Prever uma única série temporal com um modelo multivariável TimesFM

Neste tutorial, você vai aprender a fazer previsões multivariadas em uma única série temporal usando a função AI.FORECAST com o modelo TimesFM 3.0 integrado ao BigQuery ML. A previsão multivariada ajuda a melhorar a precisão da previsão incorporando outras variáveis que influenciam a meta.

Este tutorial demonstra como prever as vendas de vodca e uísque incorporando valores de transações históricas (uma covariável passada) e se a data é um fim de semana (uma covariável futura).

Objetivos

  • Prepare um único conjunto de dados unificado para previsão multivariada.
  • Use a função AI.FORECAST com o modelo TimesFM 3.0 para gerar previsões.

Custos

Neste tutorial, usamos componentes faturáveis do Google Cloud, incluindo:

  • BigQuery
  • BigQuery ML

Para mais informações, consulte Preços do BigQuery e Preços do BigQuery ML.

Antes de começar

  1. Faça login na sua conta do Google Cloud . Se você começou a usar o Google Cloud, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.

  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  5. Verify that billing is enabled for your Google Cloud project.

  6. Ative a API BigQuery, se ainda não tiver feito isso.

    Funções necessárias para ativar APIs

    Para ativar APIs, você precisa da permissão serviceusage.services.enable. Se você criou o projeto, provavelmente já tem essa permissão com o papel de Proprietário (roles/owner). Caso contrário, é possível receber essa permissão com o papel de Administrador do Service Usage (roles/serviceusage.serviceUsageAdmin). Saiba como conceder papéis.

    Ativar a API

    Para novos projetos, a API BigQuery é ativada automaticamente.

Funções exigidas

Para conseguir as permissões necessárias a fim de concluir as tarefas neste tutorial, peça ao administrador para conceder a você os seguintes papéis do IAM:

Para mais informações sobre a concessão de papéis, consulte Gerenciar o acesso a projetos, pastas e organizações.

Esses papéis predefinidos contêm as permissões necessárias para concluir as tarefas neste tutorial. Para acessar as permissões exatas necessárias, expanda a seção Permissões necessárias:

Permissões necessárias

As permissões a seguir são necessárias para concluir as tarefas deste tutorial:

  • Crie o conjunto de dados: bigquery.datasets.create
  • Crie o modelo:
    • bigquery.jobs.create
    • bigquery.models.create
    • bigquery.models.getData
    • bigquery.models.updateData
  • Execute a inferência:
    • bigquery.models.getData
    • bigquery.jobs.create

Essas permissões também podem ser concedidas com funções personalizadas ou outros papéis predefinidos.

Para mais informações sobre os papéis e as permissões do IAM no BigQuery, consulte Introdução ao IAM.

Preparar os dados de entrada

Ao contrário de outros modelos multivariados que podem exigir tabelas separadas para covariáveis históricas e futuras, a função AI.FORECAST com TimesFM 3.0 espera uma única tabela de entrada ou consulta.

Antes de executar uma previsão, verifique se os dados atendem a estes requisitos:

  • Linhas históricas: contêm valores não nulos para carimbos de data/hora, metas e covariáveis passadas.
  • Linhas futuras: contêm valores não nulos apenas para carimbos de data/hora e covariáveis futuras. As colunas de destino e de covariáveis passadas precisam ser definidas como NULL para essas linhas futuras.

A tabela de entrada precisa ter colunas com os seguintes dados:

  • A data das vendas.
  • O número de garrafas de vodca vendidas nessa data. Essa é uma coluna de objetivo.
  • O número de garrafas de uísque vendidas nessa data. Essa é uma coluna de objetivo.
  • O valor médio da transação nessa data. Essa é uma covariável usada na previsão.
  • Se a data é um fim de semana. Essa é uma covariável futura usada na previsão.

Prever a série temporal multivariada única

A consulta a seguir prevê o número de garrafas de vodca e uísque vendidas nas duas primeiras semanas de julho de 2023 na loja 2633. Ele usa o valor médio da transação como uma covariável passada e se a data é um fim de semana como uma covariável futura.

Siga estas etapas para prever dados com o modelo TimesFM 3.0:

  1. No console do Google Cloud , acesse a página BigQuery.

    Acessar o BigQuery

  2. No editor de consultas, cole a consulta a seguir e clique em Executar:

    WITH historical_sales AS (
  SELECT
    date AS sales_date,
    store_number,
    SUM(CASE WHEN category_name LIKE '%VODKA%' THEN bottles_sold ELSE 0 END) AS vodka_bottles,
    SUM(CASE WHEN category_name LIKE '%WHISKEY%' THEN bottles_sold ELSE 0 END) AS whiskey_bottles,
    AVG(sale_dollars) AS avg_transaction_value,                          -- Past covariate
    IF(EXTRACT(DAYOFWEEK FROM date) IN (1, 7), 1.0, 0.0) AS is_weekend   -- Future covariate
  FROM `bigquery-public-data.iowa_liquor_sales.sales`
  WHERE date BETWEEN '2023-01-01' AND '2023-06-30'
    AND store_number = '2633'
  GROUP BY sales_date, store_number
),
future_horizon AS (
  SELECT
    future_date AS sales_date,
    store_number,
    CAST(NULL AS INT64) AS vodka_bottles,
    CAST(NULL AS INT64) AS whiskey_bottles,
    CAST(NULL AS FLOAT64) AS avg_transaction_value,
    IF(EXTRACT(DAYOFWEEK FROM future_date) IN (1, 7), 1.0, 0.0) AS is_weekend
  FROM UNNEST(GENERATE_DATE_ARRAY('2023-07-01', '2023-07-14')) AS future_date
  CROSS JOIN (SELECT DISTINCT store_number FROM historical_sales)
),
combined_sales AS (
  SELECT * FROM historical_sales
  UNION ALL
  SELECT * FROM future_horizon
)
SELECT
  FORMAT_DATE('%Y-%m-%d', sales_date) AS sales_date,
  vodka_bottles.value AS vodka_value,
  vodka_bottles.prediction_interval_lower_bound AS vodka_lower,
  vodka_bottles.prediction_interval_upper_bound AS vodka_upper,
  whiskey_bottles.value AS whiskey_value,
  whiskey_bottles.prediction_interval_lower_bound AS whiskey_lower,
  whiskey_bottles.prediction_interval_upper_bound AS whiskey_upper
FROM AI.FORECAST(
  TABLE combined_sales,
  model => 'TimesFM 3.0',
  timestamp_col => 'sales_date',
  target_cols => ['vodka_bottles', 'whiskey_bottles'],
  past_covariate_cols => ['avg_transaction_value'],
  future_covariate_cols => ['is_weekend'],
  id_cols => ['store_number'],
  horizon => 14,
  confidence_level => 0.90
);

A saída é semelhante a esta, com valores arredondados para fins de esclarecimento:

+------------+-------------+-------------+-------------+---------------+---------------+---------------+
| sales_date | vodka_value | vodka_lower | vodka_upper | whiskey_value | whiskey_lower | whiskey_upper |
+------------+-------------+-------------+-------------+---------------+---------------+---------------+
| 2023-07-01 | 408         | -334        | 1977        | 21            | -34           | 113           |
| 2023-07-02 | 806         | -281        | 2992        | 29            | -23           | 149           |
| ...        | ...         | ...         | ...         | ...           | ...           | ...           |
+------------+-------------+-------------+-------------+---------------+---------------+---------------+

Limpar

Para evitar cobranças na sua conta do Google Cloud pelos recursos usados no tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.

Excluir o projeto

  1. No console Google Cloud , acesse a página Gerenciar recursos.

    Acessar "Gerenciar recursos"

  2. Na lista de projetos, selecione o projeto que você quer excluir e clique em Excluir .
  3. Na caixa de diálogo, digite o ID do projeto e clique em Encerrar para excluí-lo.

A seguir