Mendapatkan insight data dari model analisis kontribusi menggunakan metrik yang dapat digabungkan

Dalam tutorial ini, Anda akan menggunakan model analisis kontribusi untuk menganalisis perubahan penjualan antara tahun 2020 dan 2021 dalam set data penjualan minuman keras Iowa. Tutorial ini memandu Anda melakukan tugas-tugas berikut:

• Buat tabel input berdasarkan data minuman keras Iowa yang tersedia secara publik.
• Buat model analisis kontribusi yang menggunakan metrik yang dapat digabungkan. Jenis model ini merangkum metrik tertentu untuk kombinasi satu atau beberapa dimensi dalam data, untuk menentukan bagaimana kontribusi dimensi tersebut terhadap nilai metrik.
• Dapatkan insight metrik dari model menggunakan fungsi ML.GET_INSIGHTS.

Sebelum memulai tutorial ini, Anda harus memahami kasus penggunaan analisis kontribusi.

Izin yang diperlukan

• Untuk membuat set data, Anda memerlukan izin Identity and Access Management (IAM) bigquery.datasets.create.

• Untuk membuat model, Anda memerlukan izin berikut:

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

• Untuk menjalankan inferensi, Anda memerlukan izin berikut:

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

Biaya

Dalam dokumen ini, Anda akan menggunakan komponen Google Cloudyang dapat ditagih berikut:

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

Untuk membuat perkiraan biaya berdasarkan proyeksi penggunaan Anda, gunakan kalkulator harga.

Untuk mengetahui informasi selengkapnya tentang harga BigQuery, lihat harga BigQuery dalam dokumentasi BigQuery.

Sebelum memulai

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

Membuat set data

Buat set data BigQuery untuk menyimpan model ML Anda.

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

import google.cloud.bigquery

bqclient = google.cloud.bigquery.Client()
bqclient.create_dataset("bqml_tutorial", exists_ok=True)

Membuat tabel data input

Buat tabel yang berisi data pengujian dan kontrol untuk dianalisis. Tabel pengujian berisi data minuman beralkohol dari tahun 2021 dan tabel kontrol berisi data minuman beralkohol dari tahun 2020. Kueri berikut menggabungkan data pengujian dan kontrol ke dalam satu tabel input:

1. Di Google Cloud konsol, buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan pernyataan berikut:

   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)
   );

Buat model

Buat model analisis kontribusi:

1. Di Google Cloud konsol, buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan pernyataan berikut:

   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;

Kueri memerlukan waktu sekitar 60 detik untuk diselesaikan, setelah itu model iowa_liquor_sales_sum_model akan muncul di set data bqml_tutorial di panel Explorer. Karena kueri menggunakan pernyataan CREATE MODEL untuk membuat model, tidak akan ada hasil kueri.

Mendapatkan insight dari model

Dapatkan insight yang dihasilkan oleh model analisis kontribusi menggunakan fungsi ML.GET_INSIGHTS.

1. Di Google Cloud konsol, buka halaman BigQuery.

   Buka BigQuery

2. Di editor kueri, jalankan pernyataan berikut untuk memilih kolom dari output untuk model analisis kontribusi metrik yang dapat dijumlahkan:

   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`);

Beberapa baris pertama output akan terlihat seperti berikut. Nilai dipangkas untuk meningkatkan keterbacaan.

Output otomatis diurutkan berdasarkan kontribusi, atau ABS(difference), dalam urutan menurun. Di baris all, kolom difference menunjukkan bahwa terjadi peningkatan total penjualan sebesar $31.595.222 dari tahun 2020 hingga 2021, yaitu peningkatan sebesar 7,9% seperti yang ditunjukkan oleh kolom relative_difference. Di baris kedua, dengan vendor_name=SAZERAC COMPANY INC, ada unexpected_difference sebesar $11.491.923, yang berarti segmen data ini tumbuh 28% lebih banyak daripada tingkat pertumbuhan data secara keseluruhan, seperti yang terlihat dari kolom relative_unexpected_difference. Untuk mengetahui informasi selengkapnya, lihat kolom output metrik yang dapat dijumlahkan.

Pembersihan

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.