기여 분석 개요

기여 분석(핵심 동인 분석이라고도 함)을 사용하여 다차원 데이터의 주요 측정항목 변경에 관한 인사이트를 생성할 수 있습니다. 예를 들어 기여 분석을 사용하여 두 분기 간의 수익 수치 변화를 확인하거나 두 세트의 학습 데이터를 비교하여 ML 모델 성능의 변화를 파악할 수 있습니다. CREATE MODEL 문을 사용하여 BigQuery에서 기여 분석 모델을 만들 수 있습니다.

기여 분석은 인공지능(AI)을 사용하여 데이터의 분석 및 이해를 개선하고 자동화하는 증강 분석의 한 형태입니다. 기여 분석은 사용자가 데이터에서 패턴을 찾을 수 있도록 지원하는 증강 분석의 주요 목표 중 하나를 달성합니다.

기여 분석 모델은 데이터의 테스트 세트를 데이터의 통제 세트와 비교하여 측정항목의 변화를 보여주는 데이터 세그먼트를 감지합니다. 예를 들어 2023년 말에 수집된 판매 데이터의 테이블 스냅샷을 테스트 데이터로 사용하고 2022년 말에 수집된 테이블 스냅샷을 통제 데이터로 사용하여 시간 경과에 따른 판매 변화를 확인할 수 있습니다. 기여 분석 모델은 전년 대비 판매에 가장 큰 변화를 가져온 데이터 세그먼트(특정 지역의 온라인 고객 등)를 보여줄 수 있습니다.

측정항목은 기여 분석 모델이 테스트 데이터와 통제 데이터 간의 변화를 측정하고 비교하는 데 사용하는 숫자 값입니다. 기여 분석 모델을 사용하여 합산 가능한 측정항목, 합산 가능한 비율 측정항목 또는 합산 가능한 카테고리별 측정항목을 지정할 수 있습니다.

세그먼트는 지정된 측정기준 값의 조합으로 식별되는 데이터 슬라이스입니다. 예를 들어 store_number, customer_id, day 측정기준을 기반으로 하는 기여 분석 모델의 경우 이러한 측정기준 값의 고유한 조합마다 세그먼트를 나타냅니다. 다음 표에서 각 행은 다른 세그먼트를 나타냅니다.

store_number customer_id day
매장 1
매장 1 고객 1
매장 1 고객 1 월요일
매장 1 고객 1 화요일
매장 1 고객 2
매장 2

모델 생성 시간을 줄이고 가장 크고 관련성이 높은 세그먼트만 모델링하려면 Apriori 지원 기준점을 지정하세요. 이렇게 하면 모델에서 사용하는 작은 세그먼트를 프루닝할 수 있습니다.

기여 분석 모델을 만든 후에는 ML.GET_INSIGHTS 함수를 사용하여 모델에서 계산한 측정항목 정보를 가져올 수 있습니다. 모델 출력은 인사이트 행으로 구성되며 각 인사이트는 세그먼트와 해당 측정항목을 제공합니다.

다음 단계