AIデータ分析の始め方｜4ツール比較と数字を確かめる実践手順

2026年9月12日

公開日: 2026年9月12日

公式ドキュメント・公式発表などの一次情報を確認したうえで、株式会社Nexaが執筆・更新しています。AIツールの仕様や料金は変わることがあるため、導入判断の前に各公式サイトの最新情報もご確認ください。運営会社について

AIデータ分析は、4つの代表的なツールをデータの保管場所と更新方法で選び、集計条件と計算結果を別々に確かめてから業務に使うのが基本です。

選定：単発のCSV分析か、表計算の補助か、定例レポートかで候補を絞ります。
準備：欠損値や重複を勝手に削除せず、売上の定義と対象期間を先に決めます。
検証：説明の自然さではなく、元データ、数式、分母、再計算結果を確認します。

対象読者：社内の売上や業務データを活用したい管理職、DX推進担当者

今日やること：利用を承認されたCSVと、照合用の集計表を一つずつ用意します。

この記事の著者

株式会社Nexa 代表取締役川島陸

一橋大学経済学部卒業後、フォーティエンスコンサルティング株式会社（旧株式会社クニエ）にて法人向けAI導入支援等を経験。独立後、AI系メディア運営やDify/n8nの導入支援を経て、株式会社Nexaを創業。法人向けAI研修・AI導入支援・AI関連メディア運営を手掛ける。

詳しく見る AI顧問の無料相談

AIデータ分析を始めるなら、AIが書く説明と、数式やプログラムが計算した数字を分けて確認する手順を先に決めます。ツールの使いやすさだけで選ぶと、見栄えのよいグラフができても、会議で「この数字の分母は何か」に答えられません。

ChatGPT、Excel Copilot、Power BI、Gemini in Sheetsでは、扱う場所も結果の更新方法も異なります。自社に合う選び方からCSVの準備、検算、社内運用までを整理します。機能は2026年9月12日に確認した公式資料に基づき、操作速度や分析精度の実測比較ではありません。

AIデータ分析とは何か

AIデータ分析とは、AIで集計や分類、可視化、結果の説明を支援し、業務判断に必要な情報を得る方法です。

生成AIは、指示に応じて文章やコードなどを作るAIです。データ分析では、日本語の依頼を計算手順に変えたり、計算結果を説明したりします。一方、過去のデータから規則性を学ぶ機械学習は、需要予測や異常検知などに使われます。両者は関連しますが、CSVを集計するたびに予測モデルを学習するわけではありません。

最初は「店舗別の売上を合計する」など、既存の月次資料から検証範囲を決められる作業を選びます。

AIに任せる作業と人が決めること

AIには分析手順の提案と説明の下書きを任せ、指標の定義、計算結果の確認、施策の採用は担当者が担います。

AIが「売上減少の原因は顧客離れです」と書いても、売上表だけでは原因を特定できません。返品の増加、集計対象の変更、営業日数の違いでも数字は変わります。もっともらしい説明を、データが証明した事実と混同しないことが出発点です。

図1：分析手順の提案、計算処理、業務判断の役割を分けます。

作業	AIに依頼すること	担当者が確定すること
問いの整理	比較軸や必要項目の提案	何の意思決定に使うか
データ加工	欠損や重複の候補抽出	削除、補完、統合のルール
集計	数式やコードの作成と実行	対象期間、分母、合計値
考察	変化の説明と仮説の列挙	根拠の有無と追加調査
報告	図表と文章の下書き	承認と配布範囲

「計算済みの数字」と「その理由の仮説」を報告書の別欄に分けるだけでも、会議で確定事項を取り違えにくくなります。

AIデータ分析ツールはどう選ぶか

AIデータ分析ツールは、データの保管場所、更新頻度、計算根拠を確認できるかという三つの条件で選びます。

以下は公式機能から整理した用途別の選定目安です。性能の順位表ではありません。同じデータを毎月更新するのか、その場で一度だけ調べるのかを先に決めると、不要なデータ移動や再集計を減らせます。

ツール	候補になる用途	主に確認する根拠	導入前の注意
ChatGPT	CSVなどの単発分析、集計案の検討	実行した計算処理と出力表	アップロード可否と利用条件
Excel Copilot	既存ブックの数式作成や傾向確認	数式、参照範囲、分析コード	回答方式による更新性の違い
Power BIのCopilot	共通指標を用いた定例レポート	データモデルと指標定義	組織の容量、管理設定、地域
Gemini in Sheets	共有シート内での分析と分類	分析手順、生成した表、数式	原データ更新への追随

営業部がExcelで予実を管理しているなら、既存ブックでの検証が候補です。全社へ配るなら、共有指標の管理まで比較します。

AI導入に関するお困りごとは、株式会社NexaのAI顧問がサポートします。「何から始めればいいか分からない」という段階からご相談いただけます。

AI顧問の無料相談はこちら →

ChatGPTが向くデータ分析

ChatGPTは、CSVなどを使って集計やグラフを試し、追加質問で分析の切り口を絞りたい場合に向いています。

OpenAIのデータ分析ヘルプでは、一部の分析でPythonコードを作成して実行し、結果を回答に組み込む仕組みを説明しています。Pythonはデータ処理にも使うプログラミング言語です。文章で数値を推測する処理とは異なります。

依頼は「返品を除き、月別に税抜売上と受注件数を集計して」と具体化します。出力表と計算手順を残し、条件変更後の最終版を明記します。

Excel Copilotが向くデータ分析

Excel Copilotは、既存のブックを使いながら数式や集計を補助し、担当者がセル単位で確認する用途に向いています。

MicrosoftのExcel分析ガイドには、数式、グラフ、ピボットテーブル、傾向や外れ値の提示が記載されています。ピボットテーブルは、行データを店舗別や月別などにまとめ直す集計機能です。生成された数式は、参照先と計算条件をセルで追える形にして使います。

ただし、すべての回答が更新可能な数式になるわけではありません。Pythonを用いる直接回答機能の公式説明では、コードの確認ができる一方、挿入する静的な表や画像は更新可能ではないとされています。この制限をCopilot全体に一般化せず、使った機能ごとに確認します。

既存データを一部変更して、結果も変わるかを試してください。契約や組織導入の整理には、Microsoft 365 Copilotの機能と導入方法も参考になります。

Power BIが向くデータ分析

Power BIは、部門で共通の指標を管理し、定期更新するレポートを複数の担当者が確認する用途に向いています。

Power BIは、複数のデータから業務状況を可視化するBIツールです。BIは、経営や業務の判断に必要な情報を集計して見せる仕組みを指します。Copilotへ質問する前に、セマンティックモデルを整えます。これは、表同士の関係や「売上」の計算方法などをまとめた定義です。

Microsoftのモデル準備ガイドは、表の関連、指標の計算、列名、データ型、更新予定の整備を推奨しています。「売上」が受注額なのか出荷額なのかを定めなければ、質問が同じでも欲しい結果にはなりません。

Copilotの公式要件では、有料Fabric容量のF2以上やPower BI PremiumのP1以上などが必要です。ProやPPUのライセンスだけでは足りず、管理設定と対象地域も確認します。同資料には多言語利用の正式サポートに関する制約もあるため、日本語の業務質問を使った事前確認も外せません。

Gemini in Sheetsが向くデータ分析

Gemini in Sheetsは、共有している表の中で分析や分類を進め、結果をチームで確認する用途に向いています。

Googleの公式ヘルプでは、数式、分析、グラフ作成と「Analysis steps」による分析手順の確認を案内しています。利用には対象のGoogle WorkspaceまたはGoogle AIプランが必要です。Googleスプレッドシートが利用できることと、Gemini機能が使えることは分けて確認します。

生成グラフは新しいタブのデータと連動しますが、生成元の原データの変更には連動しないと明記されています。月次レポートでは、グラフも更新されたかを確認します。

また、SheetsのAI関数は、要約や分類などに使う機能で、出力はテキストに限定されます。売上合計は通常の集計関数で計算し、自由記述の分類はAI関数で補助する、と役割を分けると根拠を追いやすくなります。

最初に決める分析目的と指標

分析の目的は「何を知りたいか」だけでなく、結果を見て誰がどの判断を変えるかまで具体的に決めます。

「売上が落ちた理由を探す」では、必要なデータを絞れません。「翌月の販促対象を決めるため、店舗別の売上減少を商品分類ごとに確認する」なら、対象店舗、商品分類、比較月が定まります。AIへ渡す前に、依頼者と分析担当者で次の項目を合わせます。

判断：販促対象、在庫数、追加調査の優先順位など。
期間：確定した月同士か、月途中の同じ日数同士か。
指標：税込か税抜か、返品控除前か後か、受注日か出荷日か。
分母：件数、顧客数、売上高のどれを使うか。
除外：テスト注文、キャンセル、社内取引の扱い。

「客単価」でも顧客当たりと注文当たりは別の指標です。名前だけでなく計算式を渡してください。

CSVとExcelを分析前に整える方法

CSVやExcelは、先頭行に列名を置き、一行が一つの記録になる形へ整えてから、必要な列だけを渡します。

CSVは表の値を区切り文字で保存するファイル形式です。Excelの色分けやセルの注釈に意味を持たせている場合、その意味がCSVに残るとは限りません。「赤字は返品」というルールは、返品区分の列に置き換えます。先に挙げたOpenAIのヘルプも、説明的な列名と一行一レコードを推奨しています。

確認項目	起きやすい問題	準備すること
列名	「金額1」「区分」では意味が不明	税抜売上、返品区分などに明示
記録の単位	明細と月合計が混在	集計行を分離し、明細だけにする
日付	文字列と日付型、地域設定が混在	形式と基準となる時刻を統一
金額	円と千円、税込と税抜が混在	単位と定義を一つにする
識別子	先頭ゼロが消える	商品コードなどは文字列で保持
読み込み	文字化けや列ずれ	列数、件数、先頭と末尾を照合

原本は変更せず、分析用のコピーを作ります。読み込めたことではなく、原本と同じ記録を読み込めたことを確認します。

欠損値と重複をどう扱うか

欠損値や重複は一律に削除せず、発生理由と集計への影響を確認し、処理前後の件数を記録して扱います。

空欄はゼロとは限りません。売上の空欄が「未入力」なのにゼロへ置き換えると、実態より低い売上になります。平均値で補う場合も、補完後の数字は実測値ではなく推定値です。AIにはまず「空欄の件数と該当行を示す。補完や削除はまだしない」と依頼します。

重複も、同じ注文番号があるだけで削除できません。一つの注文に複数の商品明細があれば、注文番号の重複は正当です。「注文番号＋明細番号」など、その行を一意に区別する項目を決めます。結合の前後で売上が増えた場合は、同じ商品コードがマスター側に複数存在していないかを調べます。

処理記録には、対象の列、採用したルール、除外件数、除外した金額を残します。総件数が合っていても金額が合わない場合があるため、両方を確認してください。

分析を依頼するプロンプトの書き方

プロンプトには目的、列の意味、集計条件、出力形式、禁止する処理を含め、検査と集計を分けて依頼します。

プロンプトはAIへの指示文です。一度に「整理して分析し、原因も提案して」と渡すと、確認前に欠損処理や原因の断定まで進むおそれがあります。まず品質検査を依頼し、担当者が条件を確定してから計算へ進めます。以下は実行済みの製品操作ではなく、依頼文のひな形です。

目的：店舗別の月次売上を比較し、追加調査する店舗を決める。データ：1行は注文の明細。売上列は円単位の税抜金額。最初に：列名、行数、対象期間、欠損、重複候補を報告する。禁止：指示があるまで削除、補完、原本の上書きをしない。確認後：指定期間の返品を除き、店舗別売上と注文件数を集計する。注文件数：注文番号の重複を除いた数。明細の行数とは区別する。出力：集計表、使った数式またはコード、除外件数と理由。考察：確認できた事実と仮説を分け、原因を断定しない。不明な定義や実行できない処理があれば、計算前に質問する。

条件変更後は最終条件を一覧にし、翌月の担当者が同じ集計を再現できるようにします。

AIが出した数字を検算する方法

数字の検算は、元データの件数と合計、集計条件、分母、別の方法による再計算の順に分けて確認します。

例えば全体の利益率を知りたい場合、店舗別利益率の単純平均では目的とずれることがあります。次は説明用の架空データです。値と計算はPythonで確認していますが、AI製品の分析性能を検証した結果ではありません。

図2：説明の自然さではなく、条件と別手段の計算で確かめます。

店舗	売上	利益	店舗の利益率
A	100万円	20万円	20%
B	900万円	90万円	10%
全体	1,000万円	110万円	11%

店舗の利益率を単純平均すると15%です。一方、全体の利益率は「利益合計110万円÷売上合計1,000万円」で11%になります。計算自体が正しくても、求めたい指標の式でなければ業務上の答えは誤ります。

確認担当者は、AIとは別に作ったピボットテーブルや既存の確定資料と照合します。差が出たら、期間、返品、税、重複、丸めの順に原因を探します。「もう一度確認して」と同じAIに尋ねるだけでは、同じ前提の誤りを繰り返す可能性があります。照合に使う資料側も、今回の指標と同じ定義かを確認します。

グラフと考察で誤解を防ぐ方法

グラフは軸、単位、対象期間、集計対象を明記し、考察では数字から分かる事実と原因の仮説を分けます。

棒グラフの縦軸を途中から始めると、小さな差が大きく見えることがあります。折れ線グラフで月を飛ばしたり、前年だけ通年、今年は途中までにしたりしても比較を誤ります。図の見栄えを整える前に、元の集計表と各点の値を突き合わせます。

また、二つの数値が一緒に動く相関と、一方が他方を変える因果関係は別です。広告費と売上が同時に増えていても、繁忙期が両方を押し上げた可能性があります。「広告が効いた」と断定せず、「同時に増加した。季節性などを追加確認する」と書き分けます。

報告書は「観測した変化」「考えられる理由」「確かめる追加データ」の順にすると、仮説だけが独り歩きしにくくなります。

予測分析を始める前の確認事項

予測分析は、過去の集計が安定してから始め、将来の情報を混ぜず、単純な予測方法と誤差を比較します。

過去の実績にぴったり合う予測でも、将来に当たるとは限りません。学習に使った期間とは別の、後の期間で評価します。例えば受注時点の需要を予測するのに、出荷後に確定する返品情報を使うと、予測時には存在しない情報が混ざります。これはデータ漏洩と呼ばれる評価上の問題です。

最初の比較相手は、前年同月の値を使う方法などの単純な基準で十分です。同じ評価期間で予測と実績の差を計算し、複雑な方法を導入する理由があるかを判断します。欠品の損失が大きい業務では、平均的な誤差だけでなく、少なく予測したケースも分けて調べます。

予測値をそのまま発注数にせず、最終承認者と修正理由を残してください。

社内データを安全に扱うためのルール

社内データは、入力の許可、必要最小限への加工、閲覧権限、保存と削除のルールを確認してから利用します。

氏名を消しただけで、個人が特定できなくなるとは限りません。部署、役職、日付、自由記述を組み合わせると、本人が分かる場合があります。部署別の集計が目的なら、個人単位の記録を渡す必要があるかから見直します。

確認対象	担当者が確認する内容
入力	社内規程や契約上、そのデータを送ってよいか
契約と設定	入力や出力の利用目的、学習利用、保持期間
アクセス	作業者と共有先が必要な範囲に限られているか
出力	少人数の集計や原文から個人が分からないか
削除	分析用コピーと共有リンクをいつ整理するか

法人向けサービスというだけで、自社の全情報を入力してよいとは決まりません。個人情報や営業秘密を含む場合は、契約条件と管理設定を情報システム担当者などと確認します。検証段階では、公開データか利用を承認された加工済みデータから始めます。

小さく試して継続運用へ移す方法

導入は一つの定例業務で試し、数値の一致、根拠の追跡、更新後の再現性、確認工数を見て継続を判断します。

小規模な検証はPoCとも呼ばれ、本番で使えるかを限定範囲で試す活動です。レポートの見栄えより、翌月も根拠を確かめられるかを評価します。

図3：定例業務での検証では、更新と確認の工数まで評価します。

評価項目	合格条件の決め方
数値	確定資料と一致する。丸め等の許容差は事前に合意
証跡	元ファイル、条件、数式やコード、出力表を追える
更新	新しい期間のデータでも同じ定義で再計算できる
例外	空欄や新しい分類が増えたときに検知できる
費用	利用料だけでなく準備、確認、修正の工数を含める