Column

コラム

  • 【統計・AI・機械学習】「ピーマン」の家計支出と市場での出荷...

【統計・AI・機械学習】「ピーマン」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
  • 「ピーマン レシピ」の検索ボリュームと家計支出は関連があるように見られる
  • ピーマンの出荷量と取引価格は一定であることが分かった

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)
  • データもよるが、1分程度で結果を出力 ※レコード数 縦1688行、横5列、ファイル容量8KB
  • 「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

》機械学習アシストツール「viz」の詳細はこちら

機械学習アシストツール「viz」

検証方法

■予測したいもの
 ∟ピーマン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 ピーマンの家計支出金額 ※①
予測に使う情報(特徴量)ピーマンの市場価格 ※②
ピーマンの市場取引数量 ※②
「ピーマン 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6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6月のデータを利用
※③Yahoo!DSInsight 「ピーマン レシピ」検索メタデータ 2018年8月~2022年7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ます。

(今回のファイル:レコード数 縦 レコード数1688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(今回はピーマンの家計支出金額)
以降、予測に使う情報を並べます

予測につかうデータ

<ステップ2>

  • csvをディスクトップから参照

<ステップ3>

  • 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=ピーマンの家計支出金額(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
機械学習アシストツール「viz」貢献度分析 設定画面

<ステップ4>

  • 分析中
     今回はこの画面は1分で結果がでました。
機械学習アシストツール「viz」貢献度分析 分析中画面

<ステップ5>

  • 分析結果を出力
機械学習アシストツール「viz」貢献度分析 分析結果

 <分析結果>

 ・ピーマンレシピ検索に関しては55とある程度の相関がみられそうだが、RMSEのベンチマークの数値も高く、モデル精度の確認ができなかった。

※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

■データを時系列でみてみました

  • 検索ボリュームは家計支出との関連がみられる
  • 家計調査の結果から冬の需要が少ない傾向
  • 一方で出荷量と取引単価には1年通して大きな差は見られない様子

→冬にピーマンのレシピで施策が打てれば新たな市場価値がうまれ、支出が増える可能性も?

時系列分析結果

今回は機械学習モデルとしては精度が確認できませんでしたが
時系列でみると冬にも在庫・価格ともに安定していることがわかりました。
冬に家計支出を伸ばすきっかけがあれば、冬にピーマンで新たな市場を生み出すことができるのでは?という示唆を得ることができました。

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。

■関連記事/資料

》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

機械学習アシストツール「viz」サービスバナー

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

人気のコラムランキング

PICK UP

【データプライバシーコラム】電気通信事業法改正の解説(2022年7月時点)

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

CMP導入時の注意点

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

Treasure Data CDPを活用したOneID(統合ID)構築4 日付の落とし穴

CDPCDP活用ID統合PICK UP コラム

今、CMPは導入するべきか?

CMPPICK UP コラムデータプライバシーデータプライバシーコラム個人情報保護

TOPへ
戻る