Pythonによる時系列分析: 予測モデル構築と企業事例
អំពីសៀវភៅអេឡិចត្រូនិកនេះ
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）
このような方におすすめ
・機械学習エンジニア
・時系列分析を扱うデータサイエンティスト、マーケター、データアナリストなど。
主要目次
第1章 ビジネスにおける時系列データ活用
第2章 Pythonのデータ分析環境の設定（JupyterLab）
第3章 時系列予測モデル構築・超入門
第4章 時系列データを使ったビジネス成果の上げ方
第5章 時系列データを活用したビジネス事例
អំពីអ្នកនិពន្ធ
髙橋 威知郎（たかはし いちろう）
株式会社セールスアナリティクス 代表／らくらくビジネスデータサイエンス主宰。
