Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Configuration de la détection des anomalies basée sur le Machine Learning pour l’analyse des cas particuliers
Utilisez les procédures décrites dans les sections suivantes pour commencer à détecter les valeurs aberrantes et les anomalies, et pour identifier les facteurs clés qui y contribuent.
**Topics**
+ [
# Affichage des notifications d’anomalies et de prévisions
](anomaly-detection-adding-from-visuals.md)
+ [
# Ajout d’une analyse ML pour détecter les valeurs aberrantes et les éléments clés
](anomaly-detection-adding-anomaly-insights.md)
+ [
# Utilisation de l’analyse de contribution pour les facteurs clés
](anomaly-detection-adding-key-drivers.md)
# Affichage des notifications d’anomalies et de prévisions
Amazon Quick Sight vous avertit par un visuel qui détecte une anomalie, des facteurs clés ou une opportunité de prévision. Vous pouvez suivre les invites pour configurer la détection d’anomalies ou les prévisions en fonction des données de cette représentation visuelle.
1. Dans un graphique linéaire existant, recherchez une notification d’analyse dans le menu du widget du visuel.
1. Cliquez sur l'icône en forme d'ampoule pour afficher la notification.
1. Si vous voulez plus d’informations sur l’analyse ML, vous pouvez suivre les invites de l’écran pour ajouter une analyse ML.
# Ajout d’une analyse ML pour détecter les valeurs aberrantes et les éléments clés
Vous pouvez ajouter une analyse ML qui détecte les *anomalies*, c’est-à-dire les valeurs aberrantes qui semblent significatives. Pour commencer, vous créez pour votre analyse un widget, également connu sous le nom d’*autonarration*. Pendant que vous configurez vos options, vous pouvez voir une capture d’écran limitée de votre analyse dans le volet **Aperçu** à droite de l’écran.
Dans votre widget d’analyse, vous pouvez ajouter jusqu’à cinq champs de dimension qui ne sont pas des champs calculés. Dans les puits de champ, les valeurs des **catégories** représentent les valeurs dimensionnelles utilisées par Amazon Quick Sight pour diviser la métrique. Supposons, par exemple, que vous analysiez le chiffre d'affaires de toutes les catégories de produits et de tous les produits SKUs. Il existe 10 catégories de produits, chacune contenant 10 produits SKUs. Amazon Quick Sight divise la métrique par 100 combinaisons uniques et exécute une détection des anomalies sur chaque combinaison pour la division.
La procédure suivante montre comment procéder et comment ajouter une analyse de contribution pour détecter les facteurs clés à l’origine de chaque anomalie. Vous pouvez ajouter l’analyse de contribution ultérieurement, comme décrit dans [Utilisation de l’analyse de contribution pour les facteurs clés](anomaly-detection-adding-key-drivers.md).
**Pour configurer l’analyse des valeurs aberrantes, y compris les facteurs clés**
1. Ouvrez votre analyse et, dans le menu supérieur, choisissez **Insights (Informations)**, puis **Add (Ajouter)**. Dans la liste, choisissez **Anomaly detection (Détection des anomalies)** et **Select (Sélectionner)**.
1. Suivez l’invite à l’écran concernant le nouveau widget, qui vous indique de choisir des champs pour l’information. Vous devez ajouter au moins une date, une métrique et une dimension.
1. Choisissez **Get started (Démarrer)** sur le widget. L’écran de configuration s’affiche.
1. Sous **Options de calcul**, choisissez des valeurs pour les options suivantes.
1. Pour **Combinaisons à analyser**, choisissez l’une des options suivantes :
1. **Hiérarchique**
Choisissez cette option si vous voulez analyser les champs de manière hiérarchique. Par exemple, si vous avez choisi une date (T), une mesure (N) et trois catégories de dimensions (C1, C2 et C3), Quick Sight analyse les champs de manière hiérarchique, comme indiqué ci-dessous.
```
T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N
```
1. **Exact**
Choisissez cette option si vous voulez analyser uniquement la combinaison exacte des champs dans le sélecteur de champs Catégorie, tels qu’ils sont répertoriés. Par exemple, si vous avez choisi une date (T), une mesure (N) et trois catégories de dimensions (C1, C2 et C3), Quick Sight analyse uniquement la combinaison exacte des champs de catégories dans l'ordre dans lequel ils sont répertoriés, comme indiqué ci-dessous.
```
T-C1-C2-C3-N
```
1. **Tous**
Choisissez cette option si vous voulez analyser toutes les combinaisons de champs dans le puits de champs Catégorie. Par exemple, si vous avez choisi une date (T), une mesure (N) et trois catégories de dimensions (C1, C2 et C3), Quick Sight analyse toutes les combinaisons de champs, comme indiqué ci-dessous.
```
T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N, T-C1-C3-N, T-C2-N, T-C2-C3-N, T-C3-N
```
Si vous avez choisi une date et une mesure uniquement, Quick Sight analyse les champs par date, puis par mesure.
Dans la section **Champs à analyser**, vous pouvez voir une liste de champs provenant des puits de champs à titre de référence.
1. Pour **Nom**, saisissez un nom alphanumérique descriptif sans espace ou choisissez la valeur par défaut. Cela permet de donner un nom au calcul.
Si vous envisagez de modifier la narration qui s’affiche automatiquement sur le widget, vous pouvez utiliser le nom pour identifier le calcul de ce widget. Personnalisez le nom si vous prévoyez de modifier la narration automatique et si vous avez d’autres calculs similaires dans votre analyse.
1. Dans la section **Options d’affichage**, choisissez les options suivantes pour personnaliser ce qui est affiché dans votre widget d’analyse. Vous pouvez toujours explorer tous vos résultats, quel que soit l’affichage choisi.
1. **Nombre maximal d’anomalies à afficher** – Le nombre d’anomalies que vous voulez afficher dans le widget narratif.
1. **Sévérité** – Le niveau minimum de gravité des anomalies que vous voulez afficher dans le widget d’analyse.
Un *niveau de gravité* est une plage de scores d’anomalie qui se caractérise par le plus faible score réel d’anomalies inclus dans la plage. Toutes les anomalies qui ont une note plus élevée sont incluses dans la plage. Si vous définissez la gravité sur **Faible**, l’aperçu affiche toutes les anomalies qui se classent entre faible et très élevée. Si vous définissez la gravité sur **Très élevée**, l’aperçu affiche uniquement les anomalies présentant les notes d’anomalie les plus élevées.
Vous pouvez utiliser les options suivantes :
+ **Très élevée**
+ **Élevée et supérieure**
+ **Moyenne et supérieure**
+ **Faible et supérieure**
1. **Direction** – La direction sur l’axe des x ou l’axe des y que vous voulez identifier comme anormale. Sélectionnez parmi les éléments suivants :
+ **Plus élevé que prévu** pour identifier les valeurs plus élevées comme des anomalies.
+ **Plus bas que prévu** pour identifier les valeurs plus basses comme des anomalies.
+ **[TOUT]** pour identifier toutes les valeurs anormales, qu’elles soient élevées ou faibles (paramètre par défaut).
1. **Delta** – Saisissez une valeur personnalisée à utiliser pour identifier les anomalies. Tout nombre supérieur à la valeur de seuil est considéré comme une anomalie. Les valeurs ici modifient le fonctionnement de l’information dans votre analyse. Dans cette section, vous pouvez définir les éléments suivants :
+ **Valeur absolue** – La valeur réelle à utiliser. Par exemple, supposons qu’il s’agisse de 48. Amazon Quick Sight identifie ensuite les valeurs comme anormales lorsque la différence entre une valeur et la valeur attendue est supérieure à 48.
+ **Pourcentage** – Seuil de pourcentage à utiliser. Par exemple, supposons qu’il s’agisse de 12,5 %. Amazon Quick Sight identifie ensuite les valeurs comme anormales lorsque la différence entre une valeur et la valeur attendue est supérieure à 12,5 %.
1. **Trier par** – Choisissez une méthode de tri pour vos résultats. Certaines méthodes sont basées sur le score d'anomalie généré par Amazon Quick Sight. Amazon Quick Sight attribue des scores plus élevés aux points de données qui semblent anormaux. Vous pouvez utiliser les options suivantes :
+ **Score d’anomalie pondéré** – Score d’anomalie multiplié par le logarithme de la valeur absolue de la différence entre la valeur réelle et la valeur attendue. Il s’agit toujours d’un nombre positif.
+ **Score d’anomalie** – Score d’anomalie réel attribué à ce point de données.
+ **Différence pondérée par rapport à la valeur attendue** – Score d’anomalie multiplié par la différence entre la valeur réelle et la valeur attendue (par défaut).
+ **Différence par rapport à la valeur attendue** – Différence réelle entre la valeur réelle et la valeur attendue (c’est-à-dire réelle-attendue).
+ **Valeur réelle** – Valeur réelle sans aucune formule appliquée.
1. Dans la section **Options de planification**, définissez la planification de l’exécution automatique du recalcul de l’analyse. La planification s’exécute uniquement pour des tableaux de bord publiés. Dans l’analyse, vous pouvez l’exécuter manuellement si nécessaire. Ce fichier contient les paramètres suivants :
+ **Occurrence** – Définissez la fréquence à laquelle vous voulez que le recalcul soit exécuté : toutes les heures, tous les jours, toutes les semaines ou tous les mois.
+ **Lancer la planification le** – La date et l’heure de début de l’exécution de la planification.
+ **Fuseau horaire** – Le fuseau horaire dans lequel la planification s’exécute. Pour afficher une liste, supprimez l’entrée actuelle.
1. Dans la section **Principaux contributeurs**, configurez Amazon Quick Sight pour analyser les principaux facteurs en cas de détection d'une valeur aberrante (anomalie).
Par exemple, Amazon Quick Sight peut indiquer les principaux clients qui ont contribué à l'augmentation des ventes de produits de bricolage aux États-Unis. Vous pouvez ajouter jusqu’à quatre dimensions provenant de votre jeu de données. Il s’agit notamment des dimensions que vous n’avez pas ajoutées aux sélecteurs de champs de ce widget d’analyse.
Pour obtenir une liste des dimensions disponibles pour l’analyse de contribution, sélectionnez **Sélectionner les champs**.
1. Choisissez **Enregistrer** pour confirmer vos choix. Choisissez **Cancel (Annuler)** pour quitter sans sauvegarder.
1. Dans le widget d’analyse, sélectionnez **Exécuter maintenant** pour lancer la détection d’anomalies et afficher votre analyse.
La durée de la détection d’anomalies varie en fonction du nombre de points de données uniques que vous analysez. Le processus peut prendre quelques minutes pour un nombre réduit de points, ou durer plusieurs heures.
Pendant son exécution en arrière-plan, vous pouvez effectuer d’autres tâches dans votre analyse. Attendez la fin de la détection avant de modifier la configuration, d’éditer la narration ou d’ouvrir la page **Explorer les anomalies** pour cette analyse.
Le widget d’analyse doit être exécuté au moins une fois avant que vous puissiez voir les résultats. Si vous pensez que le statut peut être obsolète, vous pouvez actualiser la page. L’analyse peut avoir les états suivants.
| S’affiche sur la page | Statut |
| --- | --- |
| Bouton Run now (Exécuter maintenant) | La tâche n’a pas encore commencé. |
| Message à propos de Analyzing for anomalies (Analyse des anomalies) | La tâche est en cours d’exécution. |
| Texte concernant les anomalies détectées (cas particuliers) | La tâche s’est exécutée avec succès. Le message indique quand le calcul de ce widget a été mis à jour pour la dernière fois. |
| Icône d’alerte avec un point d’exclamation (\$1) | Cette icône indique qu’une erreur s’est produite lors de la dernière exécution. Si la narration s’affiche également, vous pouvez toujours utiliser Explore anomalies (Explorer les anomalies) pour utiliser les données de l’exécution réussie précédente. |
# Utilisation de l’analyse de contribution pour les facteurs clés
Amazon Quick Sight peut identifier les dimensions (catégories) qui contribuent aux valeurs aberrantes dans les mesures (métriques) entre deux points dans le temps. Le facteur clé qui contribue à une valeur aberrante vous aide à répondre à la question suivante : Que s’est-il passé pour provoquer cette anomalie ?
Si vous utilisez déjà la détection d’anomalies sans analyse de contribution, vous pouvez activer l’analyse ML existante pour trouver les facteurs clés. Suivez la procédure suivante pour ajouter l’analyse de contribution et identifier les facteurs clés à l’origine des valeurs aberrantes. Votre analyse pour la détection d’anomalies doit inclure un champ temporel et au moins une métrique agrégée (SOMME, MOYENNE ou COMPTE). Vous pouvez inclure plusieurs catégories (champs de dimension) si vous le souhaitez, mais vous pouvez également exécuter l’analyse de contribution sans spécifier de catégorie ou de champ de dimension.
Vous pouvez également utiliser cette procédure pour modifier ou supprimer des champs en tant que facteurs clés dans votre détection d’anomalies.
**Pour ajouter une analyse de contribution afin d’identifier les facteurs clés**
1. Ouvrez votre analyse et localisez une analyse ML existante pour la détection des anomalies. Sélectionnez le widget de l’analyse pour le mettre en évidence.
1. Choisissez **Options de menu** (**…**) dans le menu de la représentation visuelle.
1. Choisissez **Configurer l’anomalie** pour modifier les paramètres.
1. Le paramètre **Analyse des contributions (facultatif)** permet à Amazon Quick Sight d'analyser les principaux facteurs lorsqu'une valeur aberrante (anomalie) est détectée. Par exemple, Amazon Quick Sight peut vous indiquer les principaux clients qui ont contribué à l'augmentation des ventes de produits de bricolage aux États-Unis. Vous pouvez ajouter jusqu’à quatre dimensions de votre jeu de données, y compris des dimensions que vous n’avez pas ajoutées aux sélecteurs de ce widget d’information.
Pour afficher la liste des dimensions disponibles pour l’analyse de contribution, choisissez **Select fields (Sélectionner les champs)**.
Si vous voulez modifier les champs que vous utilisez comme facteurs clés, modifiez les champs activés dans cette liste. Si vous les désactivez tous, Quick Sight n'effectuera aucune analyse des contributions à cet aperçu.
1. Pour enregistrer vos modifications, faites défiler jusqu’au bas des options de configuration et sélectionnez **Enregistrer**. Pour quitter sans sauvegarder, choisissez **Annuler**. Pour supprimer complètement ces paramètres, cliquez sur **Supprimer**.