Introduction
Les fonctionnalités de détection d'anomalies et de prédiction sont deux outils d'analyse de séries temporelles intégrés de façon transparente dans Explorer. Les fonctionnalités de détection d'anomalies et de prédiction se situent dans l'option "AXON Analyst" de la sélection graphique.
Détection d'anomalies
Des anomalies sont détectées lorsque notre modèle statistique identifie des fluctuations suspectes dans le contexte de l'analyse.
Exemple : une forte baisse du nombre de visites le samedi peut paraître suspecte sur une semaine mais s'avère être une fluctuation parfaitement ordinaire à l'échelle d'une année (une baisse du trafic peut être observée à la fin de chaque semaine).
Les anomalies sont illustrées sur le graphique par des symboles circulaires superposés sur les séries temporelles.
Les anomalies positives sont indiquées en vert :
Tandis que les anomalies négatives sont indiquées en rouge :
Prédiction
La fonctionnalité de prédiction vous fournira les valeurs futures attendues en fonction de vos données historiques.
- En granularité horaire, nous prédisons les 24 heures suivantes après la dernière heure de l'analyse.
- En granularité journalière, nous prédisons les 30 jours suivants après le dernier jour de l'analyse.
- En granularité hebdomadaire, nous prédisons les 12 semaines suivantes après la dernière semaine de l'analyse.
- En granularité mensuelle, nous prédisons les 12 mois suivants après le dernier mois de l'analyse.
Disponibilité
Analyses
Actuellement, les fonctionnalités de détection d'anomalies et de prédiction se situent dans l'option de menu "AXON Analyst" de la sélection du type de graphique pour toutes analyses de séries temporelles.
Granularités
Les fonctionnalités de détection d’anomalies et de prédiction sont disponibles sur les granularités graphiques : heure, jour, semaine, mois. Lors de l'analyse de la journée en cours, la courbe réelle sera superposée à la prévision du jour vous donnant les objectifs horaires pour la journée.
Données requises
Un minimum de 2 semaines de données historiques est nécessaire (avec moins de 30 % des données historiques étant des zéros) pour identifier des anomalies et fournir des prévisions. Un minimum de 2 ans de données historiques est nécessaire (avec moins de 30 % des données historiques étant des zéros) pour les détections d'anomalies et prédictions hebdomadaires et mensuelles. Si votre site est nouveau, vous aurez besoin d’attendre jusqu'à ce que suffisamment de données historiques soient recueillies pour que notre modèle soit fiable. Par conséquent, un message d'erreur explicite s'affiche jusqu'à ce que vous ayez suffisamment de données. Pour une précision optimale, nous recommandons au moins 8 semaines (heure & jours) et 3 ans de données (semaine & mois) respectivement.
Concepts de base
Vous pouvez personnaliser les informations affichées sur les graphiques en mode « AXON Analyst ».
Anomalie
Lorsque l'option Anomalie est sélectionnée, une zone de "tolérance" orange est affichée sur le graphique. Nous nous attendons à ce que la courbe demeure à l'intérieur des limites de cette zone. Tout point de données à l'extérieur de cette zone sera considéré comme une anomalie.
Tendance
La tendance illustre les fluctuations macro de vos données au fil du temps. La tendance est illustrée par une courbe en tirets.
Baseline
La baseline illustre comment la métrique aurait évolué sans l'intervention de facteurs externes. La baseline est représentée l'aide d'une courbe pointillée.
Prévision
La prévision est la prédiction fournie par le modèle en fonction de vos données historiques. Les valeurs prévues sont indiquées sur le graphique à l'aide d'une ligne pointillée verte. La prévision a son propre niveau de confiance que nous illustrons à l'aide de la zone vert clair autour de la courbe.
Sensibilité de détection
La sensibilité de détection influe sur la zone de tolérance de l'algorithme. Trois niveaux de sensibilité sont disponibles : faible, moyenne, haute. Avec un faible niveau de sensibilité, l'algorithme sera plus tolérant, ce qui se traduira par une plus grande zone de tolérance et moins d'alertes. Au contraire, un niveau de sensibilité élevé se traduira par une petite zone de tolérance autour de la courbe, et donc plus d'alertes seront identifiées. La sensibilité de détection peut etre modifiée au niveau des options du graphique.
Faible
Moyenne
Haute
Informations Techniques & FAQ
Informations Techniques
Les fonctionnalités de détection d'anomalies et de prédiction utilisent des modèles de data science construits sur mesure, fondés sur une hybridation de modèles de décomposition de séries chronologiques et de méthodes de clustering. Les modèles ont été entraînés et enrichis utilisant des millions de points de données et ajustés au Web Analytics.
FAQ
Les modèles compensent-t-ils pour des événements connus comme Noël ou le Black Friday ?
Les modèles de détection des anomalies et de prédiction ne s'adaptent pas aux événements récurrents connus tels que Noël ou le Black Friday. Par conséquent, les fluctuations de vos données survenant à ces dates seront traitées de la même façon que les fluctuations de tout autre jour.
La tendance semble éloignée des points de données, est-ce normal ?
La tendance reflète les fluctuations macroscopiques de vos données. Il est possible que votre période d'analyse soit trop courte pour afficher des fluctuations macro de votre ensemble de données, ceci entraînera une tendance qui semble éloignée de vos données. En augmentant la période d'analyse, vous verrez la tendance illustrer les fluctuations macro de vos données.