#1 時系列データ分析

この記事は主にHEARTCOUNTの2つの時系列データ分析機能について書いています。もしこの記事を読みながら、実際に体験してみたいのであれば・・・

• 無料の分析・可視化ツールにアクセスし、「キャンペーン生成」メニューからサンプル「Superstore Sales Dataset」をご利用ください。
• 少なくとも1つの日付/時刻カラムを含むデータセットをアップロードしてください。

季節性

1年の中で繰り返されるパターンを季節性と言います。売上などのビジネスKPIは、"時期"や"曜日"などの季節要因に大きく影響されます。従って、季節性を定量的に把握することが重要となります。

売上（合計）を時系列（受注日）で可視化すると、季節ごとのパターンを把握するのはなかなか難しい状況となります。

時系列の可視化に適用する間隔設定を選択することができます。このケースでは、WEEKに設定されています。さらに、HEARTCOUNTは、以下のように日付/時間変数ごとに季節性(周期性)数を自動的に作成できます。もし、あなたが「曜日」による売上パターンを見つけたいなら、サブグループをX軸(=曜日)に設定し、棒グラフアイコンを選択します。各カテゴリーの季節別（曜日別）売上パターンを比較することができます:

積み上げ棒グラフのボタンを押して、棒グラフを変更することも可能です。

フォーキャスティング（予測）

HEARTCOUNTは AR (AutoRegression)モデルを使用しています。ARは、次の時間ステップの値を予測する回帰式の入力として、前の時間ステップの観測値を使用する時系列モデルです。ARに関する文献は多く存在するため、"予測機能の使用方法 "についてのみ簡単に説明します。

• 最小二乗法に基づく予測線と最大エントロピーに基づく予測線の2本が、予測範囲を表すために引かれています:

演習と例題 🙌

HEARTCOUNTの時系列分析機能を使いこなすには、少し練習が必要かもしれません。以下の手順に従って、別の例を使ってこれらの機能に慣れてください。

a. 時系列データセットのサンプルをダウンロードする

• 最新のcovid 19データセットを以下のサイトからダウンロード: https://github.com/RamiKrispin/coronavirus/blob/master/csv/coronavirus.csv
• またはHEARTCOUNTのGoogle Driveからダウンロードすることもできます。
• https://www.heartcount.io/da/smart_plot にアクセスしログインします。
• ダウンロードした ”.csv” をHEARTCOUNTにインポートしてください。

b. オプション) 日付／時間変数を使ったデータセットのフィルター

• フィルタリング条件を設定したら、必ず [フィルタの適用] ボタンをクリックしてください。

c. 可視化

• Y軸に目的の変数（症例数）、X軸に日付／時間変数を設定し、症例のタイプ（確定、死亡、回復）でサブグループ化します。
• 時間経過に伴う合計の変化に興味があるので、集計方法を「合計」に変更します。

• そして、パネル右上のボタンを使って様々な可視化を行います。
• 左から順に: 棒グラフ、積み上げ棒グラフ、積み上げ面グラフ、折れ線グラフ

• 可視化のタイプごとに、サブタイプを選択できます。
• 折れ線グラフは直線・曲線・ステップ の3つのサブタイプを選択できます。
• チャートの上にカーソルを置くとツールチップが表示され、右側の凡例で特定のクラスをハイライトすることができます。