Alertes bruyantes
Remplacer les seuils fixes par de la détection d’anomalies.
AI-powered Analytics.
Détection d’anomalies, prévision et analyse sur vos données opérationnelles, intégrées là où vous travaillez déjà.
Le problème que nous résolvons.
Les seuils fixes ne savent pas quelle heure il est : ils alertent à chaque pic d’activité normale et restent silencieux face à un comportement anormal qui ne dépasse pas la limite. Et les données historiques qui pourraient anticiper les problèmes ne sont pas exploitées.
Ce qui est inclus.
- Détection d’anomalies sur les métriques et les KPI
- Prévision de capacité et de demande
- Modèles entraînés avec votre historique
- Intégration dans les alertes et les tableaux de bord
- Mesure des fausses alarmes et des détections correctes
Notre façon de travailler.
Cinq phases, toujours dans le même ordre. Sélectionnez-en une pour voir ce qui s’y passe. Dans les projets complets, elles s’inscrivent dans les étapes de notre méthode.
Nous identifions le cas d’usage, les données disponibles, les risques et la façon dont le succès sera mesuré.
Nous concevons la solution : modèles, données, intégrations, contrôles de sécurité et traçabilité.
Nous entraînons les modèles avec votre historique et les intégrons dans les alertes et les tableaux de bord.
Nous comparons fausses alarmes et anomalies détectées par rapport aux seuils actuels pendant une période de test.
Nous ajustons avec l’usage réel et surveillons le système comme tout autre service en production.
Compétences techniques.
- Splunk Machine Learning Toolkit
- Seuils adaptatifs d’ITSI
- Splunk App for Data Science and Deep Learning
- Prévision de séries temporelles
- Détection de valeurs aberrantes
- Requêtes en langage naturel
Un seuil fixe ne sait pas quelle heure il est
La même métrique pendant deux jours, surveillée de deux façons. Déplacez le seuil fixe et la sensibilité du modèle, et comparez combien d’alertes chacun déclenche et combien des deux anomalies réelles il détecte.
Série synthétique d’exemple. Les points orange en haut sont des alertes du seuil fixe ; les roses en bas, du modèle adaptatif.
Seuil fixe
- Alertes
- 0
- Fausses alarmes
- 0
- Anomalies réelles détectées
- 0 sur 2
Adaptatif
- Alertes
- 0
- Fausses alarmes
- 0
- Anomalies réelles détectées
- 0 sur 2
Dans Splunk, nous résolvons cela avec des seuils adaptatifs dans ITSI ou des modèles du Machine Learning Toolkit entraînés sur votre propre historique.
Cas d’usage.
Capacité
Prévoir quand une ressource s’épuisera.
Fraude ou abus
Détecter des comportements inhabituels.
Bénéfices pour votre organisation.
- Moins de fausses alarmes
- Anomalies détectées plus tôt
- Décisions de capacité anticipées
- Modèles exécutés sur votre plateforme
Livrables.
- Modèles entraînés et documentés
- Alertes et tableaux de bord intégrés
- Rapport de résultats
- Procédure de réentraînement
Questions fréquentes.
Avons-nous besoin d’une équipe de data science ?
Pas pour commencer. Nous utilisons des outils intégrés à Splunk et documentons comment maintenir les modèles.
Les données sortent-elles de notre plateforme ?
Avec Machine Learning Toolkit et les seuils adaptatifs d’ITSI, les modèles s’exécutent au sein de votre environnement Splunk.
Quel historique faut-il ?
Cela dépend de la saisonnalité de la métrique ; généralement plusieurs semaines pour capturer le cycle hebdomadaire.
Autres services Artificial Intelligence.
Parlons de AI-powered Analytics ?
Décrivez-nous votre situation. Si ce service ne correspond pas à votre besoin, nous vous le dirons ; sinon, nous vous proposerons une première étape concrète.
Demander ce service