亚马逊云科技推出Amazon Lookout for Metrics

亚马逊云科技宣布Amazon Lookout for Metrics正式可用。这是一项全新的完全托管服务，使用机器学习检测指标中的异常情况，帮助企业诊断问题并确定根本原因。Amazon Lookout for Metrics帮助客户以更快的速度、更高的准确度监控业务中的重要指标，如收入、网页浏览量、活跃用户、交易量和移动应用安装等。客户无需机器学习经验，即可通过该服务更容易地诊断异常现象发生的根本原因，如收入意外下降、购物车的高弃购率、支付交易失败高峰、新用户注册增加等。目前使用Amazon Lookout for Metrics的客户包括DevFactory、Digitata和Flywire等。

无论规模大小或所属行业，企业往往都会收集和分析指标或关键绩效指标（KPIs），以帮助业务有效且高效地运行。以往，商业智能（BI）工具用于管理来自不同数据源的数据（如存储在数据仓库中的结构化数据，存于第三方平台的客户关系管理数据，保存在本地数据存储的运营指标），并创建用于生成报告、针对检测到的异常发出警报等的仪表板。但有效地识别这些异常是非常有挑战性的。传统的基于规则的方法需要手动处理，且该方法通常将指定数值范围之外的数据视为异常（如每小时交易低于一定数量时发出警报），这会导致如果指定的数值范围太窄会发出错误警报，而范围太广则检测不到异常情况。并且，这些范围也是静态的，不会根据每天的时间段、每周、季节或业务周期等不断变化的条件而变化。当检测到异常时，开发、分析和业务人员在采取行动之前可能会花费大量时间，尝试找出导致异常的根本原因。

基于机器学习的解决方案能够解决以上传统基于规则方法带来的诸多挑战，因为机器学习可以从大量信息中进行模式识别，快速识别异常，并基于商业周期和季节等因素动态地调整。然而，从无到有开发机器学习模型需要一个数据科学家团队，他们需要花费大量时间构建、训练、部署、监控和微调机器学习模型。此外，一个单一的算法很难满足企业的所有需求，这将导致企业花费更多的时间和费用来创建和维护多个算法，以应对不同的需求。因此，几乎没有多少企业能够做到既拥有经验丰富的数据科学家，又有足够的资源来淘汰基于规则的方法，而充分实现机器学习在指标异常检测方面的全部潜力。