亞馬遜云科技宣布Amazon Lookout for Metrics正式可用。這是一項全新的完全托管服務，使用機器學習檢測指標中的異常情況，幫助企業(yè)診斷問題并確定根本原因。Amazon Lookout for Metrics幫助客戶以更快的速度、更高的準確度監(jiān)控業(yè)務中的重要指標，如收入、網(wǎng)頁瀏覽量、活躍用戶、交易量和移動應用安裝等?？蛻魺o需機器學習經(jīng)驗，即可通過該服務更容易地診斷異?，F(xiàn)象發(fā)生的根本原因，如收入意外下降、購物車的高棄購率、支付交易失敗高峰、新用戶注冊增加等。目前使用Amazon Lookout for Metrics的客戶包括DevFactory、Digitata和Flywire等。

無論規(guī)模大小或所屬行業(yè)，企業(yè)往往都會收集和分析指標或關(guān)鍵績效指標（KPIs），以幫助業(yè)務有效且高效地運行。以往，商業(yè)智能（BI）工具用于管理來自不同數(shù)據(jù)源的數(shù)據(jù)（如存儲在數(shù)據(jù)倉庫中的結(jié)構(gòu)化數(shù)據(jù)，存于第三方平臺的客戶關(guān)系管理數(shù)據(jù)，保存在本地數(shù)據(jù)存儲的運營指標），并創(chuàng)建用于生成報告、針對檢測到的異常發(fā)出警報等的儀表板。但有效地識別這些異常是非常有挑戰(zhàn)性的。傳統(tǒng)的基于規(guī)則的方法需要手動處理，且該方法通常將指定數(shù)值范圍之外的數(shù)據(jù)視為異常（如每小時交易低于一定數(shù)量時發(fā)出警報），這會導致如果指定的數(shù)值范圍太窄會發(fā)出錯誤警報，而范圍太廣則檢測不到異常情況。并且，這些范圍也是靜態(tài)的，不會根據(jù)每天的時間段、每周、季節(jié)或業(yè)務周期等不斷變化的條件而變化。當檢測到異常時，開發(fā)、分析和業(yè)務人員在采取行動之前可能會花費大量時間，嘗試找出導致異常的根本原因。

基于機器學習的解決方案能夠解決以上傳統(tǒng)基于規(guī)則方法帶來的諸多挑戰(zhàn)，因為機器學習可以從大量信息中進行模式識別，快速識別異常，并基于商業(yè)周期和季節(jié)等因素動態(tài)地調(diào)整。然而，從無到有開發(fā)機器學習模型需要一個數(shù)據(jù)科學家團隊，他們需要花費大量時間構(gòu)建、訓練、部署、監(jiān)控和微調(diào)機器學習模型。此外，一個單一的算法很難滿足企業(yè)的所有需求，這將導致企業(yè)花費更多的時間和費用來創(chuàng)建和維護多個算法，以應對不同的需求。因此，幾乎沒有多少企業(yè)能夠做到既擁有經(jīng)驗豐富的數(shù)據(jù)科學家，又有足夠的資源來淘汰基于規(guī)則的方法，而充分實現(xiàn)機器學習在指標異常檢測方面的全部潛力。（美通社,2021年4月8日北京）