髙橋威知郎の作品一覧

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 未来への確かな意思決定に、時系列予測を活用しよう！ 本書は、時系列予測の理論とPythonによる実装を体系的にわかりやすく解説します。時系列データ分析が未経験でも通読できるよう、基礎となる数学から始め、ビジネスや研究の場で実践するためのスキルが身に付くよう丁寧にフォローします。 ビジネスの現場では、データに基づく意思決定が重要視され、特に時系列データ分析は、売上予測や需要予測、在庫最適化など、多くの領域で活用されています。そうした時系列予測の理論と実践を学ぶために必要な知識を、本書の活用によって身に付けることができます。 ※本書と『Pythonによる時系列分析―予測モデル構築と企業事例―』との違い 本書では時系列予測（を主とする時系列分析）の数学的な解説や数理モデルを詳解することから 　・確かな理論的裏付けに基づく実践（コーディングや評価・検証）を試したい 方におすすめです。 一方、『Pythonによる時系列分析―予測モデル構築と企業事例―』は、（特にビジネス応用を念頭に置いた）時系列分析の入門として 　・まずはハンズオンで実践してみたい 　・ビジネスにおける時系列分析（を含めたデータ分析の全体像）をつかみたい という方におすすめです。 第1章　時系列予測が変えるビジネスの未来 第2章　統計的推測と時系列分析の基礎 第3章　時系列予測のための数理モデル 第4章　予測モデルの評価と検証 第5章　時系列予測事例 付録A　Python環境構築

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 統計手法、時系列分析が活用できる!! 　ある電機会社の白物家電の問題をさまざまな時系列分析で解決していく方法をマンガで学ぶことができます。本書で用いられた分析手法のプログラム（Python）はサンプルとしてWebで公開します。そのプログラムを利用し、実際の自分のデータに置き換えて実践することで、分析力を身につけることができます。官公庁やコンサルティングファームなどを経験し、多様なデータを扱ってきた著者が実際にデータの分析の仕方とその深堀の仕方を丁寧に解説します。「データって面白い！」と感じてもらえるように、たくさんの工夫を盛り込んでいます。 プロローグ 第1章　データの集約 第2章　売上の時系列予測 第3章　製造ラインの異常検知 第4章　歩留まり改善のための要因探索 第5章　販売低迷の要因探索 第6章　予測モデルの改善と展開 エピローグ　データ駆動経営の確立

※この商品はタブレットなど大きいディスプレイを備えた端末で読むことに適しています。また、文字だけを拡大することや、文字列のハイライト、検索、辞書の参照、引用などの機能が使用できません。 ※この電子書籍は紙版書籍のページデザインで制作した固定レイアウトです。 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） 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）