時系列データを分析したり時系列予測をする上で、私たちはしばしば「定常性」という概念に直面します。 定常性とは、簡単に言えば、時系列データの統計的性質が時間によって変化しないという性質です。 なぜこの性質が重要かというと、...

雨が降るかもしれないから傘を持っていく。 次のテストで良い成績を取るために計画を立てる。 どちらも日常生活の中で当たり前に行っていることですが、これらの決断には過去のデータが活用されていることをご存じでしょうか？ 実は、...

データ駆動型の意思決定が重要性を増す現代のビジネス環境において、時系列予測は欠かせないスキルとなっています。 売上予測、需要予測、在庫管理など、様々な場面で活用される時系列予測。しかし、その複雑さゆえに敬遠されがちなのも...

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...

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）...

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...

時系列モデルと言えば、ARIMAモデルです。最近では、FacebookのProphetモデルも人気です。 ThymeBoostは、時系列分解（トレンド成分・季節成分・など）と勾配ブースティング（XGBoostなど）を組み...

ビジネス活動でよく目にするのが、時系列データです。 この時系列データを使ったデータ分析・活用（データサイエンス実践）には、いくつかの種類があります。 時系列の異常検知 時系列の分類 時系列の予測 他にもありかもしれません...