##はじめに
データドリブンで事業を加速させることが、当たり前となってきた現代では
「商品の需要予測」「在庫の最適化」などのAIプロジェクトに取り組まれている企業様は多いのではないでしょうか。
上記のような、いわゆる「時系列予測」は非常にハードルが高いように感じることもあると思います。
特に私はデータ分析初学者（文系出身）なので、時系列予測に必要な統計学を勉強するとなるとものすごく高い壁に感じてしまいます、、、、
それでも統計学はいつかは勉強しないといけません。。。
どうにか便利なものないかなーと探していたら、時系列予測をサポートしてくれるライブラリーを見つけました！
その名も「FBprophet」！
今回はデータ分析の際に使われるライブラリー FBprophet について紹介していきます。
- FBProhetとは何か？
- どんなシーンで使われるか？
等について触れる記事になりますので、具体的な使用方法を知りたい方にはおススメできません。
目次は以下になります。
##目次
- FBProhet とは
- FBProhetユースケース（事例）
- 終わりに
##FBProhet とは
FBProhetとは、Facebook社が開発した時系列予測をするためのライブラリーになります。
データ分析はビジネスにおいて無くてはならない物になりましたが、
- 「高度なスキルが必要（統計モデル理解、ドメイン知識等）」
- 「高い精度の予測をしたい」
等の観点から非常にハードルが高く感じるのが正直なところです。
特に時系列データは様々な分野において多岐に使用をしますが、統計への知識が欠かせません。
そこで有効なのが、FBProhetになります。
FBProhetでは「年周期」「週周期」「日周期」という３つの時系列データの周期性を利用して分析したり、予測することができます。
使用できる言語は、Rまたはpythonから選ぶことができるので、得意な方をチョイスできるのも嬉しい点です。
ちなみに、「Prohet」は日本語で預言者という意味なので、誰でも簡単に時系列の預言者になる事ができます。
###FBProhetにおけるメリット（特徴）
FBProhetを使用するメリットは3つあると思っております。
-
統計学の知識が無くても予測が行える
時系列データの予測では、統計学の知識とドメイン知識が欠かせません。
FBProhetではこのうちの統計学の知識を補填してくれるので、非統計者でも簡単に予測モデルを作成することができます。
逆をいうと、ドメイン知識（業界への知見：イベント、季節など）を強化することでより高い精度の分析を行うことができるので、ドメイン知識を増やすことに集中できますね。 -
自動化
手動で行っていたパラメーターの取得など、面倒な業務を自動化することができます。 -
早くて正確
これからご紹介する事例の会社も含め、多くのアプリケーションやMLにおいて、正確性が求められる予測などにも使用されております。
##FBProhetユースケース（事例）
実際のFBProhetを活用した事例を紹介します。
###需要予測（スターバックス）
スターバックスは「3rdプレイス」をコンセプトにカフェ事業を展開する小売業です。
3万店以上ある店舗に加え、膨大なアイテム数を持つスターバックスでは、適切な量の在庫を仕入れなければ多大な損失を生み出すことになります。
上記のような背景も踏まえ、スターバックスでは商品の需要予測を行っております。
しかし、上述したように膨大なデータ量（ペタバイト級）が存在するスターバックス社では、細かい分析を行うためにデータの一元管理とスピーディな分析ができる環境が必要でした。
そこでスターバックスは膨大なデータを分析する基盤として、Databricksを採用いたしました。
Databricks は AI /機械学習をはじめとするビッグデータを扱うためのデータ基盤です。2020年ガートナー「マジッククアドラント」データサイエンスおよび機械学習プラットフォーム部門でリーダーとして位置づけされており、この分野において現在最も注目を集めているサービスです。特にデータ分析環境の統合と大規模データ処理に強みがあり、パブリッククラウド環境/BI製品との親和性が高いことも大きな特徴です。
DatabricksのNotebook上でFBProhetを使用することで、
- 個別の店舗
- 個別の商品
等の細かい分析を高精度で行うことができるようになりました。
分析でのアウトプットは企業全体における在庫管理の改善や、新たな製品・サービスのイノベーションに役立てています。
##終わりに
いかがだったでしょうか。
データの活用が重要なカギとなっている現代では、時系列予測を行いたい企業様も多いと思います。
Databricks では、製品の需要予測を瞬時に行うことができるサンプルNotebook（モデル構築済み）が公開されているのでぜひ活用してみてください。
▽サンプルNotobookはこちら
https://pages.databricks.com/rs/094-YMS-629/images/Fine-Grained-Time-Series-Forecasting.html