DETECT. ADAPT. IMPACT.
ed.Detect ist eine innovative Lösung für Zeitreihenanalysen, die auf Machine Learning und künstlicher Intelligenz basiert.
Damit ist ed.Detect in der Lage, Anomalien und auffälliges Verhalten in mehreren tausend Zeitreihen parallel und vollautomatisch zu identifizieren. ed.Detect untersucht die einzelnen Zeitreihen und lernt dabei maschinell. Auf Basis dieses erlernten Wissen kann ed.Detect Werte der einzelnen Zeitreihen vorhersagen und Beziehungen zwischen Zeitreihen erkennen.
Die Anwendungsmöglichkeiten entlang der Customer Journey sind sehr vielfältig. Angefangen bei der Optimierung von Werbekanälen ( Attribution Analysis ) reichen sie über die Segmentierung nach Interesse ( Intent Analysis ), Erkennung von Zwischenfällen und Betrugserkennung bis hin zur Conversion Optimierung.
Aus fachlicher Sicht sind bei allen Anwendungsbereichen zwei Anwendungstypen vorherrschend:
- Probleme frühzeitig erkennen: Mit Hilfe einer automatisierten Überwachung der Daten Störungen früh erkennen.
- Business Boost: ed.Detect unterstützt ein effizientes Process Mining und identifiziert Schwachstellen in bestehenden Prozessen.
Innovative Zeitreihenanalyse
In der heutigen, datengesteuerten Welt sind Zeitreihenanalysen von entscheidender Bedeutung, um Muster und Trends in verschiedensten Datenquellen zu identifizieren.
Die gute Nachricht ist:
- Zeitreihendaten sind einfach strukturiert
- Zeitreihendaten sind allgemein verfügbar
Die schlechte Nachricht ist:
- es gibt zu viele Zeitreihen, um sie manuell zu überwachen und zu verstehen
Zeitreihen sind eine Folge von Datenpunkten, die in bestimmten Zeitabständen aufgezeichnet werden. Diese Daten können aus verschiedenen Quellen stammen, zum Beispiel aus Finanzsystemen, Sensoren, Zahlungssystemen oder Analytics Tools.
ed.Detect wurde speziell für die Zeitreihenanalyse entwickelt.
ed.detect:
- deckt Anomalien auf
- prognostiziert zukünftige Werte
- liefert intelligente und gezielte Benachrichtigungen
Diese drei Bereiche – Erkennung von Anomalien, Zeitreihenprognose und intelligente Warnmeldungen – sind gleich wichtig und stellen jeweils Kernkomponenten der Anwendung dar.
ed.Detect wendet KI & ML auf Zeitreihenanalyse an
Anomalie-Erkennung
Mit Algorithmen für maschinelles Lernen und künstlicher Intelligenz erkennt ed.Detect Schwankungen und Anomalien in Zeitreihen. Das bedeutet, ed.Detect lernt jede Zeitreihe zu interpretieren und versteht ihre jeweilige Struktur. Auf diese Weise ist ed.Detect in der Lage, ungewöhnliche Veränderungen und Anomalien zu erkennen. Zum einen können die gefundenen Anomalien potenzielle Probleme aufzeigen, zum anderen Hinweise auf Potenziale für die Optimierung von Prozessen enthalten.
Durch die Integration von ed.Detect in den Datenanalyseprozess erhalten Unternehmen wertvolle Einblicke in ihre Daten und können schnell auf abnormales Verhalten reagieren. Das Tool bietet eine intelligente Alerting-Engine, die es auch Nicht-Datenwissenschaftlern ermöglicht, erkannte Anomalien zu bewerten. Darüber hinaus können auf Basis der von ed.Detect bereitgestellten Informationen gezielte Maßnahmen zu ergreifen.
Da jede Zeitreihe eine einfache Datenstruktur besitzt, ist die Implementierung von ed.Detect nicht komplex. Die Implementierung erfordert keinen individuellen Anpassungsaufwand der Lösung. Die einzige Voraussetzung ist ein Zeitstempel in den Daten, die ed.Detect analysieren soll. Alle eventuell erforderlichen Transaktionen werden innerhalb von ed.Detect durchgeführt. Ergänzend beinhaltet die Lösung mehrere Methoden, um Daten aus unterschiedlichen Quellen zu empfangen. Das Professional Services Team von e-dynamics unterstützt bei der Implementierung der Lösung, um eine schnelle, zeit- und kosteneffiziente Einrichtung zu gewährleisten. Und auch nach der Einführung der Lösungen stehen wir mit Rat und Tat zur Seite, wenn es darum geht die gewonnenen Erkenntnisse in konkretes Handeln zu überführen.
Die innovative Anomalie-Erkennung von ed.Detect ist die Basis für die nahtlos integrierten Anwendungen. Die Anwendungen zur Vorhersage zukünftiger Werte einer Zeitreihe und intelligente Benachrichtigungen gehören zu dem Kern der Anwendung.
Vorhersage (Prognose) zukünftiger Werte
Die Erkennung von Anomalien ist eng mit der Prognose zukünftiger Werte in einer Zeitreihe verbunden. Sofern man eine existierende Zeitreihe in ihrer Struktur gut kennt, kann man aus diesem Wissen zukünftige Werte ableiten. Genau das macht ed.Detect. Es geht also nicht im eine Vorhersage auf Basis von Vermutungen und Einschätzungen wie häufig bei der „Vorhersage“ des Ölpreises. Im Kontext von ed.Detect basiert die Vorhersage der Werte einer Zeitreihe immer auf mathematischen Berechnungen. Die Belastbarkeit und die Grenzen der Vorhersage mit ed.Detect sind stark mit der Struktur der einzelnen Zeitreihen verbunden.
Intelligente Benachrichtigungen
Benachrichtigungen gibt es viele, intelligente Benachrichtigungen wenige. Viele Anwendungen verschicken aktiv Benachrichtigungen und Alerts an die Nutzer. Da die Anzahl der Alerts zu groß ist und der Inhalt der einzelnen Benachrichtigung oft wenig aussagekräftig ist, werden Benachrichtigungen häufig ignoriert. Manche sprechen sogar von „Alert-Spam“.
In ed.Detect verfolgen wir einen anderen Ansatz, der das Ziel hat intelligente Meldungen zu verschicken. Intelligent bedeutet für uns unter anderem:
- Es werden nur Benachrichtigungen zu echten Abweichungen verschickt und nicht auf Basis von statischen Schwellwerten
- Inhalt und Sprache sind auf die Empfängergruppe abgestimmt
- Die Benachrichtigung enthält einen Bezug zu den möglichen Auswirkungen
- Die Benachrichtigung enthält eine konkrete Handlungsempfehlung zur nächsten Aktion
Die intelligenten Alarm- und Prognosemodule von ed.Detect arbeiten direkt auf den Ergebnissen der ed.Detect Core Engine.
VORTEILE
ed.Detect ist interessant für:
- Organisationen, die eine große Anzahl (tausende) von Zeitreihendaten analysieren möchten
- Datengesteuerte Nutzer, die automatisch Abweichungen und Anomalien in ihren Prozessen, Systemen oder auf ihren Websites erkennen wollen
Vorteil: Jederzeit up-to-date über Abweichungen in den Daten!
- Gleichzeitige Überwachung von tausenden Datenströmen ohne zusätzlichen manuellen Aufwand
- Intelligente und selbstlernende Anomalieerkennung, die sowohl für Small als auch Big Data optimal ist
- Berücksichtigung von saisonalen und trendbedingten Entwicklungen sowie von besonderen Ereignissen, z.B. Feiertagen und externen Einflüssen
Vorteil: Präzise Vorhersagen durch Machine Learning!
- Individuelle Alarmierungsfunktion für Interessenten- und Verantwortungsgruppen
- Integration in bestehende Daten- und Reportinglösungen ohne die Notwendigkeit, ein zusätzliches Tool zu erlernen oder zu verwenden
- Analyse-Ergebnisse von ed.Detect werden an Drittsysteme weitergegeben
Beispiel: Individuelle E-Mail Benachrichtigung aus ed.Detect
USE CASE: BOT DETECTION MIT ED.DETECT
Die Unterscheidung zwischen (gut getarntem) Bot Traffic und menschlichem Traffic wird zunehmend schwieriger und stellte unseren Kunden vor eine große Herausforderung. Denn Bot Traffic belastet nicht nur die Infrastruktur unnötig, sondern erschwert ebenso die Beurteilung bezahlter Traffic-Akquise und verfälscht die Conversion-Messung.
Durch den Einsatz unserer KI-basierten Lösung ed.Detect konnte der manuelle Aufwand erheblich reduziert werden und gleichzeitig die Geschwindigkeit und Genauigkeit durch eine vollständig automatisierte Bot Erkennung deutlich erhöht werden. ✔️
Hier geht’s zum Use Case Bot Erkennung mit ed.Detect!
