Detecção de Falhas em um aplicativo móvel bancário

Abstract

O avanço da Internet revolucionou a maneira como as empresas prestam serviços aos seus clientes. No entanto, a proliferação de pontos de acesso digital também introduziu desafios, já que interrupções nos Sistemas de Informação podem causar danos significativos. Para estabelecer um ambiente operacional e estável, a monitorização contínua dos serviços, conforme preconizado pelo ITIL, tornou-se uma estratégia fundamental. Com base nessas considerações, este estudo propõe uma abordagem inovadora para detectar falhas usando técnicas de mineração de dados, empregando o modelo de referência CRISP-DM. A abordagem envolve a avaliação em tempo real de dados obtidos de uma ferramenta de Web Analytics para identificar rapidamente falhas críticas em uma aplicação web. Para aprimorar a precisão e a eficácia do processo, várias técnicas de pré-processamento e hiperparâmetros foram otimizados utilizando a biblioteca Hyperopt. Além disso, foram desenvolvidos sete modelos de classificação binária para categorizar e identificar falhas. Entre esses modelos, o modelo LSTM demonstrou o melhor desempenho, alcançando uma pontuação ROC-AUC de 0,961 e um F1-Score de 0,827. Esses resultados validam a capacidade do modelo de discernir eficazmente entre casos de falha e sucesso.