Elastic ajoute machine learning à la Suite Elastic

Les premières fonctionnalités de machine learning non supervisé simplifient 
la détection d'anomalies dans des données temporelles

Mountain View, Californie et Amsterdam, Pays-Bas
– 4 mai 2017


Elastic, l'entreprise à l'origine d'
Elasticsearch
et de la 
Suite Elastic
, la collection de produits open source la plus utilisée au monde pour la recherche, le logging et l'analyse de données, annonce le lancement des premières fonctionnalités de machine learning dans sa
version 5.4
. Basées sur la 
récente acquisition de Prelert
, ces nouvelles fonctionnalités répondent à la demande croissante des clients de pouvoir utiliser la technologie de machine learning sans recourir à des experts en interne ou à des développements complexes. Les nouvelles fonctionnalités de machine learning sont faciles à déployer et s'adaptent à n'importe quel type de données temporelles. Elle permet d'identifier automatiquement les anomalies, de rationaliser l'analyse des causes et de réduire le nombre de faux positifs au sein d'applications en temps réel. Les entreprises qui souhaitent déceler les problèmes d'infrastructure, les cyber-attaques ou les problèmes métier en temps réel tireront rapidement parti de cette technologie.

http://www.globenewswire.com/NewsRoom/AttachmentNg/6715498e-bb5c-4ac6-a5b5-2604e6d7fcc9
 

http://www.globenewswire.com/NewsRoom/AttachmentNg/c853e047-1e0a-4a46-adfa-6e43f1f89083
 

« Notre vision est d'éliminer toute complexité et de simplifier le déploiement de machine learning au sein de la Suite Elastic, pour des cas d'utilisation comme le logging, la sécurité et le suivi indicateurs » explique Shay Banon, fondateur et PDG d'Elastic. « Je suis ravi qu'Elastic propose désormais des fonctionnalités de machine learning non supervisé qui fourniront à nos utilisateurs une expérience prête à l'emploi et scalable, leur permettant de détecter les anomalies dans leurs données temporelles. Ces nouvelles fonctionnalités constituent le prolongement naturel des fonctions de recherche et d'analyse. »

Alors que les entreprises cherchent à obtenir et à exploiter des indicateurs en temps réel, les outils de la Suite Elastic sont de plus en plus utilisés par les développeurs et équipes opérationnelles informatiques pour recueillir, enrichir et analyser les fichiers de log, les données de sécurité, les indicateurs, les documents textes et autres. Cependant, les données générées par ces entreprises sont de plus en plus nombreuses et complexes, aussi les approches traditionnelles d'analyse de données deviennent obsolètes. Bien que certains outils de machine learning tiers soient prêts à l'emploi et permettent de créer des modèles statistiques, encore faut-il être capable de développer des systèmes opérationnels en temps réel pour les workflows et cas d'utilisation existants. Il faut donc faire appel à des compétences en data science à la fois rares et onéreuses pour identifier les modèles statistiques corrects pour chaque ensemble de données. Cependant, les règles établies manuellement sont instables et génèrent souvent des faux positifs.

Désormais disponible dans la 
version 5.4
en tant que fonctionnalité de X-Pack, machine learning détecte automatiquement les anomalies dans des données temporelles, comme les fichiers de logs, les indicateurs d'applications et de performance, les flux réseau, les données financières ou de transactions. En utilisant les données existantes et continues stockées dans Elasticsearch, les nouvelles fonctionnalités de machine learning d'Elastic proposent aux utilisateurs une solution prête à l'emploi pour exploiter leurs workflows et cas d'utilisation comme le logging, l'analyse de sécurité et les indicateurs en temps réel. Ils peuvent également créer des tâches de machine learning sophistiquées dans l'interface utilisateur Kibana qu'ils connaissent déjà, le tout sans intégration complexe. Ces fonctionnalités présentent également d'autres avantages :

• Installation dans Elasticsearch et Kibana à l'aide d'une seule commande dans le cadre de X-Pack
• Intégration native dans la Suite Elastic, nul besoin de transférer des données hors d'Elasticsearch
• Interface utilisateur intuitive pour créer des tâches de machine learning et analyser la détection d'anomalies sur de nombreux types de données (messages de logs, trafic réseau, indicateurs)
• Fonctionne dans Elasticsearch : scabilité et haute disponibilité
• Prise en charge totale des fonctionnalités d'alerting de X-Pack pour des notifications réactives

En savoir plus

• Blog d'Elastic à propos de machine learning
• Découvrez machine learning dans X-Pack

À propos d'Elastic

Elastic développe des logiciels hautement scalables permettant d'utiliser les données en temps réel à des fins de recherche, de logging, de sécurité et d'analyse. Fondée en 2012, l'entreprise est à l'origine de la Suite Elastic disponible en open source (Elasticsearch, Kibana, Beats et Logstash), X-Pack (fonctionnalités commerciales) et Elastic Cloud (une offre hébergée). À ce jour, ces solutions ont été téléchargées plus de 100 millions de fois en cumulé. Avec le soutien de Benchmark Capital, Index Ventures et NEA et plus de 100 millions de dollars de fonds levés, Elastic compte plus de 500 employés répartis dans 30 pays. Pour en savoir plus : 
elastic.co
.

Contacts presse Elastic :

AMÉRIQUES


Michael Lindenberger


Reidy Communications pour Elastic


michael@reidycommunications.com


+1-415-531-1449

EMEA


Rory MacDonald


Age of Peers Ltd pour Elastic


rory@ageofpeers.com


+44 (0)7899 965232

ASIE-PACIFIQUE


Janis Ma


Elastic Asie Pacifique


janis@elastic.co


+852 3552 2927