使用可求和指标从贡献分析模型中获取数据洞见

在本教程中，您将使用贡献分析模型来分析爱荷华州酒类销售数据集中 2020 年至 2021 年的销售变化。本教程将指导您执行以下任务：

• 根据公开提供的爱荷华州酒类数据创建输入表。
• 创建使用可求和指标的贡献分析模型。此类模型会针对数据中的一个或多个维度的组合汇总给定指标，以确定这些维度对指标值的贡献程度。
• 使用 ML.GET_INSIGHTS 函数从模型中获取指标数据洞见。

在开始本教程之前，您应该熟悉贡献分析应用场景。

所需权限

• 如需创建数据集，您需要拥有 bigquery.datasets.create Identity and Access Management (IAM) 权限。

• 如需创建模型，您需要以下权限：

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

• 如需运行推理，您需要以下权限：

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

费用

在本文档中，您将使用 Google Cloud的以下收费组件：

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

您可使用价格计算器根据您的预计使用情况来估算费用。 新 Google Cloud 用户可能有资格申请免费试用。

如需详细了解 BigQuery 价格，请参阅 BigQuery 文档中的 BigQuery 价格。

准备工作

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

创建数据集

创建 BigQuery 数据集以存储机器学习模型。

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

import google.cloud.bigquery

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

创建输入数据表

创建一个包含要分析的测试数据和控制数据的表。测试表包含 2021 年的酒类数据，而控制表包含 2020 年的酒类数据。以下查询将测试数据和控制数据合并到单个输入表中：

1. 在 Google Cloud 控制台中，前往 BigQuery 页面。

   转到 BigQuery

2. 在查询编辑器中，运行以下语句：

   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)
   );

创建模型

创建贡献分析模型：

1. 在 Google Cloud 控制台中，前往 BigQuery 页面。

   转到 BigQuery

2. 在查询编辑器中，运行以下语句：

   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;

查询需要大约 60 秒钟才能完成，之后 iowa_liquor_sales_sum_model 模型会显示在探索器窗格的 bqml_tutorial 数据集中。由于查询使用 CREATE MODEL 语句来创建模型，因此没有查询结果。

从模型中获取数据洞见

使用 ML.GET_INSIGHTS 函数获取贡献分析模型生成的数据洞见。

1. 在 Google Cloud 控制台中，前往 BigQuery 页面。

   转到 BigQuery

2. 在查询编辑器中，运行以下语句，从可求和指标贡献分析模型的输出中选择列：

   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`);

输出结果的前几行应类似于以下内容。 为了提高可读性，系统会截断值。

输出结果会按贡献（或 ABS(difference)）降序自动排序。在 all 行中，difference 列显示 2020 年至 2021 年的总销售额增加了 $31,595,222，增幅为 relative_difference 列所示的 7.9%。在第二行 vendor_name=SAZERAC COMPANY INC 中，unexpected_difference 为 $11,491,923，这意味着这部分数据的增长率比整个数据的增长率高出 28%，如 relative_unexpected_difference 列所示。如需了解详情，请参阅可求和的指标输出列。

清理

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.