Как использовать BigQuery ML в подключенных таблицах

Важно! Чтобы использовать BigQueryML в подключенных таблицах, вам может потребоваться дополнительное разрешение GCP. Подробную информацию можно найти в справочной документации по BQML.

Находите отклонения и прогнозируйте данные и ключевые бизнес-показатели, используя BigQuery ML с моделями TimesFM прямо из подключенных таблиц.

Вы можете:

• Создавать прогнозы и обнаруживать отклонения с помощью BQML в подключенных таблицах, используя модель TimesFM.
• Настраивать входные данные и задавать параметры в интерфейсе создания прогнозов.
• Отказаться от создания и обучения модели, и вместо этого использовать модель TimesFM от Google, уже обученную на миллиардах реальных данных.

Преимущества инструмента:

• Простая настройка. Создавайте прогнозы и обнаруживайте отклонения на основе любого набора данных BigQuery или собственного запроса с помощью удобной панели настроек в интерфейсе Таблиц.
• Гибкие параметры. Вы можете изменять такие входные параметры, как горизонт прогнозирования и доверительные интервалы, а также фильтровать входные данные так, чтобы прогнозы строились только на основе отдельных статистических блоков. Также доступны параметры, настроенные по умолчанию.
• Детализированный анализ. Разбивайте данные на группы на основе любого параметра. Например, можно получить прогнозы продаж с разбивкой по регионам.
• Визуализация данных. Получайте автоматические диаграммы для прогнозов временных рядов. Диаграмма будет включать прогноз, а также, при необходимости, исторические данные.

Как создать прогноз в подключенных таблицах

При создании прогноза данные открываются на новом листе. Для отдельного прогноза временного ряда Google Таблицы автоматически создают диаграмму, на которой прогноз представлен вместе с историческими данными. Подробнее о функции AI.FORECAST…

1. Запустите Google Таблицы на компьютере.
2. Выберите существующую подключенную таблицу или создайте новое подключение к данным BigQuery.
   • Чтобы создать новое подключение к данным BigQuery, в меню вверху страницы нажмите Данные Анализ данных Подключиться к BigQuery и настройте подключение.
3. Нажмите "Подробная статистика" "Создать прогноз" .
4. Выберите временной ряд из набора данных вашего подключения.
   • Вы можете автоматически агрегировать данные по разным временным окнам. Чтобы посмотреть все варианты, рядом с надписью "Основание группировки "День" нажмите на стрелку вниз .
5. Выберите столбец для прогноза. В нем содержатся значения, которые вы хотите спрогнозировать.
   • Чтобы изменить метод агрегирования, рядом с надписью "Основание агрегации "Сумма" нажмите на стрелку вниз .
6. Чтобы добавить разбиение, нажмите "Добавить разбиение" . Это позволит создать уникальные прогнозы для каждого значения в этом столбце. Например, можно создать прогноз для каждого региона в наборе данных.
   • Выберите один из пунктов раскрывающегося списка:
7. В поле "Введите горизонт прогнозирования" укажите число. Это значение определяет, на какой период времени будет составлен прогноз.
   • Интервал прогноза определяется автоматически на основе агрегирования временных рядов (при наличии).
   • Максимальное значение в этом поле – 10 000.
8. Чтобы отфильтровать входные данные, рядом с пунктом "Входные данные для фильтра" нажмите "Добавить" .
   • Выберите один из пунктов раскрывающегося списка:
9. В разделе "Параметры вывода данных" выберите:
   • Включать статистику. Этот вариант позволяет сопоставлять статистику с прогнозом и выявлять тенденции.
   • Включить уровни прогнозирования. Нижняя и верхняя границы прогнозируемого значения появятся в дополнительных столбцах.
   • При необходимости измените уровень достоверности прогноза. Значение по умолчанию: 95 %.
10. Нажмите Создать.
    • Google Таблицы выполнят запрос и создадут прогноз. Чтобы изменить входные данные и снова выполнить прогнозирование, нажмите на сгенерированный прогноз. Откроется панель "Редактор прогноза".

Как находить отклонения и ошибки в данных

В Google Таблицах есть детектор отклонений для поиска необычных закономерностей в отслеживаемых данных временных рядов. Он позволяет быстро найти разницу между обычными тенденциями и фактическими выбросами. Подробнее о функции AI.DETECT_ANOMALIES…

1. Запустите Google Таблицы на компьютере.
2. Выберите существующую подключенную таблицу или создайте новое подключение к данным BigQuery.
   • Чтобы создать новое подключение к данным BigQuery, в меню вверху страницы нажмите Данные Анализ данных Подключиться к BigQuery и настройте подключение.

3. Нажмите "Подробная статистика" "Найти отклонения" .
4. Выберите временной ряд из набора данных вашего подключения.
   • Вы можете автоматически агрегировать данные по разным временным окнам.

5. Чтобы изменить способ группировки набора данных, рядом с надписью "Основание группировки "День" нажмите на стрелку вниз .
   • Примечание. Выбранный вариант влияет на поле "Период времени".
6. Выберите столбец, в котором Таблицы будут искать отклонения.
   • Чтобы изменить метод агрегирования, рядом с надписью "Основание агрегации "Сумма" нажмите на стрелку вниз .

7. При необходимости нажмите "Добавить разбиение" .
8. Укажите значение в поле "Период времени".
   • Также можно нажать Выбрать дату окончания.
9. Чтобы отфильтровать входные данные, рядом с пунктом "Входные данные для фильтра" нажмите "Добавить" .
10. В разделе "Параметры вывода данных" выполните следующие действия:
    • Задайте порог вероятности отклонения. Это значение определяет, что считается отклонением.
    • Включите период прогнозирования. Нижняя и верхняя границы диапазона данных, который не считается аномальным, появятся в дополнительных столбцах.

11. Нажмите Применить.

Найденные отклонения появятся на новой вкладке "Детектор отклонений". Процесс может занять несколько минут.

Примечания

• Обнаруженные отклонения выделяются красным цветом.
• Если функция не работает, в столбце "Статус" появится сообщение об ошибке.
• Обнаружение ошибок возможно на максимальном горизонте прогнозирования (до 10 000 точек).

Информация по теме

• Как начать работу с данными BigQuery в Google Таблицах
• Как сортировать и фильтровать данные BigQuery в Google Таблицах
• Как анализировать и обновлять данные BigQuery в Google Таблицах с помощью подключенных листов