Supongamos que cambia por error el precio de un par de pantalones cortos de jean para una venta de $ 50.00 a $ 5.00. Se realizarán muchas ventas y, al principio, puede parecer que el producto se está vendiendo bien debido a la cantidad de unidades que se venden. Sin embargo, al mirar los ingresos netos, contará otra historia. ¿Cómo se asegura de que un problema como este se identifique y resuelva rápidamente? Los sistemas de detección de anomalías actúan como una protección contra problemas como este al garantizar que dichos problemas se detecten lo antes posible.
La detección de anomalías es tal como su nombre indica; Es un proceso que extrae datos extensos para activar alertas si algo está sesgado o no funciona. En el caso de los pantalones cortos de jean, un sistema de detección de anomalías analizaría los datos, notaría una discrepancia en los ingresos netos y luego crearía una alerta. Sin embargo, las preguntas más importantes son: ¿cómo determina un sistema de detección de anomalías si cierto punto de datos es una anomalía? ¿Cómo determina si algo es normal? Aunque estas preguntas pueden parecer fundamentales, hay muchas cosas a considerar al determinar si algo es una anomalía.
Cómo funciona la detección de anomalías
Para comenzar a trabajar con un sistema de detección de anomalías, primero debe establecer ciertos umbrales superior e inferior para cada métrica, como la tasa de retorno, las unidades enviadas o la antigüedad de los puntos de datos. A partir de ahí, el sistema debe identificar anomalías comparando las métricas actuales con los datos históricos del producto. Hay varios factores a considerar al determinar cómo debe ejecutarse el sistema de detección de anomalías:
- Oportunidad: ¿Qué tan rápido necesita una empresa una respuesta si algo es una anomalía? Si se necesitan respuestas más lentas o con menos frecuencia, el sistema ejecutará más puntos de datos y será más preciso. Si se necesitan respuestas con mayor frecuencia, serán menos precisas.
- Escala: El tamaño de los conjuntos de datos altera la forma en que un sistema de detección de anomalías analiza los datos. Comprender la escala de los datos es importante para un arquitecto de software al realizar ajustes programáticos en el sistema de detección de anomalías.
- Tasa de cambio: Si los conjuntos de datos cambian constantemente, entonces el sistema deberá utilizar aprendizaje automático / algoritmos adaptativos para tener en cuenta ciertos cambios. Si la tasa de cambio es lenta, el sistema puede recopilar datos y determinar qué es normal a partir de ese conjunto de datos.
- Concisión: ¿Qué tan profundo deben medirse las métricas? ¿Solo necesita una alerta si se detecta una anomalía o desea conocer los motivos por los que se activó? Y luego, ¿qué tan profundo quieres que sean las razones?
Los minoristas incorporan software de detección de anomalías para ayudarlos a notar problemas en tiempo real y aprender de las tendencias que de otro modo no serían evidentes al revisar los datos en una escala más pequeña. A medida que las empresas crecen, los incidentes (como el caso de los pantalones cortos de jean de $ 5 mencionados anteriormente) no se detectan a menos que haya un sistema de detección de anomalías para examinar el inmenso volumen de datos. Cada incidente es una oportunidad para ahorrar dinero y crear nuevas oportunidades de negocios potenciales. La reducción de devoluciones, en particular, es un área de oportunidad.
La detección de anomalías es extremadamente importante para ayudar a los minoristas a reducir los retornos, por lo que construimos un motor de detección de anomalías (ADE) dentro del Director de devolucionesⓇ. Al analizar métricas como la tasa de devolución, las unidades enviadas o la antigüedad de los puntos de datos, podemos generar alertas sobre estilos particulares o categorías de productos que están causando problemas de devolución. Los minoristas pueden tomar medidas sobre esas alertas, como fijar el precio de venta o ajustar la copia o las imágenes del sitio web en función de los comentarios de los clientes. Pero esta es solo una aplicación de detección de anomalías, que es una mejora imprescindible y estratégica para su negocio.
___
Esta pieza de Navjit Bhasin, Fundador / CEO de Newmine, apareció originalmente en el blog de Newmine.
Fuente: https://www.masstlc.org/why-anomaly-detection-is-a-strategic-enhancement-for-retailers/
