Google AI StudioでPythonコードを生成・修正する
Pythonでデータを集計したいとき、以前なら自分でコードを一から書く必要がありました。 今は、やりたいことを生成AIへ伝えると、Pythonコードの下書きを作ってもらえます。 ただし、便利だからといって、生成されたコー...
RECENT ARTICLES
Python 時系列分析 1,000本ノック
– ノック93: 予測誤差指標の比較 –
問題 答え 解説 次の Python コードで、予測Aと予測Bの評価結果に注目してください。MAEではAとBの差が小さいのに、RMSEでは大きな差がついています。この違いは何を意味していますか？ Python コード: ...
第507話｜A/Bテストができない現場のための効果測定
「やらなかった世界」をどう作るか
「効果を知りたいなら、ABテストをすればいい」 効果測定の話になると、必ずこの答えが返ってきます。 対象を2つに分けて、片方だけに施策を打ち、結果を比べる。理屈としては、これが最も確実です。 ただ、実務でこう返された経験...
ChatGPTのデータ分析で、表とグラフを作るための依頼方法
ChatGPTにCSVをアップロードして…… このデータを分析してください。 ……と入力するだけでも、何らかの分析結果は返ってきます。 ただし、実務で使おうとすると、こんなことが起こりがちです。 欲しかった集計単位と違う...
Python 時系列分析 1,000本ノック
– ノック92: SARIMAX –
問題 答え 解説 次の Python コードの exog 引数は何をしていますか？ Python コード: import numpy as np, pandas as pd from statsmodels.tsa.st...
【登壇・参加無料】（2026/08/20）
生成AIで売上を伸ばす 〜 基本から、集客・販促・接客・売上分析まで 〜
（東京商工会議所 豊島支部 オンライン開催）
東京商工会議所 豊島支部 主催 全3回シリーズ「中小企業のための生成AI活用実践講座」 【第1回】生成AIで売上を伸ばす 〜基本から、集客・販促・接客・売上分析まで〜 【参加費無料 / ZOOM配信にて開催】 開催日時：...
第506話｜施策の効果を語る前に、1枚の図を描く
会議の空回りを止める「因果ダイアグラム」
「SNSは売上に効いているのか」 この議題で、会議が2時間空回りした会社があります。 営業は「若いお客様が明らかに増えた。効いている」と言う 経営企画は「売上が伸びた時期にたまたま投稿も多かっただけでは」と返す データ分...
ChatGPT無料版でCSVを読み込み、売上データを分析する
「CSVは手元にある。でも、まずどこを見ればよいのか分からない」 そんなとき、ChatGPTへCSVファイルを渡すと、自然言語で質問しながらデータの概要を確認したり、集計したり、グラフを作ったりできます。 しかも、Cha...
Python 時系列分析 1,000本ノック
– ノック91: カルマンフィルタ –
問題 答え 解説 次の Python コードのカルマンフィルタは何を行っていますか？ Python コード: import numpy as np from pykalman import KalmanFilter np...
第505話｜集計の仕方で営業成績が変わる ― 成約率が高いのは、どちらの営業か
ある営業部で、こんなことが起きました。 ベテランの田中さんと、若手の佐藤さん。過去1年の担当案件はどちらも100件です。 成約率を集計すると…… 田中さんが25% 佐藤さんが35% 数字の上では、「田中さん25%＜佐藤さ...
第504話｜「広告を見た人ほど買っている」は、広告が効いた証拠にはなりません
広告の効果報告で、こんなグラフを見たことはないでしょうか。 棒が2本並んでいます。 左は「広告に接触した人」の購入率、右は「接触しなかった人」の購入率。左のほうが明らかに高い。 資料には「広告接触者の購入率は2.4倍」と...
![【登壇・参加無料】（2026/7/30）<br>ものづくり現場AI/DX DAY 2026 summer [for Leaders]<br>― AI/DXを“試す段階”から、“成果を出す段階”へ ―](https://www.salesanalytics.co.jp/wp-content/uploads/2026/07/784271698085abd9fb5f8ec0961ca531.jpg)
【登壇・参加無料】（2026/7/30）
ものづくり現場AI/DX DAY 2026 summer [for Leaders]
― AI/DXを“試す段階”から、“成果を出す段階”へ ―
2026年7月29日（水）・30日（木）にオンラインで開催される「ものづくり現場AI/DX DAY 2026 summer [for Leaders]」に、株式会社セールスアナリティクス代表取締役／Chief Data ...
欠損値処理シリーズ 第10回：
多変量補完② — MICE・MissForest と欠損インジケータ、選び方ガイド
ついにシリーズ最終回です。 第1回で欠損のメカニズム（MCAR / MAR / MNAR）を紹介し、削除戦略（第3〜4回）、単変量補完（第5〜7回）、時系列補完（第8回）、KNN補完（第9回）と進んできました。 第1回：...
第503話｜「相関と因果は違う」で止まっていませんか？
ビジネス判断を誤らせる3つのパターン
研修で必ず出てくる話があります。 「アイスクリームが売れる時期は、水難事故も増える。 でもアイスが事故を起こしているわけではない。 どちらも気温のせいで増えている」 聞けば誰でも分かる話です。 ところが、この知識が会議で...
欠損値処理シリーズ 第9回：
多変量補完① — KNN Imputer で近傍から補完する
第5〜7回の単変量補完では「その列の情報だけ」を使い、第8回では時系列特有の前後関係を使いました。 第5回：単変量補完① — 定数・任意値での補完（pandas と SimpleImputer） https://www....
Python 時系列分析 1,000本ノック
– ノック90: 指数加重移動平均（EWMA） –
問題 答え 解説 次の Python コードで比較している EWMA（指数加重移動平均）は、通常の移動平均（SMA）と比べてどのような特徴がありますか？ Python コード: import numpy as np, p...