Machine-Learning-Algorithmen
Intelligenter Umgang mit Big Data
Fortsetzung des Artikels von Teil 1
Der schmale Grat zwischen normal und anormal
Gerade für Online-Unternehmen ist es von enormer Relevanz, dass die Erkennung von Geschäftsvorfällen innerhalb kürzester Zeit – das bedeutet möglichst in Echtzeit – funktioniert, da es sonst zu spät sein kann, um noch Einfluss auf das schnelllebige Geschäft zu nehmen. Doch wie können Unternehmen diese Herausforderungen bewältigen? Wie können sie das Normalverhalten ihrer gesamten Daten festlegen, um dann in Echtzeit Anomalien zu identifizieren und so Antworten auf relevante Fragen zu bekommen?
Hierfür ist eine neue Generation von Business Intelligence nötig. Mit Hilfe von Machine-Learning-Algorithmen können Verhaltensmuster innerhalb enormer Mengen von Zeitreihendaten, basierend auf historischen Datensets, erlernt werden. Aus diesen Schemata kann dann ein zu erwartendes Normalverhalten für die Daten abgeleitet werden, um darauf aufbauend automatisiert ungewöhnliches Datenverhalten – das heißt Anomalien und Business-Incidents – in Echtzeit zu identifizieren. Durch intelligente Machine-Learning-Algorithmen können auch innerhalb unregelmäßiger und ungewöhnlicher Metriken Muster und Trends bestimmt werden. Die sich ständig verändernden Datensätze werden automatisiert untersucht und das Modell an den jeweiligen Anwendungsfall angepasst – so bleibt das System dynamisch. Die Festlegung des normalen Datenverhaltens und die Feinjustierung von Schwellenwerten müssen nicht mehr manuell getätigt werden, sondern werden automatisiert vom System ermittelt.
Die Machine-Learning-Algorithmen entwickeln sich dabei stetig weiter: Durch Feedback-Algorithmen lernt das System aus der Vergangenheit – kann zum Beispiel die Fertigkeit erwerben, False Positives auszusortieren – und optimiert sich damit permanent selbst. Durch eine bessere Skalierbarkeit können auch mehr als nur einzelne Bereiche der Daten analysiert werden. Das heißt, die komplette Geschichte der Unternehmensdaten wird abgebildet, Zusammenhänge und Abhängigkeiten können identifiziert werden. Mit Hilfe der Machine-Learning-Algorithmen können Incidents außerdem nicht nur automatisiert erkannt, durch das Korrelieren der Vorfälle mit verschiedenen Parametern – Saisonalität, Umweltbedingungen, Trends, Geolocation und so weiter – kann auch die Ursache für die Vorfälle ausfindig gemacht werden.
- Intelligenter Umgang mit Big Data
- Der schmale Grat zwischen normal und anormal
- IT-ler mit Vorzügen
Lesen Sie mehr zum Thema
