Anormallik Algılama, Analytics Intelligence'ın belirli bir metriğin zaman serisi verilerindeki anormallikleri ve aynı anda bir segment içindeki anormallikleri tespit etmek için kullandığı istatistik tekniğidir.
Metriklerde zaman içinde oluşan anormallikleri tespit etme
Intelligence, zaman serilerindeki en son veri noktasının değerini tahmin etmek amacıyla geçmiş verilere Bayes durum uzayı zaman serisi modelini uygular. Bu model, gözlemlenen metriği değerlendirmek için kullandığımız bir tahmin ve güvenilir aralık üretir.
Analytics Intelligence, geçmiş verileri kullanarak metriğin geçerli zaman dilimindeki değerini tahmin eder ve gerçek değer güvenilir aralığın dışında kalırsa veri noktasını anormallik olarak işaretler. Saatlik anormalliklerin algılanması içinse eğitim dönemi 2 haftadır. Günlük anormalliklerin algılanması için gereken eğitim dönemi 90 gündür. Haftalık anormalliklerin algılanması için gereken eğitim dönemi 32 haftadır.
Bir segment içinde aynı anda oluşan anormallikleri tespit etme
Zaman serisi tabanlı anormallik algılama özelliği, tek bir boyut verisindeki tek bir metriği işaretlemek için geçmiş verileri kullanır. Bunun yanı sıra, belirli bir zaman için birden çok metrik ve boyut değeri üzerinde eşzamanlı olarak anormallik algılama özelliği de sunulmaktadır.
Bu yaklaşımda, anormallikleri işaretlemek için metriklerin ilişkilendirme yapısından yararlanmayı sağlayan ana bileşenler analizi (PCA) ile birlikte çapraz doğrulama kullanılır.
Öncelikle, PCA uygulanacak boyut ve metrik kümesi belirlenir. Tüm olası boyut değerlerine göre, birden çok segment oluşturulur, ardından her metrik bir segment içindeki kullanıcı sayısıyla normalleştirilir. Daha sonra, bu segmentler ve normalleştirilmiş metrikler için PCA çalıştırılır. Belirli bir segmentin herhangi bir metriğinde anormal davranış sergilenirse ve bu segment söz konusu mülkteki kullanıcıların en az %0,05'ini oluşturuyorsa bu segmentler anormallik olarak belirlenir. Şu anda bu analiz her hafta yapılmaktadır.