SPSS Modelerで始める店舗別需要予測 ── 時系列モデル

Last updated at 2026-09-15Posted at 2026-09-03

POSデータとカレンダー情報（祝日・販促・長期休暇フラグ）を組み合わせ、店舗ごとの日次出荷数を3日先まで予測するストリームを構築します。データ読み込みからグラフ可視化まで一気通貫で完成させます。

稼働確認環境
- Modeler 19.0
- Windows 11
データ

ファイル	内容
`01pos.csv`	POSトランザクションデータ
`02calendar.csv`	カレンダー・フラグデータ

完成ストリーム

この記事でわかること

レコード集計ノードでPOSトランザクションを「日付 × 店舗 × 出荷数」形式に変換する方法
カレンダーデータをキー結合し、祝日・販促フラグを外部変数として付与する方法
データ型ノードで「分割（Split）」を設定し、店舗ごとのモデルを一括生成する方法
時系列ノードにイベント変数を登録し、将来フラグ値を指定して3日先を予測する方法
折れ線グラフ（マルチプロット）で実績と予測を重ねて可視化する方法

ストリーム全体像

最終的に構築するストリームのノード構成は以下のとおりです。

ハンズオン手順

Step 0 ストリームの初期設定

「ツール」メニューの「ストリームのプロパティ」の「オプション」を選びます。

今回データをUTF-8という文字コードで準備しています。
エンコードを「UTF-8」に設定し、データプレビューに表示する最大行数を「2000」に設定し、「OK」で閉じます。

Step 1　POSデータの読み込み（可変ファイルノード）

01pos.csvをキャンバスにドラッグ＆ドロップします。
右クリックでプレビューすることができます。

01pos.csv のフィールド構成

フィールド名	説明
`CUSTID`	顧客識別子
`SDATE`	購買日（日付型）
`店舗`	店舗名（店舗1 / 店舗2）
`商品`	商品名
`数量`	購買数量
`価格`	販売価格

Step 2　レコード集計：日次 × 店舗単位に集約（レコード集計ノード）

POSデータには「1取引 = 1レコード」の形式でデータが入っています。需要予測では 「いつ・どの店舗で何個売れたか」 という日次 × 店舗単位のデータが必要なため、レコード集計ノードで変換します。

「レコード設定」 パレットから 「レコード集計」 ノードをドラッグし、01pos.csvのノードと接続してダブルクリックで設定を開きます。

設定項目	値
キーフィールド	`SDATE`、`店舗` の2フィールドを追加
集計フィールド	`数量` を追加
集計方法	合計（Sum）のみにチェック（平均のチェックを外す）
レコード数を含める	チェックを外す

実行後の出力フィールドは SDATE、店舗、数量_Sum の3フィールドになります。

Step 3　カレンダーデータの読み込みと結合（可変ファイル② ＋レコード結合ノード）

祝日・販促・長期休暇・イベントフラグをモデルのイベント変数として使うため、カレンダーデータを別の可変ファイルノードで読み込み、POSの集計データと結合します。

カレンダーデータの読み込み

Step 1と同様に02calendar.csv をキャンバスに追加します。

02calendar.csv のフィールド構成

フィールド名	説明
`SDATE`	日付（POSデータと同じ形式）
`祝日フラグ`	1（祝日）/ 0（平日）
`販促フラグ`	1（販促実施）/ 0（なし）
`長期休暇フラグ`	1（長期休暇中）/ 0（通常）
`イベントフラグ`	1（イベント有）/ 0（なし）

レコード結合の設定

「レコード設定」 パレットから 「レコード結合」 ノードをドラッグします。POSの集計ノードとカレンダーノードの両方を接続してください。

設定項目	値
結合方法	キー
結合キーフィールド	`SDATE`

結合後は SDATE、店舗、数量_Sum に加え、4つのフラグフィールドが揃った状態になります。

Step 4　データ型の設定：役割と尺度を定義（データ型ノード）

「フィールド設定」 パレットから 「データ型」 ノードをドラッグし、Step 3のノードと接続します。「値の読み込み」 をクリックしてすべてのフィールドを認識させてから、下表のとおりに設定します。

フィールド	測定尺度	役割	設定の意図
`SDATE`	連続	入力	時系列の日付基準
`店舗`	フラグ	分割	店舗ごとに個別モデルを自動生成
`数量_Sum`	連続	入力	予測したい値
`祝日フラグ`	フラグ	入力	イベント変数として時系列ノードに登録
`販促フラグ`	フラグ	入力	同上
`長期休暇フラグ`	フラグ	入力	同上
`イベントフラグ`	フラグ	入力	同上

重要：「分割」の役割について
店舗 フィールドの役割を 「分割」 に設定することがこのストリームのキーポイントです。この設定により、時系列ノードが「店舗1」「店舗2」それぞれに対して独立したモデルを自動的に構築します。値として 店舗1 と 店舗2 が認識されていることを「値の読み込み」後に確認してください。

Step 5　時系列モデルの構築（時系列ノード）

「モデル作成」 パレットから 「時系列」 ノードをドラッグし、Step 4のデータ型ノードと接続します。ダブルクリックして設定ダイアログを開きます。

「フィールド」タブ

設定項目	値
フィールドの割り当て	「ユーザー設定フィールドの割り当てを使用」を選択
対象	`数量_Sum`
イベントおよび干渉	`祝日フラグ`、`販促フラグ`、`長期休暇フラグ`、`イベントフラグ` を追加

「データの指定」タブ

設定項目	値
日付/時刻フィールド	`SDATE`
時間区分	日

「モデルのオプション」タブ

設定項目	値
レコードの将来への拡張	チェックをつける（3日先まで予測）
値をデータに追加するフィールドの選択	チェックをつける
フィールド	`祝日フラグ` 〜 `イベントフラグ` を選択

将来の3日分（2026年1月1日〜3日）のフラグ値を下表のとおり入力します。

フィールド	1月1日（元日）	1月2日	1月3日
`祝日フラグ`	1（元日）	0	0
`販促フラグ`	0	0	0
`長期休暇フラグ`	1	1	1
`イベントフラグ`	0	0	0

祝日フラグの入力手順は以下。

同様に他のフラグも設定します。

設定完了後、ノードを実行します。

完了するとキャンバス上に モデルナゲット（ゴールドのダイヤモンドアイコン）が自動生成されます。

確認ポイント
モデルナゲットをダブルクリックで開くと、「店舗1の予測モデル」と「店舗2の予測モデル」が個別に生成されていることが確認できます。Step 4で「分割」に設定した店舗フィールドがここで機能しています。

Step 6　予測の実行と全データ確認（テーブルノード）

Step 4のデータ型ノードからモデルナゲット（applyts）へ接続し、さらに 「出力」 カテゴリの 「テーブル」 ノードをモデルナゲットに接続して実行します。

出力の見方
テーブルの末尾行まで確認すると、2026年1月1日〜3日のレコードに $TF-数量_Sum（フューチャーフラグ）が 1(True) になった行が表示されます。これが未来の予測データです。この行では実績値（数量_Sum）はNULLで、予測値（$TS-数量_Sum）のみが入っています。