Antecedentes

Connected Sheets ahora permite identificar irregularidades críticas y valores atípicos en datos de series temporales al analizar datasets de BigQuery desde Google Sheets. La nueva función de anomaly detection usa BigQuery ML y TimesFM para ofrecer análisis zero-shot, sin entrenamiento manual de modelos ni conocimientos complejos de SQL. Para usarla, los usuarios necesitan permisos sobre un proyecto de BigQuery con facturación habilitada.

{getToc} $title={Tabla de Contenido}

Antecedentes

Según el anuncio oficial Easily identify data irregularities with anomaly detection in Connected Sheets, Google está incorporando detección de anomalías en Connected Sheets para ayudar a los usuarios a distinguir entre tendencias esperadas y verdaderos outliers en datos de BigQuery.

La función está impulsada por BigQuery ML y TimesFM, permitiendo realizar análisis zero-shot. Esto significa que los usuarios pueden obtener insights accionables sin configurar ni esperar el entrenamiento de un modelo específico para sus datos.

Google también indica que esta capacidad se suma a la función de forecasting presentada recientemente, ampliando las herramientas predictivas disponibles directamente desde el entorno de trabajo de Google Sheets.

{getCard} $type={post} $title={LEA TAMBIÉN}

RECUERDE: Esta función no tiene control administrativo, pero requiere que el usuario tenga permisos para un proyecto de BigQuery con facturación habilitada. Revise permisos, costos y acceso a datos antes de usar anomaly detection en Connected Sheets.{alertSuccess}

Connected Sheets ayuda a detectar outliers en datos de series temporales de BigQuery usando BigQuery ML y TimesFM.

Impacto

La detección de anomalías en Connected Sheets facilita que equipos de datos, operaciones, finanzas, marketing y análisis detecten irregularidades sin salir de Google Sheets ni escribir consultas SQL complejas.

• Configuración sin SQL: un panel lateral guía al usuario para configurar el análisis de anomaly detection sin escribir una sola línea de SQL.
• Resultados claros: Connected Sheets genera columnas como is_anomaly, lower_bound y upper_bound para interpretar resultados con más facilidad.
• Thresholds personalizables: los usuarios pueden definir período de tiempo, anomaly probability threshold y filtros de datos.
• Valor predeterminado: el anomaly probability threshold usa 0.95 por defecto.
• Actualización automática: los extracts de anomaly detection pueden programarse para refresh automático, igual que otros objetos de Connected Sheets.

Recomendaciones

Para obtener mejores resultados, conviene preparar correctamente los datos de BigQuery y definir criterios claros antes de ejecutar anomaly detection desde Connected Sheets.

• Valide la serie temporal: asegure que los datos tengan fechas, métricas y granularidad consistentes.
• Revise el umbral: use el threshold predeterminado de 0.95 como punto de partida y ajústelo según sensibilidad requerida.
• Use filtros: limite el análisis a segmentos relevantes para evitar ruido en datasets grandes.
• Programe refresh: configure actualizaciones automáticas si el reporte se usa para monitoreo recurrente.
• Controle costos: revise facturación y consultas de BigQuery antes de aplicar análisis sobre grandes volúmenes de datos.

Disponibilidad y requisitos

Cómo empezar

• Administradores: no hay admin control para esta función.
• Usuarios finales: el acceso a anomaly detection en Connected Sheets requiere permisos para un proyecto de BigQuery con facturación habilitada. Consulte Google Help para aprender a usar BigQuery ML en Connected Sheets.

Ritmo de lanzamiento

• Rapid Release y Scheduled Release domains: disponible ahora.

Disponibilidad

• Disponible para todos los Google Workspace customers y usuarios con personal Google accounts.

{getCard} $type={custom} $title={Google al día} $info={¿Buscas más noticias del buscador y sus productos?} $icon={}