• 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 の生存時間分析ライブラリー Lifelines で実施する <br>「離反時期(顧客であるまでの期間)分析」

Python の生存時間分析ライブラリー Lifelines で実施する
「離反時期(顧客であるまでの期間)分析」

離反時期や故障時期などを分析する生存時間分析を実施する手段は色々ありますが、生存時間用のライブラリーを活用するのがいいでしょう。 今回利用するのは、LifelinesというPythonのライブラリーです。 生存時間分析ラ...
離反時期の予測に使えるPython の<br>生存時間分析ライブラリー Lifelines に慣れよう!

離反時期の予測に使えるPython の
生存時間分析ライブラリー Lifelines に慣れよう!

生存時間分析とは…… 生物の死 顧客の離反 機械システムの故障 ……など、あるイベント(例:死、離反、故障など)が発生するまでの時間(期間)を推測するための統計学的なデータサイエンス技術です。 詳細というか概要を以下の記...
第267話|顧客であるまでの期間(離反する時期)を予測する生存時間分析

第267話|顧客であるまでの期間(離反する時期)を予測する生存時間分析

質問です。 あなたの会社の顧客が、顧客である期間はどのくらいですか? この顧客は何年後に離反しますか? もう1つ質問です。 あなたの会社の機械(もしくは、顧客の機械)が、1年間正常に稼働した後、どのくらい持ちますか? こ...
Python のハイパーパラメータ自動最適化ライブラリー Optuna その2<br> – Optunaを使うとき最低限覚えておきたい探索範囲の指定方法 –

Python のハイパーパラメータ自動最適化ライブラリー Optuna その2
– Optunaを使うとき最低限覚えておきたい探索範囲の指定方法 –

機械学習などの数理モデルには、通常幾つかのハイパーパラメータがあり、そのハイパーパラメータの設定次第で大きく精度が変わります。 このハイパーパラメータを調整し最適な設定を探すタスクを、ハイパーパラメータチューニングと言い...
Python の ハイパーパラメータ自動最適化ライブラリー Optuna その1<br> – Optuna のちょっとした使い方 –

Python の ハイパーパラメータ自動最適化ライブラリー Optuna その1
– Optuna のちょっとした使い方 –

機械学習などの数理モデルには、通常幾つかのハイパーパラメータがあり、そのハイパーパラメータの設定次第で大きく精度が変わります。 このハイパーパラメータを調整し最適な設定を探すタスクを、ハイパーパラメータチューニングと言い...
PythonのPandasを使った時系列データの3種類の特徴量(説明変数)の作り方

PythonのPandasを使った時系列データの3種類の特徴量(説明変数)の作り方

売上などのビジネス系のデータの多くは、時間概念が紐付いた時系列データです。 時間概念を取っ払ったテーブルデータと異なり、時系列データは、過去の値に大きく依存する、という特徴があります。そのため、一工夫必要になります。例え...
第265話|データの前処理とは何か?

第265話|データの前処理とは何か?

データを手に入れたとき、集計や分析、数理モデル構築などをする前に、前処理をしデータをキレイにする必要があります。 前処理を適切に行わないと、間違った何かを出力することになります。 では実際どのようなことをするのか? 今回...
第264話|時系列データの5種類の特徴量(説明変数)

第264話|時系列データの5種類の特徴量(説明変数)

売上などのビジネス系のデータの多くは、時間概念が紐付いた時系列データです。 時間概念を取っ払ったテーブルデータと異なり、時系列データは、過去の値に大きく依存する、という特徴があります。 そのため、一工夫必要になります。例...
第263話|教師なし学習と教師あり学習を使った「リード(見込み顧客)の受注予測」

第263話|教師なし学習と教師あり学習を使った「リード(見込み顧客)の受注予測」

法人相手のビジネスやECサイト、個別面談を通すようなビジネスなどでは、顧客をIDベースで追えるケースが多いです。 運が良ければ、リード(見込み顧客)の段階で、何かしらデータを得ているケースもあります。法人相手のビジネスな...
時系列AutoML(自動機械学習)<br>第1回:イントロダクション<br>(AutoTSのインストール方法と簡単な使い方など)

時系列AutoML(自動機械学習)
第1回:イントロダクション
(AutoTSのインストール方法と簡単な使い方など)

最近色々な自動機械学習 AutoML(Automated Machine Learning)が登場しています。 AutoML(自動機械学習)は、機械学習パイプライン(データセット→特徴量エンジニアリング→学習→評価など)...
第262話|需要予測モデル構築時に検討すべき5つのポイント

第262話|需要予測モデル構築時に検討すべき5つのポイント

需要予測はビジネスの現場では非常に重要なことです。ただ、データによらない経験と勘といい加減による予測が蔓延っている世界でもあります。 面倒だから、昨年と一緒、昨年の売上を1.1倍する、取り急ぎ右肩上がりに描く、みたいない...
量質混在データ(数値変数とカテゴリカル変数が混在)に対する<br>Gower距離による階層型クラスタリング(Python)

量質混在データ(数値変数とカテゴリカル変数が混在)に対する
Gower距離による階層型クラスタリング(Python)

クラスター分析で利用されるメジャーなアルゴリズムは、非階層型クラスタリングのk-means法か、階層型のWard法がよく使われます。 問題は、量的データ(数値変数)のみを使うというところにあります。質的データ(カテゴリカ...
第261話|機械学習と相性のいい顧客のチャーン予測(離反予測)

第261話|機械学習と相性のいい顧客のチャーン予測(離反予測)

よくあるデータ活用のテーマの1つに、顧客のチャーン予測(離反予測)というものがあります。離反率をはじき出すことができます。 離反率は、顧客満足度の重要な指標です。離反率が低いということは、顧客が満足しているということです...
第260話|2つの市場反応分析(Market Response Analysis)

第260話|2つの市場反応分析(Market Response Analysis)

市場反応分析(Market Response Analysis)では、広告・価格変更・販促・営業などのマーケティング活動に対する反応(売上や購買行動など)を分析します。 比較的やりやすく、多くの人に関心をもられやすいデー...