生成AIで表データを分析する手順｜CSVの傾向把握から集計・グラフ化・検算まで

日々の業務で蓄積される売上データ、アンケート結果、アクセスログなどの表データを前にして、「集計に時間がかかる」「どこに着目して分析すればよいかわからない」と悩む方は少なくありません。関数を組んだりピボットテーブルを作成したりする作業は、慣れていないと手間がかかります。

ChatGPTなどの生成AIツールには、ファイルを直接アップロードして内部でコードを実行し、高度なデータ処理や可視化を自動で行う機能が備わっています。これらを活用すれば、手作業では何時間もかかる集計や傾向の把握が数分で完了します。

ただし、生成AIは計算の過程で誤った数値を提示することがあるため、実務で意思決定に使うには「正確な検算」が欠かせません。

この記事では、CSVやExcelなどの表データを生成AIに読み込ませて傾向を読み解き、目的に沿って集計・グラフ化を行い、出力結果を確実に検証するまでの具体的な手順を詳しく解説します。

なお、Excel関数自体の組み立て方については事務作業での生成AIプロンプトで、業務全体のスキル習得順序はExcelスキルの全体像と学ぶ順番で解説しています。また、ツールの機能差やプランの違いは生成AIツールの違いと選び方をご確認ください。

---

生成AIを使った表データ分析の全体像

生成AIを使った表データ分析は、「データを渡して質問するだけ」で完結するものではありません。AIの特性を理解し、適切な前処理と指示、そして検証を行うことで、初めて業務で使える成果物になります。

まずは、分析の流れとAIの得意・不得意を整理します。

分析の基本ステップ

生成AIを用いたデータ分析は、以下の4つのステップで進めます。

【ステップ1：準備と傾向把握】
データの匿名化 → ファイル添付 → データの構造・欠損値・全体傾向の確認
      ↓
【ステップ2：集計の実行】
切り口（ディメンション）の指定 → 指標（メトリクス）の計算 → 比較分析
      ↓
【ステップ3：グラフ化】
分析目的に適したグラフ形式の選択 → 可視化の指示 → 軸や凡例の調整
      ↓
【ステップ4：検算・整合性確認】
行数・合計値の突き合わせ → 実行コードの確認 → 元データとのスポット検証

生成AIが得意なこと・任せてはいけないこと

表データ分析において、生成AIができることと人間が判断すべきことには明確な境界線があります。

生成AIは「指示された条件に基づいてデータを素早く計算・描画する作業」を肩代わりしてくれますが、「そもそもどの数値を集計すべきか」「その結果からどのような経営施策を打つべきか」という問いの設定や解釈は人間が行う必要があります。

分析前の注意点：機密情報の保護

実務のデータを生成AIに投入する際は、情報漏えいへの配慮が不可欠です。社内の顧客名、取引先名、個人名、電話番号、具体的な金額などは、あらかじめ削除するか、記号（顧客A、企業Bなど）に置き換える「マスキング（匿名化）」を行ってからアップロードしてください。

社内ルールの確認や情報セキュリティ対策の基準については、生成AIの業務利用リスクと社内ルールで詳しく解説しています。

---

手順1：CSV・表データを読み込ませて全体傾向を把握する

分析を始める際は、いきなり細かい集計を指示するのではなく、まずAIにデータの構造を正しく理解させ、全体像を把握させるプロンプトを送信します。

データの構造を把握させる最初のプロンプト

ファイルを添付した上で、次のようにデータの行数、列の定義、データの概要を整理させます。

添付したCSVファイルを読み込み、以下の項目を整理して出力してください。

1. データの総行数と総列数
2. 各カラム（列）の名称と、推測されるデータ型（数値、日付、文字列など）
3. データの先頭5行のプレビュー
4. 各列における欠損値（空白セル）の有無と件数

この指示を出すことで、AI内部でファイルを正しくパース（構文解析）できているか確認できます。日付データが文字列として誤認識されていたり、ヘッダー行がずれていたりする場合は、この段階でAIに「1行目をヘッダーとして扱ってください」「A列の日付はYYYY-MM-DD形式として認識してください」と修正を指示します。

異常値・欠損値・外れ値の検出

実務のデータには、入力ミスによる異常な数値（マイナスの売上や極端に未来の日付など）や、空白セルが含まれていることが多々あります。これらを放置して集計を進めると、平均値が歪むなどの問題が生じます。

傾向把握の段階で、以下のようなプロンプトを実行してデータクリーニングの観点を確認します。

このデータセットの品質を確認したいです。
以下の観点でチェックを行い、結果を報告してください。

1. 数値データ（売上、単価、数量など）の最小値、最大値、中央値、平均値
2. 明らかに不自然な値（負の数値、0、想定を超える外れ値）の有無
3. 日付データの期間（最古の日付と最新の日付）
4. 重複している行の有無と件数

AIが出力した要約統計量（サマリー）を見て、例えば「単価の最小値がマイナスになっている」「日付に数年前のテストデータが混ざっている」といった問題が見つかった場合は、「単価が0以下の行を除外して分析を続けてください」といった前提条件をプロンプトで指定します。

全体のビジネス傾向を要約させる

データ構造と整合性の確認が済んだら、大まかな傾向を探索させます。

このデータは当社の過去1年間の販売実績データです。
データ全体を概観して、ビジネス上の傾向や特徴として読み取れるポイントを
客観的な数値根拠を添えて3〜5点挙げてください。
（例：最も売上が大きいカテゴリ、売上が急増・急減している時期など）

AIは全体の数値を走査し、「第3四半期に特定カテゴリの売上が全体の40%を占めている」「平日に比べて休日の注文件数が30%少ない」といった大枠の傾向を提示してくれます。この出力を足がかりにして、次の詳細集計へ進めます。

---

手順2：目的に応じた集計を実行する

全体像を掴んだ後は、業務上の疑問や仮説を検証するための集計を行います。集計の精度を高めるためには、「集計の切り口（行と列）」と「計算する指標」を曖昧にせず指定することが重要です。

条件を指定したクロス集計・グループ別集計

データを特定のカテゴリごとに分類して比較したい場合は、ピボットテーブルのようなクロス集計を指示します。

以下の条件でデータをグループ化し、集計表を作成してください。

【集計の切り口】
- 行：商品カテゴリ
- 列：販売地域（東日本・西日本）

【計算する指標】
- 売上合計（円）
- 取引件数（件）
- 客単価（売上合計 ÷ 取引件数）

【出力形式】
- Markdownの表形式
- 数値は3桁カンマ区切り、客単価は小数点以下第1位を四捨五入

条件を明確に提示することで、手元でピボットテーブルを組むのと同じ形式の集計表が短時間で出力されます。

変化率・構成比の算出と要因の深掘り

単なる合計値だけでなく、構成比や前月比などを計算させることで、数値の背景にある要因を特定しやすくなります。

月別の売上推移を集計してください。
表には以下の列を含めてください。

1. 年月（YYYY-MM）
2. 当月売上合計
3. 前月比（％：プラス・マイナスがわかるように表記）
4. 全期間売上に対する構成比（％）

集計表を出力した上で、前月比で最も大きく減少した月について、
どの商品カテゴリの落ち込みが主因だったのかを追加で分析してください。

このように「集計表の作成」と「落ち込み要因の分解」をセットで指示できる点が生成AIの強みです。AIは全体集計を行った後、該当月のデータをカテゴリ別に再集計し、「〇月の売上減少の70%はカテゴリBの販売不振によるもの」といった詳細な要因まで掘り下げて回答します。

会話形式で集計軸を切り替えるテクニック

生成AIは文脈（コンテキスト）を保持しているため、一度計算させた結果に対して、チャット上で集計軸を変更していく「探索的な分析」が容易です。

• 切り口の変更：「今の集計を、地域別ではなく『顧客ランク別（新規・リピート）』に切り替えて再集計してください」
• フィルタの適用：「売上が上位10%の取引データのみに絞り込んだ場合、先ほどの傾向はどう変化しますか？」
• 期間の限定：「キャンペーン期間中（7月1日〜7月15日）に限定して、同じ集計を行ってください」

集計軸を次々に変えながら結果を比較することで、データの異常値や特徴的なパターンを素早く見つけ出すことができます。

---

手順3：集計結果をわかりやすくグラフ化する

生成AI（特にPythonコード実行環境を持つツール）は、集計結果をその場でグラフ画像として生成・ダウンロードさせることが可能です。

分析目的に合った適切なグラフ種類の指定

AIに「グラフにしてください」とだけ指示すると、目的に合わない形式（項目数が多い円グラフや、推移を見るのに適さない棒グラフなど）で出力されることがあります。分析の目的に応じて、グラフの種類をプロンプトで直接指定します。

グラフ描画プロンプトの構成例

グラフを正確かつ見やすく描画させるための指示プロンプト例です。

先ほど集計した「月別の売上推移と客単価の推移」をグラフ化してください。

【描画条件】
- グラフ種類：複合グラフ（売上推移は棒グラフ、客単価推移は折れ線グラフ）
- 横軸：年月（YYYY-MM）
- 第1縦軸（左）：売上金額（単位：百万円）
- 第2縦軸（右）：客単価（単位：円）
- 配色：ビジネス資料に適した落ち着いたトーン（青系を基調）
- タイトル：月別売上・客単価推移
- 凡例：上部に配置
- 注意点：日本語フォントが文字化け（□やトーフ）しないように設定してください

日本語フォントの文字化け対策

生成AI内部のPython実行環境（Linux環境）には、日本語フォントが標準でインストールされていないケースがあります。そのため、グラフ内のタイトルやラベルが四角い記号（いわゆる「トーフ」）に文字化けすることがあります。

文字化けが発生した場合は、以下の指示を追加してください。

• 指示例1（フォント指定）：「グラフ内の文字が文字化けしています。japanize-matplotlibを導入するか、環境内の日本語対応フォント（Noto Sans CJK JPやIPAGothicなど）を指定して再描画してください」
• 指示例2（英語表記への切り替え）：「日本語表示が困難な場合は、グラフのタイトル、軸ラベル、凡例をすべてシンプルな英語表記に置き換えて出力してください」

社内向けの簡易確認であれば、英語表記に切り替えて出力させる方がエラーなく手早く可視化できます。

---

手順4：AIの計算ミスを防ぐ「検算」の手順とルール

生成AIによる表データ分析において、最も重要な工程が「検算（バリデーション）」です。生成AIが出力した数値をそのまま鵜呑みにして上司や取引先に報告することは避けてください。

なぜ生成AIは計算を間違えるのか

誤解されやすい点ですが、生成AIの計算ミスには大きく分けて2つの原因があります。

1. 言語モデル自体の推論ミス（テキスト生成のみの場合） ChatGPTなどのテキスト生成モデルは、本来「次に来る確率の高い単語」を予測する仕組みであり、複雑な四則演算を頭の中で正確に行う計算機ではありません。プロンプトのテキストだけで直接計算させると、もっともらしい嘘（ハルシネーション）の数値を平気で出力します。
2. コード生成・抽出条件の誤り（Python実行機能を使う場合） Advanced Data Analysis（旧Code Interpreter）などの機能は、裏側でPythonコードを生成して計算を実行するため、計算自体は正確です。しかし、「重複データの除外を忘れた」「NULL（欠損値）を0として平均値を計算した」「抽出条件のフィルタが意図とズレていた」といったプログラムのロジックミスが発生することがあります。

この2点があるため、「計算プログラムを実行させたから100%安全」とは言い切れません。必ず次の手順で検算を行います。

検算ステップ1：行数と合計値の整合性チェック

集計結果を受け取ったら、まず「データの全体量」が一致しているかを確認します。

検算のため、以下の数値を教えてください。

1. 元データの総行数
2. 今回の集計対象となった行数
3. 除外された行数（欠損値や条件外の行）がある場合、その理由と内訳
4. 元データの「売上合計」と、今回作成した集計表の「売上合計（各カテゴリの合計値）」が完全に一致しているか

この確認を行うことで、「いつの間にか一部のデータがフィルタで脱落していた」「重複行が二重計上されていた」といった重大なミスを即座に検知できます。

検算ステップ2：裏側で実行されたコード（Python）の確認

AIがどのようなロジックで集計したのか、実行コードを表示させて確認します。

チャット画面上の「コードを表示（Show work）」ボタンを押すか、以下のプロンプトを送信します。

先ほどの集計で使用したPythonのコード（集計・データ抽出の処理内容）を提示し、
どのような条件でデータを絞り込み、計算したのかを日本語でステップごとに解説してください。

コードの知識が深くなくても、以下のポイントを確認するだけでミスの多くを発見できます。

• dropna() や fillna() で、意図せず重要な行を削除または不自然な値で埋めていないか
• groupby() のグループ分けに指定した列が合っているか
• 条件指定（例：df['売上'] > 0 など）で、除外してはいけないデータを除外していないか

Pythonを用いたデータ処理の基礎知識を身につけたい場合は、Python業務自動化の全体像を参考に学習を進めるのが有効です。

検算ステップ3：手元の表計算ツールを使った「スポット検証」

すべてのデータを手作業で再計算する必要はありませんが、1〜2箇所のピンポイントなスポット検証は必須です。

1. 特定カテゴリの確認： 手元のExcelやスプレッドシートで「カテゴリA」だけにフィルタをかけ、売上合計を計算する。
2. AIの集計値と突合： AIが出力した集計表の「カテゴリA」の売上金額と、手元の合計値が1円単位まで一致しているか確認する。
3. 特定月の確認： 特定の1か月分だけを手元でSUM集計し、AIの月別集計表と突き合わせる。

サンプリングした箇所が完全に一致していれば、AIが書いた集計ロジック全体が正しく機能している可能性が高いと判断できます。

---

実務でそのまま使える分析指示プロンプトテンプレート

実務で頻度の高い2つの分析シーンについて、コピペして使える指示テンプレートを用意しました。業務データに合わせて列名などを書き換えて活用してください。

1. 売上・受注データの要因分析テンプレート

【目的】
過去の受注実績データを分析し、売上増減の要因と今後の改善ポイントを把握したいです。

【データ概要】
添付の受注実績データ（CSV）を使用してください。
主なカラム：受注日、顧客ID、顧客区分（新規/既存）、商品名、商品カテゴリ、受注単価、数量、売上金額

【指示内容】
1. データの整合性確認：
   総行数、期間、欠損値の有無を確認し、問題があれば報告してください。

2. 月別推移の集計：
   月ごとの「売上合計」「総注文件数」「平均客単価」を一覧表にしてください。

3. セグメント別分析：
   「新規顧客」と「既存顧客」に分けて、月別の売上構成比推移を計算してください。

4. 要因分析：
   売上が最も高かった月と、最も低かった月を比較し、
   どのセグメントおよび商品カテゴリがその差を生み出しているのかを数値で示してください。

5. 検算用データの出力：
   元データの売上総合計と、集計表の売上総合計を比較し、一致していることを証明してください。

2. 顧客アンケート・評価データの集計テンプレート

【目的】
製品利用アンケートの集計を行い、顧客満足度の傾向と改善すべき課題を特定したいです。

【データ概要】
添付のアンケート結果データ（CSV）を使用してください。
主なカラム：回答日時、回答者ID、利用プラン、満足度（1〜5の5段階評価）、継続意向（1〜5の5段階評価）、推奨度（NPS：0〜10の11段階）

【指示内容】
1. 全体傾向の確認：
   各評価項目（満足度、継続意向、推奨度）の有効回答数、平均値、中央値、最頻値を算出してください。

2. クロス集計：
   「利用プラン別」に各評価項目の平均値を比較する表を作成してください。

3. 相関の確認：
   「満足度」と「継続意向」の間にどのような相関関係があるか、相関係数を算出して傾向を解説してください。

4. グラフ化：
   プランごとの満足度分布（1〜5の回答割合）を100%積み上げ棒グラフで可視化してください。
   （日本語フォントの文字化け対策を行ってください）

---

データ分析のスキルをリスキリングで高めるには

生成AIを使った表データ分析は、これまでデータアナリストやエンジニアしかできなかった複雑な処理を、現場のビジネスパーソンが自ら行えるようにする強力な手段です。

AIへの指示や検証をよりスムーズに行うためには、周辺スキルの知識を段階的に補強していくことをおすすめします。

• 集計ロジックの理解を深める： ピボットテーブルの仕組みやデータの持ち方を正しく理解していると、AIに対するグループ化や集計の指示が的確になります。
• データ抽出言語の基礎を学ぶ： 大量の社内データベースから目的の表データを自分で取得したい場合、SQLの基本を理解しておくと業務の幅が大きく広がります。非エンジニア向けの学び方は非エンジニアのSQL入門で解説しています。
• AI全体の技術背景を体系的に学ぶ： AIがどのような仕組みでデータを処理し、どこに限界があるのかを知識として体系化するには、資格取得を目指すのも効果的です。資格の比較はAI関連資格の比較をご覧ください。

学び直し全体の進め方や学習計画の立て方については、リスキリングの進め方ロードマップを参考にしてください。

---

まとめ：AIを「分析の相棒」として安全に使いこなす

生成AIを活用した表データ分析は、作業時間を大幅に削減し、これまでにない多角的な視点からデータを読み解く手助けとなります。

実務で安全かつ効果的に活用するための要点は以下の4点です。

1. 機密情報のマスキング：社外秘データや個人情報は事前に置換・削除してから投入する。
2. 全体構造の確認から始める：いきなり集計せず、データの行数、欠損値、外れ値をAIに把握させる。
3. 具体的な指示で集計・可視化する：行・列の切り口と計算指標を明示し、適切なグラフ形式を指定する。
4. 徹底した検算を行う：行数や総合計の一致確認、実行コードの確認、手元のスプレッドシートによるスポット検証を怠らない。

生成AIが出力する数値は「完成品」ではなく「検証前の下書き」として捉え、人間が最後の検算とビジネス判断を担う運用を徹底してください。この基本サイクルを身につけることが、データ活用の確実な第一歩となります。

---

確認先

• デジタル庁：AI利活用ガイドライン
• 総務省：情報通信白書（AIの利活用と留意点）
• 経済産業省：AI事業者ガイドライン
• OpenAI：ChatGPT Data Analysis 公式ドキュメント