Configuration de la détection des anomalies

• Hiérarchiques : analyse les champs de manière hiérarchique. Par exemple, si vous choisissez une date (T), une mesure (N) et trois catégories de dimensions(C1, C2 et C3), les champs sont analysés comme suit :

  T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N

• Exactes : analyse uniquement la combinaison exacte des champs de la zone de champs Catégories, dans l'ordre dans lequel ils sont répertoriés. Par exemple, si vous choisissez une date (T), une mesure (N) et trois catégories de dimensions(C1, C2 et C3), les champs sont analysés comme suit :

  T-C1-C2-C3-N

• Toutes : analyse toutes les combinaisons de champs dans la zone de champs Catégories. Par exemple, si vous choisissez une date (T), une mesure (N) et trois catégories de dimensions(C1, C2 et C3), les champs sont analysés comme suit :

  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

• Nombre maximum d'anomalies à afficher : nombre de données aberrantes que vous souhaitez afficher dans l'insight.
• Gravité : niveau minimum de gravité des anomalies que vous souhaitez afficher dans l'insights.

  Un niveau de gravité est une plage de scores d'anomalie caractérisée par le score d'anomalie réel le plus bas inclus dans la plage. Toutes les anomalies présentant un score plus élevé sont incluses dans la plage. Si vous définissez la gravité sur Faible et plus, l'insight affiche toutes les anomalies dont le niveau est compris entre faible et très élevé. Si vous définissez la gravité sur Très élevée, l'insight n'affiche que les anomalies présentant les scores d'anomalie les plus élevés.

• Direction : direction sur l'axe des x ou y que vous souhaitez considérer comme anormale.

  L'option par défaut, [TOUTES], identifie toutes les valeurs anormales, qu'elles soient faibles ou élevées. Vous pouvez sélectionner Supérieures à la valeur attendue ou Inférieures à la valeur attendue pour uniquement considérer les valeurs plus élevées ou plus faibles en tant qu'anomalies.

• Delta : écart minimum utilisé pour identifier les anomalies. Tout résultat supérieur à la valeur seuil sera considéré comme une anomalie.

  Vous pouvez définir une valeur absolue comme seuil. Par exemple, si vous saisissez 48, les valeurs sont identifiées comme anormales lorsque la différence entre la valeur et la valeur attendue est supérieure à 48. Vous pouvez aussi définir un seuil en pourcentage. Par exemple, si vous saisissez 12,5 %, les valeurs sont identifiées comme anormales lorsque la différence entre la valeur et la valeur attendue est supérieure à 12,5 %.

• Trier par : méthode de tri appliquée aux résultats de la détection des anomalies.

  Voici les options disponibles :

  • 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 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. Il s'agit de l'option par défaut.
  • Différence par rapport à la valeur attendue : différence réelle entre la valeur réelle et la valeur attendue.
  • Valeur réelle : valeur réelle sans formule appliquée.

Voici les options disponibles :

• Occurrence : fréquence d'exécution du nouveau calcul. Vous pouvez le configurer de manière à ce qu'il se lance toutes les heures, tous les jours, toutes les semaines ou tous les mois.
• Début de la planification : date et heure de début de l'exécution de la planification.
• Fuseau horaire : fuseau horaire sur lequel s'exécute la planification. Pour afficher la liste des fuseaux horaires, supprimez l'entrée actuelle.

Sélectionnez les champs de l'analyse des contributions sous Sélectionner des champs. Vous pouvez sélectionner jusqu'à quatre dimensions de votre ensemble de données, y compris les dimensions qui ne sont pas ajoutées aux zones de champs de l'insight.