Pythonによる時系列分析 ―予測モデル構築と企業事例―

著者名：髙橋威知郎【著】

オーム社（2023/06発売）

• ISBN：9784274230615

内容説明

時系列データを上手く活用し、ビジネス成果を生み出す!!
　時系列データを上手く調理することは、これらの問に何かしら解を与えることができます。特に予測モデルを上手く活用すると、過去を振り返り、未来を予測し、現在すべきことを導きだし、成果へと繋げることができます。いくら高精度な予測モデルを手にしても、どう活用すべきかわからないと成果は生まれません。そこで本書ではどのように扱うかを、実際のデータを用いて、使い方を重点的に解説していきます。時系列分析の多くの書籍は数式等を用いて解説していますが、実務的な運用には理論よりもPython等コードで実践していくことが重要です。
なお、事例として以下を取り上げます。
・モニタリング指標の異常検知によるキャンペーン評価（自動車ディーラー）
・モニタリング指標の異常検知と要因探索（小売りチェーン）
・売上予測モデルを活用したデータドリブン販促（小売りチェーン）
・離反予測モデルによる離反対策ルールの策定（食品・法人向けビジネス）
・チャーンマネジメントのための離反時期予測（携帯電話サービス）
・LTVマネジメントのためのLTV予測（ECサイト）
・広告・販促効果を見える化し最適化するマーケティング・ミックス・モデリング（スポーツジム）

目次

第1章　ビジネスにおける時系列データ活用
1.1　ビジネス現場は時系列データで溢れている
1.2　ビジネス時系列データでよくある7つの活用事例
1.3　2種類の時系列データ 1
1.4　よく目にする7つの時系列特徴量
1.5　時系列特徴量付きテーブルデータ
第2章　Pythonのデータ分析環境の設定（JupyterLab）
2.1　Pythonのインストール
2.2　Python以外のインストール
2.3　利用するライブラリー（パッケージ）のインストール
第3章　時系列予測モデル構築・超入門
3.1　時系列データを使った予測モデル構築の流れ
3.2　時系列データの特徴把握と前処理
3.3　時系列の予測モデルを構築してみよう
3.4　季節成分が複数ある場合の予測モデル
3.5　多変量時系列データの特徴把握と因果探索
第4章　時系列データを使ったビジネス成果の上げ方
4.1　データでビジネス成果を上げる「データ活用ストーリー」
4.2　時系列データの異常検知
4.3　時系列データの要因探索
4.4　時系列データの将来予測
第5章　時系列データを活用したビジネス事例
5.1　モニタリング指標の異常検知によるキャンペーン評価（自動車ディーラー）
5.2　モニタリング指標の異常検知と要因探索（小売りチェーン）
5.3　売上予測モデルを活用したデータドリブン販促（小売りチェーン）
5.4　離反予測モデルによる離反対策ルールの策定（食品・法人向けビジネス）
5.5　チャーンマネジメントのための離反時期予測（携帯電話サービス）
5.6　LTVマネジメントのためのLTV予測（ECサイト）
5.7　広告と販促効果を見える化し最適化するマーケティングミックスモデリング（スポーツジム）

感想・レビュー

※以下の感想・レビューは、株式会社ブックウォーカーの提供する「読書メーター」によるものです。

[yyhhyy]

引用文献記載がないので各業界のスポット依頼を受けている実務家による本かと思う。適度に端折ってあって事例でやってみよう的なところもありとっつきやすい。

2024/07/28

まずデータがあり、それをどうしますか？という感じ。予測方法そのものに関する説明は他所に譲っている。実務的なのだろうと思う。何でもあり（どちらかと言うと計量経済寄りのARIMAXから、PLS回帰、生存時間解析など、多種多様な方法が用いられている）なのと、思ったよりデータ点数が少ない（月別数年間程度）中でやっているのだなというのが印象的

2024/01/31

[ちる]

どうやって使うかに注力しており、数式等はほとんど出てこないので、仕組みより使い方が知りたい場合は合う本だと思う。 前処理、特徴量エンジニアリング、モデル実装、ビジネスでの使用、などが一通り載っており、モデルは古典的モデル、ホルトウィンターズ、Prophet、生存時間などの実装。 ひとつひとつはあまり深追いしない感じ。

2024/01/25