はじめに

たまたま Amazon Lookout for Metrics というサービスについて触れることがあったので検証した内容をまとめてみました。

Amazon Lookout for Metrics とは？

機械学習を使用してメトリクス内の異常を自動的に検知してくれる AWS サービスです。

検証内容

今回は以下の記事を参考に行っています。

概要説明

あるファーストフードチェーンが一部の店舗でポイントプログラムを導入しました。
そのプログラムの内容は以下です。

商品を購入するとその金額に応じてポイントが溜まる
溜まったポイントは割引券や特典と交換することができる

このポイントの獲得と交換パターンにおいてパターン異常を検知する設定を行うという内容です。

データ概要

ここで取り扱うデータの項目とその内容については以下となります。

項目	説明
TIMESTAMP	データの取得日です。今回は yyyy-MM-dd を扱っています。
LOCATION_ID	ポイントプログラムが導入された店舗の ID です。 A-1001 ~ A-1008 の 8 店舗が集計対象です。
EARNED_POINTS	獲得ポイントです。顧客が商品を購入して得られたその日の総数です。
REDEEM_POINTS	交換ポイントです。顧客が店舗で交換したその日のポイントの総数です。

設定

今回の構築ステップは大きく分けて以下の 3 ステップとなります。

Amazon S3 バケットの作成と解析データのアップロード
Detector の作成
データセットの作成

S3バケットの作成とサンプルデータのアップロード

ここでは Amazon Lookout for Metrics で解析するためのデータ置き場とそのデータの準備を行います。
利用するデータは AWS Samples というところにあるデータを利用します。

まず、AWS Samples より、 loyalty.csv というファイルのダウンロードをします。

次に S3 バケットを作成し、先ほどダウンロードし loyalty.csv をアップロードします。

Detector の作成

対象となるデータセットの監視と検出をするための Detector を作成します。

まず、 AWS マネジメントコンソール > Amazon Lookout for Metrics をクリックします。
次に Create detector をクリックします。

Create detector

Detector details で Detector の情報を入力します。

Detector name に loyalty-point-anomaly-detector を入力します。
Interval は Detector がデータセットを分析する間隔なので、今回の利用データは一日単位のため 1 day intervals を指定します。
Create をクリックします。

データセットの作成

ここではデータの場所と Detector へ異常を伝えるためのデータセットを作成します。

Detector の作成が完了すると以下の画面が表示されるので Add a dataset をクリックします。

Name に loyalty-point-anomaly-dataset を入力します。
Timezone に Asia/Tokyo を指定します。

Datasource に Amazon S3 を選び、Detector mode に Backtest を選択して先ほどアップロードしたデータソースのファイルパスを入力します。
[Detect format settings] をクリックします。

全てデフォルトの状態で Next をクリックします。

meaures と dimensions の設定

Mesures は KPI (Key Performance Indicator : 重要業績評価指標) を設定する項目で、Dimensions は カテゴリー や セグメント を設定する項目になります。

Mesures で EARNED_POINTS と REDEEM_POINTS を指定します。
Dimensions では地域別に計測したいので LOCATION_ID を指定します。

timestamps の設定

Timestamp はデータの タイムスタンプ が記録されている項目とそのフォーマットを指定します。

Timestamp は TIMESTAMP という項目を指定し、 Format では Enter a timestamp format を選んで Timestamp format に yyyy-MM-dd を入力します。

コストの見積もり

Cost Estimate を利用すると検知にかかる費用を事前に見積もることができます。
今回の場合、 Measures 数が 2 つで Dimension 数が　8　つのため、Metrics 数は 2 (Measures) × 8 (Dimension) = 16 (Metrics) になります。
また、1 Metrics あたり $0.75 になるのため、発生する費用は 16 (Metrics) × $0.75 = $12.00 となります。