• Slide image
  • Slide image

Sales Analytics, Co., Ltd.

データ分析・活用支援カンパニー

らくらくビジネスデータサイエンス
無料ツールでさくっとデータ分析し成果をだそう!

RECENT ARTICLES

Pythonによるマーケティングミックスモデリング<br>(MMM:Marketing Mix Modeling)超入門 その6<br><br>Ridge回帰モデルでMMM②(シンプルなAdStock考慮)

Pythonによるマーケティングミックスモデリング
(MMM:Marketing Mix Modeling)超入門 その6

Ridge回帰モデルでMMM②(シンプルなAdStock考慮)

本当に売上に貢献している広告は、どの広告か? 売上と広告媒体等との関係性をモデリングし、どの広告媒体が売上にどれほど貢献していたのか分析することができます。 それが、マーケティングミックスモデリング(MMM:Market...
Pythonによるマーケティングミックスモデリング<br>(MMM:Marketing Mix Modeling)超入門 その5<br><br>Ridge回帰モデルでMMM①(AdStock非考慮)

Pythonによるマーケティングミックスモデリング
(MMM:Marketing Mix Modeling)超入門 その5

Ridge回帰モデルでMMM①(AdStock非考慮)

本当に売上に貢献している広告は、どの広告か? 売上と広告媒体等との関係性をモデリングし、どの広告媒体が売上にどれほど貢献していたのか分析することができます。 それが、マーケティングミックスモデリング(MMM:Market...
第291話|折角だからこのデータを使って! と言われ無理に使うと面倒なことになる

第291話|折角だからこのデータを使って! と言われ無理に使うと面倒なことになる

たまに、「折角だからこのデータを使って!」的なことがあります。 そのデータを溜めるまでに多大なる労力を要したのか、データ整備に多大なる時間を要したのか、ITシステム周りでコストが掛かったのか、何かは知りませんが、特定のデ...
Pythonによる主成分回帰(PCR)と部分的最小2乗回帰(PLS)

Pythonによる主成分回帰(PCR)と部分的最小2乗回帰(PLS)

説明変数Xを主成分分析(PCA)を行い、その主成分で回帰モデルを構築するのが、主成分回帰(PCR)です。 主成分は、主成分の分散が最大になるように作成され、できるだけ元の説明変数Xのもっている情報量を保持しようとします。...
最適化問題をPythonのPyomoライブラリーで解こう<br><br>その1:線形計画問題

最適化問題をPythonのPyomoライブラリーで解こう

その1:線形計画問題

最適化問題は、マーケティング予算配分の最適化、配送ルートの最適化、スケジュール最適化など、何かを最適化する問題を扱うものです。 最適化問題には、登場する数式や最適解の条件などによって、線形計画問題や非線形計画問題、混合整...
(Python版)複数季節性を持つ時系列データをTBATSモデルで構築

(Python版)複数季節性を持つ時系列データをTBATSモデルで構築

時系列データには複数の季節性を持つ場合があります。 例えば、日単位の時系列データであれば週周期と年周期、時単位の時系列データであれば日周期と週周期などです。 時系列データでよく利用されるモデルは、ARIMA系のモデルです...
第290話|データ活用の「現場のお困りごと」と「データのお困りごと」

第290話|データ活用の「現場のお困りごと」と「データのお困りごと」

データ活用を考えたとき、先ずはデータ活用する「現場のお困りごと」を考えるべきです。 しかし、「データのお困りごと」から入ってしまうケースが多々あります。 「データのお困りごと」とは、データが足りない、データが汚い、データ...
(Python版)VARモデルによるグレンジャー因果性とインパルス応答

(Python版)VARモデルによるグレンジャー因果性とインパルス応答

VAR(Vector Autoregressive、ベクトル自己回帰)モデルとは、ARモデル(自己回帰モデル)の多変量版です。 VARモデルで、時系列の変数Xと変数Yの間の関係性を検討することができます。 例えば…… グ...
時系列データの自己相関と相互相関をPythonで求めてみよう

時系列データの自己相関と相互相関をPythonで求めてみよう

時系列データを分析するとき、時系列データの性質を知るために自己相関と相互相関を求めたりします。 自己相関と相互相関は、通常の数理統計学で登場する相関係数を、単に時系列データに応用したもので、2つの時系列データの類似性を表...
第289話|データサイエンスレポートは模擬テスト結果を参考にすればいい

第289話|データサイエンスレポートは模擬テスト結果を参考にすればいい

集計や分析、予測の結果をダッシュボードやレポートなどとして、データ活用する現場に提供することがあります。 どのようなダッシュボードやレポートを作ればいいのか? そう悩む人も多いことでしょう。 今回は、「データサイエンスレ...
Pythonでの時系列データに対する欠測値補完方法

Pythonでの時系列データに対する欠測値補完方法

ビジネスの世界では、売上やPV数などの時系列データがたくさんあります。このような時系列データは、いつも完璧なコンディションで存在するわけではありません。 例えば、データの一部が欠損、つまり、欠測値の状態になっていることが...
Python RPY2を使い Jupyter上でPythonとRを混在して使う

Python RPY2を使い Jupyter上でPythonとRを混在して使う

Pythonユーザの中には、Jupyter上でPythonを使う方も多いことでしょう。 Pythonを使いながらRの便利な関数を利用したい、そう思われる方も多いことでしょう。 Jupyter上でPythonを使いながら、...
第288話|データサイエンス系プロジェクトの重要なキーである<br>ステークホルダーアップデート

第288話|データサイエンス系プロジェクトの重要なキーである
ステークホルダーアップデート

データサイエンス系プロジェクトを成功裏に納めるためには、人の成長やチーム構成なども重要ですが、連携も重要です(当たり前といえば、当たり前ですが……)。 そこで、どう育成するのか、どうチーム構成するのか、ではなく、チームが...
時系列データから複数の季節変動成分をRのMSTL関数で抽出する

時系列データから複数の季節変動成分をRのMSTL関数で抽出する

売上などの時系列データには、周期性があります。周期性の中で、期間の決まっているものを季節性と言ったりします。 例えば、1日単位の売上データであれば週周期(7日間)や年周期(365.25日間)、1時間単位の気温データであれ...
PyMC3を使ったPythonベイズ推定超入門(その3)<br><br>ベイズ型線形回帰モデルを作ってみよう!

PyMC3を使ったPythonベイズ推定超入門(その3)

ベイズ型線形回帰モデルを作ってみよう!

前回と前々回にベイズ推定について簡単に説明しました。 以下、前回の記事です。 以下、前々回の記事です。 通常の線形回帰モデルは、切片や係数、予測の値は1つです。 一方,ベイズ線形回帰モデルで得られるのは分布です。正確には...
Rの1,800以上のサンプルデータをPythonで使う方法

Rの1,800以上のサンプルデータをPythonで使う方法

統計解析のフリーの分析ツールと言えば、Rです。 Rの中には、たくさんのサンプのデータセットがあります。 Pythonで使いたい! という方もいることでしょう。 Pythonの統計解析パッケージであるstatsmodels...