La funció Detecció d'anomalies és una tècnica estadística que Analytics Intelligence utilitza per identificar anomalies a les dades de sèries temporals d'una mètrica determinada, i dins un segment en el mateix moment temporal.
Identificar anomalies de mètriques al llarg del temps
Intelligence aplica un model bayesià de sèrie temporal estructural a les dades de l'historial per predir el valor dels punts de dades més recents que s'han observat a la sèrie temporal. El model genera una predicció i un interval creïble que fem servir per avaluar la mètrica observada.
A partir de les dades de l'historial, Analytics Intelligence prediu el valor de la mètrica en el període de temps actual i marca el punt de dades com una anomalia si el valor real es troba fora de l'interval creïble. En el cas de la detecció d'anomalies per hora, el període d'aprenentatge és de dues setmanes. Respecte a la detecció d'anomalies per dia, el període és de 90 dies. Per a la detecció d'anomalies setmanals, el període és de 32 setmanes.
Identificar anomalies dins un segment en el mateix moment temporal
Tot i que la detecció d'anomalies basada en sèries temporals utilitza les dades de l'historial per marcar una sola mètrica dins un únic valor de dimensió, la detecció d'anomalies també està disponible simultàniament en diverses mètriques i valors de dimensió en un moment determinat.
Amb aquest mètode, utilitzem anàlisis de components principals (PCA) per aprofitar l'estructura de correlació de les mètriques juntament amb la validació encreuada per marcar anomalies.
En primer lloc, identifiquem el conjunt de dimensions i mètriques que se sotmetran a la PCA. Tenint en compte tots els valors de dimensió possibles, creem diversos segments i normalitzem cada mètrica pel nombre d'usuaris que hi ha dins un segment. A continuació, executem la PCA per a aquests segments i mètriques normalitzades. Si algun segment en concret té un comportament anòmal en qualsevol mètrica i inclou almenys el 0,05% dels usuaris d'aquesta propietat, mostrem aquests segments com a anomalies. Actualment, fem aquesta anàlisi cada setmana.