Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Beitragsanalyse – Übersicht
Mithilfe der Beitragsanalyse, auch als Analyse der wichtigsten Treiber bezeichnet, können Sie Informationen zu Änderungen an wichtigen Messwerten in Ihren mehrdimensionalen Daten gewinnen. Mithilfe der Beitragsanalyse können Sie beispielsweise die Veränderung der Umsatzzahlen über zwei Quartale hinweg sehen oder zwei Trainingsdatensätze vergleichen, um Änderungen an der Leistung eines ML-Modells zu verstehen. Mit einer CREATE MODEL-Anweisung können Sie ein Beitragsanalysemodell in BigQuery erstellen.
Die Beitragsanalyse ist eine Form der erweiterten Analyse, bei der künstliche Intelligenz (KI) eingesetzt wird, um die Analyse und Auswertung von Daten zu verbessern und zu automatisieren. Mit der Beitragsanalyse wird eines der Hauptziele der erweiterten Analysen erreicht: Nutzern dabei zu helfen, Muster in ihren Daten zu finden.
Mit einem Modell für die Beitragsanalyse werden Datensegmente erkannt, die im Zeitverlauf statistisch signifikante Änderungen bei einem Messwert aufweisen. Dazu wird ein Testdatensatz mit einem Kontrolldatensatz verglichen. Sie können sehen, wie sich die Daten im Laufe der Zeit, eines Standorts, eines Kundensegments oder eines anderen für Sie relevanten Messwerts ändern. Sie können beispielsweise einen Tabellen-Snapshot von Ende 2023 mit einem Tabellen-Snapshot von Ende 2022 vergleichen, um zu sehen, wie sich die Daten in zwei Jahren unterscheiden.
Der Messwert ist der numerische Wert, mit dem in Modellen zur Beitragsanalyse die Änderungen zwischen den Test- und Kontrolldaten gemessen und verglichen werden. Sie können bei Beitragsanalysemodellen entweder einen summierbaren Messwert oder einen summierbaren Verhältnismesswert angeben.
Ein Segment ist ein Segment der Daten, das durch eine bestimmte Kombination von Dimensionswerte identifiziert wird. Bei einem Beitragsanalysemodell, das auf den Dimensionen store_number, customer_id und day basiert, stellt beispielsweise jede eindeutige Kombination dieser Dimensionswerte ein Segment dar. In der folgenden Tabelle steht jede Zeile für ein anderes Segment:
store_number
customer_id
day
Geschäft 1
Geschäft 1
Kund*in 1
Geschäft 1
Kund*in 1
Montag
Geschäft 1
Kund*in 1
Dienstag
Geschäft 1
Kund*in 2
Geschäft 2
Wenn Sie nur die größten und daher relevantesten Segmente modellieren möchten, geben Sie einen Apriori-Supportschwellenwert an, der kleine Segmente von der Verwendung durch das Modell bereinigt. Dies reduziert auch die Erstellungszeit des Modells.
Nachdem Sie ein Modell für die Beitragsanalyse erstellt haben, können Sie mit der Funktion ML.GET_INSIGHTS die vom Modell berechneten Messwertinformationen abrufen.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-28 (UTC)."],[[["\u003cp\u003eContribution analysis, also known as key driver analysis, helps identify changes in key metrics across multi-dimensional data.\u003c/p\u003e\n"],["\u003cp\u003eThis feature, currently in a pre-GA stage, is available "as is" with potential limited support, and subject to the "Pre-GA Offerings Terms".\u003c/p\u003e\n"],["\u003cp\u003eContribution analysis models compare a test data set to a control data set to identify statistically significant changes across various dimensions, such as time or location.\u003c/p\u003e\n"],["\u003cp\u003eA \u003ccode\u003eCREATE MODEL\u003c/code\u003e statement in BigQuery can be used to build a contribution analysis model, and these models can use either summable or summable ratio metrics.\u003c/p\u003e\n"],["\u003cp\u003eThe \u003ccode\u003eML.GET_INSIGHTS\u003c/code\u003e function allows users to retrieve metric information calculated by a created contribution analysis model.\u003c/p\u003e\n"]]],[],null,["# Contribution analysis overview\n==============================\n\nUse this document to understand the contribution analysis use case,\nand the options for performing contribution analysis in BigQuery ML.\n\nWhat is contribution analysis?\n------------------------------\n\nContribution analysis, also called key driver analysis, is a method used to\ngenerate insights about changes to key metrics in your multi-dimensional data.\nFor example, you can use contribution analysis to see what data contributed to a\nchange in revenue numbers across two quarters, or to compare two sets of\ntraining data to understand changes in an ML model's performance.\n\nContribution analysis is a form of\n[augmented analytics](https://en.wikipedia.org/wiki/Augmented_Analytics),\nwhich is the use of artificial intelligence (AI) to enhance and automate the\nanalysis and understanding of data. Contribution analysis accomplishes one of\nthe key goals of augmented analytics, which is to help users find patterns in\ntheir data.\n\nContribution analysis with BigQuery ML\n--------------------------------------\n\nTo use contribution analysis in BigQuery ML, create a\ncontribution analysis model with the\n[`CREATE MODEL` statement](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create-contribution-analysis).\n\nA contribution analysis model detects segments of data that show changes in\na given metric by comparing a test set of data to a control set of data. For\nexample, you might use a [table snapshot](/bigquery/docs/table-snapshots-intro)\nof sales data taken at the end of 2023 as your test data and a table snapshot\ntaken at the end of 2022 as your control data, and compare them to see how\nyour sales changed over time. A contribution analysis model could show you\nwhich segment of data, such as online customers in a particular region, drove\nthe biggest change in sales from one year to the next.\n\nA *metric* is the numerical value that contribution analysis models use\nto measure and compare the changes between the test and control data. You can\nspecify the following types of metrics with a contribution analysis model:\n\n- [*Summable*](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create-contribution-analysis#use_a_summable_metric): sums the values of a metric column that you specify, and then determines a total for each segment of the data.\n- [*Summable ratio*](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create-contribution-analysis#use_a_summable_ratio_metric): sums the values of two numeric columns that you specify, and determines the ratio between them for each segment of the data.\n- [*Summable by category*](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create-contribution-analysis#use_a_summable_by_category_metric): sums the value of a numeric column and divides it by the number of distinct values from a categorical column.\n\nA *segment* is a slice of the data identified by a given combination of\ndimension values. For example, for a contribution analysis model based on the\n`store_number`, `customer_id`, and `day` dimensions, every unique combination of\nthose dimension values represents a segment. In the following table, each row\nrepresents a different segment:\n\nTo reduce model creation time, specify an\n[apriori support threshold](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create-contribution-analysis#use_an_apriori_support_threshold).\nAn apriori support threshold lets you prune small and less relevant segments\nso that the model uses only the largest and most relevant segments.\n\nAfter you have created a contribution analysis model, you can use the\n[`ML.GET_INSIGHTS` function](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-get-insights)\nto retrieve the metric information calculated by the model. The model output\nconsists of rows of insights, where each insight corresponds to a segment and\nprovides the segment's corresponding metrics.\n\nWhat's next\n-----------\n\n- [Create a contribution analysis model](/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create-contribution-analysis)\n- [Get data insights from a contribution analysis model](/bigquery/docs/get-contribution-analysis-insights)"]]
