時系列データベースとは？基本概念とトレンド分析の4つの変動要素を徹底解説

時系列データベースとは

時系列データベースは、時間を繰り返し測定しながら取得された値やイベントの連なり（時系列データ）を格納・管理するためのデータベースです。値は一般的に一定の時間間隔（例：1時間ごと、1日ごと、1週間ごと）で計測されます。

時系列データベースは、株式市場の分析、経済や売上の予測、予算分析、公益事業調査、在庫調査、収量予測、作業負荷予測、プロセスや品質管理、大気・気温・風・地震といった自然現象の観測、数値・工学実験、医療分野など、実に幅広い用途で活用されています。

時系列データベースと系列データベースの関係

時系列データベースは、系列データベースの一種でもあります。系列データベースとは、時間という具体的な概念の有無にかかわらず、順序付けられたイベントの系列を含むデータベース全般を指します。たとえば、Webページの閲覧履歴や顧客の購買トランザクションの系列は系列データですが、必ずしも時系列データであるとは限りません。

急増し続ける時系列データ

大量のセンサーやテレメトリ機器、その他のオンラインデータ収集ツールの導入が加速するにつれ、時系列データの発生量は急速に増加しています。その規模は、株式取引のように1日あたり数ギガバイトに達する場合もあれば、NASAの宇宙計画のように1分あたりの単位で膨大なデータが生成されるケースもあります。

時系列データの数学的な捉え方

ある変数Y（たとえば株式市場における銘柄の終値など）を含む時系列は、時間tの関数として Y = F(t) と表現できます。この時系列データを特徴づけるために、トレンド分析では次の4つの主要な変動要素が考慮されます。

1. 傾向変動（長期的な動き）

長い期間にわたって時系列グラフが向かっている全体的な方向性を示すものです。この動きは「傾向曲線」または「傾向線」として表現され、図では破線の曲線で示されることがあります。傾向曲線や傾向線を求める代表的な手法には、加重移動平均法や最小二乗法があります。

2. 循環変動

傾向線や傾向曲線を中心とした長期的な振れ（サイクル）を指します。循環には周期性がある場合もない場合もあり、等しい時間間隔をおいても、必ずしも同じパターンが正確に繰り返されるとは限らない点が特徴です。

3. 季節変動

体系的、あるいは暦に関連した変動です。たとえば、バレンタインデー前にチョコレートや花の売上が急増する現象、クリスマス前の百貨店商品の売上増加など、毎年繰り返される出来事が典型例です。また、温暖な気候による夏季の水道使用量の増加も季節変動の一例といえます。これらの例における季節変動とは、続く各年の同じ月において、時系列が示す同一またはほぼ同一のパターンのことを指します。

4. 不規則変動（ランダムな動き）

労使紛争、洪水、企業内の人事異動の発表といった偶然の出来事によって引き起こされる、時系列の散発的で予測困難な動きを特徴づけます。