Exporta tus datos a BigQuery

En esta página, se describe cómo subir datos de eventos de usuarios y productos de venta minorista a BigQuery. Una vez que tus datos estén en BigQuery, podrás usarlos para realizar previsiones de ventas con Vertex AI y ver los datos en los paneles compilados previamente de Looker.

Si tus datos de venta minorista ya están en tablas de productos y eventos de usuarios en BigQuery, en el formato Vertex AI Search para venta minorista, puedes omitir esta página y dirigirte directamente a Obtener paneles que muestren indicadores clave de rendimiento y Generar previsiones de ventas a partir de datos de venta minorista. Para obtener más información sobre el formato, consulta Esquema del producto y Acerca de los eventos de usuario.

Antes de comenzar

Antes de poder exportar tus datos de venta minorista a BigQuery, debes completar los procedimientos que se indican en Antes de comenzar. Esto incluye importar la información de tu catálogo y tus eventos de usuario.

Para obtener más información sobre la importación, consulta:

• Importa información de catálogos
• Registra eventos de usuarios en tiempo real
• Importa eventos históricos de los usuarios

Crea un conjunto de datos en BigQuery

Debes crear uno o dos conjuntos de datos en BigQuery para conservar tus datos de productos y eventos de usuario. Puedes usar un conjunto de datos para contener ambos tipos de datos o puedes crear dos conjuntos, uno para cada tipo de datos.

Debes crear los conjuntos de datos en el mismo proyecto en el que implementaste Vertex AI Search para la venta minorista.

1. Si nunca usaste BigQuery en tu proyecto, habilita la API de BigQuery y asegúrate de tener la función de IAM que te permite crear conjuntos de datos y tablas.

   Consulta Antes de comenzar y Control de acceso con IAM en la documentación de BigQuery.

2. Crea un conjunto de datos en BigQuery en la multirregión US (varias regiones en Estados Unidos). Por ejemplo, asígnale el nombre retail_data. Si creas tu conjunto de datos en una región diferente, la exportación de tus datos a BigQuery fallará.

   Para obtener información sobre cómo crear un conjunto de datos, consulta Crea conjuntos de datos en la documentación de BigQuery.

   Este conjunto de datos se usará para almacenar las tablas de datos que exportes. En los siguientes procedimientos, se describe cómo exportar.

3. Opcional: Para colocar tus datos de eventos de usuario en un conjunto de datos independiente de los datos de tus productos, crea un segundo conjunto de datos. Por ejemplo, asígnale el nombre retail_user_event_data.

Exporta tu catálogo de Vertex AI Search para venta minorista a una tabla de BigQuery

Usa el método products.export para exportar tu catálogo de venta minorista a una tabla de BigQuery.

Nota: En el siguiente comando, se supone que accediste a la CLI de gcloud con tu cuenta de usuario. Para ello, ejecuta gcloud init o gcloud auth login, o usa Cloud Shell, que te permite acceder automáticamente a la CLI de gcloud.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• PROJECT_ID: Es el ID del proyecto de la API de Vertex AI Search para venta minorista en el que creaste el conjunto de datos de BigQuery.
• BRANCH_ID: Es el ID de la rama de catálogo. Usa default_branch para obtener datos de la rama predeterminada. Para obtener más información, consulta Ramas de catálogo.
• DATASET_ID: Es el nombre del conjunto de datos que creaste en Crea un conjunto de datos en BigQuery. Por ejemplo, usa retail_data o retail_product_data. El conjunto de datos debe estar en el mismo proyecto. No agregues el ID del proyecto al campo datasetId aquí.
• TABLE_ID_PREFIX: Es un prefijo para el ID de la tabla. Este prefijo no puede ser una string vacía. Se agrega un sufijo retail_products para completar el nombre de la tabla. Por ejemplo, si el prefijo es test, la tabla se llamará test_retail_products.

Cuerpo JSON de la solicitud:

{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Nota: Asegúrate de haber configurado la variable de entorno GOOGLE_APPLICATION_CREDENTIALS a la ruta para el archivo de clave privada de tu cuenta de servicio.

Guarda el cuerpo de la solicitud en un archivo llamado request.json. Ejecuta el comando siguiente en la terminal para crear o reemplazar este archivo en el directorio actual:

cat > request.json << 'EOF'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
EOF

Luego, ejecuta el siguiente comando para enviar tu solicitud de REST:

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -d @request.json \
    "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/branches/BRANCH_ID/products:export"

PowerShell (Windows)

Nota: Asegúrate de haber configurado la variable de entorno GOOGLE_APPLICATION_CREDENTIALS a la ruta para el archivo de clave privada de tu cuenta de servicio.

Guarda el cuerpo de la solicitud en un archivo llamado request.json. Ejecuta el comando siguiente en la terminal para crear o reemplazar este archivo en el directorio actual:

@'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
'@  | Out-File -FilePath request.json -Encoding utf8

Luego, ejecuta el siguiente comando para enviar tu solicitud de REST:

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/branches/BRANCH_ID/products:export" | Select-Object -Expand Content

Deberías recibir una respuesta JSON similar a la que se muestra a continuación:

{
  "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/branches/0/operations/17986570020347019923",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2alpha.ExportProductsResponse",
    "outputResult": {
      "bigqueryResult": [
        {
          "datasetId": "DATASET_ID",
          "tableId": "TABLE_ID_PREFIX_retail_products"
        }
      ]
    }
  }
}

Exporta tus eventos de usuario a una tabla de BigQuery

Usa el método userEvents.export para exportar tus eventos de usuario de venta minorista a una tabla de BigQuery:

Nota: En el siguiente comando, se supone que accediste a la CLI de gcloud con tu cuenta de usuario. Para ello, ejecuta gcloud init o gcloud auth login, o usa Cloud Shell, que te permite acceder automáticamente a la CLI de gcloud.

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

• PROJECT_ID: Es el ID del proyecto de la API de Vertex AI Search para venta minorista en el que creaste el conjunto de datos de BigQuery.
• DATASET_ID: Es el nombre del conjunto de datos que creaste en Crea un conjunto de datos en BigQuery. Por ejemplo, usa retail_data o retail_product_data.
• TABLE_ID_PREFIX: Es un prefijo para el ID de la tabla. Este prefijo no puede ser una string vacía. Se agrega un sufijo retail_products para completar el nombre de la tabla. Por ejemplo, si el prefijo es test, la tabla se llama test_retail_products.

Cuerpo JSON de la solicitud:

{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}

Para enviar tu solicitud, expande una de estas opciones:

curl (Linux, macOS o Cloud Shell)

Nota: Asegúrate de haber configurado la variable de entorno GOOGLE_APPLICATION_CREDENTIALS a la ruta para el archivo de clave privada de tu cuenta de servicio.

Guarda el cuerpo de la solicitud en un archivo llamado request.json. Ejecuta el comando siguiente en la terminal para crear o reemplazar este archivo en el directorio actual:

cat > request.json << 'EOF'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
EOF

Luego, ejecuta el siguiente comando para enviar tu solicitud de REST:

curl -X POST \
    -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
    -H "Content-Type: application/json; charset=utf-8" \
    -d @request.json \
    "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:export"

PowerShell (Windows)

Nota: Asegúrate de haber configurado la variable de entorno GOOGLE_APPLICATION_CREDENTIALS a la ruta para el archivo de clave privada de tu cuenta de servicio.

Guarda el cuerpo de la solicitud en un archivo llamado request.json. Ejecuta el comando siguiente en la terminal para crear o reemplazar este archivo en el directorio actual:

@'
{
  "outputConfig":
  {
    "bigqueryDestination":
    {
      "datasetId": "DATASET_ID",
        "tableIdPrefix": "TABLE_ID_PREFIX",
        "tableType": "view"
    }
  }
}
'@  | Out-File -FilePath request.json -Encoding utf8

Luego, ejecuta el siguiente comando para enviar tu solicitud de REST:

$cred = gcloud auth application-default print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://retail.googleapis.com/v2alpha/projects/PROJECT_ID/locations/global/catalogs/default_catalog/userEvents:export" | Select-Object -Expand Content

Deberías recibir una respuesta JSON similar a la que se muestra a continuación:

{
  "name": "projects/PROJECT_NUMBER/locations/global/catalogs/default_catalog/operations/17203443067109586170",
  "done": true,
  "response": {
    "@type": "type.googleapis.com/google.cloud.retail.v2alpha.ExportUserEventsResponse",
    "outputResult": {
      "bigqueryResult": [
        {
          "datasetId": "DATASET_ID",
          "tableId": "TABLE_ID_PREFIX_retail_user_events"
        }
      ]
    }
  }
}

Acerca de los datos exportados

Ten en cuenta la siguiente información sobre los datos de venta minorista que exportas a las tablas de BigQuery:

• Los datos que se exportan a las tablas de BigQuery en tu proyecto son vistas autorizadas, no vistas materializadas.

• No puedes cambiar ni actualizar los datos de estas tablas.

• Los productos se actualizan cada hora.

• Los eventos de usuario se actualizan casi en tiempo real.

Acerca de los datos exportados de eventos de usuarios

A continuación, se incluyen algunos aspectos que debes conocer sobre la información del producto que se incluye con los datos exportados de eventos de usuario.

Información del precio del producto

La forma en que el método userEvents.export muestra la información del precio del producto depende de lo siguiente:

• Al momento de la transferencia, incluiste información sobre precios en tus datos de eventos de usuario. Cuando llamas al método userEvents.export, el precio que se muestra con un evento de usuario es el precio del producto en el momento del evento.

• No incluiste información de precios con tus datos de eventos de usuario, pero incluiste información de precios en tus datos de productos en el momento de la transferencia. Cuando llamas al método userEvents.export, el precio que se muestra con un evento de usuario no es necesariamente el precio del producto en el momento del evento. Es el precio que se encuentra en los datos del producto en el momento de la transferencia.

• No incluiste información de precios con tus datos de eventos de usuario y no hay información de precios disponible en tus datos de productos. Cuando llamas al método userEvents.export, no se muestra ningún precio con los eventos de usuario.

Otra información del producto

Toda la información del producto (excepto el precio) se une a la información de eventos del usuario en el momento en que llamas al método userEvents.export. Los valores del producto pueden cambiar desde el momento del evento de usuario hasta el momento en el que llamas a userEvents.export. Por este motivo, los valores de productos sin precio que se muestran en la tabla de eventos de usuario podrían ser diferentes de los valores del producto en el momento del evento de usuario.

Opcional: Confirma que las tablas nuevas están en BigQuery

Después de exportar los datos de productos y de eventos del usuario a BigQuery, asegúrate de que haya tablas nuevas.

1. En BigQuery, navega al conjunto de datos que creaste en Crear un conjunto de datos en BigQuery.

2. Abre los conjuntos de datos y asegúrate de ver las dos tablas que exportaste. Por ejemplo, busca tablas con nombres que terminen en retail_products y retail_user_events.