Column

コラム

  • 【統計・AI・機械学習】「はくさい」の家計支出と市場での出荷...

【統計・AI・機械学習】「はくさい」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
  • はくさいの市場出荷量と検索ボリュームは家計支出は関連性がある様子
  • はくさいの取引単価はマイナスの相関。つまり市場ボリュームが増加すると単価は下がる

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

 ∟はくさいの家計支出との相関

■予測につかうデータ

予測したい項目はくさいの家計支出金額 ※①
予測に使う情報(特徴量)はくさいの市場価格 ※②
はくさいの市場取引数量 ※②
「はくさい 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 2019年11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)2019年11月~2022年7月のデータを利用
※③Yahoo!DSInsight 「白菜 レシピ」検索メタデータ 2019年11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140行、横5列、ファイル容量5KB)

一番左に日付(date)、その隣に予測したい項目(今回ははくさいの家計支出金額)、
以降、予測に使う情報を並べます。

分析データ

<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=はくさいの家計支出金額(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
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】

  • はくさいの市場取引ボリュームおよび「はくさい レシピ」検索ボリュームともに70を超える強い相関がみられる
  • はくさいの平均取引単価はマイナスの相関。

  ※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

  • はくさいの市場取引ボリュームと「はくさい レシピ」の検索ボリュームは家計支出との関連性がみられる
  • 市場取引単価は前倒して山が来る様子。取引量と反比例することから取引量が多いと単価が安くなることも考えられる
時系列分析

家計の支出と市場取引ボリューム・検索ボリュームは比較的連動していることがわかりました。
市場ボリュームに合わせて、はくさいのレシピ訴求を行うことで支出を促すことができる可能性
一方で、市場取引単価はマイナスの相関。市場取引が増えると下がる傾向から取引ボリュームと関連があると考えられる。

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の分析に取り組む場合、エンジニアをアサインするための起案、エンジニアのアサイン、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