تشخیص ناهنجاری

قبل از اینکه یک تغییر غیرعادی به بحران تبدیل شود، آن را ببینید

فرازدیتا رفتار KPI و Metric را در طول زمان و در سطح Segmentهای مختلف پایش می کند. برای Metricها می توان از روش های آماری متناسب با نوع داده استفاده کرد و برای KPIها Thresholdهای کسب وکاری را با وضعیت عملکرد ترکیب کرد.

تشخیص ناهنجاری ها

تغییرات غیرعادی را قبل از تبدیل شدن به مشکل ببینید

فراز دیتا رفتار شاخص ها و معیارهای عملکرد را در طول زمان بررسی می کند و تغییراتی را که با الگوی معمول داده ها سازگار نیستند، شناسایی می کند.

این بررسی می تواند برای بخش ها، محصولات، شعب، کانال های فروش و سایر ابعاد اطلاعاتی سازمان انجام شود تا مشخص شود تغییر غیرعادی دقیقاً در کجا و چه زمانی اتفاق افتاده است.

همچنین می توان حدود و شرایط موردنظر سازمان را برای شاخص ها مشخص کرد تا تغییرات مهم سریع تر دیده شوند و مدیران بتوانند پیش از جدی شدن یک مشکل، آن را بررسی و پیگیری کنند.

تشخیص تغییرات غیرعادی و ناهنجاری در داده های سازمان
پایش هوشمند
بررسی ناهنجاری روند
تشخیص ناهنجاری

شناسایی تغییرات غیرعادی در داده ها

فراز دیتا با استفاده از روش های مختلف آماری، رفتار معیارها را در طول زمان بررسی می کند و تغییرات غیرعادی، جهش ها و افت های قابل توجه را برای بررسی بیشتر مشخص می سازد.

امتیاز انحراف

بررسی فاصله مقدار فعلی از میانگین تاریخی برای شناسایی تغییراتی که به طور محسوسی با رفتار معمول داده متفاوت هستند.

انحراف معیار

بررسی میزان پراکندگی داده ها و شناسایی مقادیری که خارج از محدوده معمول رفتار داده قرار گرفته اند.

میانگین متحرک

مقایسه مقدار جدید با میانگین دوره های گذشته برای شناسایی تغییرات غیرعادی و روندهای متفاوت از الگوی معمول.

تغییرات درصدی

بررسی میزان افزایش یا کاهش نسبت به دوره قبل و شناسایی جهش ها و افت های غیرعادی در عملکرد.

دامنه بین چارکی

استفاده از روش IQR برای شناسایی مقادیر خارج از الگوی معمول، به ویژه در داده هایی که دارای پراکندگی یا مقادیر پرت هستند.

میانگین متحرک وزنی

اهمیت بیشتر دادن به داده های جدید برای شناسایی تغییرات تدریجی و زودتر متوجه شدن تغییر مسیر عملکرد.

فرآیند

از داده خام تا نتیجه قابل استفاده

موتورهای مختلف فرازدیتا در یک زنجیره واحد با یکدیگر کار می کنند و خروجی هر مرحله می تواند ورودی مرحله بعد باشد.

1
تاریخچه

مقادیر دوره های گذشته جمع آوری می شوند.

2
مدل تشخیص

الگوریتم و Threshold متناسب انتخاب می شود.

3
محاسبه Score

مقدار جاری نسبت به الگوی تاریخی بررسی می شود.

4
Segment Detection

همین تحلیل می تواند در سطح Dimension اجرا شود.

5
ثبت Anomaly

نتیجه برای بررسی، RCA و اقدام مدیریتی ذخیره می شود.

FarazData Enterprise Intelligence

فرازدیتا را روی داده واقعی سازمان خود ببینید

یک جلسه دمو با سناریوهای واقعی فروش، تولید، انبار، مالی، KPI، Metric و هشدارهای سازمان شما.

;
درخواست شما ثبت شد. این نسخه یک قالب استاتیک است. برای ارسال واقعی فرم، آن را به API یا Backend فراز دیتا متصل کنید.