Obtenir des insights sur les données à partir d'un modèle d'analyse des contributions à l'aide d'une métrique cumulable

Dans ce tutoriel, vous allez utiliser un modèle d'analyse des contributions pour analyser les variations des ventes entre 2020 et 2021 dans l'ensemble de données sur les ventes d'alcool dans l'Iowa. Ce tutoriel vous guide à travers les tâches suivantes:

• Créez une table d'entrée basée sur les données publiques sur les alcools de l'Iowa.
• Créez un modèle d'analyse des contributions qui utilise une métrique récapitulative. Ce type de modèle résume une métrique donnée pour une combinaison d'une ou de plusieurs dimensions dans les données afin de déterminer comment ces dimensions contribuent à la valeur de la métrique.
• Obtenez les insights sur les métriques du modèle à l'aide de la fonction ML.GET_INSIGHTS.

Avant de commencer ce tutoriel, vous devez connaître le cas d'utilisation de l'analyse des contributions.

Autorisations requises

• Pour créer l'ensemble de données, vous devez disposer de l'autorisation Identity and Access Management (IAM) bigquery.datasets.create.

• Pour créer le modèle, vous avez besoin des autorisations suivantes :

  • bigquery.jobs.create
  • bigquery.models.create
  • bigquery.models.getData
  • bigquery.models.updateData

• Pour exécuter une inférence, vous devez disposer des autorisations suivantes :

  • bigquery.models.getData
  • bigquery.jobs.create

Coûts

Dans ce document, vous utilisez les composants facturables suivants de Google Cloud :

• BigQuery ML: You incur costs for the data that you process in BigQuery.

Obtenez une estimation des coûts en fonction de votre utilisation prévue à l'aide du simulateur de coût. Les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un essai gratuit.

Pour en savoir plus sur les tarifs de BigQuery, consultez la page Tarifs de BigQuery dans la documentation BigQuery.

Avant de commencer

1. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

2. Make sure that billing is enabled for your Google Cloud project.

3. Enable the BigQuery API.

   Enable the API

Créer un ensemble de données

Créez un ensemble de données BigQuery pour stocker votre modèle de ML.

{
  "datasetReference": {
     "datasetId": "bqml_tutorial"
  }
}

Créer une table de données d'entrée

Créez une table contenant les données de test et de contrôle à analyser. Le tableau de test contient des données sur les alcools de 2021 et le tableau de contrôle contient des données sur les alcools de 2020. La requête suivante combine les données de test et de contrôle dans une seule table d'entrée:

1. Dans la console Google Cloud, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, exécutez l'instruction suivante :

   CREATE OR REPLACE TABLE bqml_tutorial.iowa_liquor_sales_sum_data AS (
     (SELECT
       store_name,
       city,
       vendor_name,
       category_name,
       item_description,
       SUM(sale_dollars) AS total_sales,
       FALSE AS is_test
     FROM `bigquery-public-data.iowa_liquor_sales.sales`
     WHERE EXTRACT(YEAR from date) = 2020
     GROUP BY store_name, city, vendor_name, category_name, item_description, is_test)
     UNION ALL
     (SELECT
       store_name,
       city,
       vendor_name,
       category_name,
       item_description,
       SUM(sale_dollars) AS total_sales,
       TRUE AS is_test
     FROM `bigquery-public-data.iowa_liquor_sales.sales`
     WHERE EXTRACT (YEAR FROM date) = 2021
     GROUP BY store_name, city, vendor_name, category_name, item_description, is_test)
   );

Créer le modèle

Créez un modèle d'analyse des contributions:

1. Dans la console Google Cloud, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, exécutez l'instruction suivante :

   CREATE OR REPLACE MODEL bqml_tutorial.iowa_liquor_sales_sum_model
     OPTIONS(
       model_type='CONTRIBUTION_ANALYSIS',
       contribution_metric = 'sum(total_sales)',
       dimension_id_cols = ['store_name', 'city', 'vendor_name', 'category_name',
         'item_description'],
       is_test_col = 'is_test',
       min_apriori_support=0.05
     ) AS
   SELECT * FROM bqml_tutorial.iowa_liquor_sales_sum_data;

L'exécution de la requête prend environ 60 secondes, après quoi le modèle iowa_liquor_sales_sum_model apparaît dans l'ensemble de données bqml_tutorial dans le volet Explorateur. Étant donné que la requête utilise une instruction CREATE MODEL pour créer un modèle, il n'y a aucun résultat de requête.

Obtenir des insights à partir du modèle

Obtenez les insights générés par le modèle d'analyse des contributions à l'aide de la fonction ML.GET_INSIGHTS.

1. Dans la console Google Cloud, accédez à la page BigQuery.

   Accéder à BigQuery

2. Dans l'éditeur de requête, exécutez l'instruction suivante pour sélectionner les colonnes de la sortie d'un modèle d'analyse de la contribution des métriques cumulables:

   SELECT
     contributors,
     metric_test,
     metric_control,
     difference,
     relative_difference,
     unexpected_difference,
     relative_unexpected_difference,
     apriori_support,
     contribution
   FROM
     ML.GET_INSIGHTS(
       MODEL `bqml_tutorial.iowa_liquor_sales_sum_model`);

Les premières lignes de la sortie doivent ressembler à ce qui suit. Les valeurs sont tronquées pour améliorer la lisibilité.

La sortie est automatiquement triée par contribution, ou ABS(difference), dans l'ordre décroissant. Dans la ligne all, la colonne difference indique que le total des ventes a augmenté de 31 595 222 $ entre 2020 et 2021,soit une augmentation de 7,9 %, comme indiqué par la colonne relative_difference. Dans la deuxième ligne, avec vendor_name=SAZERAC COMPANY INC, l'unexpected_difference était de 11 491 923 $, ce qui signifie que ce segment de données a augmenté de 28% par rapport au taux de croissance des données dans leur ensemble, comme le montre la colonne relative_unexpected_difference. Pour en savoir plus, consultez les colonnes de sortie des métriques récapitulatives.

Effectuer un nettoyage

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.