ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...

自社の業績を知るには、単に売上高や市場シェアなど分析すればいいでしょう。 未来の業績を知るには、過去データをもとに時系列予測モデルを構築し予測するという手もありますが、顧客の声を反映し、もう少し構造的に検討してもいいかも...

前回までは、simpleRNN・LSTM・GTUでモデル構築し1期先予測（1-Step ahead prediction）の方法について説明しました。 以下の記事は、simpleRNNでモデル構築し1期先予測（1-Ste...

販売高の最大化を目指し、営業部隊の成果を指標化することは、よくあります。 販売高の最大化のキーとなるのが、コスパのいい営業でしょう。 販売高そのもの以外で、いくつかの指標があります。 個々の営業パーソンや、営業所や部、課...

Pythonでデータ分析するとき、Jupyter Notebookを使う人は多いことでしょう。 試行錯誤の結果、ほぼ分析の流れが定型化した場合、必要の都度、Jupyter Notebook に記載されたPythonコード...

ビジネス実務で昔からあるデータ活用の1つが時系列予測です。 来月や来年の売上を予測したいであるとか、明日や来週のPVを予測したいであるとか、1時間先や明日の電力消費量を予測したいであるとか、時間という概念の紐付いた、時系...

高い塔に登って見渡せば、遠くまで見渡せます。低い椅子の上から見渡せば、遠くまで見渡せません。 低い椅子の上から下を見れば、足元（この場合、椅子の足元）は見えます。高い塔に登って下を見れば、その足元はよく見えません。 高い...

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...

機械学習の普及により、「予測」という視点の活用が拡大しています。 そのことで、ビジネスを構造的に理解し、近未来の手がかりを得ることができます。 従来の数理統計学的な手法にも、「予測」を可能とする手法は色々ありますが、機械...

ビジネスの世界で発生するデータの多くは、時間的概念の紐付いた時系列データです。 例えば、売上金額や受注件数、販売量、生産量、在庫量、PV（ページビュー）数、見込み顧客数、既存顧客数、離反顧客数、故障件数、広告宣伝費、人件...

時系列の深層学習（ディープラーニング）モデルの代表格がRNN（Recurrent Neural Network、リカレントニューラルネットワーク）です。RNNの構築方法と1期先予測（1-Step ahead predic...

時系列の深層学習（ディープラーニング）モデルの代表格がRNN（Recurrent Neural Network、リカレントニューラルネットワーク）です。 RNNの長期記憶が保持できないなどの問題点を改善する形で登場したL...

時系列の深層学習（ディープラーニング）モデルの代表格がRNN（Recurrent Neural Network、リカレントニューラルネットワーク）です。 他には、RNNの長期記憶を保存できないなどの問題点を改善する形で登...

キャンペーンや広告宣伝などのマーケティング活動を適切に評価するには、ベース販売高を見積もる必要があります。 ベース販売高とは、短期的なキャンペーンや広告宣伝などのマーケティング活動によらない販売高です。 短期的なキャンペ...

機械学習系のモデルを構築するときに外せない作業の1つが、特徴量エンジニアリング（Feature Engineering）です。 特徴量エンジニアリングの主な作業は、特徴量生成と特徴量選択（変数選択）です。 Feature...