注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。
不正の検出や収益機会の発見など、アラートワークフローは、エンドユーザーが確認すべき問題を自動的に提示し、ユーザーはボタンをクリックするだけで判断を下せます。これらのワークフローにより、チームはデータを手作業で組み合わせることに時間を費やすのではなく、直面している最も差し迫った問題の解決に注力できます。
Foundry の Data Connection とオントロジーにより、組織はこのパターンを数か月ではなく数日で実装でき、その後も安全かつ効率的に実装、カスタマイズ、保守を続けられます。
アラートワークフローは、ユーザーが確認して判断を下せるように、アラート(更新、問題、機会など)を自動的に提示するよう設計されています。通常、優先順位付けされたアラートと、それらに関連するデータがユーザーに提示され、ユーザーはそれらを確認して判断を下します。その判断は、Foundry のデータに、場合によっては必要に応じて本番システムにも判断を書き戻すボタンを使って記録されます。
不正検出を例にすると、不正の可能性が高い順に並べられたアラートのリストが、確認のためにユーザーに提示される場合があります。アラートをクリックすると、判断の根拠となるすべての情報が表示され、その情報に基づいて、ユーザーはシンプルなボタンで不正かどうかを示せます。
アラートフレームワークは、さまざまなデータソースを調べ、データを手作業で組み合わせて問題を特定することに多くの時間を費やし、最終的に見つかった問題について判断を下すユーザーにとって、優れたソリューションです。エンドユーザーが、こうした問題の一部を抽出する基本的な SQL クエリを持っている場合もあれば、作業が複雑すぎるため、データをまったく調べていない場合もあります。
アラートは、不正の検出から収益機会の発見まで、さまざまなユースケースに使用できます。アラートは、データパイプライン、機械学習モデル、Foundry Rules、またはこれらの任意の組み合わせによって生成できます。

以下は、アラートワークフローに関連するインターフェースの一覧です。
アラートインターフェースは、ユーザーが利用する主要なアプリケーションです。このインターフェースでは、エンドユーザーがすべてのアラート、アラートに関する判断に役立つ関連データ、および判断を記録するためのボタンを確認できます。
よく使われるコンポーネントを含むインターフェースの例を以下に示します。このインターフェースは通常、Workshop で構築します。

たとえば、不正検知では、不正の可能性を示すスコアや特定の不正の種類などをフィルターに使用できます。アラート自体は不正の事例であり、関連データには過去の支払い履歴やユーザープロフィールなどが含まれます。ボタンには通常、「不正あり/不正なし」などがあり、ユーザーに説明の入力を求めるダイアログが表示されます。
関連製品:
インパクトトラッカーは、アラートインターフェースに関連する生産および業務のメトリクスを表示します。通常、マネージャーがこのトラッカーを使用して、解決されたアラートの件数、アラートインターフェースでよく行われる判断、目標 KPI の達成までどの程度近づいているかなどのメトリクスを確認します。
よく使われるコンポーネントを含むトラッカーの例を以下に示します。このインターフェースは、Quiver または Workshop で構築できます。
![]()
不正検知では、このインパクトトラッカーに、確認済みの不正/不正ではない事例の割合、ユーザーが入力した不正の主な要因と説明、不正の早期検知によって回避できた損失額、判断までの時間などを表示できます。
関連製品:
Foundry Rules は、コーディング経験にかかわらず、あらゆるユーザーがデータに対するルールを作成、管理できる Foundry アプリケーションです。使いやすいポイントアンドクリックのインターフェースを使用して、任意の数のアラートの条件を定義できます。定義したルールごとに、アラートの種類が作成されます。Foundry Rules の実装については、以下のアラートの自動化セクションで詳しく説明しています。
関連製品:
以下は、アラートワークフローの設定に関連するオントロジーの概念の一覧です。
アラートワークフローには通常、トリガーとなるオブジェクトタイプ(顧客、金融取引、製造プロセス、サービスの種類など)と、それにリンクされた特定のアラートオブジェクト(不正の疑いを示すアラート、サービスの種類に関連する収益機会、製造プロセスに関連するプロセス最適化の機会など)が含まれます。
関連製品:
アクションは、エンドユーザーの判断を記録するため、このワークフローの中核を担います。ユーザーにとっては、クリックするボタンとして表示されます。バックエンドでは、ユーザーが行った判断を記録するように設定されたオントロジーアクションによって、ボタンが動作します。アクションの一般的なフィールドには、以下が含まれます。
不正検知では、事例が不正と判断されたかどうか、判断したユーザー、判断した日時、その判断を行った理由(説明)、確認した具体的な事例IDをアクションで記録します。
関連製品:
ライトバックは、判断を記録することを指す Foundry の用語です。ドキュメントはライトバックのページにあります。基本的には、オントロジーアプリケーションを通じて、アラートオブジェクトの元データセットのコピーを作成します。アクションは、「アクション」セクションで定義したフィールドを、コピーした(ライトバック)データセットに記録します。不正検知では、特定の事例に対して実行したアクションによって、オントロジーと関連データセットが更新され、行われた判断が反映されます(たとえば、アラートで不正が特定されたかどうかや、調査結果の説明を設定します)。
Foundry へのライトバックに加え、SAP や Oracle などの本番システムにもライトバックを行うことが一般的です。通常は、読み取りおよび書き込み権限を持つ本番システムへの直接接続を設定し、その接続を通じてライトバックデータセットの結果を送信します。詳細については、担当の Palantir チームにお問い合わせください。
関連製品:
以下は、アラートの自動化に関連する Foundry のトピックです。
Foundry Rules は、コーディングの経験やスキルにかかわらず、ユーザーがデータに対するルールを作成、管理できるコンポーネント群です。Foundry Rules を使用すると、任意の条件に基づいてさまざまな種類のアラートを定義できます。Foundry Rules の出力は、アラートオブジェクトに変換できます。
Foundry Rules のインターフェースの例を以下に示します。

不正検知では、不正行為の種類を定義し、該当するすべての関連事例を表示するために、Foundry Rules を使用する顧客もいます。たとえば、「顧客に対して1万ドルを超える請求が発生するたび」、または「同じ日に2つの異なる都市で顧客に対して2回連続で請求が発生するたび」といったルールを定義できます。
関連製品:
アラートを作成するためのロジックには、厳密な仕様や複雑なルールが必要となり、データパイプラインでのコーディングが最適な場合があります。
たとえば、保険会社は医療機関との契約料金に従って保険金を支払う必要があり、その料金はシステム内にコード群として反映されています。契約の再交渉が行われた場合、新しい期間に対して新しいコード群を記録する必要があります。この場合、どのコードをいつ適用するかを判断するすべてのロジックをコード化し、再交渉された契約の新しいコード群に合わせて期間を分割するという提案を表すオブジェクトを Foundry に作成するのが最適です。
関連製品:
使用するパターンにかかわらず、基盤となるデータは、パイプラインと外部ソースシステムとの同期によって構築されます。
SQL、Python、Java などのさまざまな言語で記述されたデータ統合パイプラインを使用して、対象分野のオントロジーにデータソースを統合します。
Foundry は、FTP、JDBC、REST API、S3 など、幅広いソースからデータを同期できます。さまざまなソースからデータを同期し、可能な限り完全な信頼できる情報源をまとめることが、最も価値の高い判断を可能にする鍵となります。
このユースケースパターンについて詳しく知りたいですか?または、同様のものを実装したいですか?Palantir ではじめる ↗。