#14: データ分析入門
関数もマクロも不要。AIと会話して「数字」を「戦略」に変える技術
📊 難易度: 中級
🎯 学習スキル: DIKWピラミッド、データクレンジング、インサイト抽出
導入
「売上データを分析して」と言われて、Excelの前で固まってしまったことはありませんか？ 多くのビジネスパーソンにとって、データ分析は「面倒で難しい作業」です。
しかし、AIを使えば状況は一変します。複雑な計算式を覚える必要はありません。AIにファイルを渡し、「ここから何が言える？」と聞くだけで、プロ顔負けの分析とグラフが出てきます。Week 14では、データをただの数字で終わらせず、次のアクションに繋げるための思考法と実践術を学びます。
💡 この週で得られること
手元のExcelやCSVデータをAIに読み込ませ、傾向を分析し、グラフ化し、最終的に「明日どうすればいいか」という具体的な提案まで自動で引き出すスキルを習得します。
この章で登場する用語
📖 この章で登場する用語
学習内容
1. データの進化論「DIKWピラミッド」
データをビジネスに活かすには、ただ集めるだけでは意味がありません。データを「知恵（Wisdom）」にまで昇華させるプロセス、それが「DIKWピラミッド」です。
多くの人はExcelとにらめっこして「Information」止まりになりますが、AIを使えば一気に「Wisdom」まで駆け上がることができます。
| 階層 | 定義 | AIへの指示例 |
|---|---|---|
| 1. Data (データ) | 生の数字や事実。 例：売上表 |
「このファイルを読み込んで」 |
| 2. Information (情報) | 整理されたデータ。 例：月別売上グラフ |
「月ごとの推移をグラフにして」 |
| 3. Knowledge (知識) | 傾向や法則。 例：夏に売上が下がる |
「売上が下がっている原因を分析して」 |
| 4. Wisdom (知恵) | 未来への行動指針。 例：7月に販促を行う |
「来月、具体的にどんな対策を打つべき？」 |
2. AIによる「データクレンジング」の自動化
分析作業の8割は「データ整理」だと言われます。表記のゆれ、空白、重複…これらを人間が修正するのは時間の無駄です。
AIに「このデータ、分析しやすいように綺麗にして」と頼むだけで、一瞬でクレンジングが完了します。この「下準備」をAIに任せるのが、分析成功の第一歩です。
3. AIに「問い」を立てさせる
データを見ても「何を見ればいいか分からない」という場合、AIに質問を考えさせましょう。
「経営者の視点で、このデータから確認すべき重要なポイントを3つ挙げて」と指示すれば、AIが論点（売上構成比、成長率など）を提示してくれます。
学習内容：ライブ実演「売上データの深掘り」
それでは、架空の「店舗売上データ（CSV）」を使って、DIKWピラミッドを駆け上がるプロセスを実演します。
あなたは小売店の店長です。最近、売上がなんとなく下がっている気がしますが、商品が多すぎて何が原因か分かりません。手元には、POSレジから落としたCSVデータがあります。
Step 1: Data → Information（可視化）
まずは生のデータをAIに渡し、人間が見てわかる「グラフ（情報）」に変換させます。
これは過去1年間の売上データです。月ごとの売上推移を棒グラフにして可視化してください。また、データに不備があれば修正してください。
一部、日付形式が不揃いだったため統一しました。こちらが月次売上の推移グラフです。（グラフを表示）
全体的に右肩下がりで、特に「直近3ヶ月の落ち込み」が目立ちますね。
✅ 改善ポイント
一瞬で「直近3ヶ月がヤバい」という事実（Information）が判明しました。自分で集計していたら、これだけで半日かかっていたでしょう。
Step 2: Information → Knowledge（分析）
次に、なぜ落ち込んでいるのか「知識（原因）」を探ります。AIに深掘りを指示します。
「商品カテゴリ別」または「曜日別」で分析し、足を引っ張っている要因を特定してください。
要因は「雑貨カテゴリ」の売上急減です。食品カテゴリは横ばいですが、雑貨が前年比60%まで落ちています。
さらに細かく見ると、特に「文房具」の購入数が激減しています。
Step 3: Knowledge → Wisdom（アクション）
原因が分かっただけでは意味がありません。最後に「どうするか（知恵）」をAIと考えます。
この状況を踏まえ、来月実行すべき具体的な対策を3つ提案してください。予算はあまりかけられません。
AI: 承知いたしました。低予算でできる文房具のテコ入れ策を提案します。
1. セット販売（抱き合わせ）:
好調な「食品」とセットで買うと割引になるキャンペーンを実施し、ついで買いを誘発する。
2. レイアウト変更:
文房具売り場が死角になっていませんか？ レジ横などの目立つ場所に「今月のおすすめ文具」コーナーを設置する。
3. 在庫処分セール:
動いていない商品は早めにセールで現金化し、売れ筋の商品に入れ替える。
💡 結論
ただのCSVファイルから、「レジ横に文具を置こう」という具体的なアクション（Wisdom）が生まれました。これがデータ分析のゴールです。
実践演習
それでは、皆さんの手元にあるデータを使って分析してみましょう。データがない場合は、架空のデータを作成するプロンプトも用意しました。
演習課題：身近なデータのDIKW分析
売上データ、アンケート結果、あるいは家計簿データでも構いません。AIに読み込ませて、改善策を出させてみましょう。
🤖 プロンプト例（データ分析一括実行）
あなたはプロのデータアナリストです。
添付したデータを分析し、以下のステップでレポートを作成してください。
# Step 1: Data Cleaning & Visualization
– データの不備があれば修正してください。
– データの全体像がわかるグラフを作成してください。
# Step 2: Insight Extraction (Knowledge)
– データから読み取れる「特筆すべき傾向」や「異常値」を3点挙げてください。
– なぜそうなっているのか、仮説を立ててください。
# Step 3: Action Plan (Wisdom)
– この分析結果に基づき、今後とるべき具体的なアクションを提案してください。
💡 実務での活用ヒント
ChatGPTの「Advanced Data Analysis」機能を使うと、グラフの描画まで自動でやってくれます。出力されたグラフは画像として保存し、そのまま会議資料に貼り付けられます。
まとめ
Week 14では、データ分析の壁を取り払いました。
- 分析の目的は「きれいなグラフを作ること」ではなく「アクション（知恵）を決めること」。
- 面倒な集計やクレンジングは全てAIに任せる。
- 人間は、出てきた結果を見て「意思決定」することに集中する。
次回Week 15は、AI活用の守りの要、**「リスクマネジメント（ハルシネーション対策やセキュリティ）」**を学びます。攻めと守りが揃って初めて、AI活用は完成します。
✅ 明日から使える3つのポイント
- 数字のファイルをもらったら、とりあえずAIに読み込ませてみる。
- 「このデータから何が言える？」とAIに問いかける癖をつける。
- 分析結果が出たら必ず「で、どうすればいい？」とネクストアクションを聞く。
よくある質問
Q1: どのAIツールがデータ分析に最適ですか？
A1: 現時点では、OpenAIのChatGPT (GPT-4o)のデータ分析機能が最も強力です。ファイルの読み込み、Pythonによる計算、グラフ描画まで一貫して行ってくれます。Claude 3.5 Sonnetもコード生成能力が高く、分析に向いています。
Q2: AIの計算は間違えませんか？
A2: 稀に計算ミスをすることがあります。重要な数値（決算など）の場合は、AIに「計算過程（Pythonコード）を表示して」と指示し、ロジックが合っているか確認するか、Excelで検算することをお勧めします。
スキルチェックリスト
- ✅ExcelやCSVファイルをAIに読み込ませることができる
- ✅DIKWピラミッドを理解し、データからアクションを導き出せる
- ✅AIを使って、データをグラフで可視化できる
活用する基礎スキル
成果物
- 自社データを分析した簡易レポート（グラフ付き）
- データから導き出した「来月の具体的なアクションプラン」
コメント