Anomaliebericht

Der Anomaliebericht in Advanced Analytics hilft IT-Administratoren, Geräteintegritätsprobleme proaktiv zu identifizieren, bevor sie sich auf Benutzer auswirken. Er überwacht Anwendungen, Abstürze und Neustarts von Abbruchfehlern und bietet Einblick in Probleme, bevor sie die Supportkanäle erreichen.

Das Feature korreliert Bereitstellungsobjekte und Konfigurationsänderungen, um die Fehlerbehebung zu beschleunigen und Fehlerursachen vorzuschlagen. Gerätekorrelationsgruppen zeigen Muster zwischen betroffenen Geräten auf und kennzeichnen andere, die gefährdet sind.

Bevor Sie beginnen

Überprüfen des Berichts

1. Wählen Sie im Microsoft Intune Admin Center die Option Berichte>Endpunktanalysen>– Übersicht.
2. Wählen Sie die Registerkarte Anomalien aus, die eine Übersicht über die in Ihrer organization erkannten Anomalien bietet.

• Verwenden Sie Sortier- und Filterfunktionen, um die Liste der Anomalien zu verfeinern.
• Um weitere Informationen zu einer bestimmten Anomalie anzuzeigen, wählen Sie diese aus der Liste aus. Überprüfen Sie Details wie den App-Namen, betroffene Geräte, Zeitpunkt der ersten Erkennung und das letzte Auftreten des Problems sowie alle Gerätegruppen, die möglicherweise zu dem Problem beitragen.
• Wählen Sie eine Gerätekorrelationsgruppe aus der Liste aus, um gemeinsame Faktoren zwischen Geräten anzuzeigen. Geräte werden durch gemeinsame Attribute wie App-Version, Treiberupdate, Betriebssystemversion oder Gerätemodell korreliert. Sie können die Anzahl der derzeit betroffenen Geräte und die gefährdeten Geräte anzeigen. Die Prävalenzrate zeigt den Prozentsatz der betroffenen Geräte in einer Korrelationsgruppe an.
• Wählen Sie "Betroffene Geräte anzeigen " aus, um eine Liste der Geräte mit wichtigen Attributen anzuzeigen. Filtern Sie, um Geräte in bestimmten Korrelationsgruppen anzuzeigen oder alle von der Anomalie betroffenen Geräte anzuzeigen. Die Zeitleiste des Geräts zeigt auch zusätzliche anomale Ereignisse an.

Überprüfen von Anomalieerkennungsdaten

Untersuchen Sie gekennzeichnete Gerätekorrelationsgruppen mithilfe der Geräte-Zeitleiste und Ressourcenberichte, um die Ursachen zu ermitteln. Gerätekorrelationsgruppen helfen bei der Identifizierung von Ursachen für Anomalien mit hohem und mittlerem Schweregrad sowie von gefährdeten Geräten, die in Zukunft betroffen sein könnten.

Bewährte Vorgehensweisen:

• Überprüfen Sie regelmäßig das Anomalie-Dashboard, um die aktuelle Baseline zu verstehen und Untersuchungen und Lösungen für neue Probleme zu priorisieren.
• Untersuchen Sie neu gemeldete Probleme, um allgemeine Faktoren zu identifizieren, z. B. die Gerätehardware, wie in erweiterten Analysen gezeigt.
• Zu untersuchende Anomalien basierend auf Schweregrad und internem Wissen, z. B. der Wichtigkeit von Anwendungen, priorisieren.
• Verwenden Sie den Bericht über die Zeitleiste des Geräts, um nach Mustern zu suchen, z. B. Geräteneustarts oder Updates, die an Anomalien gebunden sind.
• Arbeiten Sie mit IT-Teams zusammen, um andere Faktoren zu identifizieren, die sich auf Anomalien auswirken könnten, z. B. kürzliche Anwendungsupdates.
• Überprüfen Sie mögliche Korrekturmaßnahmen, die im Anomaliebericht vermerkt sind (z. B. Treiber- oder Anwendungsupdates).
• Integrieren Sie Lösungen in den L1/L2-Support, um die Teams über aktuelle bekannte Probleme auf dem Laufenden zu halten. Erwägen Sie, mit Ihrem ITSM-Team zusammenzuarbeiten, um bekannte Anomalien zu erfassen, die untersucht werden.
• Testen Sie Korrekturaktionen auf einer Teilmenge von Geräten, und überwachen Sie die Ergebnisse, bevor Sie sie auf weitere Geräte einführen. Führen Sie nach der Korrektur proaktives Rollout auf gefährdete Geräte durch.
• Überprüfen Sie Anomalieberichte nach größeren Updates oder Vorfällen, um nach neuen Problemen zu suchen, die untersucht und gelöst werden müssen.
• Um Erkennungsmethoden besser zu verstehen, sehen Sie sich die statistischen Modelle an, die von der Anomalieerkennung verwendet werden.

Statistische Modelle zur Bestimmung von Anomalien

Das Analysemodell erkennt Gerätekohorten, die mit anomalen Sätzen von Stoppfehlern konfrontiert sind: Neustarts und Anwendungsstillstände oder -abstürze, die Administratoraufmerksamkeit erfordern. Aus Sensortelemetrie- und Diagnoseprotokollen identifizierte Muster bestimmen diese Gerätekohorten.

• Schwellenwertbasiertes heuristisches Modell: Dieses Modell legt einen oder mehrere Schwellenwerte für Anwendungsstillstände, Abstürze oder Neustarts mit Abbruchfehlern fest. Geräte werden als anomal gekennzeichnet, wenn sie den festgelegten Schwellenwert überschreiten. Das Modell ist einfach und effektiv, um markante oder statische Probleme aufzudecken. Schwellenwerte sind derzeit vorfestgelegt und können nicht angepasst werden.
• Gepaartes t-Test-Modell: Gepaarte t-Tests vergleichen Beobachtungspaare in einem Datensatz und suchen nach statistisch signifikanten Unterschieden zwischen ihren Mittelwerten. Vergleichen Sie beispielsweise Stoppfehler Neustarts auf demselben Gerät vor und nach einer Richtlinienänderung oder App-Abstürze nach einem Betriebssystemupdate.
• Populations-Z-Score-Modell: Dieses Modell berechnet die Standardabweichung und den Mittelwert eines Datensatzes und verwendet diese Werte dann, um zu bestimmen, welche Datenpunkte anomal sind. Der Z-Wert für jeden Datenpunkt stellt die Anzahl der Standardabweichungen vom Mittelwert dar. Datenpunkte außerhalb eines bestimmten Bereichs werden als anomal betrachtet. Dieses Modell eignet sich gut zum Hervorheben von Ausreißergeräten oder Apps, erfordert jedoch große Datensätze, um genau zu sein.
• Zeitreihen-Z-Score-Modell: Diese Variante des Z-Score-Modells ist für die Erkennung von Anomalien in Zeitreihendaten konzipiert – Sequenzen von Datenpunkten, die in regelmäßigen Abständen gesammelt werden, z. B. Stoppfehler-Neustarts im Laufe der Zeit. Standardabweichung und Mittelwert werden für ein gleitendes Fenster berechnet, sodass sich das Modell an zeitliche Muster und Änderungen in der Datenverteilung anpassen kann.