Panoramica dell'analisi del contributo

Puoi utilizzare l'analisi del contributo, chiamata anche analisi dei fattori chiave, per generare approfondimenti sulle modifiche alle metriche chiave nei dati multidimensionali. Per Ad esempio, puoi utilizzare l'analisi dei contributi per vedere la variazione delle entrate in due trimestri o confrontare due insiemi di dati di addestramento delle prestazioni di un modello ML. Puoi utilizzare un istruzione CREATE MODEL per creare un modello di analisi del contributo in BigQuery.

L'analisi del contributo è una forma di di analisi aumentata, ovvero l'uso dell'intelligenza artificiale (AI) per migliorare e automatizzare il l'analisi e la comprensione dei dati. L'analisi del contributo realizza uno dei seguenti gli obiettivi chiave dell'analisi aumentata, che è aiutare gli utenti a individuare modelli i propri dati.

Un modello di analisi del contributo rileva i segmenti di dati che modifiche statisticamente significative di una metrica nel tempo, confrontando un test di dati in un set di dati di controllo. In questo modo puoi vedere come cambiano i dati nel tempo, in base alla località, al segmento di clienti o a qualsiasi altra metrica che ti interessa. Ad esempio, puoi confrontare Istantanea tabella acquisita alla fine del 2023 a uno snapshot della tabella acquisito alla fine del 2022 per vedere le differenze tra i dati due anni.

La metrica è il valore numerico utilizzato dai modelli di analisi del contributo per misurare e confrontare le variazioni tra i dati di test e di controllo. Puoi specificare una metrica sommabile o una metrica del rapporto sommabile con i modelli di analisi del contributo.

Un segmento è una sezione dei dati identificata da una determinata combinazione di valori delle dimensioni. Ad esempio, per un modello di analisi del contributo basato Dimensioni store_number, customer_id e day, ogni combinazione unica di questi valori di dimensione rappresenta un segmento. Nella tabella seguente, ogni riga rappresenta un segmento diverso:

store_number customer_id day
negozio 1
negozio 1 cliente 1
negozio 1 cliente 1 Lunedì
negozio 1 cliente 1 Martedì
negozio 1 cliente 2
negozio 2

Per modellare solo i segmenti più grandi e quindi più pertinenti, specifica soglia di assistenza apriori che elude piccoli segmenti dall'uso da parte del modello. In questo modo si riduce anche il tempo di creazione del modello.

Dopo aver creato un modello di analisi del contributo, puoi utilizzare la funzione ML.GET_INSIGHTS per recuperare le informazioni sulle metriche calcolate dal modello.

Passaggi successivi