AI phat hien bat thuong: Khi so lieu canh bao van de

Tại sao Dashboard chưa đủ

Dashboard cho thấy chuyện đã xảy ra. Anomaly detection cho biết điều bất thường đang xảy ra ngay lúc này.

Tình huống thực tế: Stripe webhook hỏng (doanh thu -40% trong 6 tiếng). Deploy tăng latency (conversion -25%). Campaign viral (server +800%).

Pipeline phát hiện

Metric --> TimescaleDB --> Detection Engine --> Alerts

Chọn metric quan trọng

Tập trung KPI ảnh hưởng doanh thu: doanh thu theo giờ, conversion, error rate, DAU.

Phương pháp

Phương pháp	Phù hợp cho	Độ phức tạp
Z-score	Metric ổn định	Thấp
Moving average	Có xu hướng	Trung bình
Isolation Forest	Đa chiều	Trung bình
Prophet	Mùa vụ	Cao

Cảnh báo thông minh

Giảm alert fatigue bằng phân cấp nghiêm trọng, cooldown, và tóm tắt nguyên nhân do AI sinh ra.

Bắt đầu nhanh: Z-Score

import numpy as np

def detect_anomaly(values, new_value, threshold=3):
    mean = np.mean(values[-30:])
    std = np.std(values[-30:])
    z = (new_value - mean) / std if std > 0 else 0
    return abs(z) > threshold

Z-score bắt được 80% bất thường mà không cần ML phức tạp.