Tableauによる時系列予測
Tabelauによる時系列予測のポイントをまとめました。
予想と予測の違い
・予想＝前もって思う（主観的）
・予測＝前もって測る（客観的）
➡ 予測は、客観的な数値や理論による根拠に基づくため、信頼性が高い。
Tableauによる時系列予測
・Tableauはデフォルトで指数平滑モデルやホルト・ウィンターズモデルによる予測値を算出できる。
・日付(もしくは少なくとも 1 つのメジャー)と整数値を持つディメンションが必要。
・アナリティクスペインから手軽に操作できる。
指数平滑モデル？
・時系列予測の代表的な統計モデル。
・規則的な時系列の値の将来値をその時系列の過去の値の加重平均から反復的に予測する。
（過去からの変化パタンより、規則性を反映しながらバラつきをならすイメージ）
・データ期間に季節性がある場合は、自動的にホルト・ウィンターズモデルが適用される。
ホルト・ウィンターズモデル？
・季節性を反映した時系列予測の代表的な統計モデル。
・指数平滑化法における時系列予測に季節変動を追加して予測する。
（過去からの変化パタンと季節パタンそれぞれのバラつきをならし、１つに合わせるイメージ）
・季節性は繰り返しのあるパタンとして反映されるため、Tableauでは２期以上のデータが必要。
モデルの評価方法
・得られた予測値と実績の乖離を検証する。
・新しい期のデータが得られた際は、それを含めてモデルに入れ、新しい予測値を算出する。
・予測と検証を up to date (月次予測では up to month) で継続してゆく。
時系列予測の利用シーン（例）
・商品や店舗の売上の将来値を予測したい場合。
・電力などのエネルギー需要の将来値を予測したい場合。
・来店客数などの将来値を予測したい場合。
(株価の推移のように、特定のパタンや季節性がない時系列データの予測には向かないことが多い）
経験や勘の重要性
・外れ値を含む数値の特徴や結果の解釈には、当該分野で培われた経験や勘が大きく寄与する。
参考サイト
