AIを使ったデータ分析入門｜非エンジニアでもできる実践テクニック

日々の業務でExcelを使ってデータを集計・分析している方は多いでしょう。しかし、関数の組み合わせに悩んだり、グラフのデザインに時間をかけたり、ピボットテーブルの設定に苦戦したりと、データ分析には手間がかかるものです。そこで注目したいのが、ChatGPTやClaudeといった生成AIの活用です。プログラミングの知識がなくても、AIにデータを渡して質問するだけで、分析結果やグラフを短時間で得ることができます。この記事では、非エンジニアの方がAIを使ってデータ分析を始めるための具体的な手順を解説します。AIの業務活用全般についてはAIを仕事で活用する実践ガイドもあわせてご覧ください。

AI を使ったデータ分析とは

ChatGPT や Claude などの AI ツールに CSV やスプレッドシートを渡して、要約・可視化・傾向抽出までを自然言語で行う手法のことです。SQL や Python のコードを書けなくても初学者がすぐに使い始められます。

TL;DR 早わかりサマリー

AI を使えば SQL も Python も書けない非エンジニアでも、CSV を放り込むだけで集計・グラフ化・示唆抽出まで一気通貫で行えます
ChatGPT のデータ分析機能（旧 Advanced Data Analysis）、Claude のファイル分析機能、Gemini のスプレッドシート連携が現状の三大選択肢
AI の出力は鵜呑みにせず「集計ロジックを言語化させて検算」する一手間が品質を分けます
目的→データ整形→分析→可視化→共有の 5 ステップで進めると失敗しません

AIデータ分析が注目される背景

これまでデータ分析といえば、PythonやRなどのプログラミング言語を使いこなすデータサイエンティストの仕事というイメージがありました。Excelの高度な機能を使いこなすにしても、複雑な関数やマクロの知識が必要で、非エンジニアにはハードルが高かったのが実情です。

しかし、生成AIの登場により状況は大きく変わりました。CSVやExcelファイルをアップロードし、日本語で「売上の推移をグラフにして」と指示するだけで、AIがデータを読み取り、分析結果を返してくれます。専門知識がなくても、普段の言葉でデータと対話できる時代が来ているのです。

準備するもの

AIデータ分析を始めるために必要なものは3つだけです。

ChatGPT Plus（有料版）またはClaude Pro。無料版でもテキストベースの分析は可能ですが、ファイルアップロード機能を使うには有料プランが必要です
分析したいデータファイル（CSV形式またはExcel形式）
分析の目的を明確にしておくこと（「何を知りたいのか」を事前に整理する）

データファイルは、個人情報や社外秘の情報を含まないものを使用してください。AIサービスにアップロードしたデータの取り扱いについては、各サービスの利用規約を必ず確認しましょう。

ステップ1：データをAIにアップロードする

まず、手元のExcelファイルやCSVファイルをAIにアップロードします。ChatGPTの場合は、チャット画面のクリップアイコンからファイルを添付できます。Claudeの場合も同様に、メッセージ入力欄からファイルを添付します。

アップロードと同時に、データの概要を把握するための指示を出しましょう。

プロンプト例： 「添付したCSVファイルの内容を確認してください。列名、データ型、行数、欠損値の有無を一覧で教えてください。」

AIはファイルを読み込み、データの構造を整理して返してくれます。この段階で、データに不備がないか、想定通りの形式になっているかを確認します。

ステップ2：基本的な集計を依頼する

データの概要を把握したら、具体的な集計を依頼します。Excelで関数を組み合わせて行っていた作業を、自然な日本語で指示するだけで実行できます。

プロンプト例： 「月別の売上合計を集計し、前月比の増減率も計算してください。結果を表形式で表示してください。」

プロンプト例： 「商品カテゴリごとの売上割合を計算し、上位5カテゴリを教えてください。」

プロンプト例： 「地域別・四半期別のクロス集計表を作成してください。Excelのピボットテーブルのような形式でお願いします。」

ピボットテーブルの代わりにAIを使う利点は、設定画面の操作方法を覚える必要がないことです。「こういう切り口で集計してほしい」と伝えるだけで、AIが適切な集計を行います。集計の切り口を変えたい場合も、追加のメッセージを送るだけです。

ステップ3：グラフを作成する

ChatGPTの有料版では、AIがPythonコードを内部で実行し、グラフを画像として生成してくれます。Excelのグラフ機能よりも柔軟で、見栄えの良いグラフを簡単に作成できます。

プロンプト例： 「月別売上の推移を折れ線グラフで作成してください。前年同月のデータも重ねて表示し、比較できるようにしてください。タイトルと軸ラベルは日本語でお願いします。」

プロンプト例： 「商品カテゴリ別の売上構成比を円グラフで作成してください。上位5カテゴリを個別に表示し、残りは『その他』としてまとめてください。」

グラフの色やサイズ、フォントなどの調整も、日本語で追加指示を出すだけで対応できます。「棒グラフの色を青系に統一してください」「フォントサイズを大きくしてください」といった修正も即座に反映されます。

ステップ4：データの傾向や異常値を分析する

集計やグラフ作成に加えて、AIはデータの傾向分析や異常値の検出も得意です。

プロンプト例： 「このデータから読み取れる主な傾向を3つ挙げてください。また、異常値や外れ値があれば指摘してください。」

プロンプト例： 「売上が大きく落ち込んでいる月があれば特定し、考えられる原因の仮説を3つ提示してください。」

AIは統計的な観点からデータを分析し、人間が見落としがちなパターンや異常を指摘してくれます。ただし、AIの分析結果はあくまで参考情報です。業界知識や現場の状況を踏まえた最終判断は、人間が行う必要があります。

実践のコツ：より良い分析結果を得るために

データの前処理を依頼する。 実務のデータには、空白セルや表記揺れ、重複行などが含まれていることが多いものです。分析の前に「データのクリーニングをしてください。空白行の削除、日付形式の統一、重複行の確認をお願いします」と指示すると、AIが前処理を行ってくれます。

分析の目的を具体的に伝える。 「このデータを分析して」という曖昧な指示よりも、「来期の予算策定のために、商品カテゴリ別の売上トレンドと季節変動を把握したい」と背景を伝えた方が、的確な分析結果が返ってきます。

段階的に深掘りする。 最初から複雑な分析を依頼するのではなく、まず全体像を把握し、気になるポイントを順に深掘りしていくアプローチが効果的です。AIとの対話を重ねることで、思いもよらなかった発見につながることもあります。

AIを活用した業務効率化の具体例についてはChatGPTのビジネス活用事例15選でも紹介しています。

注意点：AIデータ分析の限界

AIデータ分析は強力なツールですが、いくつかの注意点があります。まず、機密データや個人情報を含むファイルのアップロードは、社内のセキュリティポリシーに従って判断してください。次に、AIの分析結果には誤りが含まれる可能性があります。特に数値の計算結果は、重要な意思決定に使う前に必ず検算しましょう。また、大規模なデータセット（数十万行以上）はアップロードの制限に引っかかる場合があります。その場合は、サンプルデータで傾向を把握してから全体の分析方針を立てるのがよいでしょう。

失敗しない 5 ステップの進め方

データ分析を AI で進めるときは、次の順番が最短ルートです。

ステップ 1 目的の言語化 まず「何を意思決定したいのか」を 1 行で書きます。「先月の売上が落ちた要因を商品カテゴリ別に知りたい」のように具体的にします。目的が曖昧だと、AI が出すグラフも曖昧になります。

ステップ 2 データの整形 Excel や CSV を AI に渡す前に、ヘッダー行を整え、不要列を削り、日付フォーマットを統一しておきます。10 分の前処理で AI の精度が大きく変わります。

ステップ 3 分析の依頼 「カテゴリ別の月次売上推移を見たい。前年同月比も出して」のように、知りたい軸を全部書きます。AI は察してくれないので、欲しい列・軸・期間を明示するのがコツです。

ステップ 4 可視化の指定 棒グラフ、折れ線、ヒートマップなど形式を指定すると意図通りに出ます。「凡例は右、X 軸は月、Y 軸は売上金額（千円単位）」のような細かい指定も効きます。

ステップ 5 共有とレビュー 出てきたグラフは必ず数値を 1 件サンプリングして元データと突き合わせます。AI が誤った集計をしてもエラーにならず、そのまま意思決定に流れる事故が一番怖いです。

AI 任せにすると危険な落とし穴

業務でデータ分析を任せると、初心者が陥りがちな落とし穴があります。

1 つ目は データの欠損を勝手に補完される ことです。AI が NULL や空欄を 0 として扱ったり、平均で埋めたりすることがあり、結果として元データには無かった傾向が出てしまいます。前処理で欠損ポリシーを明示してください。

2 つ目は 集計単位のズレ です。「月別」と言ったのに会計月（21 日締め）でなく暦月で集計されていた、というような齟齬が起きます。サンプル 1 行を AI に再現させて検算する習慣をつけましょう。

3 つ目は 外れ値の扱い です。1 件だけ桁外れの値があると、平均が大きく歪みます。中央値も併記してもらう、外れ値を除外して再集計するなど、複数の見方を出させると安全です。

詳しくは Pythonで始めるデータ分析入門でコードベースでの整形の基本を押さえると、AI 任せのリスクを判断する目が養われます。

よくある質問

Q. AI を使うのに統計の知識は必要ですか

A. 基礎的な統計用語（平均・中央値・分散・相関）は理解しておくと判断がぶれません。AI が「相関係数 0.8」と出してきても、それが何を意味するか分からないと使えないからです。深い理論は不要なので、用語を 10 個ほど覚える程度で十分です。

Q. ChatGPT と Claude、どちらがデータ分析に向いていますか

A. 中小規模の CSV を投げて分析するなら ChatGPT のデータ分析機能（旧 Advanced Data Analysis）、長い分析レポートを書かせるなら Claude のファイル分析機能が向いています。両方無料枠があるので、同じデータで試して相性を確かめるのがおすすめです。

Q. 社内の機密データを AI に投げても大丈夫ですか

A. 個人を特定できる情報や顧客名は、必ずマスキングしてから投げます。ChatGPT Team や Claude for Work など、学習に使われないプランを使うとさらに安全です。社内ポリシーを必ず確認してください。

Q. AI に分析させた結果を社内で使う場合、何を残せばよいですか

A. プロンプト全文、入力した生データ、AI が出したコード、検算した結果の 4 つを残しておくと再現性が確保できます。後から「どうやって出した数字？」と聞かれたときに説明できる体制にしておくのが重要です。

Q. Excel で十分なのに AI を使うメリットはありますか

A. 数千行までは Excel で十分です。数万行〜数百万行になる、複数ファイルを横断する、毎月同じ分析を繰り返す、といった条件のいずれかが当てはまるなら AI 活用のメリットが大きくなります。

Q. AI が間違った集計を出していないか、どう確認すればよいですか

A. 「サンプル 1 行を選んで、その行が集計結果のどこにどう寄与しているかを説明してください」と聞くのが定番です。集計ロジックを言語化させると、AI 自身がミスに気づくこともあります。

ハンズオン Step-by-Step

ChatGPT (Plus 推奨) でアップロードした CSV を、コードを書かずに分析する手順です。

Step 1. サンプル CSV を用意

自社のデータが扱えない場合は、Kaggle や Google Dataset Search からテスト用 CSV を 1 つ落としてください。

Step 2. ChatGPT にアップロード

ChatGPT のチャット入力欄から CSV ファイルを直接アップロードできます (Plus / Team プラン)。

Step 3. 概要を聞く

「このデータの行数・列名・各列のサマリーを教えて」と最初に聞きます。データの形がつかめます。

Step 4. 可視化を依頼

「売上を月別に棒グラフで描いて」のように指示すれば、ChatGPT が Python (matplotlib) でグラフを描画してくれます。

Step 5. 知見を追加で深掘り

「上位 3 ヶ月で売上が伸びた理由として考えられる仮説は」と質問を重ねると、データに基づいた示唆が返ります。

より深く分析したい場合は、Python + pandas を自分で書く Python データ分析入門に進みましょう。

まとめ：今日からAIデータ分析を始めよう

AIを使ったデータ分析は、プログラミングの知識がなくても始められます。CSVファイルをアップロードし、知りたいことを日本語で質問するだけで、集計、グラフ作成、傾向分析まで実行できます。Excelの複雑な関数やピボットテーブルの設定に悩む時間を、分析結果の解釈や意思決定に充てられるようになるのです。

まずは手元にある簡単なデータで試してみてください。月次の売上データや、アンケートの集計結果など、普段Excelで扱っているデータがそのまま使えます。AIとの対話を通じて、データからより深い洞察を引き出す力を身につけていきましょう。

チョットデキルの「はじめての生成AI」コースでは、ChatGPTやClaudeの基本的な使い方から、業務での活用テクニックまでを体系的に学べます。データ分析に限らず、AIを日々の仕事に取り入れたい方は、ぜひ受講してみてください。

次に読むべきリソース

学習を始めたい方 — 生成 AI 入門コース
深く理解したい方 — Python データ分析入門
無料相談したい方 — LuaGate 無料相談

出典・参考リンク

本記事の主張・数値・仕様に関する根拠は、以下の一次情報・公式ドキュメントを参照しています。リンク先の更新により内容が変わる場合があるため、最新情報は各公式サイトで確認してください。

この記事について

監修: 生田陸人 (LuaGate エンジニア / 大手 IT 企業現役エンジニア)
公開: 2026-05-28
最終更新: 2026-05-28
カテゴリ: AI活用
検証環境: ChatGPT (GPT-4o データ分析機能) / Claude 3.5 Sonnet
編集ポリシー: 公式ドキュメント・公的統計を一次情報として優先し、社内エンジニアが実機検証した内容のみを掲載しています。修正提案や事実誤認の指摘はチョットデキル運営までお寄せください。