπικοινωνιών
- τηλεπικοινωνιών
- Δοκιμές
- Η
- ο κόσμος
- επομένως
- τρία
- ώρα
- εργαλείο
- εργαλεία
- Θέματα
- τροχιά
- παραδοσιακός
- συναλλαγή
- Εμπιστευθείτε
- τύποι
- συνήθως
- καταλαβαίνω
- κατανόηση
- us
- χρήση
- αξία
- ορατότητα
- ιστός
- διαδικτυακές υπηρεσίες
- Ιστοσελίδα : www.example.gr
- εβδομάδα
- Τι
- Ο ΟΠΟΊΟΣ
- Εργασία
- εργάστηκαν
- λειτουργεί
- κόσμος
- Σας