【POS売上分析Copilotを作る #2】
Tool Calling入門
― 生成AIに「計算させる」のではなく「関数を選ばせる」 ―
前回の記事では、生成AIにCSVを渡して「分析して」と頼むと数字が毎回変わる理由を、期間・対象・指標・出力形式の4条件から整理しました。そして、4条件を関数の引数に固定すれば、誰が何回計算しても同じ数字になることを確かめ...
RECENT ARTICLES
【POS売上分析Copilotを作る #2】
【POS売上分析Copilotを作る #1】
生成AIにCSVを渡して「分析して」と頼むと、なぜ数字が毎回変わるのか
― 指定すべき4つの条件 ―
生成AIのチャット画面にCSVを添付して、「先週から売上が落ちた商品を教えて」と頼む。数秒で、それらしい表と説明が返ってくる。便利です。 ところが、同じ質問を翌日もう一度すると、違う商品名と違う金額が返ってくる。3回目は...
EconMLで実践する ビジネス因果推論
（第9回）
その結論、信じていいのか
（レビュー会の5つの質問にプラセボ検定と感度分析で答える）
手法を決め、数字が出て、資料を作りました。レビュー会でデータに詳しい役員がこう聞きます。「その422円、信じていいの？」 この問いに「頑健です」と答えてはいけません。答えるべきは「どういう条件なら覆るか」です。今回は第2...
Python 時系列分析 1,000本ノック
– ノック102: Theta法 –
問題 答え 解説 次の Python コードの予測値は、1期あたり b0 のちょうど半分ずつ増えています。この予測方法の説明として正しいものはどれですか？ Python コード: import numpy as np f...
第515話｜「なぜ売上が落ちたのか」に、根拠つきで答えるには
生成AIの回答を「事実」と「仮説」に切り分ける
「先週、なぜ売上が落ちたのか」 店長や上司から、こう聞かれることがあります。 売上データを生成AIに渡して同じ質問をすると、数秒で、もっともらしい理由がいくつも返ってきます。 ところが、その理由をそのまま報告すると、たい...
CausalImpactで実践する 施策の効果検証（第2回）
tfcausalimpactのインストール手順（Windows）とよくあるエラーの直し方
前回（第1回）までは、pandasだけで前後比較の危うさを確かめました。 今回から、いよいよCausalImpactのライブラリを使います。 入れ方は pip install tfcausalimpact の1行です。 ...
EconMLで実践する ビジネス因果推論
（第8回）
手法を使い分ける
（メタラーナー4種とLinearDMLを同じデータで比べる）
EconMLには SLearner、TLearner、XLearner、DRLearner……と手法が並んでいます。「結局どれを使えばいいのか」。いちばん多い質問です。 今回は事例を変えて、BtoB法人営業の「重点フォロ...
【登壇・参加無料】（2026/10/22）
明日からできるデータ活用術
〜コストをかけずにカンタンに売上アップ！〜
（東京商工会議所新宿支部 オンライン開催）
商工会議所で、コストをかけずに明日からできるデータ活用術のお話しを、こっそりします。 タイトル: 〜コストをかけずにカンタンに売上アップ！〜 「明日からできるデータ活用術」 開催日: 2026年10月22日（木）14:0...
Python 時系列分析 1,000本ノック
– ノック101: GARCH –
問題 答え 解説 次の Python コードで推定したモデルについて、出力の a + b（alpha[1] と beta[1] の和）が1に近いことから何がわかりますか？ Python コード: import numpy...
第514話｜同じデータを渡したのに、聞くたびに売上が変わった
計算は「させる」のではなく「呼び出させる」
生成AIに売上データを渡して、こう聞く。 「先週の売上はいくら？」 最近、こういう使い方をする人が増えています。 表計算ソフトを開いて集計するより、ずっと早い。 ところが、この手軽さには、少し困った性質があります。 同じ...
生成AIの回答をJSONで受け取る
– 「JSONで返して」と頼むだけでは足りない –
Pythonで集計した売上を生成AIに渡して、商品ごとに「見出し」と「コメント」を書いてもらう。書いてもらった結果は、Pythonの表（DataFrame）に並べて、Excelに書き出したり、レポートに差し込んだりしたい...
EconMLで実践する ビジネス因果推論
（第7回）
誰に配るかを決める
（SingleTreePolicyInterpreterに原価を入れて期待利益を出す）
第6回の1枚を見た上司が、次にこう言います。「で、何枚配る？ いくら儲かる？」 ここで問いが変わります。これまでは「効果はいくらか」でした。今回は原価を入れて、「誰に配ると、いくら残るか」を答えます。クーポン1枚の原価は...
Python 時系列分析 1,000本ノック
– ノック100: Naive・Seasonal Naive –
問題 答え 解説 次の Python コードでは、ARIMAモデルと一緒に Naive と SNaive という2つの単純な予測も計算しています。これらを計算している目的として最も適切なものはどれですか？ Python ...
第513話｜モデルはそのまま、前処理を変えただけ
予測精度が伸びないとき、最初に疑う場所
予測モデルの精度が、伸びなくなることがあります。 アルゴリズムを変える。パラメータを調整する。特徴量を追加する。 やれることをやり尽くして、それでも数字が動かない。そんなとき、見落とされがちな場所があります。 欠損値の扱...
CausalImpactで実践する 施策の効果検証（第1回）
前後比較で施策の効果を測ると何がまずいのか（反実仮想とは）
前回、キャンペーンをした5月の売上は、前の月より14.7%多い、という数字を出しました。 前の年の5月と比べると17.9%。キャンペーン前の平均と比べると19.6%。 同じ店、同じキャンペーンなのに、比べる相手を変えるだ...
EconMLで実践する ビジネス因果推論
（第6回）
エライ人に説明できる形にする
（SingleTreeCateInterpreterで因果フォレストを4行のルールに）
第5回の因果フォレストの結果を持って、エライ人に報告に行ったとします。 「効果は1人ひとり違っていて、1,000本の木（ディシジョンツリー）の平均で……」と言いかけたところで、こう返されます。「で、誰に配ればいいの？」 ...