生成AIを用いてデータ分析を効率化！やり方や注意点・活用事例も紹介

専門知識が不要

従来、データ分析をするには、統計学やPythonなどのプログラミングスキル、BIツールの操作知識などが必要で、データに詳しい一部の人しか取り組めない作業でした。しかし生成AIでは

• この売上データから傾向を教えて
• アンケートの結果を要約して

など、自然な日本語で話しかけるように入力するだけでOKです。

AIが裏側で自動的に数式やロジックを処理してくれるため、関数やツールの使い方を覚える必要はありません。つまり、これまで分析担当者しか触れられなかった情報に、誰でも分析ができるようになっています。

分析作業を効率化できる

データ分析には、「データの取り込み・整理」「不要データの除去」「数値の集計やグラフ作成」など、地道で時間のかかる処理がつきものです。しかし、生成AIを活用すれば、こうした作業を一括で自動化・効率化することができます。

たとえば、生成AIにExcelファイルを読み込ませて売上推移のグラフを作らせたり、月ごとの顧客数を自動で集計してもらったりなど、一言の指示で数秒〜数分で完了。数時間〜半日かかっていた作業を大幅に短縮できるだけでなく、ヒューマンエラーのリスクも軽減できます。

分析作業の効率化によって戦略立案や改善提案など、より付加価値の高い仕事に時間を使えるようになるのです。

考察や意味のある示唆までしてくれる

生成AIの魅力は、「分析結果を出すだけ」で終わらない点にあります。たとえば

• 売上が落ちているが、その原因は何か？
• 改善するにはどのようなアプローチが考えられるか？

など、仮説の構築や改善提案といった思考のプロセスまでも支援してくれるのです。

また、結果を踏まえた初期施策のアイデア出しや、他にありうるパターンを網羅的に提示することも可能。
この作業は従来、データサイエンティストやアナリストが数日〜数週間かけて手作業で行っていたプロセスです。

生成AIを使えば、作業を短時間で処理できるだけでなく、複数の切り口や視点を同時に検討できるため、意思決定のスピードと質が向上します。
単なる効率化にとどまらず、「考える力の補助」として活用できることが、生成AIの魅力とも言えるでしょう。

数値化が難しい分析も対応可能

売上やアクセス数のような数値データは分析しやすい一方で「顧客アンケートの自由記述」や「SNS投稿」などの「非構造データ（文章など）」の分析は難しく、読み解くには人の手が必要でした。

しかし、生成AIはテキストデータに対しても強く、文章を自動で要約したり、共通する傾向を抽出したり、感情分析や話題分類まで行うことができます。「なんとなくの印象」で終わっていた定性情報を「数値に準じた分析対象」として扱えるようになります。

生成AIでデータ分析をする際の注意点

生成AIを活用したデータ分析は便利ですが、完璧ではありません。ここでは、以下3つの注意点について解説します。

• ハルシネーションに気を付ける
• 出力結果がランダムに変化することを理解する
• 個人情報や機密情報は入力しないようにする

ハルシネーションに気を付ける

生成AIには、「ハルシネーション」と呼ばれる事実ではない情報や、間違った分析結果を、あたかも正しいかのように自然な文章で出力してしまう現象があります。

たとえば、実際には存在しない相関関係をもっともらしく説明したり、データに含まれていない情報を推測で補ってしまう可能性も。見た目には自然で納得感があるため、人間が間違いに気づきにくいという点が厄介です。

そのため、生成AIが出力した内容は「参考資料」として受け取り、必ず元データとの突き合わせや事実確認を行うことが重要です。
AIの言うことを鵜呑みにせず、情報が本当に正しいかどうかの確認は必須です。

出力結果がランダムに変化することを理解する

生成AIは、「同じプロンプト」を入力しても、同じ回答をするとは限らないという特徴があります。
これはAIが一定のランダム性を持っているためで、少し違った言い回しや構成で応答するように設計されているからです。

実際にChatGPTで「生成AIについて詳しく教えてください」と指示をした際の回答例です。
（※プロンプトの内容は同じです）

上記の回答例を見てわかる通り、内容自体は同じですが回答の文章は異なります。

ここで重要となるのがプロンプトエンジニアリングです。生成AIから一貫性のある高品質な出力を得るには、「どのように命令を出すか」が重要ということ。

命令の出し方ひとつでAIの出力が大きく変化するため、「テンプレート的なプロンプトを用意する」「求める出力形式を明示する」といった工夫が必要です。

個人情報や機密情報は入力しないようにする

生成AIを使う際に注意が必要なのが、個人情報や社外秘の機密情報を入力しないことです。
生成AIは基本クラウド上で動作しており、ユーザーが入力した内容がログとして一時的に保存され、今後の学習や品質改善に使われる可能性があります。

入力を避ける項目は以下の通りです。

• 氏名・住所・電話番号・メールアドレスなどの個人情報
• 給与情報・売上実績・利益率などの財務データ
• 契約書・顧客との取引条件・価格表などの営業機密など

AIに入力してしまうと、自社の信頼失墜や情報漏えい事故につながる恐れも。生成AIは便利な反面、入力情報によって危険であることも理解しておきましょう。

生成AIを用いたデータ分析のやり方（ChatGPTを用いて解説）

ここからは実際に生成AIを用いたデータ分析のやり方を、画像付きで4つのステップで解説します。

1. 1. データのアップロード
2. 2. データの前処理
3. 3. プロンプトの入力
4. 4. データの可視化

なお、今回使用するのはChatGPTのデータ分析に特化した無料ツール「Advanced Data Analysis」を使用します。

1. データのアップロード

まずはデータのアップロードを行います。アップロードするには、下記画像のプロンプト入力欄の左下にある「＋」ボタンをクリックし、アップロードを行います。

今回は飲食店のデータ売上をPDF化したものを使います。数秒ほどでデータのアップロードは完了。

上記画像のようになっていれば、データの前処理を行なっていきます。

2. データの前処理

データの前処理とは、分析や機械学習モデルに適した形にデータを整える作業です。

元のデータには、欠損値、ノイズ、異常値などさまざまな問題があるため、そのまま使うと正しい分析結果や予測が得られないことが多いです。

実際にデータの前処理を実施する際は、以下のようにプロンプトに入力します。

【コピペ用プロンプト】

データのクレンジングを実施してください。
なお、修正がある場合は、補完方法を提案してください。

今回はわざと欠損値やエラーが出るようにしていますので、以下のように修正の必要がある部分を記載してくれます。

提案された部分を修正すれば、前処理は完了です。なお、クレンジングを実施してエラーがない場合は、補完方法の提案はありません。

3. プロンプトの入力

次にプロンプトを入力して、データ分析を実施していきます。
先述した通り、プロンプトは非常に重要な項目で、詳細に伝えることでより高度な分析結果を得られます。

今回入力するのは以下の内容です。

【コピペ用プロンプト】

以下の売上データをもとに、支払方法ごとの売上傾向を分析してください。

【分析してほしい内容】
1. 各支払方法ごとの売上合計（現金・クレジット・電子マネーなど）
2. 支払方法ごとの購入件数（何件その支払方法が使われたか）
3. 支払方法ごとの平均売上（＝売上合計 ÷ 購入件数）
4. どの支払方法が最も使われているか（利用頻度ランキング）
5. 上記を表またはグラフ（棒グラフや円グラフ）でわかりやすく表示してください

【注意点】
– 表記ゆれ（例：「クレジット」「クレカ」など）があれば正しく集約してください
– 売上列に欠損や異常な値がある場合はその旨も教えてください。
-なお、グラフ内の文字は日本語表記だと文字化けするので英語表記にしてください。

今回出力されたデータは以下の通りです。

【グラフ】

【コメント】

なお、自身でプロンプトを作成したい場合は以下のテンプレートを使用してみてください。

【コピペ用プロンプト】

【目的】
○○（例：売上が最も高い商品を知りたい）

【入力データ】
CSVまたは表形式のデータ（貼り付け）

【求めたい結果】
・○○ごとの合計・平均・最大・最小
・○○のランキング
・異常値の検出とその理由
・グラフ化（棒グラフ or 折れ線グラフ）

【制約】
・欠損値や異常値がある場合は無視せず扱って

では、最後にデータの可視化を行なっていきましょう。

4. データの整形

最後はデータの整形を実施します。ChatGPTでは、データを分析するだけでなく、報告資料やプレゼン用資料を作成することも可能です。

以下はプロンプトの例です。

【コピペ用プロンプト】

この売上データをもとに、支払方法ごとの売上傾向を社内会議で報告したいと考えています。

【目的】
社内のマーケティング会議で、現金・クレジット・電子マネーそれぞれの売上合計の違いをわかりやすく説明するための「報告用グラフとレポート資料」を作成してください。

【依頼内容】
1. 支払方法（Payment Method）ごとの売上合計を比較する棒グラフ（Bar Chart）を作成してください
2. グラフの中の文字（タイトル・軸ラベル・凡例など）はすべて英語表記にしてください（文字化け防止のため）。
3. 各支払方法の違いが一目でわかるよう、色分け（Color coding）してください。
例：Cash = Green、Credit = Blue、e-Money = Orange（指定がなければ見やすい色でOK）
4. 各棒に売上金額のラベル（数値）を表示し、視覚的に理解しやすくしてください。
5. グラフとは別に、以下の項目を記載したテキストレポート（簡潔で読みやすい報告文）も併記してください：
– 各支払方法の売上合計と件数（トランザクション数）
– どの支払方法が最も多く使われているか、その理由の仮説（例：利便性や特典など）
– どの支払方法が売上単価が高いか（平均売上 per transaction）

【出力形式】
・棒グラフ（英語表記、ラベル付き、色分け）
・テキストによる簡易報告（箇条書き or 簡単な説明文）

【備考】
・売上の数値は円（¥）ですが、グラフ上では通貨記号はなくても構いません。
・グラフとテキストをそのまま社内資料に転用できるように、整った構成でお願いします。

以下のような結果が出力されました。

必要に応じて、PDF形式での保存・共有にも対応しています。

ChatGPTを使えば、「グラフの作成」と「説明文の自動生成」を行えるため、社内向け資料やレポート作成の手間を削減しつつ、伝わりやすい高品質な資料を短時間で作成できます。

ChatGPTを活用したデータ分析は以下の記事でより詳しく解説していますので、あわせてご覧ください。

⇨ChatGPTを用いたデータ分析のやり方を画面キャプチャ付きで解説

データ分析におすすめの生成AIツール

ここからは、データ分析におすすめのツールを、無料で使用できるものから高度なデータ分析ができるツールまで5つ紹介しています。

ツール名	価格	特徴
ChatGPT	無料 ※回数に限りあり	自然言語で指示するだけで高度なデータ分析が可能
Copilot in Excel	・無料 ※無料版での使用不可 ・Copilot Pro：3,200円/月	Excel上で関数やグラフをAIが自動生成・提案してくれる
Amazon QuickSight Q	・Standard Edition：9ドル/月 ・Enterprise Edition：12ドル/月	自然言語から即座にビジネスデータを可視化・分析できる
Rows	・無料 ・PLUS：15ドル/月 ・Pro：22ドル/月	スプレッドシート感覚でAI分析と外部連携が簡単に行える
見える化エンジン	要問い合わせ	日本語特化で直感的にデータを可視化・分析できる国産AI

ChatGPT

引用：ChatGPT（https://openai.com/ja-JP/chatgpt/overview/）

ChatGPTはOpenAIが開発した対話型AIで、データ分析にも活用できる生成AIツールです。
本記事でも紹介した「Advanced Data Analysis」機能を使うことで、自然言語で指示すれば、データの前処理・可視化・統計分析・機械学習まで幅広く自動実行できます。

プログラミングや統計の専門知識がなくても、プロンプトを工夫するだけで高度な分析が可能なため、初心者にも扱いやすいのが特徴です。
また、分析結果の解釈やインサイトの提供も行ってくれるため、データ分析の全工程をChatGPTに任せることができます。

無料でもデータ分析機能は使用できますが、使用できる回数に限りがあります。

Copilot in Excel

引用：Microsoft（https://copilot.microsoft.com/chats/FpMCLnZRRFsXPfrbMjVjB）

Copilot in ExcelはMicrosoftが提供するAIアシスタント機能で、Excel上でのデータ分析や整理、関数の自動生成、グラフ作成などをサポートします。

ユーザーは「この売上データの傾向を教えて」「前年比の売上増加率を計算して」など自然な日本語で指示するだけで、AIが自動的にデータを分析し、要約やグラフ作成、関数の適用を行ってくれます。
複雑な関数やピボットテーブルもAIが提案・自動作成するため、Excel初心者でも高度な分析を簡単に実行可能です。

CopilotはExcelの基本操作ができれば誰でもすぐに使いこなせる直感的なUIが特徴で、スキルや知識は必要ないでしょう。

Amazon QuickSight Q

引用：AWS（https://aws.amazon.com/jp/quicksight/q/）

Amazon QuickSight Qは、Amazon Web Servicesが提供するクラウド型BIツール「QuickSight」に搭載された生成AI機能です。
Qは自然言語で質問するだけで、データベースやスプレッドシートに格納されたビジネスデータからグラフやインサイトを自動生成し、即座に可視化してくれます。

たとえば「今月の売上トップ5商品は？」と入力するだけで、該当データを抽出し、グラフで表示。プログラミングやSQLの知識が不要で、初心者でも直感的に使える点が魅力です。

また、クラウドサービスのため大規模データにも対応し、企業のデータ活用を加速。大企業から中小企業まで幅広く導入されています。

Rows

引用：Rows（https://rows.com/ai）

Rowsは、クラウドベースのスプレッドシート型生成AIツールで、従来のExcelやGoogleスプレッドシートの操作性を保ちながら、AIによる自動分析やデータ連携機能を使用できます。

ユーザーは「このデータを要約して」「売上推移をグラフ化して」など自然言語で指示するだけで、AIが自動的に関数を作成し、グラフやレポートを生成。外部サービスとの連携も容易で、複数データソースの統合分析も可能です。

初心者にも扱いやすい直感的なUIと、テンプレートの豊富さが特徴です。AIによる自動化と柔軟なデータ活用を両立した次世代型のスプレッドシートです。

見える化エンジン

引用：見える化エンジン（https://www.mieruka-engine.com/）

見える化エンジンは、国内企業が開発した日本語特化型のデータ可視化・分析AIツールです。企業内に蓄積された大量のデータを、ノーコードで自動的にグラフやダッシュボードに変換し、経営層や現場担当者が直感的に状況把握や意思決定を行えるよう支援します。

特徴は、日本語での自然言語入力に対応しており、「売上推移を月別でグラフ化して」「今月の異常値を教えて」などの指示で、AIが自動的に分析・可視化を実行。初心者でも扱いやすいUIと、業務テンプレートの充実、セキュリティ面の配慮が強みです。

日本企業の業務フローや商習慣に最適化されており、国内導入実績も豊富です。

データ分析に生成AIを活用した事例

ここからはデータ分析に生成AIを活用した事例を5つ紹介します。

• セブン＆アイ・ホールディングス
• ベネッセホールディングス
• イオングループ
• 事務用品系メーカーA社
• 製造業B社

セブン＆アイ・ホールディングス

【課題】
セブン＆アイ・ホールディングスは、小売業特有の課題として、全店舗にわたる在庫の最適管理や需要予測、食品廃棄ロスの削減が課題に。
また、レジ処理の遅延やSNSコンテンツの作成・リスクチェックといった業務においても、効率化や属人化の解消が求められており、データ分析で生成AIを活用します。

【生成AIの活用ポイント】
同社は、課題に対し、生成AIを積極的に導入。以下のような施策を実現しました。

• 在庫・需要予測の最適化：販売・気象データなどを分析、AIが自動的に発注・在庫を提案
• セルフレジの高度化：顔認証による決済で、レジ時間を短縮。
• 棚割りの最適化：購買データに基づき、商品配置をAIが設計。
• SNS業務の効率化：社内AI「ChatAI」による投稿案やクイズ形式コンテンツの生成

【得られた成果】

• 食品廃棄ロスを30%削減
• 在庫最適化が20%改善
• 棚割りによって売上が15%増加
• 顔認証レジで決済時間を40%短縮
• SNSリスクチェック作業を70%削減

人的リソースを戦略的・創造的業務に再分配し、属人化を解消しながらスピード感ある施策展開を可能にしています。

ベネッセホールディングス

【課題】
ベネッセホールディングスが提供する小学生向け自由研究支援AIは、「答えを提示する」に止まり、子どもの思考力育成や深い学びへの寄与が限定的でした。
これに加え、「AI回答の品質やバイアスの評価が不明確」「保護者承認や情報リテラシーの教育設計において、利用効果や安全性に対する実証が不足」という課題を抱えていました。

【生成AIの活用ポイント】

• データ・UX分析による問題仮説構築：小学生向けUIでよくある離脱ポイントや課題発生部分を分析
• 生成AI応答パターンの精度検証：回答長や言い換え頻度と子ども理解の関係性を分析
• 学齢・発達段階別のUX最適化：利用ログと定性インタビュー分析を通じ、「集中しやすいチャット長」「質問頻度」などを学齢別に設計

【得られた成果】

• 問いかけ型AI利用者は従来型に比べ完成率20%、自己評価向上15%の向上
• 事前動画導入で、意図外質問率が40%→15%に減少
• 質問回数制限導入により、集中時間平均30%、保護者満足度25%向上を実現

ベネッセが構築した自由研究お助けAIは、「答え提示型」から、仮説構築→データ分析→介入設計→効果検証というサイクルを回すことで、思考力育成やUX改善を数値的に裏付けました。

イオングループ

【課題】
イオングループは、年間数十億人という膨大な顧客訪問数と5000万人を超えるカード会員を擁し、膨大な顧客データを保有しているにもかかわらず 、この莫大なデータを顧客満足度の向上や店舗運営の改革に効果的に活用することが大きな課題となっていました 。

【生成AIの活用ポイント】

• ECコンテンツ生成：商品紹介文を自動生成し購買意欲を刺激
• 景況感アンケート分析：非構造テキストからリアルタイムに店長の声を可視化
• 製品共創：「AIおせち」に代表される共創スタイルで新製品を企画
• 顧客行動分析：購買履歴や生活パターンから微細な傾向をAIで発見
• 広範なDXとの連携：モバイル決済や取引データの活用による利便性向上

【得られた成果】

• ECや販促活動の俊敏性が向上
• 店舗運営・商品開発の意思決定が加速
• 共創型商品によるブランドイメージの刷新
• 顧客嗜好に基づいた深い洞察を獲得

イオンは生成AIを「データ活用のブレイクスルー」として位置づけ、従来の定型分析を超えたリアルタイム処理と創造的業務への応用を実現しています。

機器系メーカーA社

弊社リベルクラフトが生成AIを活用し、「POSデータに基づく月別売上分析による販売傾向の把握」における成功事例を紹介します。

【課題】
小売業において、月別・カテゴリ別の販売傾向が見えづらく、販促や在庫管理における意思決定が勘や経験に頼りがちに。
また、売上データの分析には手作業の集計・加工が必要で、スピードと精度に課題を抱えていました。

【生成AIの活用ポイント】

• ChatGPTでCSVデータを読み込み：POSデータを直接AIに読み込ませ、自然言語で分析指示を入力
• 月別売上の集計・グラフ化：1月・2月の売上金額分布を比較するヒストグラムを自動生成
• 統計量による比較分析：平均・中央値・標準偏差・最大値などを月ごとに算出し、売上特性を定量的に把握
• 分布形状の考察：売上のばらつきや高額取引の傾向を視覚的に捉える分析を実施

【得られた成果】

• 販売傾向の見える化：月ごとの売上特性が明確になり、商品カテゴリごとの強弱が把握可能に
• 販促タイミングの最適化：売れ筋商品の補充計画やキャンペーンの見直しに活用
• 在庫ロスの削減：過剰在庫や欠品のリスクを回避し、収益性が向上
• 分析業務の内製化・高速化：非エンジニアでも高度な分析が即時に可能となり、BIツール以上の柔軟性を実現

本事例では、ChatGPTが単なる集計ツールではなく、「データから背景の意味を読み解く力」を備えていることが明らかになりました。
従来のBIツールでは得られなかった深い洞察と仮説構築を、自然言語ベースで誰でも扱える形で実現した例です。

製造業B社

弊社リベルクラフトでは、製造業のクライアントに対し、生成AIを活用した現場主導のデータ分析環境づくりを支援しました。

【課題】
工場では、センサーや設備機器から日々膨大なデータが生成されており、活用するには従来、システムエンジニアがSQLやPythonを使って手動で集計・可視化を行う必要がありました。
しかし、現場担当者が自らの視点で自由に分析を行うには技術的障壁が高く、意思決定に時間がかかるという課題がありました。

【生成AIの活用ポイント】

• 自然言語による指示：「昨日の異常件数を教えて」「センサーAの傾向は？」などの指示にAIが対応
• 自動集計・可視化：AIがデータベースから自動で集計・グラフ化
• チャットUIとの統合：Teams等を通じた対話型インターフェースで非エンジニアでも活用可能
• 社内データ連携：既存の設備データベースとChatGPTを連携する仕組みを構築
• 運用定着支援：PoCにとどまらない実運用フェーズまでを一貫してサポート

【得られた成果】

• 現場主導のデータ活用が実現
• レポート作成の自動化
• 意思決定の迅速化
• 業務の属人化を解消

単にChatGPTを導入しただけではなく、社内データベースとの接続設計、分析ロジックの実装、チャットUIとの連携構築まで含めた一気通貫の支援を提供。
製造現場における意思決定のスピードと質が大幅に向上し、「データを自分で引き出せる現場」への転換が進んでいます。

まとめ

生成AIの登場により、これまで専門的な知識やスキルがなければ難しかったデータ分析が簡単に実現可能になっています。
ChatGPTやCopilotなどツールを使えば、非エンジニアやマーケティング担当者でも、即座に意思決定に役立つ情報を引き出せるように。

ただし、ハルシネーションや情報漏えいのリスクを正しく理解し、プロンプト設計や利用ルールを整備したうえで活用することが重要です。

リベルクラフトでは、生成AIやデータ分析を現場で活かすための法人向け研修サービスも提供しています。
ChatGPTなどの生成AIの活用方法をはじめ、Excelや統計の基本、実データを用いた演習など、レベルや目的に合わせて柔軟にカリキュラム設計が可能です。

以下の資料では、支援事例やカリキュラム詳細も掲載しております。ご興味のある方はぜひご覧ください。