Menambahkan wawasan ML untuk mendeteksi outlier dan driver kunci - Amazon QuickSight

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Menambahkan wawasan ML untuk mendeteksi outlier dan driver kunci

Anda dapat menambahkan wawasan ML yang mendeteksi anomali, yang merupakan outlier yang tampaknya signifikan. Untuk memulai, Anda membuat widget untuk wawasan Anda, juga dikenal sebagai autonarrative. Saat Anda mengonfigurasi opsi, Anda dapat melihat tangkapan layar terbatas dari wawasan Anda di panel Pratinjau di layar kanan.

Di widget wawasan Anda, Anda dapat menambahkan hingga lima bidang dimensi yang tidak dihitung bidang. Di sumur lapangan, nilai untuk Kategori mewakili nilai dimensi yang QuickSight digunakan Amazon untuk membagi metrik. Misalnya, katakanlah Anda menganalisis pendapatan di semua kategori produk dan SKU produk. Ada 10 kategori produk, masing-masing dengan 10 SKU produk. Amazon QuickSight membagi metrik dengan 100 kombinasi unik dan menjalankan deteksi anomali pada setiap kombinasi untuk split.

Prosedur berikut menunjukkan bagaimana melakukan ini, dan juga bagaimana menambahkan analisis kontribusi untuk mendeteksi driver utama yang menyebabkan setiap anomali. Anda dapat menambahkan analisis kontribusi nanti, seperti yang dijelaskan dalamMenggunakan analisis kontribusi untuk driver utama.

Untuk mengatur analisis outlier, termasuk driver utama

  1. Buka analisis Anda dan di bilah alat, pilih Wawasan, lalu Tambah. Dari daftar, pilih Deteksi anomali dan Pilih.

  2. Ikuti prompt layar pada widget baru, yang memberitahu Anda untuk memilih bidang untuk wawasan. Tambahkan setidaknya satu tanggal, satu ukuran, dan satu dimensi.

  3. Pilih Mulai di widget. Layar konfigurasi muncul.

  4. Di bawah Opsi komputasi, pilih nilai untuk opsi berikut.

    1. Untuk Kombinasi yang akan dianalisis, pilih salah satu opsi berikut:

      1. Hirarkis

        Pilih opsi ini jika Anda ingin menganalisis bidang secara hierarkis. Misalnya, jika Anda memilih tanggal (T), ukuran (N), dan tiga kategori dimensi (C1, C2, dan C3), QuickSight analisis bidang secara hierarkis, seperti yang ditunjukkan berikut.

        T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N

      2. Tepat

        Pilih opsi ini jika Anda ingin menganalisis hanya kombinasi bidang yang tepat di bidang Kategori dengan baik, seperti yang tercantum. Misalnya, jika Anda memilih tanggal (T), ukuran (N), dan tiga kategori dimensi (C1, C2, dan C3), hanya QuickSight menganalisis kombinasi yang tepat dari bidang kategori dalam urutan yang dicantumkan, seperti yang ditunjukkan berikut.

        T-C1-C2-C3-N

      3. Semua

        Pilih opsi ini jika Anda ingin menganalisis semua kombinasi bidang di bidang Kategori dengan baik. Misalnya, jika Anda memilih tanggal (T), ukuran (N), dan tiga kategori dimensi (C1, C2, dan C3), QuickSight analisis semua kombinasi bidang, seperti yang ditunjukkan berikut.

        T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N, T-C1-C3-N, T-C2-N, T-C2-C3-N, T-C3-N

      Jika Anda memilih tanggal dan ukuran saja, QuickSight analisis bidang berdasarkan tanggal dan kemudian dengan ukuran.

      Di bagian Bidang yang akan dianalisis, Anda dapat melihat daftar bidang dari sumur lapangan untuk referensi.

    2. Untuk Nama, masukkan nama alfanumerik deskriptif tanpa spasi, atau pilih nilai default. Ini memberikan nama untuk perhitungan.

      Jika Anda berencana mengedit narasi yang secara otomatis ditampilkan pada widget, Anda dapat menggunakan nama untuk mengidentifikasi perhitungan widget ini. Sesuaikan nama jika Anda berencana untuk mengedit autonarrative dan jika Anda memiliki perhitungan serupa lainnya dalam analisis Anda.

  5. Di bagian Opsi tampilan, pilih opsi berikut untuk menyesuaikan apa yang ditampilkan di widget wawasan Anda. Anda masih dapat menjelajahi semua hasil Anda, apa pun yang Anda tampilkan.

    1. Jumlah maksimum anomali untuk ditampilkan - Jumlah outlier yang ingin Anda tampilkan di widget naratif.

    2. Tingkat keparahan - Tingkat keparahan minimum untuk anomali yang ingin Anda tampilkan di widget wawasan.

      Tingkat keparahan adalah kisaran skor anomali yang ditandai dengan skor anomali aktual terendah yang termasuk dalam kisaran tersebut. Semua anomali yang mendapat skor lebih tinggi termasuk dalam kisaran. Jika Anda menyetel tingkat keparahan ke Rendah, wawasan menampilkan semua anomali yang berperingkat antara rendah dan sangat tinggi. Jika Anda mengatur tingkat keparahannya ke Sangat tinggi, wawasan hanya menampilkan anomali yang memiliki skor anomali tertinggi.

      Anda dapat menggunakan opsi berikut:

      • Sangat tinggi

      • Tinggi dan di atas

      • Sedang dan di atas

      • Rendah dan di atas

    3. Arah — Arah pada sumbu x atau sumbu y yang ingin Anda identifikasi sebagai anomali. Anda dapat memilih dari opsi berikut:

      • Lebih tinggi dari yang diharapkan untuk mengidentifikasi nilai yang lebih tinggi sebagai anomali.

      • Lebih rendah dari yang diharapkan untuk mengidentifikasi nilai yang lebih rendah sebagai anomali.

      • [ALL] untuk mengidentifikasi semua nilai anomali, tinggi dan rendah (pengaturan default).

    4. Delta — Masukkan nilai kustom yang akan digunakan untuk mengidentifikasi anomali. Jumlah apa pun yang lebih tinggi dari nilai ambang dianggap sebagai anomali. Nilai-nilai di sini mengubah cara kerja wawasan dalam analisis Anda. Di bagian ini, Anda dapat mengatur yang berikut:

      • Nilai absolut — Nilai aktual yang digunakan. Misalnya, anggaplah ini 48. Amazon QuickSight kemudian mengidentifikasi nilai sebagai anomali ketika perbedaan antara nilai dan nilai yang diharapkan lebih besar dari 48.

      • Persentase — Persentase ambang batas untuk digunakan. Misalnya, anggaplah ini adalah 12,5%. Amazon QuickSight kemudian mengidentifikasi nilai sebagai anomali ketika perbedaan antara nilai dan nilai yang diharapkan lebih besar dari 12,5%.

    5. Urutkan berdasarkan - Pilih metode pengurutan untuk hasil Anda. Beberapa metode didasarkan pada skor anomali yang dihasilkan Amazon QuickSight. Amazon QuickSight memberikan skor yang lebih tinggi ke titik data yang terlihat anomali. Anda dapat menggunakan salah satu opsi berikut:

      • Skor anomali tertimbang — Skor anomali dikalikan dengan log nilai absolut dari perbedaan antara nilai aktual dan nilai yang diharapkan. Skor ini selalu angka positif.

      • Skor anomali — Skor anomali aktual yang ditetapkan untuk titik data ini.

      • Perbedaan tertimbang dari nilai yang diharapkan — Skor anomali dikalikan dengan selisih antara nilai aktual dan nilai yang diharapkan (default).

      • Perbedaan dari nilai yang diharapkan — Perbedaan aktual antara nilai aktual dan nilai yang diharapkan (yaitu, aktual-diharapkan).

      • Nilai aktual - Nilai aktual tanpa rumus yang diterapkan.

  6. Di bagian Opsi jadwal, atur jadwal untuk menjalankan perhitungan ulang wawasan secara otomatis. Jadwal hanya berjalan untuk dasbor yang diterbitkan. Dalam analisis, Anda dapat menjalankannya secara manual sesuai kebutuhan. Penjadwalan mencakup pengaturan berikut:

    • Kejadian — Seberapa sering Anda ingin perhitungan ulang berjalan: setiap jam, setiap hari, setiap minggu, atau setiap bulan.

    • Mulai jadwal pada — Tanggal dan waktu untuk mulai menjalankan jadwal ini.

    • Timezone — Zona waktu di mana jadwal berjalan. Untuk melihat daftar, hapus entri saat ini.

  7. Di bagian Kontributor teratas, atur Amazon QuickSight untuk menganalisis driver utama saat outlier (anomali) terdeteksi.

    Misalnya, Amazon QuickSight dapat menunjukkan kepada pelanggan teratas yang berkontribusi pada lonjakan penjualan di AS untuk produk perbaikan rumah. Anda dapat menambahkan hingga empat dimensi dari kumpulan data Anda. Ini termasuk dimensi yang tidak Anda tambahkan ke sumur bidang widget wawasan ini.

    Untuk daftar dimensi yang tersedia untuk analisis kontribusi, pilih Pilih bidang.

  8. Pilih Simpan untuk mengonfirmasi pilihan Anda. Pilih Batal untuk keluar tanpa menyimpan.

  9. Dari widget wawasan, pilih Jalankan sekarang untuk menjalankan deteksi anomali dan melihat wawasan Anda.

Jumlah waktu yang dibutuhkan detekton anomali untuk menyelesaikan bervariasi tergantung pada berapa banyak titik data unik yang Anda analisis. Prosesnya bisa memakan waktu beberapa menit untuk jumlah poin minimum, atau bisa memakan waktu berjam-jam.

Saat berjalan di latar belakang, Anda dapat melakukan pekerjaan lain dalam analisis Anda. Pastikan untuk menunggu sampai selesai sebelum Anda mengubah konfigurasi, mengedit narasi, atau membuka halaman Jelajahi anomali untuk wawasan ini.

Widget wawasan harus dijalankan setidaknya sekali sebelum Anda dapat melihat hasilnya. Jika menurut Anda statusnya mungkin kedaluwarsa, Anda dapat me-refresh halaman. Wawasan dapat memiliki keadaan berikut.

Muncul di Halaman Status
Jalankan tombol sekarang Pekerjaan belum dimulai.
Pesan tentang Menganalisis anomali Pekerjaan saat ini sedang berjalan.
Narasi tentang anomali yang terdeteksi (outlier) Pekerjaan telah berjalan dengan sukses. Pesan mengatakan kapan perhitungan widget ini terakhir diperbarui.
Ikon peringatan dengan tanda seru (! ) Ikon ini menunjukkan ada kesalahan selama proses terakhir. Jika narasi juga ditampilkan, Anda masih dapat menggunakan anomali Jelajahi untuk menggunakan data dari proses sukses sebelumnya.