概要
季節性商品抽出のための時系列データの波形クラスタリング（k-Shape）は、波形や振動などの時系列データに対してクラスタリングを行います。例えば、夏に売れやすい/冬に売れやすい、ある時期をピークに販売が急増する等、季節性のある商品を抽出することができます。
本技術は、季節性のある商品の抽出に大変有効な技術です。本技術を活用することで、企業は季節性のある商品の販売予測、需要予測、価格変動予測をより精度の高いものにすることができます。
活用シーン
小売業、製造業、金融業など、様々な業界で本技術を活用しています。
- 小売業では、季節性のある商品の販売予測に活用されています。本技術を活用することで、企業は季節性のある商品の販売予測をより精度の高いものにすることができます。これにより、企業は商品の在庫管理や販売促進をより効果的に行うことができます。
- 製造業では、季節性のある商品の需要予測に活用されています。本技術を活用することで、企業は季節性のある商品の需要予測をより精度の高いものにすることができます。これにより、企業は製造計画や原材料調達をより効果的に行うことができます。
- 金融業では、季節性のある商品の価格変動予測に活用されています。本技術を活用することで、企業は季節性のある商品の価格変動予測をより精度の高いものにすることができます。これにより、企業はリスク管理や投資判断をより効果的に行うことができます。
特徴
- 波形や振動などの時系列データに対してクラスタリングを行うことができる
- 季節性のある商品を抽出することができる
- 様々な業界で活用することができる
メリット
- 季節性のある商品の販売予測、需要予測、価格変動予測をより精度の高いものにすることができる
- 商品の在庫管理、販売促進、製造計画、原材料調達、リスク管理、投資判断をより効果的に行うことができる
事例
弊社で取り組んだ季節性商品の抽出のためのクラスタリング例をご紹介します。
テーマは、あるお客様の「冬に出やすい商品、夏に出やすい商品など、商品分類に季節性が考慮されていない。発注担当者で認知されている季節商品を可視化できないか？」という課題を解決することでした。
これをもう少し具体的な目標に落とし込み、 3 STEPで取り組むこととなりました。
- 商品ごとに年間の発注実績データの波形を可視化
- 波形の類似性・規則性から季節性のある商品を抽出・分類するモデルを構築する
- 最終的には商品ごとに季節性分類IDを付与する
以下は、商品群の時系列データについて、k-Shape で４つのクラスタ（夏２パターン、冬２パターン）に分類した例です。
実際にやってみたところ、おおむねうまく分類できたものの、各クラスタのセントロイドと大きくズレた商品がいくつかありました。
例えば、クラスタ0 では位相ずらし（波形を横にスライドする）を行えば、同クラスタとして分類されそうだとわかります。
同様に、いくつかの商品については波形の形は似ているものの、ピークの時期が異なる、というパターンがありました。これらの商品は季節性 ID を同一にしてしまうと不具合が起きるため、除外する必要があります。
将来性
時系列データの波形クラスタリング（k-Shape）は、季節性のある商品の抽出に有効な技術です。企業は季節性のある商品の販売予測、需要予測、価格変動予測をより精度の高いものにすることができます。