BigQueryで機械学習を始めよう！BigQuery MLで予測モデルを構築

2024年9月8日2024年11月28日

記事の対象者と解消できるお悩み

【対象者】

初級データアナリスト、初級データエンジニア、初級データサイエンティスト

【興味関心】

BigQueryのパフォーマンス向上ベストプラクティス
大規模データの効率的な分析
分析コストの削減

【解消できるお悩み】

機械学習をやってみたいが、専門知識や環境構築が難しそうでハードルが高い…
Pythonなどのプログラミング言語を習得する時間がない…
BigQueryのデータを使って、簡単に機械学習モデルを構築したい
予測分析を業務に活用して、課題解決や意思決定に役立てたい
BigQuery MLでどんな予測モデルが作れるのか知りたい

記事作成者

【人物】株式会社志庵　代表取締役　佐藤　光　起業6年目

【経歴】株式会社光通信➜光通信同期と起業➜データアナリスト転職➜SaaSで2度目起業

【会社実績】

SaaS 資金調達無しARR2億円

SaaS GMV200億円

【内容】自社AaaSであるStruccle、webスクレイピング、BigQueryに関する記事を作成

各種用語

ARR(Annual Recurring Revenue)
- サブスクリプションサービスの年間売上※当社はSaaS売上
Struccle(ストラクル)
- 株式会社志庵が独自開発しているAaaS
AaaS(アース)
- Data Analytics as as Serviceの意
SaaS(サース)
- Software as a Serviceの意
GoogleCloudPlatform
- Googleが提供するクラウドプラットフォーム。この中に様々なサービスが存在する。
GCP(ジーシーピー)
- GoogleCloudPlatformの略
BigQuery(ビッグクエリ)
- 上記GCPの中に含まれるデータ分析基盤サービス
SQL(エスキューエル)
- データベースを操作するプログラミング言語
クエリ
- SQLで記述した命令文
- クエリ例）
  - SQL構文のクエリ⬇
    - SELECT item_name, price FROM sales_table where price >= 1000;
    - 上記クエリ(命令文)の意味としては「売上テーブル(sales_table)から価格(price)が1000円以上の商品名(item_name)と価格(price)を抽出する」
ペタバイト
- データの単位　ペタバイト＝1000テラバイト＝約100兆行のデータ

概要

機械学習は、データから未来を予測したり、隠れたパターンを発見したりする強力な技術です。

しかし、従来の機械学習は、専門的な知識や複雑な環境設定が必要とされ、導入のハードルが高いものでした。

Google CloudのBigQuery MLは、SQLを使って簡単に機械学習モデルを構築できる機能を提供し、このハードルを大きく下げました。

この記事では、BigQuery MLを使って機械学習を始める方法を、ステップバイステップで解説します。データ分析初心者の方でも、BigQuery MLを使って予測モデルを構築し、ビジネスに役立つ予測分析を行うことができるようになります。

具体的な例を交えながら、BigQuery MLの使いやすさと可能性を体感しましょう。

当社ではBigQueryMLの導入サポートを行っています。

1. BigQuery MLとは？

BigQuery MLはBigQuery内で直接機械学習モデルを構築・実行できる機能です。

SQLクエリを使ってモデルをトレーニングし、予測を行うことができます。

従来のように、データを別の機械学習プラットフォームに移動する必要がないため、時間とコストを大幅に削減できます。

当社でもBigQueryMLを活用していますが、作業も料金もともに非常に低コストで運用可能でオススメです。

特に凄いのがGoogleの生成AIモデルGeminiがBigQueryから使えます！！

しかも非常に簡単！

※BigQuery ML＝BigQuery Machine Learning

2. BigQuery MLで機械学習を行うメリット

BigQuery MLで機械学習を行うメリットは以下の点が挙げられます。

使いやすさ： SQLを使って機械学習モデルを構築できるため、専門的な知識やスキルがなくても利用できます。
高速な処理速度： BigQueryの高速なクエリ処理能力を活用することで、効率的にモデルをトレーニングできます。
スケーラビリティ： BigQueryのスケーラビリティにより、大規模なデータセットにも対応できます。
コスト効率： 従量課金制なので、必要な時に必要なだけ利用できます。
セキュリティ： BigQueryのセキュリティ機能により、安全にデータを管理できます。

3. BigQuery MLで予測モデルを構築する手順

BigQuery MLで予測モデルを構築する手順は以下の通りです。

データの準備： BigQueryに格納されているデータから、モデルのトレーニングに使用するデータを選択します。
モデルのトレーニング： CREATE MODEL文を使って、モデルをトレーニングします。モデルの種類（線形回帰、ロジスティック回帰など）、入力特徴量、予測対象などを指定します。
モデルの評価： ML.EVALUATE関数を使って、トレーニングされたモデルの精度を評価します。
予測の実行： ML.PREDICT関数を使って、新しいデータに対して予測を行います。

4. BigQuery MLで構築できるモデル例

BigQuery MLでは様々な種類の機械学習モデルを構築できます。

以下は代表的なモデル例です。

4.1 線形回帰モデル

線形回帰モデルは、入力特徴量と予測対象の間の線形関係をモデル化する手法です。

例えば、広告費と売上高の関係を分析したり、気温とアイスクリームの売上数の関係を予測したりするのに利用できます。

例：

CREATE OR REPLACE MODEL mydataset.sales_prediction OPTIONS(model_type='linear_reg') AS SELECT advertising_spend, temperature, sales FROM mydataset.sales_data;

4.2 ロジスティック回帰モデル

ロジスティック回帰モデルは、入力特徴量から予測対象が特定のカテゴリに属する確率を予測する手法です。

例えば、顧客の属性情報から、商品を購入する確率を予測したり、メールの本文から、スパムメールである確率を予測したりするのに利用できます。

例：

CREATE OR REPLACE MODEL mydataset.customer_churn_prediction OPTIONS(model_type='logistic_reg') AS SELECT customer_age, contract_length, monthly_charges, churned FROM mydataset.customer_data;

4.3 k-meansクラスタリングモデル

k-meansクラスタリングモデルはデータを類似性に基づいてグループ分けする手法です。

例えば、顧客を購買行動に基づいてセグメント化したり、商品の類似度に基づいてグループ分けしたりするのに利用できます。

例：

CREATE OR REPLACE MODEL mydataset.customer_segmentation OPTIONS(model_type='kmeans', num_clusters=5) AS SELECT customer_age, annual_income, spending_score FROM mydataset.customer_data;

5. BigQuery MLの活用事例

BigQuery MLは様々なビジネスシーンで活用されています。

以下は具体的な活用事例です。

需要予測： 過去の売上データや気象データなどを用いて、将来の需要を予測し、在庫管理や生産計画に役立てる。
顧客ターゲティング： 顧客属性や購買履歴などを分析し、特定の商品やサービスに興味関心の高い顧客を特定し、ターゲティング広告などに活用する。
不正検知： 過去の取引データなどを分析し、不正取引のパターンを学習することで、リアルタイムに不正取引を検知する。

6. FAQ：BigQueryに関するよくある質問

faq

Q1. BigQuery MLはどのような機械学習モデルに対応していますか？

BigQuery MLは、線形回帰、ロジスティック回帰、k-meansクラスタリング、時系列モデル、Boostingツリーモデルなど、様々な機械学習モデルに対応しています。

対応しているモデルはBigQuery MLの公式リファレンスで確認できます。

Q2. BigQuery MLで作成したモデルは他のツールで利用できますか？

BigQuery MLで作成したモデルはBigQuery内でも他のツール(Python等)でも利用することができます。

ML.PREDICT関数を使ってBigQueryのデータに対して予測を行うことができます。

また、モデルをエクスポートして他のツールで利用することも可能です。

Q3. BigQuery MLの利用料金はどのくらいですか？

BigQuery MLの利用料金はBigQueryのクエリ料金とストレージ料金に準じます。

モデルのトレーニングや予測を行う際に、クエリが実行され、データが処理されるため、その分の料金が発生します。

詳しくはBigQueryの料金ページをご確認ください。

意図せず数百万円の料金がかかる事例などありますので、当社へご相談くださいませ。

7. まとめ：BigQuery MLで機械学習をビジネスに活用しよう！

BigQuery MLはSQLを使って簡単に機械学習モデルを構築できる強力なツールです。

データ分析初心者の方でも、BigQuery MLを活用することで、機械学習をビジネスに活用することができます。

ぜひ、BigQuery MLを試してデータ分析の可能性を広げてみましょう。

導入サポートをご希望の企業様はお問い合わせフォームからご相談くださいませ。

誠心誠意精一杯対応いたします。

【参考URL】

GoogleCloudPlatform：https://console.cloud.google.com/welcome/new

BigQuery：https://cloud.google.com/bigquery?hl=ja

BigQueryリリース情報：https://cloud.google.com/bigquery/docs/release-notes

BigQuery料金：https://cloud.google.com/bigquery/pricing

BigQuery料金無料枠：https://cloud.google.com/bigquery/pricing?hl=ja#free-tier

BigQueryクエリ最適化：https://cloud.google.com/bigquery/docs/best-practices-performance-overview?hl=ja

BigQueryML：https://cloud.google.com/bigquery-ml/docs/reference/standard-sql/bigqueryml-syntax-create

Google Cloud活用事例：https://cloud.google.com/customers/index.html?hl=ja#

Looker Studio：https://cloud.google.com/looker-studio?hl=ja

Looker Studioサンプル：https://cloud.google.com/bigquery/docs/visualize-looker-studio?hl=ja

Google Analytics：https://developers.google.com/analytics?hl=ja

Google Analyticsサポート：https://support.google.com/analytics/

よかったらシェアしてね！

URLをコピーしました！

URLをコピーしました！