Join us for Firebase Summit on November 10, 2021. Tune in to learn how Firebase can help you accelerate app development, release with confidence, and scale with ease. Register

Exporter les données des prédictions vers BigQuery

Vous pouvez exporter vos données Firebase Prédictions dans BigQuery pour une analyse ultérieure. BigQuery vous permet d'analyser les données à l'aide de BigQuery SQL, de les exporter vers un autre fournisseur cloud et même d'utiliser les données pour vos modèles de ML personnalisés.

Activer l'exportation BigQuery

  1. Aller à la Intégrations page dans la console Firebase.

  2. Dans la carte BigQuery, cliquez sur le lien.

  3. Suivez les instructions à l'écran pour activer BigQuery.

Lorsque vous associez votre projet à BiqQuery :

  • Firebase exporte une copie de vos données existantes à BigQuery.

  • Firebase configure des synchronisations quotidiennes de vos données de votre projet Firebase vers BigQuery.

  • Par défaut, toutes les applications de votre projet sont liées à BigQuery et toutes les applications que vous ajoutez ultérieurement au projet sont automatiquement liées à BigQuery. Vous pouvez gérer des applications qui envoient des données .

Pour désactiver l' exportation BigQuery, unlink votre projet dans la console Firebase.

Quelles données sont exportées vers BigQuery ?

Pour chaque application du projet, une exportation de données crée une table qui inclut les données de prédictions pour chaque utilisateur. Si l'enregistrement Prédictions a été utilisé dans le cadre de l'ensemble d'évaluation, l'étiquette d'évaluation et le score sont également exportés. L'étiquette d'évaluation peut être 0 si la prédiction était négative ou 1 si la prédiction était positive.

Qu'est-ce que les données d'exclusion/d'évaluation ?

Toutes les données ne sont pas directement utilisées pour la formation. Comme c'est généralement le cas pour les tâches d'apprentissage supervisé, Firebase Predictions met de côté 20 % des données en tant que données à retenir et n'utilise que les 80 % des données restantes pour entraîner le modèle. Ensuite, pour évaluer les performances du modèle, des prédictions sont générées pour les utilisateurs de l'ensemble d'exclusion, sur la base des données de la fenêtre d'entraînement, et comparées aux résultats réels pour chaque utilisateur, sur la base des étiquettes générées à partir de la fenêtre d'étiquette.

Que pouvez-vous faire avec les données exportées ?

L'exportation BigQuery contient les données de prédiction brutes pour chaque profil de risque, ainsi que le score et les données d'exclusion étiquetées.

Accéder aux données brutes des prédictions

En plus du résultat de prédiction calculé pour chaque profil de risque, vous pouvez également obtenir le score brut pour chaque utilisateur ainsi que l'ensemble de données d'exclusion étiquetées. Vous pouvez utiliser ces données pour évaluer les performances de vos propres prédictions ou pour créer des groupes d'utilisateurs au-delà des trois profils de tolérance au risque définis dans l'interface utilisateur.

Transférer des données dans BigQuery

À l'aide des services de transfert de données BigQuery, vous pouvez transférer automatiquement des données de Google Analytics, Crashlytics, Google Marketing Platform, Google Ads et YouTube vers BigQuery sur une base planifiée et entièrement gérée. Vous pouvez ensuite utiliser les données des prédictions pour effectuer une analyse sophistiquée, par exemple pour voir quel canal d'acquisition génère le plus grand nombre d'utilisateurs prévus pour dépenser.

Les prévisions d' exportation contient le champ instance_id qui identifie une instance unique de l'installation d'une application. Vous pouvez utiliser cette valeur avec d'autres données.

Emportez vos prédictions partout

Étant donné que Predictions s'intègre à Firebase Remote Config, Firebase Cloud Messaging et Firebase A/B Testing, vous souhaiterez peut-être accéder à vos résultats Predictions côté serveur ou les transférer vers une autre solution tierce. Il n'y a actuellement aucun frais pour l'exportation des données.

Vous pouvez exporter vos données en :

  • Utiliser l'UI Web de BigQuery
  • L' exécution de la commande CLI bq extract
  • Envoi d' un travail d'extrait via l'API ou les bibliothèques clientes.

Obtenez toutes les données de prédiction pour l'exportation CSV

L'exemple de requête suivant aplatit les données des prédictions qui peuvent être exportées au format CSV ou directement dans Google Sheets.

SELECT
  FORMAT_TIMESTAMP("%Y%m%d",u.prediction_time) AS prediction_date,
  u.instance_id,
  u.app_id,
  u.project_id,
  u.prediction_time,
  p.prediction_name,
  p.score,
  p.id,
  p.evaluation_info.label,
  p.evaluation_info.score AS label_score,
  r.risk_profile_name,
  r.prediction_result
FROM
  Table_Name u,
  u.predictions p,
  p.risk_profiles r
ORDER BY
  u.prediction_time ASC
LIMIT 10

Obtenez tous les détails de prédiction utilisés pour l'évaluation du modèle (holdout)

SELECT
  FORMAT_TIMESTAMP("%Y%m%d",u.prediction_time) AS prediction_date,
  u.instance_id,
  u.app_id,
  u.project_id,
  u.prediction_time,
  p.prediction_name,
  p.score,
  p.id,
  p.evaluation_info.label,
  p.evaluation_info.score AS label_score,
  r.risk_profile_name,
  r.prediction_result
FROM
  Table_Name u,
  u.predictions p,
  p.risk_profiles r
WHERE
  p.evaluation_info.label is not null
ORDER BY
  u.prediction_time ASC
LIMIT 10

Combinez les données de prédiction avec les données d'analyse pour des analyses plus puissantes

Vous pouvez activer l'exportation BigQuery pour Google Analytics, puis joindre les données d'événements Analytics à Predictions pour une analyse encore plus puissante.

Analysez quel pays a le taux de désabonnement le plus élevé prévu

SELECT
  predictions.prediction_name,
  risk_profiles.risk_profile_name,
  events.geo.country,
  COUNT(1) AS count
FROM
  Analytics_Table_Name events,
  Predictions_Table_Name predictions_data,
  predictions_data.predictions predictions,
  predictions.risk_profiles risk_profiles
WHERE
  predictions.prediction_name = 'churn'
  AND risk_profiles.prediction_result = 'POSITIVE'
  AND predictions_data.user_id = events.user_id
GROUP BY
  predictions.prediction_name,
  risk_profiles.risk_profile_name,
  events.geo.country
ORDER BY
  risk_profiles.risk_profile_name

Utilisez les données du canal d'acquisition dans Analytics pour voir quels canaux avaient le plus d'utilisateurs prévus pour dépenser

SELECT
  predictions.prediction_name,
  risk_profiles.prediction_result,
  risk_profiles.risk_profile_name,
  events.traffic_source.source,
  COUNT(1) as user_count
FROM
  Predictions_Table_Name predictions_data,
  predictions_data.predictions predictions,
  predictions_data.predictions predictions,
  predictions.risk_profiles risk_profiles
WHERE
  predictions.prediction_name = 'spend'
  AND risk_profiles.prediction_result = 'POSITIVE'
  AND predictions_data.user_id = events.user_id
GROUP BY
  predictions.prediction_name,
  risk_profiles.prediction_result,
  risk_profiles.risk_profile_name,
  events.traffic_source.source
ORDER BY
   user_count desc, risk_profiles.risk_profile_name

Prix

L'exportation de données à partir de Predictions est gratuite et BigQuery propose des limites d'utilisation gratuites généreuses. Pour plus d' informations, consultez les prix BigQuery ou le bac à sable BigQuery .