Le previsioni sono uno strumento essenziale per le aziende, che consente loro di prevedere le tendenze future e prendere decisioni informate. Con la potenza di Google BigQuery, puoi eseguire previsioni in modo efficiente su set di dati di grandi dimensioni e ottenere informazioni preziose sul futuro della tua attività.

In questo tutorial, ti illustreremo le nozioni di base della previsione con BigQuery, incluso come impostare i dati, scegliere il modello di previsione adatto e interpretare i risultati.

Quindi iniziamo!

Il caso d'uso: previsione delle vendite settimanali del negozio di e-commerce The Look

Il set di dati Look E-commerce Shop raccoglie i dati sulle vendite da un negozio online. Include informazioni su ordini, prodotti, clienti e altro. Questo set di dati è una risorsa eccellente per chiunque desideri analizzare e comprendere il comportamento dei clienti dell'e-commerce e prendere decisioni informate sulla propria attività.

Ecco lo schema del database, così puoi capire come costruire le tue query per ulteriori analisi:

Con Google BigQuery, puoi accedervi senza alcuno sforzo!

Per esempio:

SELECT
  user_id,
  order_id,
  created_at
FROM `bigquery-public-data.thelook_ecommerce.orders`
LIMIT 10

SELECT
  DATE_TRUNC(o.created_at, WEEK) as week,
  ROUND(SUM(oi.sale_price)) as sales
FROM `bigquery-public-data.thelook_ecommerce.orders` o
INNER JOIN `bigquery-public-data.thelook_ecommerce.order_items` oi
ON o.order_id = oi.order_id
GROUP BY week
ORDER BY week

      
                

                    
                    
                
            

Come fare previsioni con Google BigQuery e ARIMA

ARIMA è l'acronimo di Autoregressive Integrated Moving Average . È un modello di serie temporali che combina tre diverse componenti:

1. Termine autoregressivo (AR) : esaminiamo i valori passati delle serie temporali e proviamo a prevedere i valori futuri in base a quelli.
2. Termine integrato (I) : calcoliamo la differenza tra il valore corrente della serie temporale e il valore precedente e proviamo a prevedere i valori futuri in base a tali differenze.
3. Termine della media mobile (MA) : questo termine esamina la media dei valori passati delle serie temporali e cerca di prevedere i valori futuri in base a tale media [1].

Come creare e addestrare un modello ARIMA con Google BigQuery

Grazie a Google ML, possiamo utilizzare ARIMA[2] con Google BigQuery :

CREATE MODEL IF NOT EXISTS `your_project.your_dataset.arima`
 OPTIONS(MODEL_TYPE='ARIMA_PLUS',
         time_series_timestamp_col='week',
         time_series_data_col='sales'
  ) AS
SELECT
    DATE_TRUNC(o.created_at, WEEK) as week,
    ROUND(SUM(oi.sale_price)) as sales
  FROM `bigquery-public-data.thelook_ecommerce.orders` o
  INNER JOIN `bigquery-public-data.thelook_ecommerce.order_items` oi
  ON o.order_id = oi.order_id
  GROUP BY week
  ORDER BY week

• il modello Machine Learning: ecco come si seleziona ARIMA ;
• la colonna da considerare per l'informazione di timestamp;
• e la colonna per impostare i dati ;

Come sapere se il modello di Machine Learning è buono

Dopo aver creato il modello [3], è possibile utilizzare la ML.ARIMA_EVALUATEfunzione per visualizzare le metriche di valutazione di tutti i modelli candidati valutati durante l'ottimizzazione automatica dell'iperparametro:

SELECT
 *
FROM
 ML.ARIMA_EVALUATE(MODEL your_project.your_dataset.arima)

      
                

                    
                    
                
            

• Le quattro colonne seguenti ( non_seasonal_{p,d,q}e has_drift) definiscono un modello ARIMA nella pipeline di addestramento.
• Le tre metriche successive ( log_likelihood, AICe variance) sono rilevanti per il processo di adattamento del modello ARIMA.

AIC ordina questi modelli candidati in ordine crescente.

Il modello migliore viene salvato come modello finale e viene utilizzato quando si chiama ML.EXPLAIN_FORECAST, ML.FORECASTcome illustrato nei passaggi seguenti.

Cos'è l'AIC (aka Akaike Information Criterion)

È uno stimatore dell'errore di previsione e, quindi, della qualità relativa dei modelli statistici per un dato set di dati.[4]

Viene utilizzato per confrontare diversi modelli e selezionare quello più economico, il che significa che ha il minor numero di parametri pur adattando adeguatamente i dati.

Quando si valuta un modello ARIMA, l'AIC viene utilizzato per confrontare la qualità di diversi modelli che hanno diverse combinazioni di termini autoregressivi (AR), differenziali (I) e media mobile (MA).

Il modello con l'AIC più basso è considerato il migliore.

Come utilizzare il modello migliore per prevedere le serie storiche

Ora è il momento di fare previsioni!

Per questo, utilizzerai la funzione ML.FORECAST, che viene fornita con molti argomenti, ma solo due sono richiesti:

• La selezione del MODELLO: selezionerai quello che hai addestrato;
• E una struttura BigQuery con 2 parametri: horizoneconfidence_level

Se vuoi prevedere le prossime 52 settimane di vendite (un anno) con un buon livello di fiducia, ecco la query corretta:

SELECT
 *
FROM
 ML.FORECAST(
   MODEL your_project.your_dataset.arima,
   STRUCT(52 AS horizon, 0.8 AS confidence_level)
 )

La vista include almeno le seguenti colonne:

• forecast_timestamp
• forecast_value
• standard_error
• confidence_level
• prediction_interval_lower_bound
• prediction_interval_upper_bound

Nella previsione delle serie temporali, l'intervallo di previsione, che viene catturato dai limiti inferiore e superiore, è importante quanto il forecast_value.

In un ulteriore articolo, spiegherò come puoi visualizzare le tue previsioni accanto ai tuoi dati attuali. Tuttavia, per ora, puoi utilizzare l'integrazione di Looker Studio per "tracciare" le tue previsioni:

In base a queste proiezioni, possiamo già affermare che il trend e la stagionalità sono più critici per il modello ARIMA rispetto agli ultimi valori: i modelli hanno riprodotto la "forma" delle nostre vendite precedenti invece di privilegiare l'"esponenzialità" delle ultime vendite.

Se hai domande, sentiti libero di commentare, e se ti è piaciuto l'articolo, seguimi e riceverai una notifica quando pubblicherò la prossima volta.

Riferimenti

[1] Come calcolare una media mobile con SQL , Apprendimento della pubblicazione SQL

[2] L'istruzione CREATE MODEL , Documentazione ufficiale di BigQuery ML

[3] Previsione di una singola serie temporale , Documentazione ufficiale di BigQuery ML

[4] Akaike Information Criterion , Wikipedia