Detección de anomalías

La detección de anomalías usa el modelado estadístico para buscar automáticamente tendencias inesperadas en sus datos. El modelo analiza métricas y determina un límite inferior, un límite superior y un intervalo esperado de valores. Cuando hay un pico o una caída inesperados, el sistema le alerta en el informe.

Algunos ejemplos de anomalías que puede investigar son:

Nota: La detección de anomalías está disponible únicamente cuando selecciona la granularidad de día.

Métricas de detección de anomalías

La detección de anomalías añade nuevos valores de métricas a cada métrica que seleccione, incluidas:

Elemento Descripción
Límite inferior

Nivel inferior del intervalo de predicción. Los valores por debajo de este nivel se consideran una anomalía.

Representa un 95 % de seguridad de que los valores se encontrarán por encima de este nivel.

Previsto

El valor predicho en función de los análisis de datos. Este valor también es un punto intermedio entre el límite superior y el límite inferior.

Límite superior

Nivel superior del intervalo de predicción. Los valores por encima de este nivel se consideran una anomalía.

Representa un 95 % de seguridad de que los valores se encontrarán por debajo de este nivel.

El Creador de informes aplica estos valores a las métricas seleccionadas. Por ejemplo, si selecciona la métrica de vistas de la página y aplica la detección de anomalías, se utiliza la métrica de límite inferior de vistas de la página.

Cómo se calcula la detección de anomalías

La detección de anomalías utiliza un período de prueba para calcular, aprender y generar informes de los datos del intervalo de predicción diariamente. El período de prueba es el periodo histórico que identifica qué es normal y qué es una anomalía y aplica lo que ha aprendido en el periodo de informes. En los informes de marketing, hay disponibles periodos de prueba de 30, 60 y 90 disponibles. En el Creador de informes, hay disponibles 30 días.

El período de prueba no es necesariamente el mismo que el periodo de informe seleccionado. Un gráfico de informe muestra el periodo de intervalo de fechas que especifique en el calendario.

Para calcular la fecha, se compara el total diario de cada métrica con el período de prueba utilizando cada los siguientes algoritmos:

Cada algoritmo se aplica para determinar el algoritmo con el menor número de suma de errores al cuadrado (SSE). El error de porcentaje absoluto medio (MAPE, Mean Absolute Percent Error) y el error estándar actual se calculan a continuación para garantizar que el modelo sea estadísticamente válido.

Se pueden ampliar estos algoritmos para proporcionar previsiones predictivas de métricas en periodos futuros.

Como el período de prueba varía en función del inicio del periodo de informe, es posible que vea diferencias en los datos de informe para la misma fecha como parte de dos periodos distintos.

Por ejemplo, si realiza un informe del 1 al 14 de enero y luego realizar un informe del 7 al 21 de enero, es posible que vea unos datos de predicción distintos para las mismas métricas del 7 al 14 de enero en los distintos informes. Esto es como resultado de la diferencia en los periodos de prueba.

Rango de informes

Período de prueba

Del 1 al 14 de enero

Del 27 de noviembre al 31 de diciembre

Del 7 al 21 de enero

Del 4 de diciembre al 6 de enero