貢献度分析の概要

貢献度分析（主要因分析）を使用すると、多次元データの主な指標の変化について分析情報を生成できます。たとえば、貢献度分析を使用して、2 つの四半期にわたる収益額の変化を確認したり、2 つのトレーニング データセットを比較して ML モデルのパフォーマンスの変化を把握したりできます。BigQuery で貢献度分析モデルを作成するには、CREATE MODEL ステートメントを使用します。

貢献度分析は拡張分析の一種です。拡張分析とは、人工知能（AI）を使用してデータの分析と理解を強化し、自動化することです。貢献度分析は、拡張分析の主要な目標の一つであるデータ内のパターンの検出を支援します。

貢献度分析モデルは、テスト用のデータセットと対照用のデータセットを比較し、指標の変化がみとめられるデータのセグメントを検出します。たとえば、2023 年末に取得した販売データのテーブル スナップショットをテスト用データとして、2022 年末に取得したテーブル スナップショットを対照用データとして使用し、売上の推移を確認できます。貢献度分析モデルを使用すると、ある年から翌年にかけての売上の変化に最も大きく貢献したデータ セグメント（特定の地域のオンライン ユーザーなど）を確認できます。

指標は、貢献度分析モデルがテスト用データと対照用データ間での変化を測定して比較するために使用する数値です。貢献度分析モデルでは、合計可能な指標、合計可能な比率指標、またはカテゴリ別に合計可能な指標を指定できます。

セグメントは、項目値の特定の組み合わせで識別されるデータのスライスです。たとえば、store_number、customer_id、day の項目に基づく貢献度分析モデルの場合、これらの項目値の一意の組み合わせは、すべてセグメントを表します。次の表では、各行が異なるセグメントを表しています。

モデルの作成時間を短縮し、最も大きく関連性の高いセグメントのみをモデル化するには、小さなセグメントをモデルで使用しないようにする apriori のサポートしきい値を指定します。

貢献度分析モデルを作成した後に、ML.GET_INSIGHTS 関数を使用すると、モデルで計算された指標の情報を取得できます。モデル出力は分析情報の行で構成されます。各分析情報には、セグメントとそれに対応する指標が含まれます。

次のステップ

• 貢献度分析モデルを作成する
• 貢献度分析モデルからデータ分析情報を取得する