Detetar anomalias mais cedo
O modelo ajuda a identificar padrões invulgares em grandes volumes de dados.
Identifique anomalias nos dados e nos processos antes que os seus efeitos passem despercebidos.
Nem sempre é fácil detetar anomalias em grandes volumes de dados. Por isso, os erros ou as perturbações podem persistir durante algum tempo. A deteção de anomalias identifica padrões que se desviam do que seria de esperar com base em dados históricos.
Uma aplicação só ganha sentido quando responde a uma tarefa concreta e utiliza a informação disponível para essa tarefa.
Uma anomalia é um sinal que exige uma análise mais aprofundada. Por isso, definimos antecipadamente o que a solução deve e não deve fazer, como será verificado o resultado e quem mantém a responsabilidade.
O modelo ajuda a identificar padrões invulgares em grandes volumes de dados.
As equipas podem concentrar a atenção nos sinais que exigem uma avaliação mais aprofundada.
A monitorização mostra com que frequência os sinais se revelam úteis ou desnecessários.
Determinamos que comportamentos anómalos são relevantes e o que significa um sinal.
Analisamos exemplos históricos e a qualidade dos dados.
Configuramos os alertas tendo em conta as notificações desnecessárias.
Os especialistas avaliam os sinais e os casos não detetados.
Acompanhamos o desempenho e a evolução dos padrões após a entrada em funcionamento.
Este serviço é relevante para organizações com fluxos de dados ou processos operacionais. A configuração concreta depende do processo, dos dados disponíveis e dos riscos da aplicação.
Por isso, começamos com uma aplicação bem delimitada e só a alargamos quando a configuração inicial funciona na prática.
Este serviço responde ao seguinte desafio: a deteção de anomalias identifica padrões que se desviam do esperado com base em dados históricos. O seu funcionamento exato depende do processo e dos dados disponíveis.
O serviço pode ser relevante para organizações com fluxos de dados ou processos operacionais. Uma necessidade concreta e informação utilizável são mais importantes do que a dimensão da organização.
Depende da aplicação escolhida. Começamos pela questão a que é preciso responder e, depois, determinamos que dados ou fontes são necessários e adequados.
Não. Para tarefas fixas e previsíveis, a automatização convencional pode ser suficiente. Escolhemos a abordagem mais simples que responda à questão e só acrescentamos complexidade quando é necessário.
Delimitamos a aplicação, validamos os resultados com os utilizadores e implementamos controlos adequados. Após a entrada em funcionamento, acompanhamos o seu desempenho e ajustamos a solução quando os dados, a utilização ou o contexto mudam.
Quer explorar por onde faz sentido começar com a deteção de anomalias? Analisamos em conjunto o problema, a informação disponível e os requisitos.