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

次に、以下の画面の検索窓に「Advanced Data Analysis」を入力すれば、アプリが表示されます。

なお、Advanced Data Analysisは、ChatGPTが無料版の場合、回数制限があります。
しかし、無料版でも使用はでき、時間が経過すると再度利用できるようになるため、課金をする必要はありません。

では、実際にAdvanced Data Analysisでできることを2つ紹介します。

• Excel・CSVファイルの分析・可視化
• 分析結果の評価・改善策提案

データファイルの分析・可視化

ChatGPTの「Advanced Data Analysis」機能を使えば、ExcelやCSVファイルなどアップロードして中身を読み取らせるだけで、グラフの作成や傾向の把握、欠損値や異常値の検出まで、一連のデータ分析を実行することが可能になります。

これまで専門的な知識やツールが必要だった統計処理やデータの可視化といった作業が、誰でも簡単に。
特に、日々の業務でExcelを活用しているが、「データの傾向や要点を深掘りしたいと思っても時間が足りず分析ができない」「データ活用に苦手意識を持っている」方には、便利でしょう。

指示を出すだけで意図通りの分析やグラフ作成ができるため、業務スピードの向上や資料作成の質の向上にもつながり、チームや上司への報告・提案にも説得力を加えられます。

分析結果の評価・改善策提案

ChatGPTの「Advanced Data Analysis」機能を活用すれば、単なるデータの集計やグラフ作成だけでなく、得られた分析結果をもとにその要因を深掘りし、改善策の提案まで行ってくれます。

例えば、売上データを分析して「月別売上に波がある」といった傾向が見つかった場合、その理由として

• 特定月の広告費増減
• 季節要因
• リピーター数の変動

などを指摘し、それらを踏まえた改善案として「プロモーションの時期分散」「特定商品の訴求強化」「リピート率を高める施策の検討」など、実行可能性の高い具体的なアドバイスを提示することが可能です。

また、施策効果の検証方法や次回の分析視点までも含めて提案できるため、単なる「分析ツール」にではなく、経験豊富なアナリストやコンサルタントのように、ビジネス課題に対して実用的な解決策を導き出せるのです。

ChatGPTを用いたデータ分析のメリット

ChatGPTを用いたデータ分析のメリットは主に以下の3つです。

• 時間・工数を削減できる
• 専門的なスキルや知識が不要
• 分析結果の要約から考察までしてくれる

時間・工数を削減できる

ChatGPTを活用するメリットの一つは、従来膨大な時間と労力を要していたデータの前処理や分析作業を、効率化できる点にあります。

例えば、ExcelやBIツールを用いた手動でのデータ集計、グラフ作成、傾向の読み取りといった工程は、それぞれに人手と時間がかかります。
ChatGPTの「Advanced Data Analysis」を使えば自然言語での指示ひとつで処理を自動化が可能。
また、作業の都度手順を覚えたり、関数やスクリプトを記述したりする必要もないため、短時間で一定品質の分析結果に到達可能です。

繰り返し発生する日次・週次レポートや、営業資料の裏付けデータ作成などにも活用でき、業務の属人化を防ぎながら、分析業務のスピードと再現性を高められるのも強みと言えるでしょう。

専門的なスキルや知識が不要

データ分析には統計学やプログラミング、BIツールの操作スキルなど、専門的な知識が必要とされていましたが、ChatGPTを活用すれば専門スキルや知識は不要です。

ChatGPTは自然言語での質問や指示に対応してくれるため、「この売上データの傾向を教えて」「A商品の販売推移とB商品を比較して」などシンプルな質問で分析が可能。専門的なコマンドを入力する必要がありません。

リテラシーが高くない社員や担当者でも、意思決定に役立つ分析をすぐに行えるようになります。現場の営業担当やマーケティング部門などが、必要なときにすぐ自分で分析できるようになることで、社内の分析依存体制を軽減し、組織全体の意思決定スピードと自立性を高めることができます。

分析結果の要約から考察までしてくれる

ChatGPTは、単にデータを集計・可視化するだけでなく、その結果から得られるインサイトやビジネス的な考察まで自動的に生成でき、分析後の「次にどうするか？」の判断材料まで提供してくれます。

従来は、データを集計した後に担当者が頭を使って要因分析を行い、改善施策を検討する必要がありました。しかし、ChatGPTを使えば「なぜこの売上が下がったのか？」「どの施策が影響した可能性があるか？」といった問いに対しても、過去の傾向や入力されたデータをもとに仮説ベースの回答を提示してくれます。

考察部分では表現の説得力やロジックの整理まで行ってくれるため、レポートや提案書にそのまま活用できるケースも多く、分析業務における「アウトプットの質」を向上させる点でも有効です。

ChatGPTを用いたデータ分析のやり方

ここからはChatGPTを用いたデータ分析のやり方を以下の5つの手順で画像付きで詳しく解説します。

• 1. データのアップロード
• 2. データの前処理
• 3. プロンプトの入力
• 4. より高度な分析の実施
• 5. データの可視化

データのアップロード

まずは分析したいデータのアップロードを行っていきます。アップロードできるファイル形式は以下の通りです。

• .txt
• .csv
• .png
• .jpg
• .pdf
• .docx
• .xlsx
• .pptx

実際に手順を解説していきます。まずは、スクリプトを入力する左下にある「＋」ボタンを押します。

すると、「写真とファイルを追加する」という項目が出てきますので、分析したいデータを選択しましょう。

分析したいデータを選択すると、スクリプトで以下画面のように表示されます。ファイルのサイズによってアップロードされるまでに10秒〜かかる場合もあるため、注意しましょう。

最後にアップロードしたデータを読み込ませると、完了です。

データの前処理

データを分析する前には、必ず「重複データの削除」「外れ値・異常値の削除や修正」の実施を行いましょう。
前処理は、AIや統計分析の「精度」に直結する工程です。不備や不要情報をそのまま学習・分析に使うと、正しい結果が得られないため必ず行なってください。

まずはプロンプトにデータ重複の確認・削除をお願いします。

今回はわざと重複があるようにデータを作成していますので、重複データを検出すると以下画面のように表示されます。

次に、欠損値を確認します。欠損値とは、値が記録されていない、または存在しない状態です。実際に以下のようにプロンプトに入力していきます。

今回はわざと欠損値があるように設定していますので、欠損値が見つかった場合は、以下のように提案もしてくれます。（※欠損値がない場合、提案はありません）

これらのクレンジングを実施したデータを得ましょう。
クレンジングとは、分析や機械学習に使用する前のデータから、不正確・不完全・不適切・重複などの「ノイズ」を取り除き、正確で信頼できる状態に整える作業です。
先ほどのデータ重複や欠損値の確認も、クレンジングに含まれます。

今回は以下のようにデータのクレンジングを実施した結果、以下の処理が実施されました。

これで前処理は完了です。データの前処理は、より正確な分析結果を得る上で重要なプロセスなので必ず実施してください。

プロンプトの入力

ここからは実際にデータ分析を実施していきます。データ分析の際に、実施するプロンプトの指示は「グラフを作成して」などシンプルでも問題ありませんが、詳細に伝えることでより高度な分析結果を得られます。

以下は「性別ごとの平均単価と利用回数を集計してほしい場合」のプロンプトの例です。

【プロンプト】

このCSVデータでは「性別」「年齢」「平均単価」「利用回数」といった情報が入っていると思います。

まずは全体像を把握したいので、「性別」ごとに「平均単価」と「利用回数」の平均値を算出し、それぞれの傾向が比較できるように表形式でまとめてください。
そのうえで、どちらの性別がより購買単価が高く、リピート利用している傾向があるのか、簡単なコメント（考察）も添えてください。
また、グラフも作成してください。（文字化けが起きないよう、グラフ内の文字は英語表記でお願いします）

結果は以下のように出力されました。

【性別ごとの単価・利用回数の平均】

【グラフ】

※注意点
ChatGPTでグラフを作成する際、グラフの横軸や縦軸の値は日本語の場合文字化けを起こします。文字化けが起きた場合は「英語で出力し直して」とプロンプトに入力し、グラフの出し直しを行いましょう。

【コメント（考察）】

プロンプトで出力される情報は異なるため、求めていた結果を得られない場合は、プロンプトの内容を変更して実施してみてください。

プロンプトのテンプレート

ここでは、ChatGPTで分析の際に使用するプロンプトのテンプレートを掲載しています。
コピペをして、必要な情報を入力するだけなのでぜひ使用してみてください。

▪️データ読み込み関連

以下のCSVファイルを読み込んで、内容を確認してください。
【ファイルの説明】
– ファイル名（例: data.csv）
– 主なカラム（例: 年齢、性別、購入金額 など）

【やりたいこと】
– データの概要を確認したい（行数、列数、欠損値の有無など）
– データ型や基本統計量を出してほしい

▪️前処理・クリーニング

このデータに対して前処理を行ってください。

【目的】
– 欠損値の処理（削除 or 補完）
– カラムの型変換（例: 文字列を日付型に変換）
– 不要な列の削除や、重複データの処理など

【条件】
– 年齢が0歳以下のデータは除外する
– 購入金額がnullの場合は平均値で補完する

▪️基本的な集計・可視化

以下の集計やグラフを作成してください。

【集計】
– 性別ごとの平均購入金額
– 年代別の顧客数

【可視化】
– 年齢分布のヒストグラム
– 購入金額と年齢の散布図

より高度な分析の実施

では、ここでより高度な分析として「クラスター分析」を行なってみましょう。なお、クラスター分析とは、似た特徴を持つデータ同士を自動的にグループ分けする分析手法です。

以下はクラスター分析のプロンプトです。

【プロンプト】

このデータに含まれる
・年齢
・平均単価
・利用回数
の3項目をもとに、顧客を3〜4つのクラスター（グループ）に分類してください。

分類された各グループについて、平均年齢・平均単価・平均利用回数を算出し、グループごとの特徴を簡潔にまとめた表を作成してください。
また、各クラスターに対して、どのような顧客傾向があるか（例：「高年齢・高単価・低頻度」など）を文章で解説し、もし可能であればどのクラスターが優良顧客層として注目すべきかという視点も加えてください。

以下のような出力結果になりました。

今回は「クラスター分析」を活用しましたが、他にも様々な分析があります。以下の記事では16個の分析を手法を紹介していますので、ご覧ください。

データ分析の手法16選｜種類・目的別にポイント解説

データの可視化

ChatGPTでは、ただ分析をするだけでなく、社内会議での報告など、グラフを用いた説明が必要な場合に、

• グラフを作成してデータを可視化
• 報告用のレポートを作成

も可能です。実際に出力してみましょう。以下はプロンプトの例です。

【プロンプト】

上記の分析結果を社内会議でプレゼンします。
性別ごとの「平均単価」と「利用回数」を棒グラフで比較し、社内会議で使用できるような報告用グラフとレポートを作成してください。（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）

また、各性別がどのような購買傾向を持っているのか、違いが一目でわかるようにしてください。視覚的にわかりやすい配色やラベルもつけてください。

以下のような結果が出力されました。

希望であれば、PDF化なども実施してくれます。

ChatGPTを活用したデータ可視化は、「グラフの作成」＋「報告文の自動生成」まで一気通貫で対応できるため、資料作成や社内報告の時短・高品質化に最適です。

データ分析におけるChatGPTのその他活用例

次にデータ分析におけるChatGPTの活用例を実際にやり方と具体例を交えながら、以下3つ詳しく解説します。

• Excel関数の生成
• 分析用のプログラムコードの生成
• 仮想データを用いた分析シミュレーション

Excel関数の生成

ChatGPTでは「こういう条件で集計したい」「この表から○○を算出したい」と伝えると、具体的なExcel関数を自動で生成してくれます。

実際に「Excelで、性別が女性かつ年齢が30歳以上の人数を数える関数を教えてください」と入力してみます。

上記が出力されました。このように、条件付きの集計・検索・統計処理などを一瞬で関数化できるため、Excel業務が大幅に効率化されます。

分析用のプログラムコードの生成

分析に使用するコードの生成もChatGPTでは簡単に実施することができます。

例えば、先ほどデータ分析で用いたcsvファイルをもとに「pandasを使ってCSVファイルを読み込み、年齢と平均単価の相関係数を計算するPythonコードを作ってください」とプロンプトに入力してみます。

以下は実際に生成されたコードです。

生成されたコードは、コピペして「Google Colab」などに貼るだけで即動作する構成です。手間なく高度な分析が可能になる点がメリットと言えるでしょう。

仮想データを用いた分析シミュレーション

ChatGPTの分析は、「実際のデータがまだ社内に整っていない」「提案資料や分析スキームだけ先に作っておきたい」といった場合にも、仮想データを自動生成し、実データがあるかのように分析・検証・可視化が可能です。

実際に以下をプロンプトに入力してみましょう。

【プロンプト】

30〜300名規模の中小企業を対象に、業務効率化ツールを販売すると仮定してください。
業種・従業員数・抱えている課題・導入ツール・ITリテラシー・予算などを含んだ顧客データを20件分、表形式で作成してください。

出力された分析結果は以下画像の通りです。

そのうえで、「課題別にどのツールが選ばれているか」「ITリテラシー別に予算に差があるか」など、仮想データでありながら実際の分析と同じ要領で示唆を得ることができます。

ChatGPTなら、たった1つの自然文プロンプトで、『データ生成→集計→分析→グラフ→報告文作成』まで一気に行えるため、実務準備・検証スピードが圧倒的に上がります。

ChatGPTを用いたデータ分析の成功事例

ここからは弊社リベルクラフトが実際にChatGPTを用いたデータ分析での成功事例「POSデータに基づく月別売上分析による販売傾向の把握」を紹介します。

この事例では、小売業におけるPOS（販売時点情報管理）データを活用し、売上の推移を月別に分析することで、どの月にどの商品カテゴリーが売れやすいのかを可視化しました。

ChatGPTにはCSV形式の売上データを読み込ませ、月別の販売実績を集計・グラフ化するよう指示。その結果、次のような出力が得られました。

このヒストグラムは、売上金額が5万円以下に限定されたデータを対象に、2025年1月と2月の売上分布を比較しています。

続いて、売上金額に関する基本統計量（平均・中央値・標準偏差など）を月ごとに比較することで、取引の性質やムラを定量的に評価しました。

• 平均値の違いから、2月はより高単価な商品の購入が増えた可能性が浮上
• 標準偏差の大きさからは、1月の方が売上のばらつきが大きい（＝少額取引が多い）傾向が見られました
• 最大値の確認では、2月に高額な取引があった兆候も捉えられています

次にヒストグラムの分布形状に注目して次のような分析を実施。

その結果、売れ筋商品の補充タイミングの最適化や販促施策の見直しに繋がり、在庫ロスの削減と売上の最大化に寄与するなど、実際の業務改善に大きな効果を発揮。

ChatGPTは数値の集計だけでなく、分析結果の背景にあるビジネス的示唆の提案まで自動で行える点が、従来のBIツールとは異なる強みといえます。

ChatGPTを用いたデータ分析における注意点

最後はChatGPTを用いたデータ分析における注意点を4つ紹介します。ChatGPTは「完璧」ではないことを留意しておきましょう。

• ハルシネーションに注意する
• 出力結果がランダムに変化する
• 出力結果に文字制限がある
• 個人情報や機密情報の取り扱いに気をつける

ハルシネーションに注意する

ChatGPTには「ハルシネーション」と呼ばれる現象があり、本当のように見える情報を事実に基づかずに出力することです。これは、ChatGPTが言語モデルであり、学習データの中から文脈的に「それらしい回答」を生成する仕組みだからです。

特に統計分析やデータサマリーのように客観的な数値や根拠が求められる場面では、実際のデータと照らし合わせずに生成結果を鵜呑みにすることで、誤った結論や判断をしてしまうリスクがあります。

そのため、ChatGPTの出力はあくまで「たたき台」として利用し、ユーザー側で元データと照合したり、内容に不自然な点がないかをチェックする慎重な姿勢が求められます。専門的な判断や報告書への反映には、必ずファクトチェックを行いましょう。

出力結果がランダムに変化する

ChatGPTの出力は、同じプロンプトであっても、出力結果がランダムに変化します。これは、モデルの特性として「創造性」を持たせるために意図的にランダム性を組み込んでいるためです。

データ分析では、「同じ質問に対して同じ分析結果が返ってくる」ことが重要ですが、ChatGPTでは一貫性がないことも。例えば、月別売上の傾向に関する要約やグラフ説明が都度少しずつ異なる表現になったり、分析の切り口そのものが変わることもあるのです。

そのため、業務や報告書に使う際は、一度出力された結果を保存し、再利用したい場合は履歴からの再活用や、出力内容の固定・確認を行いましょう。

出力結果に文字制限がある

ChatGPTは1回の出力に対して、文字数の制限があります。例えば、長い表形式の出力や、分析報告書を求めた場合、途中で文章が切れてしまったり、一部の情報が省略されることも。

このような場合は、下記の対策を実施ましょう。

• 分析の内容を複数に分けて指示する
• 「続きを出力してください」と段階的に出力してもらう

ステップごとに出力する場合は、以下のように段階的に回答をさせるプロンプトがおすすめです。

今から送るデータに基づいて要約・分析を行ってください。以下がその手順です。 ステップ1：データ量が多いため、3回に分けて送信します。 ステップ2：すべてのデータを送信し終えたら、私から「完了」と伝えます。 ステップ3：「完了」と伝えるまで、あなたは「データ受信しました」とだけ返信してください。 「完了」と伝えたら、データの要約と、必要に応じた簡単な分析や傾向の読み取りを行ってください。

出力の一貫性や網羅性を保つためにも、出力結果は分けましょう。

個人情報や機密情報の取り扱いに気をつける

ChatGPTは原則、入力したデータを学習するようになっています。どこまで情報が保持・学習に使われるか把握しきれないため、個人情報や機密情報は入力しないようにしましょう。

【入力は避けるべき情報】
個人情報（氏名、住所、メールアドレスなど）
企業の機密情報（売上、顧客リスト、業務データなど）

万が一入力してしまうと、情報漏洩の可能性もあります。不安な場合は、入力データを学習に利用させないための、オプトアウト設定という機能の活用がおすすめです。

まとめ

ChatGPTを用いたデータ分析は、ビジネスで実用的なツールとなりつつあります。自然言語による操作で、グラフ作成や傾向の把握、改善策の提案まで一貫して行える点は、従来のBIツールにはない強みであり、日々の業務を効率化できるでしょう。

もちろん、ハルシネーションや情報の一貫性、個人情報の取り扱いなど注意すべき点もありますが、正しい前処理とプロンプト設計、社内ルールの理解を徹底すれば、安全かつ高精度な分析が可能です。

分析初心者にとっても、AIと協働することで視野が広がり、仮説検証や報告作成までをスムーズに行えるようになるでしょう。

リベルクラフトでは、AI・データ活用における戦略立案から実装、運用体制の構築や内製化支援までワンストップで伴走支援が可能。実行可能なデータ戦略を持ちたいと考えている企業は、ぜひ活用しましょう。