拓端数据|避开数据海洋的“暗礁”：识别用户异常行为

“今天咱们见证了数据的爆炸式增加：社交媒体数据、系统数据、CRM数据以及大量网络数据。然而， 在大多数状况下，这些数据告诉了咱们用户行为的常见模式。 数据的异常变化多是咱们系统中的故障或用户流失的“症结”所在。

如何识别数据海洋中的“暗礁”是用户行为异常行为分析所要探讨的问题。

▼

▍什么是异常检测？

异常检测是在数据中找到不符合“正常”的行为模式的过程。在时间序列数据中检测到与预期行为有误差的数据对于确保系统的正常运行很是重要。

通常来讲，异常能够分红两种：

▍全局异常/局部异常

局部异常

不少时候咱们能够看到数据的潜在趋势，看起来像一个“波浪”：早上的活动不足，白天很高，晚上很低。 局部异常发生在这种状况下。 例如：晚上的高活动意味着异常。

全局异常

这是咱们最熟悉的那种异常现象。 这是一个随机出如今日常时间的异常现象。 通常使用95%分位数就能够检测到。

▍异常检测方法

咱们使用历史数据来构建由每一个被监测的数据的估计值。将实时数据与这些值进行比较，并分配一个分数。

基于从最近的数据观察获得的阈值，决定实时数据是否为异常。这种方法的优势是阈值不是静态的，而是实时的。

检测场景：

tecdat的解决方案从收集网站的行为数据开始。衡量趋势的三个主要组成部分，即固定趋势、周期趋势和季节性数据，分别进行了总结，该算法查找到数据中的异常，向用户发送自动实时警报。

经过实时的异常数据监测，咱们能够清楚地看到网站流量的差别，在发生异常情况时迅速进行故障排除和修复，减小网站停机，减小潜在客户的流失。