北京2021年4月8日 /美通社/ -- 日前，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需機器學習經驗，即可通過該服務更容易地診斷異?，F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。Amazon Lookout for Metrics沒有預付費用或最低承諾費用，客戶只需為每月分析的指標數量付費。要開始使用Amazon Lookout for Metrics，請訪問https://aws.amazon.com/lookout-for-metrics/。欲深入了解亞馬遜云科技在AI/ML方面的創(chuàng)新舉措以及眾多客戶利用AI/ML在業(yè)務創(chuàng)新和企業(yè)轉型方面的最佳實踐，敬請關注將于4月22日舉辦的“2021亞馬遜云科技 AI在線大會”。
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據源的數據（如存儲在數據倉庫中的結構化數據，存于第三方平臺的客戶關系管理數據，保存在本地數據存儲的運營指標），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值范圍之外的數據視為異常（如每小時交易低于一定數量時發(fā)出警報），這會導致如果指定的數值范圍太窄會發(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?；跈C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)地調整。然而，從無到有開發(fā)機器學習模型需要一個數據科學家團隊，他們需要花費大量時間構建、訓練、部署、監(jiān)控和微調機器學習模型。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)能夠做到既擁有經驗豐富的數據科學家，又有足夠的資源來淘汰基于規(guī)則的方法，而充分實現機器學習在指標異常檢測方面的全部潛力。
Amazon Lookout for Metrics是一項全新的機器學習服務，它可以自動檢測指標中的異常情況，并幫助客戶快速識別根本原因。Lookout for Metrics使用了與亞馬遜內部用于檢測業(yè)務指標異常的相同的技術，現在每個開發(fā)人員均可通過Lookout for Metrics使用該技術。客戶可以將Amazon Lookout for Metrics與19個流行的數據源建立連接，包括Amazon Simple Storage Service (Amazon S3)、Amazon CloudWatch、Amazon Relational Database Service (Amazon RDS)、Amazon Redshift，以及SaaS應用如Salesforce、Marketo和Zendesk，來持續(xù)監(jiān)控業(yè)務的重要指標（如總收入、毛利率、平均購買頻率、廣告支出回報等）。Amazon Lookout for Metrics自動檢查和準備數據，選擇最適合的機器學習算法，檢測異常，將相關異常分組，并總結潛在的根本原因。例如，如果一個客戶的網站流量突然下降，Amazon Lookout for Metrics可以幫助他們快速確定某項營銷活動的意外停用是否是主要原因。該服務還可根據預測的嚴重程度對異常情況進行排序，方便客戶確定問題處理的優(yōu)先級。Amazon Lookout for Metrics可以輕松連接至通知和事件服務，如Amazon Simple Notification Service (Amazon SNS)、Slack、Pager Duty和Amazon Lambda，允許客戶創(chuàng)建定制的通知或后續(xù)操作，如提交故障通知單或從零售網站刪除定價有誤的產品。隨著服務開始返回結果，客戶還可通過亞馬遜云科技的控制臺或應用程序編程接口（API）提供關于異常檢測相關性的反饋，進而不斷提高服務的準確性。
“從市場營銷和銷售到電信和游戲，所有行業(yè)的客戶都有KPI，他們需要監(jiān)控潛在的高峰、低谷，以及業(yè)務功能正常范圍之外的其他異常情況。但是，捕捉和診斷指標中的異常很有挑戰(zhàn)性，并且等到確定了根本原因時，可能已經造成了比如果及早發(fā)現大得多的損失?！眮嗰R遜云科技全球機器學習副總裁Swami Sivasubramanian表示，“我們很高興推出Amazon Lookout for Metrics這一易用的機器學習服務，利用亞馬遜自身在大規(guī)模、準確和快速檢測異常方面的經驗，幫助客戶監(jiān)控其至關重要的業(yè)務指標。”
客戶可直接通過亞馬遜云科技控制臺使用Amazon Lookout for Metrics服務，也可通過亞馬遜云科技合作伙伴網絡(APN)中的相關合作伙伴來幫助其實施使用該服務的定制解決方案。該服務與Amazon CloudFormation兼容，符合歐盟通用數據條例(GDPR)的要求。Amazon Lookout for Metrics現已在美國東部（弗吉尼亞北部）、美國東部（俄亥俄）、美國西部（俄勒岡）、歐洲（愛爾蘭）、歐洲（法蘭克福）、歐洲（斯德哥爾摩）、亞太地區(qū)（新加坡）、亞太地區(qū)（悉尼）和亞太地區(qū)（東京）區(qū)域正式推出，其它區(qū)域也將很快推出。
DevFactory是一家總部位于迪拜的全球企業(yè)軟件和服務解決方案提供商?！拔覀兊钠炫灝a品是Quantum Retail，為成千上萬的零售客戶提供智能零售供應鏈管理和庫存優(yōu)化解決方案?？蛻舻匿N售數據是波動的，會受到商店、產品和部門等類別數以百萬計的日常事件的影響，這些事件又會每年、每月和每天發(fā)生季節(jié)性的變化。理解銷售模式，并將異常銷售與季節(jié)性變化區(qū)分開來，對于準確預測和規(guī)劃下游庫存至關重要?！?DevFactory首席執(zhí)行官Rahul Subrananiam 表示，“我們現有的解決方案依賴于統(tǒng)計模型，經常無法檢測到跨商店的異常銷售行為，導致庫存分配過?；虿蛔?，進而顯著影響整體收入和客戶滿意度。有了Lookout for Metrics，我們實現了通過幾次點擊自動監(jiān)控所有重要類別的數據，識別出之前錯過的近40%的異常事件。通過快速識別這些異常，我們能夠以最佳方式調整我們的庫存計劃和所有門店的分銷。”
Digitata智能地變革了移動運營商在定價和管理用戶方面的行為，使運營商能夠做出更好、更明智的決策，以滿足并超越業(yè)務目標。“在Digitata，真正重要的是讓每個人都能以負擔得起的價格上網。這需要對經濟學有深刻的理解，特別是供需和客戶行為的變化?！盌igitata首席技術官Nico Kruger表示?！巴ㄟ^Lookout for Metrics，我們能夠在幾分鐘內發(fā)現一個對移動網絡運營商用戶的定價產生負面影響的問題。我們能夠立即識別出根本原因，并在兩小時內修復。如果沒有Lookout for Metrics，我們將需要花費大約一天的時間來識別和分類問題，并可能會導致收入下降7.5%。Lookout for Metrics使我們能夠迅速采取行動，確保我們的定價模式處于最佳狀態(tài)，幫助我們專注于真正重要的事情——讓連接無處不在。”
Marcaide創(chuàng)建了Flywire，旨在確保高價值的國際支付能夠快速、順利地進行，既適用于個人，也適用于醫(yī)療、教育和旅游等多個行業(yè)的機構?！霸贔lywire，我們的工程師依賴于全面的監(jiān)測系統(tǒng)。隨著我們的發(fā)展，他們經常會收到誤報警，浪費了他們追蹤這些不良線索的時間。”Flywire基礎設施技術主管Omar Lopez表示，“通過Amazon Lookout for Metrics解析CloudWatch的事件，我們能夠在一個下午就投入生產，并將誤報率降低了7倍。這讓我們的站點可靠性工程師專注于警報本身，并為我們提供工具來解決未來更復雜的運營和業(yè)務問題?！?/p>
Wipro是一家全球IT咨詢和系統(tǒng)集成服務公司，為全球金融服務、零售、消費品等行業(yè)的企業(yè)開發(fā)和實施解決方案?！皩ξ覀儊碚f，Amazon Lookout For Metrics是一項自主服務，為客戶提供對安全和業(yè)務數據的關鍵洞察，幫助他們在云中脫穎而出?！?Wipro亞馬遜云科技事業(yè)部總經理兼全球主管Manish Govil博士表示，“Lookout for Metrics不僅減少了我們的開發(fā)工作，還大大減少了在客戶工作負載中開展異常檢測所需的時間。它還使我們能夠近乎實時地分析歷史和連續(xù)的數據流，使我們能夠從客戶的運營和業(yè)務數據中及時發(fā)現并消除異常。我們很高興能為我們的客戶帶來這項亞馬遜云科技的服務，幫助他們在云中規(guī)?；瘜崿F人工智能驅動的業(yè)務成果?！?/span>
