カートを見る

 Pythonで学ぶ 明日 からできる
「ビジネス時系列分析」超入門
 (よくある売上データで需要予測モデルを作ろう)

【日時】全2回
 ・5/21(土) 13:30-17:30 基礎的なことを掴む
 ・6/4(土) 13:30-17:30 ビジネスケースで応用
【会場】オンライン(ZOOM予定)
【価格】税込み20,000円




100%
返金保証
付き

ビジネス現場の典型的な時系列データである売上データを使った

需要予測モデル異常検知モデルの具体的な作り方と活用方法を公開!

~ 古典的なARIMAモデルからディープラーニングまで ~

想定している事例演習

需要予測(売上予測)

売上などのモニタリング指標の異常検知

当セミナーはマーケティングや営業で活躍する
データサイエンティストを養成するセミナーです

特徴

現場で活用されているビジネス時系列分析手法を学ぶ

どの企業にもある時系列データである売上データ(POSや受注データなど)時系列モデル構築の考え方と具体的手順を習得していきます

明日から使えるPythonによるビジネス時系列分析技術を習得

フリーの分析ツールPythonで、手を動かしながらより高度な時系列モデル構築を体験しながら学んでいきます。

現場活用し易い
実テーマベースで学ぶ

時系列データの活用で多い、需要予測(売上予測)とモニタリング指標の異常検知を、実ビジネス事例を使い、具体的に実務でどのようにモデル化し活用しているのかを学びます

現場活用し易い
実テーマベースで学ぶ

時系列データの活用で多い、需要予測(売上予測)とモニタリング指標の異常検知を、実ビジネス事例を使い、具体的に実務でどのようにモデル化し活用しているのかを学びます

手を動かして構築する時系列モデル


主に5種類を想定しています

  • 古典的な時系列モデル(指数平滑化)
  • 実用的な時系列モデル(ARIMA)
  • 機械学習的な時系列モデル(Facebook Prophet)
  • ディープラーニングな時系列モデル(LSTMなど)
  • テーブルデータアルゴリズムで時系列モデル(線形回帰やXGBoostなど)

  • 少人数のため、きめ細やかな対応が可能です
  • セミナー講師ではなく、現役のデータサイエンティストが教えます
  • 小難しい理論よりも、ビジネスへの実践にこだわっています
  • 収益に直結した売上データ分析を学びます
  • 単にデータ分析手法を学ぶだけでなく、いかに活用するのか、その勘所を学びます
  • 個々の分析手法が、どのように関連しあっているのかを体系的に学びます
  • 理論と演習(Pyhton)を繰り返すため、理論の定着と実践力が促されます
  • 古典的な時系列モデルARIMAから、最近の機械学習的な時系列モデルまで扱います
  • 通常のテーブルデータ系のアルゴリズム(線形回帰やXGBoostなど)で、時系列モデルを構築す方法(特徴量生成方法など)が学べます
  • セミナー講師ではなく、現役のデータサイエンティストが教えます

セミナー内容
(1日目:①~⑤の前半、2日目:⑤の後半~⑨)

1

イントロダクション

1-1 本日、皆さまに持ち帰って頂きたいこと
1-2 本日の概要と進め方
1-3 自己紹介

2

ビジネスにおける時系列データ

2-1 ビジネス現場は時系列データであふれている
2-2 データでビジネス成果を上げる「データ活用ストーリー」
2-3 「傾向分析」×「近未来分析」がアクションを生み出す
2-4 時系列モデルでできる異常検知・要因分析・将来予測
2-5 時系列モデルの構成成分(トレンド成分+周期成分+残差)

3

Python環境の構築

3-1 Pythonインストール
3-2 必要なライブラリーのインストール
3-3 ちょっとした操作例

4

ビジネス時系列機械学習・超入門

4-1 テーブルデータと時系列データ
4-1-1 テーブルデータとは?
4-1-2 テーブルデータのアルゴリズム群(例:線形回帰やXGBoostなど)
4-1-3 時系列データとは?
4-1-4 時系列データのアルゴリズム群(例:ARIMA、Prophetなど)
4-1-5 テーブルデータ用のアルゴリズムで時系列データを扱う方法

4-2 時系列データの特徴量エンジニアリング
4-2-1 ドメイン固有特徴量
4-2-2 カレンダー特徴量
4-2-3 ラグ特徴量
4-2-4 ローリング特徴量
4-2-5 エクスパンディング特徴量

4-3 時系列予測モデルの構築手順
4-3-1 データ活用ストーリーの設計
4-3-2 データセットの準備
4-3-3 学習データとテストデータの分割
4-3-4 予測モデルの構築とテスト
4-3-5 ディプロイ(実ビジネスで使えるようにすること)

5

古典的な時系列モデル

  • 線形回帰モデル(テーブルデータ系)
  • RidgeやLassoなどの正則化回帰モデル(テーブルデータ系)
  • 指数平滑化モデル(時系列データ系)
  • ARIMAモデル(時系列データ系)
などを予定

6

機械学習な時系列モデル

  • 決定木、ランダムフォレスト、XGBoostモデル(テーブルデータ系)
  • Prophetモデル(時系列データ系)
  • ディープラーニング(LSTMなど)モデル
  • +上記モデルの幾つかをOptunaでハイパーパラメータチューニング
などを予定

7

【事例演習】異常検知モデル構築

7-1 事例説明
7-2 演習内容
7-3 演習実施

8

【事例演習】需要予測モデル構築

8-1 事例説明
8-2 演習内容
8-3 演習実施

9

フィナーレ

9-1 本日の振り返り
9-2 やるやるシート
9-3 Q&A

1

イントロダクション

1-1 本日、皆さまに持ち帰って頂きたいこと
1-2 本日の概要と進め方
1-3 自己紹介
講師 高橋威知郎 Marketing & Sales Data Scientist
開催日 1日目 5/21(土) 13:30-17:30
2日目 6/4(土) 13:30-17:30
開催場所 オンライン(Zoom)
参加料 20,000円/1名(税込み)

 ※テキスト・資料等含む
 ※ノートPCはご準備ください
定員 6名 ※満席になり次第、締め切らせて頂きます
主催 株式会社セールスアナリティクス
開催場所 オンライン(Zoom)
check!

参加特典

【1】同講座のテキスト一式
 ・約200ページの詳細テキスト
 ・演習で利用したデータ(CSV形式)
 など
 
【2】講師の書籍 ※希望者のみ
 ・好きなの1冊
  データドリブンセールス、
  文系のためのデータサイエンスがわかる本、
  営業生産性を高める! 「データ分析」の技術、など

【3】データ分析・活用の相談(80分)※希望者のみ
 ・別途日時を調整し、貴社にお伺いします
  (もしくは、東京23区内のどこか)
 ・場所は、東京23区内に限らせて頂きます

【4】同講座の再受講(無料)※希望者のみ
申し込み期限: 2022年5月20日(金) ※定員に達し次第、締め切り

講師紹介

高橋威知郎

ビジネスデータ分析コンサルタント

Marketing & Sales Data Scientist

大学卒業後、約20年間一貫して「実践」にこだわり「データ分析」に関与してきました

  • 官公庁時代、米国国防総省の高官からデータ分析のパワーと要諦について力説され衝撃を受けました

    このとき、データ分析に魅了され、データ分析の世界でに生きていくことを決意しました
     
  • 私が身に着けたデータ分析は、学問的なものではなく、実践的なものです

    安全保障の世界のデータ分析は、生きるか死ぬかの世界です

    例えば、統計学的に正しいかどうかよりも、生きるか死ぬかを重視するということです

    学問的に正しい分析をしても、国が滅んでしまっては意味はありません

  • この培ったデータ分析のスキルをもっと広い世界で活かしたいと思い、30歳のころ民間のコンサルティング会社に転職

    主にマーケティング戦略、製品サービス開発、営業・販売促進の生産性改善、マーケティングROIなどに関するコンサルティングを提供してまいりました

  • 今までのコンサルティング経験をもとに、使えるデータのみで効率よく収益を拡大する仕組みである「DELTA法」を考案

    売上数兆円の大企業から社員数人程度のベンチャー企業のコンサルティングまで実施し、企業の大小問わず収益拡大を実現してきました

  • この培ったデータ分析のスキルをもっと広い世界で活かしたいと思い、30歳のころ民間のコンサルティング会社に転職

    主にマーケティング戦略、製品サービス開発、営業・販売促進の生産性改善、マーケティングROIなどに関するコンサルティングを提供してまいりました

著書の一部

【日時】全2回
 ・5/21(土) 13:30-17:30 基礎的なことを掴む
 ・6/4(土) 13:30-17:30 ビジネスケースで応用
【会場】オンライン(ZOOM予定)
【価格】税込み20,000円

 ※ノートPCはご準備ください

申し込み期限: 2022年5月20日(金)※定員に達し次第、締め切り

当社主催セミナーは100%返金保証
内容にご不満の場合、開催後2日以内にお申し出くだされば、理由を問わず全額返金いたします

主催企業概要

会社名 株式会社セールスアナリティクス
代表者 高橋 威知郎
住所 東京都渋谷区円山町5番5号 Navi渋谷V 3階
HP https://www.salesanalytics.co.jp/
問合せ先 📩 info@salesanalytics.co.jp
住所 東京都渋谷区円山町5番5号 Navi渋谷V 3階