2022.07.22 コラム
【統計・AI・機械学習】「なす」の家計支出と市場での出荷量の影響度を機械学習アシストツール「viz」で予測分析してみた！
●サマリー
- 統計データ×機械学習アシストツール「viz」を活用し、簡単3分で影響度推定が可能
- なすの出荷量（quantity）と「なす レシピ」の検索ボリュームはなすの家計支出へ影響がある模様
- なすの平均取引価格はマイナスの相関がみられそう
●家計支出への影響度が3分で推定できる！？機械学習アシストツール「viz」の特徴3つ
- csvアップロードで簡単機械学習（csvアップロードで簡単分析）
- データによるが、3ステップ、3分程度で結果を出力
※レコード数 縦1660行、横5列、ファイル容量10KB - 「簡単×早い」からこそいろんな粒度で何度でも分析/深掘りすることができる
●検証方法
■予測したいもの
∟なすの家計支出との相関
■予測につかうデータ
| 予測したい項目 | なすの家計支出金額 ※① |
| 予測に使う情報（特徴量） | なすの市場価格 ※② なすの市場取引数量 ※② 「なす レシピ」キーワード検索データ ※③ |
| 日付データ | 週次の粒度にて日付を定義 |
※①家計調査│家計支出│二人以上の世帯＜日別支出＞6-16品目分類による日別支出 2018年1月～2022年5月のデータを利用
※②農林水産省 青果物卸売市場調査│青果物卸売市場調査（日別調査）2018年1月～2022年5月のデータを利用
※③Yahoo!DSInsight 「なす レシピ」検索メタデータ 2018年7月～2022年6月のデータを利用
■予測方法
∟機械学習アシストツール「viz」貢献度分析機能 線形回帰モデルを利用
■検証手順
＜ステップ1＞
- 予測につかうデータを手配
下記のようなデータを手配し、「viz」へアップロード。
（今回のファイル：レコード数 縦 レコード数1660行、縦5列、ファイル容量10KB）
一番左に日付（date）、その隣に予測したい項目（今回はなすの家計支出金額）
以降、予測に使う情報を並べます。
＜ステップ2＞
- モデル名/予測したい項目/日付の項目/モデルの選択をテキストやプルダウンで簡単選択
- モデル名＝任意の名称を記載
- 予測したい項目＝なすの家計支出金額（household_spending）
- 日付の項目＝週毎の日付（week）
- 分析のタイプ＝線形回帰モデル
＜分析中＞
今回はこの画面は1分で結果がでました。
＜ステップ3＞
- 分析結果を出力
【分析結果】
- なすの出荷量（quantity）はなすの家計支出へ影響がある様子
- 「なす レシピ」の検索ボリュームもなすの出荷量についても影響がある模様
- なすの取引価格はマイナスの相関がみられるようだが、数値は低い傾向
⇒なすの値段が上がると一定層購買量が落ちる模様だがそれほど大きな影響ではない様子
※一般的に50%以上で「相関がある」といえます。
★トータル集計時間 約3分で上記示唆が得られました
■余談ですが
分析データを時系列にても可視化しました。
なすの出荷量（quantity）については家計支出金額と似た動きをしている様子が伺えます。
DataCurrentでは市場統計データや検索データ、弊社保有データを活用した分析を行っております。
ご興味のあるカテゴリや商材がございましたら是非お声がけくださいませ！
●さいごに
これまでは弊社内でも機械学習での分析に取り組む場合、エンジニアをアサインし、プロジェクトを組んで実行、エンジニアをアサインするための起案、プロジェクトのキックオフ、分析の実行とかなりの時間を要しておりました。
こちらのvizをつかうことで、分析までの工数を大幅に削減でき、スピーディーに分析と深掘りができました。
機械学習アシストツールvizに興味ある方は是非お声がけくださいませ。
》vizサービスサイトはこちら
》詳細資料・お問い合わせはこちら
■関連記事/資料
本件に関するお問い合わせは下記にて承ります。
株式会社DataCurrent
info@datacurrent.co.jp