Oggi, la già grande e sempre crescente quantità di dati raccolti dalle aziende rappresenta una risorsa che deve essere sfruttata il più possibile per innalzare l’efficacia e l’efficienza delle stesse. Pertanto, è fondamentale saper analizzare i dati e trarne un vantaggio sia a livello operativo che decisionale. A tal proposito, tra le sfide che più spesso vengono intraprese vi è quella della cosiddetta anomaly detection (talvolta detta anche outlier detection), ossia l’identificazione e l’isolamento di comportamenti, e quindi dati, anomali, rari o inconsueti, i quali si distinguono notevolmente dal normale andamento della realtà monitorata. Essi, infatti, possono essere segnali della presenza, corrente o futura, di una problematica.
approfondimento
Anomaly detection, cos’è, come si attua con l’AI
Oggi, per affrontare il problema del rilevamento delle anomalie si utilizzano sempre più spesso approcci data driven, che sfruttano i tanti dati raccolti per realizzare modelli di machine learning o deep learning in grado di individuarle
Pubblicato il 19 mar 2024
Davide Iacopino
Data Scientist Revelis
Salvatore Iiritano
CEO Revelis s.r.l
