第283話｜階層時系列データと予測モデル構築
ビジネスの現場で目にする多くのデータは時系列データです。例えば、売上やセンサーデータなどです。 さらに、ビジネスの現場で目にする多くの時系列データは、階層構造を持っています。例えば、売上全体とエリアごとの売上、そのエリア...
RECENT ARTICLES
第282話｜A/Bテストの7ステップ
今も昔も実施されているデータ活用の1つが、ABテストです。データサイエンティストなどが関わることも多いです。 ただ、データサイエンティストがA/Bテストを行う方法は近年大きく変化しています。 従来は、手作業で行うものが多...
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4
最適なアドストック（Ad Stock）を探索しモデル構築
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281話｜データ活用は「PoV」でデータビジネスは「PoB」
DXやAI、機械学習、データサイエンスというキーワードとともに、企業で実施されるようになったものの1つに、PoC（Proof of Concept、概念実証）というものがあります。 PoC（Proof of Concep...
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3
ちょっと複雑なアドストック（Ad Stock）を考慮した線形回帰モデル
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280話｜データ分析と収穫逓減の法則と果汁理論
収穫逓減とは、例えば「農業において、一定面積からの一人当たりの収穫が、労働力の追加的投下によってしだいに減少する」という現象を表現したものです。 要は、労働投入量の増大に比例せず、追加労働1単位の収穫量は逓減していく、と...
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2
アドストック（Ad Stock）を考慮した線形回帰モデル
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
（MMM：Marketing Mix Modeling）超入門 その1
線形回帰モデルでMMMを作ろう！
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279話｜点過程データと時系列データ
時系列（time series）データと混同されやすいデータがあります。 点過程（point process）データです。 点過程時系列データと呼ぶこともあり、通常の時系列データと混同されることも多々あります。 そもそも...
Pythonで時系列解析・超入門（その9）
テーブルデータ系モデルで構築する時系列予測モデル
（ランダムフォレスト）
多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。 例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。 線形回帰...
Pythonで時系列解析・超入門（その8）
テーブルデータ系モデルで構築する時系列予測モデル
（ディシジョンツリー）
多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。 例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。 線形回帰...
Pythonで時系列解析・超入門（その7）
テーブルデータ系モデルで構築する時系列予測モデル
（正則化項付き線形回帰）
多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。 例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。 線形回帰...
第278話｜データは副産物ではなく血液である
IT化を進めれば、その副産物としてデータは発生します。 そのデータを保存さえしていれば、その副産物としてのデータを分析し、何かに活用することができます。 ただ、データを副産物として扱う限り、データは活用しにくい状態で保存...
Pythonで時系列解析・超入門（その6）
テーブルデータ系モデルで構築する時系列予測モデル
（線形回帰）
多くの人にとって馴染みがあるのは、時系列データ系の数理モデル（アルゴリズム）よりも、テーブルデータ系の数理モデル（アルゴリズム）の方です。 例えば、以下の数理モデル（アルゴリズム）はテーブルデータ系のものです。 線形回帰...
Pythonで時系列解析・超入門（その5）
テーブルデータ系の数理モデル（アルゴリズム）で
時系列予測するための準備
前回までは、時系列データ系の数理モデル（アルゴリズム）で、時系列予測モデルを構築し予測する方法について、説明してきました。前回は、Prophetモデルを扱いました。 Pythonで時系列解析・超入門（その4）Prophe...
Pythonで時系列解析・超入門（その4）
Prophetモデルで予測する方法
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...
