Column

コラム

  • 【統計・AI・機械学習】「れんこん」の家計支出と市場での出荷...

【統計・AI・機械学習】「れんこん」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
  • 相関度と時系列の2軸で分析することで、より有用な結果の取得が可能になる
  • れんこんの市場出荷量と「れんこん レシピ」は家計支出は関連がある様子
  • 年末にれんこんの家計支出・市場出荷量が急激に伸びる傾向。おせちの影響か?

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)
  • データにもよるが、1分程度で結果を出力 ※レコード数 縦239行、横5列、ファイル容量7KB
  • 「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

 ∟れんこん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 れんこんの家計支出金額 ※①
予測に使う情報(特徴量)れんこんの市場価格 ※②
れんこんの市場取引数量 ※②
「れんこん 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9月~2022年7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9月~2022年7月のデータを利用
※③Yahoo!DSInsight 「れんこん レシピ」検索メタデータ 2018年9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239行、横5列、ファイル容量7KB)

一番左に日付(date)、その隣に予測したい項目(今回はれんこんの家計支出金額)

以降、予測に使う情報を並べます。

csv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=れんこんの家計支出金額(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
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。
viz貢献度分析 分析中画面

<ステップ5>

  • 分析結果を出力
viz貢献度分析 分析結果

 ★トータル集計時間 約3分で上記結果が得られました

 <分析結果>

・れんこんの市場取引ボリュームに関しては59と相関がみられる。
・「れんこん レシピ」の検索ボリュームに関しても弱い相関が見られる。

  ※一般的に50%以上で「相関がある」といえます。

■データを時系列でみてみました

  • れんこんの市場取引ボリュームと「れんこん レシピ」の検索ボリュームは家計支出との関連がみられる
  • れんこんは毎年12月末に急激に支出が伸びる傾向。おせち料理の準備の影響か?
  • 一方で平均取引単価はマイナスの相関が見られる
時系列分析結果

家計の支出と市場取引ボリュームは連動しており、市場取引ボリュームと反比例するように平均市場取引価格が下がることがわかりました。
検索傾向も家計支出と連動している様子から、れんこんレシピは家計支出が増え始める前の7~8月頃からレシピ訴求するのも◎

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