Python、R、SQLを知らなくても、AIを使ってデータを分析できます。スプレッドシートをアップロードし、知りたいことを説明するだけで、AIが分析を実行します — データのクリーンアップ、指標の計算、トレンドの発見、チャートの生成です。これまでデータアナリストが必要だったり、何時間もExcelの数式を入力したりする必要があった作業が、数分で完了します。
このガイドでは、ChatGPT、Claude、Geminiを使って全体のプロセスを説明します。それぞれデータ処理の方法が異なります。最後には、どのタスクにどのAIを使うべきかがわかり、生データから洞察を得る反復可能なワークフロンが手に入ります。
| タスク | 最適なAI | 理由 | 無料プラン? |
|---|---|---|---|
| CSVのクリーンアップ/変換 | ChatGPT (Code Interpreter) | あなたのファイルでPythonを実行 | Often |
| パターン発見 + ナラティブ作成 | Claude | 最高の説明 + 要約 | Yes |
| Google Sheetsをその場で分析 | Gemini | Workspaceネイティブのワークフロー | Yes |
| チャート (出版品質) | ChatGPT (Code Interpreter) | matplotlib/seaborn出力 | Often |
| エグゼクティブサマリー | Claude | ビジネスライティングの品質 | Yes |
データ分析に最適なAIは?
ChatGPT with Code Interpreter がデータ分析に最も強力です。実際のPythonコードをデータ上で実行します — pandasで操作、matplotlibとseabornでチャート作成です。英語でやりたいことを説明すると、コードを書いて実行し、結果を表示します。複雑な多段階分析に対応し、出版品質のチャートを生み出します。
Claude は結果の解釈とデータ周りのナラティブ作成に優れています。CSVをアップロードすると、パターンを特定し、意味を説明し、明確な要約を作成します。ChatGPTより乱雑なデータ記述やデータのニュアンスある質問の理解に優れています。ただし、Claudeはブラウザ上でコードを実行しません — 分析を生成し、アプローチを推奨します。
Gemini はデータがすでにGoogle Sheetsにある場合に最適です。GeminiはGoogle Workspaceと直接統合されているため、ダウンロードやアップロードなしでシートを読み込み分析できます。また、データ分析をウェブ検索と結びつけるのも得意です — 「売上データを分析し、当社の成長率を業界ベンチマークと比較せよ」。
ほとんどの人には: 分析はChatGPT Code Interpreterから始め、解釈とプレゼンにClaudeを使いましょう。
6ステップのデータ分析ワークフロー（繰り返し可能）
- 準備 → ヘッダーをクリーンアップ、書式を削除、機密フィールドを確認
- 探索 → データセットの内容と品質問題を尋ねる
- クリーンアップ → 欠損値、重複、日付、カテゴリを処理
- 分析 → トレンド、比較、相関、セグメント
- 可視化 → 質問に合ったチャート（汎用的なものではない）
- ストーリーを語る → エグゼクティブサマリー + アクション
ステップ1: データの準備
アップロード前に2分かけて準備しましょう:
ヘッダーをクリーンに: 最初の行に明確な列名を。 "Q3_Rev_USD" はOK。3列にまたがる結合セルはNGです。
書式を除去: 結合セル、色分け、非表示行を削除。AIは生データを読みます、視覚書式ではありません。Excelに複雑な書式があるならCSVで保存 — シンプルを強制します。
機密データの確認: アップロード前にPII (名前、メール、SSN) や機密情報をスキャン。敏感なものは削除か匿名化を。データはAIプロバイダのサーバーへ送られます。プライバシー重視の分析なら、AI privacy comparison をご覧ください。
知りたいことをメモ: 「何がトレンド?」は曖昧。「Q2対Q1で最も成長した商品カテゴリは? その成長を牽引する地域は?」ならAIに明確なターゲットを与えます。
ステップ 2: アップロードして探索
ファイル（CSV、Excel、またはGemini用のGoogle Sheetリンク）をアップロードし、探索的なプロンプトから始めましょう：
これでベースラインが得られます。データ品質の問題を分析が汚染される前にキャッチできます。AIが500行と報告したのに5,000行を期待していた場合、アップロードに問題があったかデータに問題があるということです。
これで価値を感じていますか？ AIを実際の業務で活用するガイドを毎週公開しています。Inboxに届ける →
ステップ 3: クリーンアップと変換
実際のデータは散らかっています。最も一般的なクリーンアップ作業を扱うプロンプトを以下に示します:
これらのプロンプトは、手動のExcel作業やPythonコーディングで5-15分かかるところですが、AIを使えば数秒で完了します。鍵は、欲しいものを具体的に指定することです — AIは複雑な変換を処理できますが、明確な指示が必要です。
ステップ 4: 分析
クリーンなデータができたら、実際の分析を実行します。最適な結果を得るために、ICCSSE frameworkを使ってリクエストを構造化してください:
ステップ 5: ビジュアライゼーションを作成する
チャートの場合は、欲しいものを具体的に指定してください:
ChatGPT Code Interpreter は実際のチャートライブラリを実行するため、最も優れたチャートを生成します。Claude はチャートを説明し、実行するためのコードを生成できます。Gemini は Google Sheets で直接チャートを作成します。
ステップ 6: ストーリーを書く
ナラティブのないデータはただの数字です。AIを使って分析の要約を書かせましょう:
ここでClaudeがChatGPTを上回ることが多いです — その文章の質とビジネスコミュニケーションの構造化能力が明らかに優れています。ChatGPTで数値計算を行った場合、結果をClaudeに貼り付けてナラティブを作成することを検討してください。
AIデータ分析のよくあるミス
確認なしに数字を信用。 AIは計算ミス、列意味の誤解、行の静的削除が起き得ます。生データと結果を常にスポットチェック。2-3つの具体データポイントを手動検証。
機密データのアップロード。 データは外部サーバーへ。顧客PII、財務記録、機密ビジネスデータをアップロード前にAIプロバイダのデータポリシーを理解。
一度に質問多すぎ。 「データ全体を分析」は浅い結果。1つの具体質問をし、答えを得て次へ。焦点を絞った質問で焦点分析。
サンプルサイズ無視。 AIは3データポイントの平均も30,000と同じ自信で計算。グループ比較時はサンプルサイズと統計的有意性を常に尋ねよ。
分析前のデータ形式変換には、JSON to CSV converter や他のfree tools がデータ準備に役立ちます。どのモデルを使うか迷ったら、Model Picker Quiz を。
もっと欲しい? AIを実際の仕事で使う週刊記事 — おもちゃデモじゃない。 無料購読 →
よくある質問
AIはデータアナリストを置き換えられる?
基本分析 — 要約統計、トレンド特定、シンプル可視化 — ならはい。複雑統計、因果推論、戦略的意味のビジネス判断ならいいえ。AIはアナリストを速くするツールで、分析思考の代替ではありません。
どのファイル形式が最適?
CSVが全AIツールで最も信頼性高。Excel (.xlsx) はChatGPTとClaudeで良好。Google SheetsはGeminiとネイティブ。マクロ、ピボットテーブル、結合セルの複雑Excelは避け、まずCSV保存。
AIが扱えるデータセットのサイズは?
ChatGPT Code Interpreterは最大512MB。Claudeはコンテキストウィンドウ内 (約200Kトークン、シンプルデータで~100K行) で大CSV処理。超えるなら事前集計かサンプリング。
結果を信用できない場合の対処は?
2-3行を手動スポットチェック、AIに中間計算表示を求め、別モデルで同一分析を再実行して比較。AIは速い — 検証も速く。
開示: 本記事の一部リンクはアフィリエイトリンクです。実際にテスト・常用したツールのみ推奨。 full disclosure policy をご覧ください。