第515話｜「なぜ売上が落ちたのか」に、根拠つきで答えるには
生成AIの回答を「事実」と「仮説」に切り分ける
「先週、なぜ売上が落ちたのか」 店長や上司から、こう聞かれることがあります。 売上データを生成AIに渡して同じ質問をすると、数秒で、もっともらしい理由がいくつも返ってきます。 ところが、その理由をそのまま報告すると、たい...
RECENT ARTICLES
第515話｜「なぜ売上が落ちたのか」に、根拠つきで答えるには
CausalImpactで実践する 施策の効果検証（第2回）
tfcausalimpactのインストール手順（Windows）とよくあるエラーの直し方
前回（第1回）までは、pandasだけで前後比較の危うさを確かめました。 今回から、いよいよCausalImpactのライブラリを使います。 入れ方は pip install tfcausalimpact の1行です。 ...
【登壇・参加無料】（2026/11/27）
「今あるデータ×生成AI」の“使いどころ”を見つける
〜ツール導入より先に「どこで使うか」〜
（公益財団法人 埼玉県産業振興公社 主催）
生成AIの実力を体感するデモから始め、受注・請求・日報・顧客台帳といった「今あるデータ」でどこまでできるのかを、業種別の事例で確認します。 そのうえで、ツール導入よりも先に決めるべき「テーマ選定（どこで使うか）」をワーク...
出版のお知らせ｜コンピュータサイエンスの教科書［生成AI時代の基礎リテラシー］（2026/9/10出版予定）
2026/9/10 にC&R研究所から コンピュータサイエンスの教科書［生成AI時代の基礎リテラシー］ が出版予定です。 2026年9月10日にC&R研究所から、『コンピュータサイエンスの教科書［生成AI...
EconMLで実践する ビジネス因果推論
（第8回）
手法を使い分ける
（メタラーナー4種とLinearDMLを同じデータで比べる）
EconMLには SLearner、TLearner、XLearner、DRLearner……と手法が並んでいます。「結局どれを使えばいいのか」。いちばん多い質問です。 今回は事例を変えて、BtoB法人営業の「重点フォロ...
【登壇・参加無料】（2026/10/22）
明日からできるデータ活用術
〜コストをかけずにカンタンに売上アップ！〜
（東京商工会議所新宿支部 オンライン開催）
商工会議所で、コストをかけずに明日からできるデータ活用術のお話しを、こっそりします。 タイトル: 〜コストをかけずにカンタンに売上アップ！〜 「明日からできるデータ活用術」 開催日: 2026年10月22日（木）14:0...
Python 時系列分析 1,000本ノック
– ノック101: GARCH –
問題 答え 解説 次の Python コードで推定したモデルについて、出力の a + b（alpha[1] と beta[1] の和）が1に近いことから何がわかりますか？ Python コード: import numpy...
第514話｜同じデータを渡したのに、聞くたびに売上が変わった
計算は「させる」のではなく「呼び出させる」
生成AIに売上データを渡して、こう聞く。 「先週の売上はいくら？」 最近、こういう使い方をする人が増えています。 表計算ソフトを開いて集計するより、ずっと早い。 ところが、この手軽さには、少し困った性質があります。 同じ...
生成AIの回答をJSONで受け取る
– 「JSONで返して」と頼むだけでは足りない –
Pythonで集計した売上を生成AIに渡して、商品ごとに「見出し」と「コメント」を書いてもらう。書いてもらった結果は、Pythonの表（DataFrame）に並べて、Excelに書き出したり、レポートに差し込んだりしたい...
EconMLで実践する ビジネス因果推論
（第7回）
誰に配るかを決める
（SingleTreePolicyInterpreterに原価を入れて期待利益を出す）
第6回の1枚を見た上司が、次にこう言います。「で、何枚配る？ いくら儲かる？」 ここで問いが変わります。これまでは「効果はいくらか」でした。今回は原価を入れて、「誰に配ると、いくら残るか」を答えます。クーポン1枚の原価は...
Python 時系列分析 1,000本ノック
– ノック100: Naive・Seasonal Naive –
問題 答え 解説 次の Python コードでは、ARIMAモデルと一緒に Naive と SNaive という2つの単純な予測も計算しています。これらを計算している目的として最も適切なものはどれですか？ Python ...
第513話｜モデルはそのまま、前処理を変えただけ
予測精度が伸びないとき、最初に疑う場所
予測モデルの精度が、伸びなくなることがあります。 アルゴリズムを変える。パラメータを調整する。特徴量を追加する。 やれることをやり尽くして、それでも数字が動かない。そんなとき、見落とされがちな場所があります。 欠損値の扱...
CausalImpactで実践する 施策の効果検証（第1回）
前後比較で施策の効果を測ると何がまずいのか（反実仮想とは）
前回、キャンペーンをした5月の売上は、前の月より14.7%多い、という数字を出しました。 前の年の5月と比べると17.9%。キャンペーン前の平均と比べると19.6%。 同じ店、同じキャンペーンなのに、比べる相手を変えるだ...
EconMLで実践する ビジネス因果推論
（第6回）
エライ人に説明できる形にする
（SingleTreeCateInterpreterで因果フォレストを4行のルールに）
第5回の因果フォレストの結果を持って、エライ人に報告に行ったとします。 「効果は1人ひとり違っていて、1,000本の木（ディシジョンツリー）の平均で……」と言いかけたところで、こう返されます。「で、誰に配ればいいの？」 ...
pandasの集計結果をJSONにすると壊れる3つの値
– numpy.int64・Timestamp・NaN –
Pythonで売上を集計し、その結果を生成AIに渡して、コメント（説明の文章）を書いてもらう。このとき、集計結果をJSON（データを文字で表すための書き方の決まり）にして渡す方法がよく使われます。表の形をそのまま文字にで...
Pythonの集計結果を生成AIへ渡す
– f文字列で作る文章と、JSONの基本 –
Pythonで売上を集計し、その結果を生成AIに渡して、コメント（説明の文章）を書いてもらう。データ分析で生成AIを使うときの、よくある流れです。 このとき、計算はPythonで行い、生成AIには文章を書く役だけを頼むの...