それでは、本題に入りましょう。
引き続き、SkyDream Shonan Beach Lounge さんの売り上げデータを利用していきます。できれば、Azure Machine Learning を利用した予測まで進めたいのですが、まずは、どのような説明変数があるのかデータを可視化しながら確認したいと思います。
売り上げグラフを作成しよう
先日作成したモデルから SkyDream Shonan Beach Lounge の売り上げグラフを作成します。
まず「視覚化」から縦棒グラフを選択します。
次に「視覚化」フィールドの軸に「SalesHeaders」からSalesDate、凡例に ShopId、値に TotalAmountWithTax をドラッグ&ドロップすると、次の縦棒グラフが表示されます。
ShopId は、極鶏.Bar (6)、施設利用 (7)、GRANBLUE (8) と符号化されています。このグラフで大まかな売上構成を見ることができます。
大まかな来場者数の推移を見るために、施設利用に注目してみましょう。
まず「視覚化」から折れ線グラフをクリックします。
次に「SalesDetails」から Quantity を値に、「SalesHeaders」から SalesDate を軸にドラッグ&ドロップします。ただし、これでは期間中の SalesHeaders に含まれる SalesDetails レコードの Quantity の合計が折れ線グラフに表示されてしまいますので、施設利用のみに絞るため「ビジュアル レベル フィルター」に ShopId をドラッグ＆ドロップし、施設利用を意味する 7 のみにフィルターします。また、施設利用には各種レンタルやグッズの販売も含まれているため、同じく「ビジュアル レベル フィルター」に「SalesDetails」の ItemNameShort をドラッグ&ドロップし、施設利用に関する項目のみ選択すると、次の折れ線グラフが表示されます。
施設利用者数（のべ）と極鶏.Bar および GRANBLUE の売り上げとの相関関係を見るため、上の売り上げグラフから施設利用 (7) に相当するデータを除外します。これにも「ビジュアル レベル フィルター」を使用します。
上記グラフから、施設利用者数（のべ）と飲食に係る店舗（極鶏.Bar および GRANBLUE）の売り上げには正の相関系にあるといえます。
やはり、施設利用者数も売り上げも週末に大きく伸びていますね。
