Python data analysis_21st_20200711_ota2. 自己紹介
1. 環境工学:廃棄物の処理処分に関する研究 →統計学を
副専攻
↓
2. Web系企業でレコメンドエンジンの開発・物体認識など
↓
3. 『ウェブ解析士』の資格本を初版時に執筆協力
https://00m.in/MFxzI
↓
4. 統計解析⇨データマイニング⇨機械学習・AIへ
キャッチアップしつつ、キャリアアップしてきました!
⇨『Juliaデータサイエンス』(2017年刊行: 分担翻訳)
https://00m.in/wSR0u
18. 補足: キーアイテムの発見
③[環境]来店中のお客様へのキー・アイテムの訴求]
キーアイテム
※ キーアイテムは、購買回数や点数、金額などを指標化し算出する。
性×年齢
(10才刻み)
金額
(円)
点数
(点)
平均単価
(円)
購買回数
購買率
(%)
1回当り
購買金額
(円)
1回当り
購買点数
(点)
購買人数
購買経験
率
(%)
1人当り
購買金額
(円)
1人当り
購買点数
(点)
1人当り
購買回数
平均
購買間隔
男性20代以下 264,614 564 469.2 380 3 696.4 1.5 166 16.6 1,594.10 3.4 2.3 20.4
男性30代 994,483 2,533 392.6 1,594 6.9 623.9 1.6 422 20.3 2,356.60 6 3.8 18.7
男性40代 1,594,404 3,837 415.5 2,356 6.4 676.7 1.6 666 19.2 2,394.00 5.8 3.5 19.6
男性50代 1,849,793 4,220 438.3 2,566 6.7 720.9 1.6 595 16.9 3,108.90 7.1 4.3 18.5
男性60代 1,404,772 3,681 381.6 1,735 5.7 809.7 2.1 402 14 3,494.50 9.2 4.3 19
男性70代 670,340 1,145 585.4 681 3.3 984.3 1.7 212 10.2 3,162.00 5.4 3.2 17.5
男性80代以上 237,932 579 410.9 229 2.6 1,039.00 2.5 87 9.8 2,734.90 6.7 2.6 22.1
女性20代 400,658 971 412.6 653 2.3 613.6 1.5 315 12.9 1,271.90 3.1 2.1 19.9
女性30代 1,554,834 4,081 381 2,532 3.2 614.1 1.6 1,014 13.7 1,533.40 4 2.5 22
女性40代 2,855,502 7,573 377.1 4,668 3.3 611.7 1.6 1,613 11.8 1,770.30 4.7 2.9 20.7
女性50代 3,381,432 7,437 454.7 4,349 3.1 777.5 1.7 1,430 11.5 2,364.60 5.2 3 20.8
女性60代 2,489,518 5,417 459.6 3,007 2.4 827.9 1.8 1,150 9.4 2,164.80 4.7 2.6 19.1
女性70代 1,599,541 3,174 504 1,788 2.2 894.6 1.8 652 8 2,453.30 4.9 2.7 22.7
女性80代以上 432,599 851 508.3 454 1.8 952.9 1.9 211 8.1 2,050.20 4 2.2 23.2
全体 20,675,830 48,265 428.4 28,290 3.4 730.9 1.7 9,358 11.7 2,209.40 5.2 3 20.2
24. 5. まとめ/ 今後の課題
1. いかに自律型のデータ活用に持ち込むか!を
ドメイン知識を交えて考えることで、問題設定
ができました。
2. データに応じた「問題設定」は強化学習では利
便性が高いこともあります。コールドスタート問
題等で。
3. 新商品開発、とりわけメニュー開発は、オペ
レーションズ・リサーチ(OR)などの数理最適化
が活用されています!