Untersuchung von Ausreißern und Hauptfaktoren mit ML-gestützter Anomalieerkennung und Beitragsanalyse

Sie können die Anomalien (auch als Ausreißer bezeichnet) in Ihrer Analyse interaktiv zusammen mit den beitragenden Faktoren (Hauptfaktoren) untersuchen. Die Analyse steht Ihnen nach den ML-gestützten Anomalie-Erkennungsdurchläufen zum Erkunden zur Verfügung. Die Änderungen, die Sie in diesem Bildschirm vornehmen, werden nicht gespeichert, wenn Sie zur Analyse zurückkehren.

Wählen Sie zunächst die Option Anomalien untersuchen in dem Insight aus. Der folgende Screenshot zeigt den Bildschirm mit den Anomalien, wie er erscheint, wenn Sie ihn zum ersten Mal öffnen. In diesem Beispiel ist die Analyse der Beitragenden eingerichtet und zeigt zwei Hauptfaktoren.

Die Bereiche des Bildschirms umfassen Folgendes, von oben links nach unten rechts:

• Beitragende zeigt die wichtigsten Faktoren an. Um diesen Abschnitt sehen zu können, müssen Sie Beitragende in Ihrer Anomaliekonfiguration eingerichtet haben.

• Controls (Steuerelemente) enthält Einstellungen für die Untersuchung von Anomalien.

• Number of anomalies (Die Anzahl der Anomalien) zeigt Ausreißer an, die im Laufe der Zeit erkannt wurden. Sie können diesen Diagrammabschnitt ein- oder ausblenden.

• Ihre Feldnamen für Kategorie- oder Dimensionsfelder dienen als Titel für Diagramme, in denen Anomalien für jede Kategorie oder Dimension angezeigt werden.

Die folgenden Abschnitte enthalten detaillierte Informationen zu jedem Aspekt der Anomalieerkennung.

Untersuchung der Beitragenden (Haupttreiber)

Wenn Ihre Anomalieanalyse so eingerichtet ist, dass sie wichtige Einflussfaktoren erkennt, QuickSight führt Sie die Beitragsanalyse durch, um zu ermitteln, welche Kategorien (Dimensionen) die Ausreißer beeinflussen. Der Abschnitt Beitragende wird auf der linken Seite angezeigt.

Beitragende enthält die folgenden Abschnitte:

• Narrative (Beschreibung) – Oben links finden Sie eine Zusammenfassung, in der alle Änderungen an den Kennzahlen beschrieben werden.

• Konfiguration der Hauptbeitragenden - Wählen Sie Configure (Konfigurieren) aus, um die beitragenden Faktoren und den Datumsbereich zu ändern, die in diesem Abschnitt verwendet werden sollen.

• Sort by (Sortieren nach) – Legt die Sortierung fest, die auf die Ergebnisse angewendet wird, die unten angezeigt werden. Sie können aus den folgenden Optionen auswählen:

  • Absoluter Unterschied

  • Beitragsprozentsatz (Standard)

  • Abweichung vom erwarteten

  • Prozentuale Differenz

• Ergebnisse der Hauptbeitragenden - Zeigt die Analyseergebnisse der hauptbeitragenden Faktoren für den Zeitpunkt an, der in der Zeitlinie rechts ausgewählt wird.

  Die Beitragsanalyse identifiziert bis zu vier der wichtigsten beitragenden Faktoren oder Hauptfaktoren einer Anomalie. Amazon QuickSight kann Ihnen beispielsweise die wichtigsten Kunden zeigen, die zu einem Anstieg der Verkäufe von Gesundheitsprodukten in den USA beigetragen haben. Dieses Fenster wird nur angezeigt, wenn Sie bei der Konfiguration der Anomalie ausgewählt haben, Felder in die Beitragsanalyse einzubeziehen.

  Wenn dieses Fenster nicht angezeigt wird und Sie es anzeigen möchten, können Sie es aktivieren. Gehen Sie hierfür zur Analyse, wählen Sie die Anomaliekonfiguration aus dem Insight-Menü und wählen Sie bis zu vier Felder aus, die Sie auf Beiträge hin analysieren möchten. Das Fenster Contributions (Beiträge) wird geschlossen, wenn Sie Änderungen an den Blattsteuerelementen vornehmen, die die beitragenden Faktoren ausschließen.

Einstellung der Steuerelemente für die Erkennung von Anomalien

Sie finden die Einstellungen für die Erkennung von Anomalien im Bereich Controls (Steuerelemente) des Bildschirms. Sie können diesen Bereich öffnen und schließen, indem Sie auf das Wort Controls (Steuerelemente) klicken.

Die Einstellungen umfassen u. a. folgende:

• Controls (Steuerelemente) – Die aktuellen Einstellungen erscheinen oben im Workspace. Sie können diesen Abschnitt erweitern, indem Sie das Doppelpfeilsymbol rechts anwählen. Die folgenden Einstellungen stehen für die Untersuchung von Ausreißern zur Verfügung, die durch die ML-gestützte Anomalieerkennung erzeugt werden:

  • Severity (Schweregrad) – Legt fest, wie empfindlich Ihr Detektor beim Erkennen von Anomalien (Ausreißern) ist. Sie sollten davon ausgehen, dass mehr Anomalien mit der Schwellenwert Niedrig und höher angezeigt werden und weniger Anomalien, wenn der Schwellenwert auf Hoch und höher eingestellt ist. Diese Empfindlichkeit richtet sich nach den Standardabweichungen der Anomaliebewertung, die durch den RCF-Algorithmus generiert wurden. Die Standardeinstellung ist Mittel und höher.

  • Richtung — Die Richtung auf der X- oder Y-Achse, die Sie als anomal identifizieren möchten. Der Standardwert ist [ALL] (ALLE). Es gibt die folgenden Optionen:

    • Stellen Sie Höher als erwartet ein, um höhere Werte als Anomalien zu identifizieren.

    • Stellen Sie Niedriger als erwartet ein, um niedrigere Werte als Anomalien zu identifizieren.

    • Auf [ALL] (ALLE) setzen, um alle anomalen Werte, sowohl hohe als auch niedrige, zu identifizieren.

  • Minimales Delta – absoluter Wert – Geben Sie einen benutzerdefinierten Wert ein, der als absoluten Schwellenwert zur Identifizierung von Anomalien verwendet werden soll. Jeder Wert, der über dem Schwellenwert liegt, gilt als Anomalie.

  • Minimales Delta – Prozentsatz – Geben Sie einen benutzerdefinierten Wert ein, der als prozentualen Schwellenwert zur Identifizierung von Anomalien verwendet werden soll. Jeder Wert, der über dem Schwellenwert liegt, gilt als Anomalie.

  • Sort by (Sortierverfahren) – Wählen Sie das Verfahren, das Sie auf das Sortieren von Anomalien anwenden möchten. Diese werden in der bevorzugten Reihenfolge auf dem Bildschirm aufgelistet. In der folgenden Liste finden Sie eine Beschreibung der einzelnen Methoden.

    • Weighted anomaly score (Gewichteter Anomaliewert) – Der Anomaliewert multipliziert mit dem Logarithmus des absoluten Wertes der Differenz zwischen dem Istwert und dem erwarteten Wert. Dieser Wert ist immer eine positive Zahl.

    • Anomaly score (Anomaliewert) - Der tatsächliche Anomaliewert, der diesem Datenpunkt zugeordnet ist.

    • Weighted difference from expected value (Gewichtete Differenz vom erwarteten Wert) – (Standard) Der Anomaliewert multipliziert mit der Differenz zwischen dem tatsächlichen Wert und dem erwarteten Wert.

    • Difference from expected value (Differenz vom erwarteten Wert) – Die tatsächliche Differenz zwischen dem tatsächlichen Wert und dem erwarteten Wert (actual−expected (tatsächlicherwartet)).

    • Actual value (Istwert) - Der tatsächliche Wert ohne angewandte Formel.

  • Kategorien – Eine oder mehrere Einstellungen können am Ende der anderen Einstellungen stehen. Für jedes Kategoriefeld, das Sie dem Feldbereich Kategorie hinzugefügt haben, gibt es eine Einstellung. Sie können Kategorieeinstellungen verwenden, um die Daten zu begrenzen, die auf dem Bildschirm angezeigt werden.

Anomalien nach Datum ein- und ausblenden

Das Diagramm Number of anomalies (Anzahl der Anomalien) zeigt Ausreißer, die im Laufe der Zeit erkannt wurden. Wenn Sie dieses Diagramm nicht sehen, können Sie es anzeigen, indem Sie SHOW ANOMALIES BY DATE (ANOMALIEN NACH DATUM ANZEIGEN) wählen.

Dieses Diagramm zeigt Anomalien (Ausreißer) für den neuesten Datenpunkt in der Zeitreihe. Im erweiterten Zustand werden die folgenden Komponenten angezeigt:

• Anomalies (Anomalien) – Die Mitte des Bildschirms zeigt die Anomalien für den aktuellen Datenpunkt in der Zeitreihe an. Ein oder mehrere Graphen erscheinen mit einem Diagramm mit Varianten in einer Metrik im Zeitverlauf. Zur Verwendung dieses Graphen wählen Sie einen Punkt auf der Zeitlinie aus. Der aktuell ausgewählte Zeitpunkt wird im Graphen hervorgehoben und umfasst ein Menü, das Ihnen die Möglichkeit zur Analyse von Beiträgen für die aktuelle Metrik bietet. Sie können auch den Mauszeiger über die Zeitlinie ziehen, ohne einen bestimmten Punkt auszuwählen, um den metrischen Wert für diesen Zeitpunkt anzuzeigen.

• Anomalies by date (Anomalien nach Datum) – Wenn Sie SHOW ANOMALIES BY DATE (ANOMALIEN NACH DATUM ANZEIGEN) auswählen, erscheint ein anderer Graph, der anzeigt, wie viele erhebliche Anomalien es für jeden Zeitpunkt gab. Sie können die Details in diesem Diagramm im Kontextmenü jeder Leiste anzeigen.

• Timeline adjustment (Zeitlinienanpassung) – Jeder Graph verfügt über ein Zeitlinieneinstelltool unterhalb der Daten, das Sie verwenden können, um einen anzuzeigenden Zeitraum zu komprimieren, erweitern oder auszuwählen.

Untersuchung von Anomalien nach Kategorie oder Dimension

Der Hauptbereich des Bildschirms Anomalien untersuchen befindet sich in der unteren rechten Ecke des Bildschirms. Er bleibt hier, egal wie viele andere Bereiche des Bildschirms geöffnet sind. Wenn mehrere Anomalien vorhanden sind, können Sie nach unten scrollen, um sie hervorzuheben. Das Diagramm zeigt Anomalien in Farbbereichen und zeigt, wo sie im Laufe eines bestimmten Zeitraums auftreten.

Jede Kategorie oder Dimension hat ein separates Diagramm, das den Feldnamen als Diagrammtitel verwendet. Jede Grafik enthält die folgenden Komponenten:

• Configure alerts (Alarme konfigurieren) – Wenn Sie Anomalien von einem Dashboard aus untersuchen, wählen Sie diese Schaltfläche, um Benachrichtigungen und Beitragsanalysen zu abonnieren (falls konfiguriert). Sie können die Alarme für den Schweregrad (mittel, hoch usw.) einrichten. Sie können die Top-Fünf-Alarme für Higher than expected (Höher als erwartet), Lower than expected (Niedriger als erwartet) oder ALL (ALLE) erhalten. Dashboard-Leser können Alarme selbst konfigurieren. Wenn Sie die Seite Explore Anomalies (Anomalien untersuchen) öffnen, zeigt sie diese Schaltfläche nicht an, wenn Sie die Seite aus einer Analyse heraus geöffnet haben.

  Anmerkung

  Die Möglichkeit zum Konfigurieren von Alarmen steht nur in veröffentlichten Dashboards zur Verfügung.

• Status – Unter der Überschrift Anomalies (Anomalien) zeigt die Statuskennzeichnung Informationen zur letzten Ausführung an. Beispielsweise könnten Sie „Anomalien beim Umsatz am 17. November 2018“ sehen. Diese Anzeige gibt an, wie viele Metriken verarbeitet wurden und wie lange es her ist. Sie können den Link auswählen, um mehr über die Details zu erfahren, wie beispielsweise wie viele Metriken ignoriert wurden.