亞馬遜云科技宣布Amazon Lookout for Metrics正式可用。這是一項全新的完全托管服務,使用機器學習檢測指標中的異常情況,幫助企業診斷問題并確定根本原因。Amazon Lookout for Metrics幫助客戶以更快的速度、更高的準確度監控業務中的重要指標,如收入、網頁瀏覽量、活躍用戶、交易量和移動應用安裝等。客戶無需機器學習經驗,即可通過該服務更容易地診斷異常現象發生的根本原因,如收入意外下降、購物車的高棄購率、支付交易失敗高峰、新用戶注冊增加等。目前使用Amazon Lookout for Metrics的客戶包括DevFactory、Digitata和Flywire等。
無論規模大小或所屬行業,企業往往都會收集和分析指標或關鍵績效指標(KPIs),以幫助業務有效且高效地運行。以往,商業智能(BI)工具用于管理來自不同數據源的數據(如存儲在數據倉庫中的結構化數據,存于第三方平臺的客戶關系管理數據,保存在本地數據存儲的運營指標),并創建用于生成報告、針對檢測到的異常發出警報等的儀表板。但有效地識別這些異常是非常有挑戰性的。傳統的基于規則的方法需要手動處理,且該方法通常將指定數值范圍之外的數據視為異常(如每小時交易低于一定數量時發出警報),這會導致如果指定的數值范圍太窄會發出錯誤警報,而范圍太廣則檢測不到異常情況。并且,這些范圍也是靜態的,不會根據每天的時間段、每周、季節或業務周期等不斷變化的條件而變化。當檢測到異常時,開發、分析和業務人員在采取行動之前可能會花費大量時間,嘗試找出導致異常的根本原因。
基于機器學習的解決方案能夠解決以上傳統基于規則方法帶來的諸多挑戰,因為機器學習可以從大量信息中進行模式識別,快速識別異常,并基于商業周期和季節等因素動態地調整。然而,從無到有開發機器學習模型需要一個數據科學家團隊,他們需要花費大量時間構建、訓練、部署、監控和微調機器學習模型。此外,一個單一的算法很難滿足企業的所有需求,這將導致企業花費更多的時間和費用來創建和維護多個算法,以應對不同的需求。因此,幾乎沒有多少企業能夠做到既擁有經驗豐富的數據科學家,又有足夠的資源來淘汰基于規則的方法,而充分實現機器學習在指標異常檢測方面的全部潛力。(美通社,2021年4月8日北京)