Anomalie Detectie

  • Techniek

Opsporing van anomalieën
Één van de talrijke beschikbare machine learning toepassingen is anomalie detectie. Inconsistenties in een reeks cijfers of andere data worden met deze aanpak gedetecteerd. Datapunten in een dataset die niet lijken te passen in het verwachte patroon worden anomalieën genoemd.

Wanneer een waarde significant afwijkt van de norm, kan dit worden beschouwd als een data-alarm. Anomalie detectie maakt het mogelijk potentieel gevaarlijke activiteiten vroegtijdig te ontdekken en te vermijden. In de praktijk kan dit bijvoorbeeld gaan om het detecteren van gadgets die meer energie verbruiken dan normaal, of van ongewoon verkeer op een website, of signalen van een opkomend applicatie probleem.

Patroonherkenning met behulp van Machine learning
In een notendop is anomalie detectie het vermogen om patronen te ontdekken op het gebied van herhaling, tijd en afwijking. En omdat dit soort detectie zelflerend is, neemt de nauwkeurigheid ervan met de tijd toe, zodat gebruikers er steeds meer relevante gegevens uit kunnen halen.

Tuuring verzamelt, normaliseert en analyseert enorme hoeveelheden data alvorens deze om te zetten in zinvolle performance statistieken, waardoor een holistisch beeld van de gehele workload stack wordt verkregen. De machine learning engine van Tuuring heeft ingebouwde anomalie detectie, waardoor de volgende mogelijkheden out of the box realiseerbaar zijn;

  1. Creëer op AI gebaseerde performance baselines voor historische, real-time en voorspelde data.
    Tuuring creëert performance baselines van data sets om historische inzichten, real-time trends, outlier analyses en toekomstige performance prognoses te genereren met behulp van een geïntegreerde machine learning engine. De dashboards kunnen worden aangepast om deze analytische data en inzichten weer te geven.
  2. Verbeter de efficiëntie van applicatie ketens.
    Op basis van veranderingen in metrieken kunnen baselines en waarschuwingen worden geproduceerd en gepresenteerd in de software. Deze kunnen ook doorgegeven worden aan ITSM-toepassingen van derden, waardoor problemen sneller kunnen worden opgelost en de hoofdoorzaak beter kan worden geanalyseerd.
  3. Combinatie van data van apps, werkplekken, en (cloud) infrastructuren.
    Tuuring verzamelt belangrijk performance data uit data bronnen voor apps, werkplekken en (cloud)infrastructuren. Deze gegevens worden gebundeld in het Tuuring-dataprogramma dat het mogelijk maakt om, door kunstmatige intelligentie en machine learning te gebruiken, anomalieën in de volledige keten op te sporen in plaats van slechts een deel van de keten.

Tuuring verzamelt data uit een breed scala aan performance bronnen om silo’s te doorbreken.
De verzamelde data richt zich op alles wat met performance te maken heeft, inclusief platformen en oplossingen voor gebruikers, applicaties, workspaces en infrastructuur. Dit omvat zowel algemene als zelf ontwikkelde APM-oplossingen, evenals bedrijfsgerelateerde data zoals echte transacties en orders om anomalie detectie-analyse en optimalisatie uit te voeren.

Benieuwd naar de mogelijkheden van Tuuring? Vraag een vrijblijvende demonstratie aan en ontdek hoe anomalie detectie voor uw business waarde kan opleveren.