翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# ML を使用した異常検出による外れ値の検出
Amazon Quick Sight は、実証済みの Amazon テクノロジーを使用して、数百万のメトリクスで ML を使用した異常検出を継続的に実行し、データの隠れた傾向と外れ値を検出します。このツールにより、多くの場合は集計に埋もれて手動分析では拡張できない詳細なインサイトを得ることができます。機械学習を使用した異常検出では、手動分析、カスタム開発、または ML ドメインの専門知識を必要とせずに、データ内の外れ値を検出できます。
Amazon Quick Sight は、異常を分析したり、データに対して予測を行ったりできることを検出した場合に、ビジュアルで通知します。
異常検出は、`eu-central-2` 欧州 (チューリッヒ) リージョンでは利用できません。
**重要**
ML を使用した異常検出は、コンピューティングの負荷が高いタスクです。使い始める前に、使用するデータの量を分析することでコストを把握できます。月ごとに処理される指標の数に基づいた段階的な価格設定モデルを用意しています。
**Topics**
+ [異常または外れ値検出の概念](anomaly-detection-outliers-and-key-drivers.md)
+ [外れ値分析のための ML を使用した異常検出のセットアップ](anomaly-detection-using.md)
+ [機械学習による異常検出と寄与度分析による外れ値と主要因の探索](anomaly-exploring.md)
# 異常または外れ値検出の概念
Amazon Quick Sight は、*異常*という単語を使用して、分布の全体的なパターンから外れるデータポイントを記述します。科学的な用語しての異常を表す単語としては、他にも外れ値、偏差、異質、例外、不規則性、特異性など、多数があります。使用する用語は、実行する分析のタイプ、使用するデータのタイプ、または単に所属グループの好みに基づいて選択される場合があります。これらの外部データポイントは、エンティティ (人、場所、物、時間) を表します。これは何らかの点で例外的です。
人間は、他とは異なるパターンを簡単に認識したり、他とは異なるものを簡単に見分けたりします。この情報は、感覚を通じてもたらされます。パターンが単純で、データがほんの少量である場合は、データ内の外れ値を示すグラフを簡単に作成できます。いくつかの簡単な例を以下に示します。
+ 青い風船グループの中の赤い風船
+ 他の競走馬から突出している競走馬
+ 授業中に集中していない子供
+ オンライン注文は増えているが、出荷が減っている日
+ ほかの誰もよくなっていない中で、よくなった人
重要なイベントを表すデータポイントと、ランダムな発生を表すデータポイントがあります。分析では、どのような推進要因 (主要因) がイベントに寄与したかに基づいて、調査する価値のあるデータを見極めます。データ分析には、問いが不可欠です。なぜ、それは起こったのか? 何が関係しているのか? 一度だけ発生したのか、何回も発生したのか? 追加の発生を奨励または阻止するために何ができるか?
バリエーションが生じた方法と理由、およびバリエーションにパターンがあるかどうかを理解するには、より多くの思考が必要になります。機械学習の支援がなければ、個人ごとに経験と情報は異なるため、個人ごとに異なる結論に達する可能性があります。その結果、個人ごとにビジネス上の意思決定はわずかに異なる場合があります。考慮すべきデータや変数が多い場合、膨大な量の分析が必要になることがあります。
ML を使用した異常検出では、原因と相関を明らかにして、データ主導の意思決定を下すことができます。ジョブによるデータの処理方法の定義は、引き続きユーザーが制御できます。独自のパラメータを指定したり、寄与分析の主要因を識別するなどの追加のオプションを選択したりできます。またはデフォルト設定を使用できます。次のセクションでは、設定プロセスを順を追って示し、使用可能なオプションについて説明します。
# 外れ値分析のための ML を使用した異常検出のセットアップ
次のセクションの手順に従って、外れ値と異常値の検出、およびその主な寄与要因の特定を開始します。
**Topics**
+ [異常通知と予測通知の表示](anomaly-detection-adding-from-visuals.md)
+ [外れ値と主要因を検出するための ML Insights の追加](anomaly-detection-adding-anomaly-insights.md)
+ [主要因に対する寄与度分析の使用](anomaly-detection-adding-key-drivers.md)
# 異常通知と予測通知の表示
Amazon Quick Sight は、異常、主要な要因、または予測の機会を検出するビジュアルで通知します。プロンプトに従って、ビジュアル内のデータに基づく異常検出または予測を設定します。
1. 既存の折れ線グラフで、ビジュアルウィジェットのメニューからインサイト通知を探します。
1. 電球アイコンを選択して通知を表示します。
1. ML Insights に関する詳細情報が必要な場合は、画面プロンプトに従って ML Insights を追加します。
# 外れ値と主要因を検出するための ML Insights の追加
重要に見える外れ値の*異常*を検出する ML Insights を追加します。開始するには、インサイト用のウィジェット (*自動説明文*とも呼ばれます) を作成します。オプションを設定するときに、インサイトの限定されたスクリーンショットを画面右側の [**Preview (プレビュー)**] ペインに表示します。
インサイトウィジェットでは、計算フィールドではないディメンションフィールドを 5 つまで追加できます。フィールドウェルの **Categories** の値は、Amazon Quick Sight がメトリクスを分割するために使用するディメンション値を表します。たとえば、すべての製品カテゴリと製品 SKU に対して収益を分析するとします。10個の商品カテゴリがあり、それぞれ10個の商品 SKU があります。Amazon Quick Sight は、メトリクスを 100 の一意の組み合わせで分割し、分割の各組み合わせで異常検出を実行します。
次の手順は、これを行う方法と、各異常の主要因を検出するための寄与度分析を追加する方法も示しています。寄与度分析は後で追加できます。詳細については [主要因に対する寄与度分析の使用](anomaly-detection-adding-key-drivers.md) を参照してください。
**主要因を含む外れ値分析を設定するには**
1. 分析を開き、ツールバーで **[インサイト]**、**[追加]** の順に選択します。リストから [**Anomaly detection (異常検出)**]、[**Select (選択)**] の順に選択します。
1. 新しいウィジェットの画面プロンプトに従って、インサイト用のフィールドを選択します。少なくとも 日付、メジャー、ディメンションを 1 つずつ追加する必要があります。
1. ウィジェットで [**Get started (今すぐ始める)**] を選択します。設定画面が表示されます。
1. [**Compute options (コンピューティングオプション)**] で、以下のオプションの値を選択します。
1. [**Combinations to be analysed (分析する組み合わせ)**] で、以下のいずれかのオプションを選択します。
1. **階層的**
フィールドを階層的に分析する場合は、このオプションを選択します。たとえば、日付 (T)、メジャー (N)、3 つのディメンションカテゴリ (C1、C2、C3) を選択した場合、Quick Sight は次に示すようにフィールドを階層的に分析します。
```
T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N
```
1. **完全一致**
リストされたとおりに、カテゴリフィールドウェル内のフィールドの正確な組み合わせのみを分析する場合は、このオプションを選択します。たとえば、日付 (T)、メジャー (N)、3 つのディメンションカテゴリ (C1、C2、および C3) を選択した場合、Quick Sight は次に示すように、リストされている順序でカテゴリフィールドの正確な組み合わせのみを分析します。
```
T-C1-C2-C3-N
```
1. **すべて**
カテゴリフィールドウェル内のすべてのフィールドの組み合わせを分析する場合は、このオプションを選択します。たとえば、日付 (T)、メジャー (N)、3 つのディメンションカテゴリ (C1、C2、および C3) を選択した場合、Quick Sight は次のようにすべてのフィールドの組み合わせを分析します。
```
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
```
日付とメジャーのみを選択した場合、Quick Sight はフィールドを日付別に分析し、次にメジャー別に分析します。
[**Fields to be analyzed (分析するフィールド)**] セクションでは、参照のために、フィールドウェルのフィールドを一覧表示できます。
1. [**Name (名前)**] に、スペースを含まない説明的な英数字の名前を入力するか、デフォルト値を選択します。これにより、コンピューティングの名前が入力されます。
ウィジェットに自動的に表示される説明文を編集する場合は、この名前を使用してウィジェットの計算を識別できます。自動説明文を編集する場合や、分析内に類似する他の計算がある場合、名前をカスタマイズします。
1. [**Display options (表示オプション)**] セクションで以下のオプションを選択し、インサイトウィジェットに表示される内容をカスタマイズします。表示内容にかかわらず、すべての結果を調べることができます。
1. **表示する異常の最大数** — 説明文ウィジェットに表示する外れ値の数。
1. **重要度** — インサイトウィジェットに表示する異常の最小重要度レベルです。
*重要度レベル*は、範囲に含まれる実際の異常スコアが最も低いことによって特徴付けられる異常スコアの範囲です。より高いスコアを持つすべての異常が範囲に含まれます。重要度を**低**に設定すると、インサイトには [低] と [非常に高い] の間にランク付けされるすべての異常が表示されます。重要度を**非常に高い**に設定すると、インサイトには異常スコアが最も高い異常値のみが表示されます。
次のオプションを設定できます。
+ **非常に高い**
+ **高以上**
+ **中以上**
+ **低以上**
1. **方向** — 異常であると識別する x 軸または y 軸の方向。以下から選択できます。
+ **予想より高い**は、より高い値を異常として識別します。
+ **予想より低い**は、より低い値を異常として識別します。
+ **[ALL (すべて)]** は、すべての異常値 (高および低) を識別します (デフォルト設定)。
1. **デルタ** — 異常を識別するために使用するカスタム値を入力します。しきい値よりも高い値は異常としてカウントされます。ここで入力する値によって、分析におけるインサイトの動作が変わります。このセクションでは、次の項目を設定できます。
+ **絶対値** – 使用する実際値。たとえば、これが 48 であるとします。Amazon Quick Sight は、値と想定値の差が 48 より大きい場合に、値を異常として識別します。
+ **パーセンテージ** – 使用するパーセンテージのしきい値。たとえば、これが 12.5% であるとします。Amazon Quick Sight は、値と想定値の差が 12.5% を超える場合に、値を異常として識別します。
1. **並べ替え** — 結果のソート方法を選択します。一部のメソッドは、Amazon Quick Sight が生成する異常スコアに基づいています。Amazon Quick Sight は、異常に見えるデータポイントに対してより高いスコアを提供します。以下のいずれかのオプションを使用できます。
+ [**Weighted anomaly score (加重異常スコア)**] – 異常スコアに実際値と期待値の差の絶対値の対数を乗算した値。このスコアは常に正の数です。
+ [**Anomaly score (異常スコア**)] – このデータポイントに割り当てられた実際の異常スコア。
+ **期待値からの加重差** – 異常スコアに実際値と期待値の差を乗算した値(デフォルト)。
+ **期待値との差** – 実際値と期待値の実際の差 (実際 − 期待値)。
+ [**Actual value (実際値)**] – 式が適用されていない実際の値。
1. [**Schedule options (スケジュールオプション)**] セクションで、インサイトの再計算を自動的に実行するスケジュールを設定できます。スケジュールは公開されたダッシュボードに対してのみ実行されます。分析では、必要に応じて手動でスケジュールを設定できます。スケジューリングには、以下の設定が含まれます。
+ **頻度** – 再計算を実行する頻度 (毎時、毎日、毎週、毎月)
+ **スケジュールの開始日時** – このスケジュールの実行開始日時。
+ **タイムゾーン** – スケジュールを実行するタイムゾーン。リストを表示するには、現在のエントリを削除します。
1. **上位寄与要因**セクションで、外れ値 (異常) が検出されたときにキードライバーを分析するように Amazon Quick Sight を設定します。
例えば、Amazon Quick Sight は、米国の住宅改善製品の売上の急増に貢献した上位の顧客を表示できます。データセットから最大 4 つのディメンションを追加できます。これには、このインサイトウィジェットのフィールドウェルに追加しなかったディメンションも含まれます。
寄与分析に使用できるディメンションを一覧表示するには、[**Select fields (フィールドの選択)**] を選択します。
1. [**Save (保存)**] を選択し、設定を保存します。保存せずに終了するには、[**Cancel (キャンセル)**] を選択します。
1. インサイトウィジェットで、[**Run now (今すぐ実行)**] を選択し、異常検出を実行してインサイトを表示します。
異常検出完了までにかかる時間は、分析している一意のデータポイントの数によって異なります。このプロセスは、最少ポイント数で数分かかることもあれば、数時間かかることもあります。
バックグラウンドで実行されている間は、分析で他の作業を行うことができます。設定を変更したり、説明文を編集したり、このインサイトの [**Explore anomalies (異常の探索)**] ページを開いたりする場合は、完了するまで待つ必要があります。
インサイトウィジェットは、結果を表示する前に 1 回以上、実行する必要があります。ステータスが古いと思われる場合は、ページを更新できます。インサイトには、以下の状態があります。
| ページの表示項目 | ステータス |
| --- | --- |
| [Run now (今すぐ実行)] ボタン | ジョブはまだ開始されていません。 |
| 異常の分析に関するメッセージ | ジョブは現在実行中です。 |
| 検出された異常 (外れ値) に関する説明 | ジョブは正常に実行されました。メッセージは、このウィジェットの計算を前回更新した日時を示します。 |
| 感嘆符 (\$1) 付きのアラートアイコン | このアイコンは、前回の実行中にエラーが発生したことを示します。説明も表示された場合は、引き続き [Explore anomalies (異常の探索)] を使用して前回の正常な実行からのデータを利用できます。 |
# 主要因に対する寄与度分析の使用
Amazon Quick Sight は、2 つの時点間の測定値 (メトリクス) の外れ値に寄与するディメンション (カテゴリ) を特定できます。外れ値に寄与する主要因は、この異常を引き起こした原因について考察するのに役立ちます。
寄与度分析なしで異常検出をすでに使用している場合は、既存の ML Insights を有効にして、主要因を見つけることができます。次の手順を使用して寄与分析を追加し、外れ値の背後にある主要因を特定します。異常検出インサイトには、時間フィールドおよび少なくとも 1 つの集計メトリクス (SUM、AVERAGE、COUNT) を含める必要があります。必要に応じて複数のカテゴリ (ディメンションフィールド) を含めることができますが、カテゴリまたはディメンションフィールドを指定せずに、寄与度分析を実行することもできます。
この手順を使用して、異常検出の主要因としてフィールドを変更または削除します。
**寄与度分析を追加して、主要因を特定するには**
1. 分析を開き、異常検出のための既存の ML Insights を見つけます。インサイトウィジェットを選択してハイライト表示します。
1. ビジュアルのメニューで、[**Menu Options (メニューオプション)**] (**...**) を選択します。
1. [**Configure anomaly (異常の設定)**] を選択し、設定を編集します。
1. **Contribution analysis (オプション)** 設定により、Amazon Quick Sight は外れ値 (異常) が検出されたときにキードライバーを分析できます。例えば、Amazon Quick Sight では、米国での住宅改善製品の売上の急増に貢献した上位の顧客を表示できます。データセットから最大 4 つのディメンションを追加できます。これには、このインサイトウィジェットのフィールドウェルに追加しなかったディメンションも含まれます。
寄与分析に使用できるディメンションを一覧表示するには、[**Select fields (フィールドを選択)**] を選択します。
主要因として使用しているフィールドを変更する場合は、このリストで有効になっているフィールドを変更します。これらをすべて無効にした場合、Quick Sight はこのインサイトの寄与度分析を実行しません。
1. 変更を保存するには、設定オプションの下部までスクロールし、[**Save (保存)**] を選択します。保存せずに終了するには、[**Cancel (キャンセル)**] を選択します。これらの設定を完全に削除するには、[**Delete (削除)**] を選択します。
# 機械学習による異常検出と寄与度分析による外れ値と主要因の探索
分析の異常 (外れ値とも呼ばれます) とその主な寄与要因をインタラクティブに調査できます。ML による異常検出が実行された後、この分析を使用して調べることができます。この画面で行った変更は、分析に戻ると保存されません。
まず、インサイトにある **[Explore anomalies]** (異常の探索) を選択します。次のスクリーンショットは、初めて開いたときに表示される異常の画面を示しています。この例では、主要因分析が設定され、2 つの主要因が表示されています。
![\[主要因を使用した異常の分析が表示されています。\]](http://docs.aws.amazon.com/ja_jp/quick/latest/userguide/images/anomaly-exploration-v2.png)
画面には、左上から右下まで、以下のセクションがあります。
+ [**Contributors (コントリビューター)**] は、主要因を表示します。このセクションを表示するには、コントリビューターを異常設定に設定する必要があります。
+ [**Controls (コントロール)**] には、異常探索の設定が含まれています。
+ [**Number of anomalies (異常の数)**] は、時間の経過に伴って検出された外れ値を表示します。このグラフセクションの表示/非表示を切り替えることができます。
+ カテゴリまたはディメンションフィールドアクトの **[Your field names]** (フィールド名) は、各カテゴリまたはディメンションフィールドの異常を示すグラフのタイトルとして機能します。
以下のセクションでは、異常の探索の各側面に関する詳細情報を提供します。
**Topics**
+ [コントリビューター (主要因) の探索](exploring-anomalies-key-drivers.md)
+ [異常検出のコントロールの設定](exploring-anomalies-controls.md)
+ [日付による異常の表示と非表示](exploring-anomalies-by-date.md)
+ [カテゴリまたはディメンションごとの異常の探索](exploring-anomalies-per-category-or-dimension.md)
# コントリビューター (主要因) の探索
異常インサイトが主要な要因を検出するように設定されている場合、Quick Sight は寄与度分析を実行して、外れ値に影響を与えているカテゴリ (ディメンション) を判断します。**[Contributors]** (主要因) セクションが左側に表示されます。
**[Contributors]** (主要因) には、次のセクションが含まれています。
+ **[Narrative]** (説明文) — 左上に、メトリクスの変更を示す概要が表示されます。
+ [**Top contributors configuration (トップ主要因の設定)**] – このセクションで使用するコントリビューターと日付範囲を変更するには、[**Configure (設定)**] を選択します。
+ **[Sort by]** (並べ替え) - 下部に表示される結果に適用されるソートを設定します。次から選択できます。
+ **絶対差**
+ [**Contribution percentage (寄与割合)**] (デフォルト)
+ [**Deviation from expected (予想からの偏差)**]
+ **パーセント差**
+ [**Top contributor results (トップ主要因の結果)**] – 右側のタイムラインで選択した特定の時点におけるトップコントリビューターの分析結果を表示します。
寄与要因分析では、異常に寄与した最上位 4 つの要因または主要因を特定します。例えば、Amazon Quick Sight は、米国の医療製品の売上の急増に貢献した上位の顧客を表示できます。このパネルは、異常の設定時に寄与分析に含めるフィールドを選択した場合にのみ表示されます。
このパネルが表示されていない場合、これを表示するには、パネルをオンにします。そうするには、分析に移動し、インサイトのメニューから異常設定を選択し、寄与について分析するフィールドを最大 4 つ選択します。寄与要因を除外するシートコントロールに対して変更を加えると、**[Contributions]** (寄与要因) パネルが閉じます。
# 異常検出のコントロールの設定
異常検出の設定は、画面の **[Controls]** (コントロール) セクションで見つけることができます。このセクションを開いたり閉じたりするには、**[Controls]** (コントロール) という単語をクリックします。
この設定には以下が含まれます。
+ **[Controls]** (コントロール) - 現在の設定はワークスペースの上部に表示されます。右側の二重矢印アイコンを選択すると、このセクションを展開できます。ML を使用した異常検出で生成された外れ値を調べる場合は、次の設定を使用できます。
+ [**Severity (重要度)**] – 異常 (外れ値) を検出する検出器の感度を設定します。しきい値を [**Low and above (低以上)**] に設定すると異常の検出数が増え、[**High and above(高以上)**] に設定すると異常の検出数が減ります。この感度は、RCF アルゴリズムによって生成された異常スコアの標準偏差に基づいて決定されます。デフォルトは [**Medium and above (中以上)**] です。
+ **方向** — 異常であると識別する x 軸または y 軸の方向。デフォルトは [ALL (すべて)] です。以下のオプションを選択できます。
+ [**Higher than expected (予想より高い)**] に設定して、より高い値を異常として特定します。
+ [**Lower than expected (予想より低い)**] に設定して、より低い値を異常として特定します。
+ **[ALL]** (すべて) に設定して、すべての異常値 (高値と低値の両方) を特定します。
+ **[Minimum Delta - absolute value]** (最小デルタ - 絶対値) - 異常を識別するための絶対しきい値として使用するカスタム値を入力します。この値よりも高い値は、異常としてカウントされます。
+ **[Minimum Delta - percentage]** (最小デルタ - パーセンテージ) — 異常を識別するためのパーセンテージしきい値として使用するカスタム値を入力します。この値よりも高い値は、異常としてカウントされます。
+ [**Sorting by (並べ替え)**] – 異常の並べ替えに使用する方法を選択します。これらは、画面に優先順に表示されます。各方法の説明については、次のリストを参照してください。
+ [**Weighted anomaly score (加重異常スコア)**] – 異常スコアに実際値と期待値の差の絶対値の対数を乗算した値。このスコアは常に正の数です。
+ [**Anomaly score (異常スコア**)] – このデータポイントに割り当てられた実際の異常スコア。
+ [**Weighted difference from expected value (期待値からの加重差)**] – (デフォルト) 異常スコアに実際値と期待値の差を乗算した値。
+ [**Difference from expected value (期待値との差)**] – 実際値と期待値の実際の差 (実際 – 期待値)。
+ [**Actual value (実際値)**] – 式が適用されていない実際の値。
+ [**Categories (カテゴリ)**] — 他の設定の最後に 1 つ以上の設定を表示できます。カテゴリフィールドウェルに追加したカテゴリフィールドごとに 1 つずつあります。これらの設定を使用して、画面に表示されるデータを制限することができます。
# 日付による異常の表示と非表示
**[Number of anomalies]** (異常の数) グラフには、時間の経過とともに検出された外れ値が表示されます。このグラフが表示されない場合は、[**SHOW ANOMALIES BY DATE (日付別の異常を表示する)**] から表示できます。
このグラフは、時系列の最新のデータポイントに関する異常 (外れ値) を示しています。展開すると、次のコンポーネントが表示されます。
+ **[Anomalies]** (異常) - 画面中央に、時系列の最新のデータポイントに関する異常が表示されます。1 つ以上のグラフが、メトリクスの経時的な変動を示すチャートとともに表示されます。このグラフを使用するには、タイムラインに沿って点を選択します。現在選択されている時点がグラフで強調表示され、現在のメトリクスへの寄与を分析するためのオプションを提供するメニューが含まれています。特定のポイントを選択せずにタイムライン上でカーソルをドラッグして、その時点のメトリクス値を表示することもできます。
+ [**Anomalies by date (日付別の異常)**] – [**SHOW ANOMALIES BY DAT (日付ごとの異常を表示する)**] を選択すると、別のグラフに各時点で発生した重大な異常の数が表示されます。このグラフの詳細は各バーのコンテキストメニューに表示されます。
+ [**Timeline adjustment (タイムライン調整)**] – 各グラフには、日付の下にタイムライン調整ツールがあります。これを使用して、表示する期間を短縮、延長、選択できます。
# カテゴリまたはディメンションごとの異常の探索
メインセクションの **[Explore anomalies]** (異常の探索) が画面の右下にアンカーされます。画面で開いている他のセクションの数に関係なく、常にここに表示されます。複数の異常が存在する場合は、スクロールしてハイライト表示できます。グラフには、異常が色範囲で表示され、一定期間内の異常の発生場所が示されます。
![\[[Explore anomalies] (異常の探索) の画面\]](http://docs.aws.amazon.com/ja_jp/quick/latest/userguide/images/anomaly-exploration-1.png)
各カテゴリまたはディメンションには、グラフのタイトルとしてフィールド名を使用する個別のグラフがあります。各グラフには、以下のコンポーネントが含まれます。
+ **[Configure alerts]** (アラートの設定) – ダッシュボードから異常を探索する場合は、このボタンを選択してアラートと寄与分析 (設定した場合) にサブスクライブできます。重大レベル別 (中、高など) のアラートを設定できます。[**Higher than expected (予想より高い)**]、[**Lower than expected (予想より低い)**]、または [ALL (すべて)] の上位 5 つのアラートを取得できます。ダッシュボードの閲覧者は、自分自身のアラートを設定できます。分析からページを開いた場合、**[Explore Anomalies]** (異常の探索) ページには、このボタンは表示されません。
**注記**
アラートを設定する機能は、公開されたダッシュボードでのみ使用できます。
+ **[Status]** (ステータス) - **[Anomalies]** (異常) という見出しの下にあるステータスラベルには、最後の実行に関する情報が表示されます。例えば、「2018 年 11 月 17 日の収益の異常」と表示される場合があります。このラベルは、メトリクスの処理数と処理後の経過時間を示します。無視されたメトリクスの数など、詳細についてさらに知るためにリンクを選択できます。