Exporta tus datos a BigQuery

En esta página, se describe cómo subir datos de productos de venta minorista y eventos de usuarios 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 paneles de Looker prediseñados.

Si tus datos de venta minorista ya se encuentran en las tablas de productos y eventos de usuarios de BigQuery, en Vertex AI Search para el formato de venta minorista, puedes omitir este paso. y vaya directamente a Obtener paneles de control que muestran datos clave indicadores y Generar previsiones de ventas a partir de la venta minorista de Google Cloud. Para obtener más información sobre el consulta Producto esquema y Acerca de los eventos de usuario.

Antes de comenzar

Antes de poder exportar tus datos de venta minorista a BigQuery, debes haber completado 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 los siguientes artículos:

• Importa información del catálogo
• Cómo grabar eventos de usuarios en tiempo real
• Importa eventos históricos de usuarios

Crea un conjunto de datos en BigQuery

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

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

1. Si nunca antes usaste BigQuery en tu proyecto, habilita la API de BigQuery y asegúrate de tener el rol 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 ubicación multirregión US (multiple regions in the United States). Por ejemplo, llámelo retail_data. Si creas tu conjunto de datos en una región diferente, puedes exportar tus datos en BigQuery.

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

   Este conjunto de datos se usará para almacenar las tablas de datos que exportes. El los siguientes procedimientos describen cómo exportar.

3. Opcional: Para colocar tus datos de eventos de usuario en un conjunto de datos independiente de tus datos de producto, crea un segundo conjunto de datos. Por ejemplo, asignarle un nombre retail_user_event_data

Exporta tu catálogo de Vertex AI Search for Retail a una tabla de BigQuery

Usa el método ExportProducts para exportar tu catálogo de venta minorista a un en la tabla de BigQuery.

Nota: Con el siguiente comando, se supone que accediste a la CLI de gcloud con tu cuenta de usuario mediante la ejecución de gcloud init o gcloud auth login, o mediante el uso de Cloud Shell, que accede 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 El proyecto de la API de Vertex AI Search for Retail en el que creaste BigQuery de tu conjunto de datos.
• BRANCH_ID: Es el ID del catálogo. . Usa default_branch para obtener datos de la rama predeterminada. Para obtener más información, consulta Ramas del 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 cadena vacía. Se agrega un sufijo de 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 un Tabla de BigQuery:

Nota: El siguiente comando supone que accediste a la CLI de gcloud con tu cuenta de usuario ejecutando gcloud init o gcloud auth login, o mediante Cloud Shell que te registra automáticamente en 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 for retail en el que creaste el conjunto de datos de BigQuery.
• DATASET_ID: Es el nombre del conjunto de datos que creaste en Cómo crear 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 cadena vacía. Un sufijo de retail_products se agrega para completar el nombre de la tabla. Para Por ejemplo, si el prefijo es test, la tabla se llamado 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

Estos son algunos aspectos que debes saber sobre los datos de venta minorista a los que exportas 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 usuarios se actualizan casi en tiempo real.

Acerca de los datos exportados de eventos del usuario

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

Información sobre el precio de los productos

La forma en que se muestra la información de precios del producto a través del método userEvents.export depende de lo siguiente:

• Incluiste información de precios en tus datos de eventos de usuario en el momento de de datos. Cuando llames a userEvents.export , el precio que se muestra con un evento de usuario es el precio del producto en la hora 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 de datos. Cuando llames a 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 tus datos de productos en el momento de la transferencia.

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

Otra información del producto

Toda la información del producto (excepto el precio) se une a la información del evento del usuario en el momento en que llamas al método userEvents.export. Los valores de los productos pueden cambiar desde el momento del evento del usuario hasta el momento en que llamas a userEvents.export. Para este motivo, los valores de productos que no son de precio que se muestran en la tabla de eventos de usuario podrían ser es diferente de los valores del producto en el momento del evento de usuario.

Confirma que las tablas nuevas estén en BigQuery (opcional)

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

1. En BigQuery, navega hasta el conjunto de datos o los conjuntos de datos que creado 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