Pular para o conteúdo principal

Amazon Lookout for Metrics

O que é​

Um serviço de machine learning que detecta automaticamente anomalias (outliers) em seus dados de negócios e operacionais, e ajuda a determinar suas causas-raiz.

Para que serve​

Monitorar continuamente o desempenho de negócios e operacionais, identificar variações incomuns em métricas importantes e alertar sobre problemas para que você possa remediá-los rapidamente.

Casos de uso​

  • Monitoramento de métricas de vendas e receita para detectar quedas ou picos inesperados.
  • Detecção de anomalias em taxas de conversão de websites ou aplicações.
  • Monitoramento de métricas de desempenho de aplicações (ex: latência, erros) para identificar problemas.
  • Análise de dados de marketing para detectar campanhas com desempenho incomum.
  • Identificação de problemas em cadeias de suprimentos ou operações.

Principais pontos​

  • Detecção automática de anomalias: Utiliza machine learning para identificar padrões incomuns nos dados.
  • Causa-raiz: Ajuda a determinar a causa-raiz das anomalias, fornecendo insights acionáveis.
  • Totalmente gerenciado: Não exige experiência em machine learning para usar o serviço.
  • Fontes de dados: Conecta-se a várias fontes de dados, incluindo Amazon S3, Redshift, RDS, e SaaS (Salesforce, Google Analytics).
  • Alertas: Envia alertas para canais como Amazon SNS, AWS Lambda ou PagerDuty.
  • Feedback: Permite fornecer feedback sobre as anomalias detectadas para melhorar a precisão do modelo.

Comparativo com monitoramento tradicional baseado em limites​

  • Amazon Lookout for Metrics: Utiliza machine learning para detectar anomalias complexas e sutis que podem ser perdidas por limites estáticos. Adapta-se a padrões de dados em constante mudança e reduz falsos positivos, fornecendo insights mais precisos e acionáveis.
  • Monitoramento tradicional baseado em limites: Depende de limites predefinidos que podem ser difíceis de manter e ajustar, especialmente para métricas com padrões sazonais ou tendências. Pode gerar muitos falsos positivos ou perder anomalias importantes que não ultrapassam os limites.