「データ分析をやってみたいけど、Pythonなんて書けない」「Excelの分析には限界を感じている」「統計の知識がないから不安」――こうした悩みを抱えるビジネスパーソンは少なくありません。
実は、ChatGPTを活用すれば、プログラミング未経験でもデータ分析用のPythonコードを自動生成できます。やりたい分析を日本語で指示するだけで、ChatGPTが適切なコードを書き出してくれるのです。
この記事では、ChatGPTを使ったデータ分析の具体的な手順を2つの方法に分けて解説します。
ChatGPTでデータ分析する2つの方法
ChatGPTを使ったデータ分析には、大きく分けて2つのアプローチがあります。それぞれの特徴を比較してみましょう。
| 方法 | 特徴 | おすすめ対象 |
|---|---|---|
| Advanced Data Analysis（旧Code Interpreter） | ChatGPT上でファイルをアップロードして分析実行 | Python環境がない方 |
| Pythonコードを生成→自分の環境で実行 | コードだけ出力してもらい、ローカルで実行 | Pythonが少しわかる方 |
どちらの方法でも、日本語の指示だけで分析が進められる点は共通しています。Python環境の有無や分析の規模に応じて使い分けるのが効果的です。
方法1：Advanced Data Analysisを使う
ChatGPTでは、ファイルをアップロードするだけで自動的にPythonコードを実行し、分析結果を表示してくれます。無料プランでもファイルの分析は利用できますが、回数や容量の上限はプランによって異なります（最新の条件はOpenAIの公式ヘルプで確認してください）。環境構築が不要なため、手軽にデータ分析を始められる方法です。ChatGPTはChatGPT公式ページ（openai.com）から利用できます。
使い方
- ChatGPTにCSVやExcelファイルをアップロード
- 「このデータの概要を教えて」と指示
- ChatGPTが自動でPythonコードを書いて実行し、結果を表示
対応できる分析の種類
- データの基本統計量（平均、中央値、標準偏差など）
- グラフの作成（棒グラフ、折れ線、散布図、ヒートマップなど）
- データのクリーニング（欠損値処理、重複削除）
- 相関分析、回帰分析
- 時系列分析
- クロス集計、ピボットテーブル
ここに並んだ「相関」「回帰」といった言葉で手が止まる人も多いところです。統計の入門書は、AIが出した数字を自分で読めるようになりたい人の最初の1冊として選ばれています。
Advanced Data Analysisでは、分析結果のグラフやCSVファイルをダウンロードすることも可能です。レポート資料に使えるグラフを作成できます。
実践プロンプト例
以下のように段階的に指示を出すと、より精度の高い分析結果が得られます。
アップロードしたCSVファイルを分析してください。
1. まずデータの概要（行数、列数、各列のデータ型）を教えてください
2. 売上列の月別推移を折れ線グラフで表示してください
3. カテゴリ別の売上比率を円グラフで表示してください
4. 売上に最も影響している要因を分析してください
方法2：Pythonコードを生成してもらう
自分のPC環境でPythonを実行したい場合は、ChatGPTにコードだけ生成してもらう方法が適しています。より柔軟なカスタマイズが可能で、大規模データの処理にも対応できます。
プロンプト例：売上データの分析コード
以下の条件でPythonのデータ分析コードを書いてください。
【データ】売上CSVファイル（列：日付, 商品名, カテゴリ, 売上金額, 数量）
【やりたいこと】
1. データの読み込みと基本統計量の表示
2. 月別売上推移のグラフ作成
3. カテゴリ別の売上TOP5
4. 曜日別の売上傾向
【条件】
・pandas、matplotlib、seabornを使用
・日本語フォント対応
・コードにコメントを日本語で入れる
・初心者でも理解できるようにシンプルに
生成されたコードの実行環境
| 環境 | 特徴 | おすすめ度 |
|---|---|---|
| Google Colab | ブラウザで無料で使える、環境構築不要 | ★★★★★ |
| Jupyter Notebook | ローカルで実行、対話的に分析できる | ★★★★☆ |
| VS Code | 本格的な開発環境、拡張機能が豊富 | ★★★☆☆ |
Python初心者にはGoogle Colab（colab.research.google.com）が始めやすい環境です。インストール不要で、ブラウザだけで動作します。Googleアカウントがあればすぐに利用開始できます。
コピペで動かせるとはいえ、コードの中身が少し読めるだけで手直しの自由度は変わります。pandasやmatplotlibを扱ったPythonデータ分析の入門書は、この段階から読み始める人に選ばれています。
コードの中身まで自分で読めるようになりたい方には、Python特化のオンラインスクール「Python Winner」という選択肢もあります。講師とのマンツーマンレッスンが中心で、Pythonでのデータ分析・MySQL・統計理論を組み合わせた講座も案内されています。レッスンは1回30分で、ブラウザとZoomがあれば受講できます。詳しい内容は公式サイトで確認できます。
データ分析の定番プロンプト集
用途に応じて使い分けられるプロンプトのテンプレートを紹介します。そのままコピペして、データの内容に合わせて調整してください。
1. 基本分析
このデータの基本統計量を出して、異常値がないかチェックしてください。
2. 相関分析
各列間の相関係数を計算して、ヒートマップで表示してください。売上に最も相関が強い変数を教えてください。
3. 予測分析
過去12ヶ月の売上データから、来月の売上を予測するコードを書いてください。線形回帰でOKです。
4. 顧客分析
顧客データをRFM分析（Recency, Frequency, Monetary）してセグメントに分けてください。
5. レポート生成
分析結果を上司に報告するためのサマリーレポートを、グラフ付きで作成してください。
ChatGPTとスプレッドシートのマクロ連携については、以下の記事で解説しています。
ChatGPTデータ分析を成功させる4つのコツ
コツ1：データの説明を最初に伝える
「各列が何を意味するか」をChatGPTに伝えると、分析の精度が上がりやすくなります。列名が英語や略語の場合は、日本語で説明を添えておくと誤解が減ります。
コツ2：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、「データの概要を教えて」→「気になる点を深掘り」→「仮説を検証」と段階的に進めるのが効率的です。一度に多くを求めると、焦点がぼやけた分析結果になりがちです。
コツ3：エラーが出たらそのまま貼り付ける
コードを実行してエラーが発生した場合、エラーメッセージをそのままChatGPTに貼り付ければ修正コードを提案してくれます。エラー解決もAIに任せられるのは大きなメリットです。「エラーが出ました」だけではなく、エラーメッセージ全文を貼り付けるのがポイントです。
コツ4：可視化のカスタマイズを依頼する
「グラフの色を変えて」「タイトルを追加して」「フォントサイズを大きくして」など、見た目の調整もChatGPTに依頼できます。プレゼン用の見栄えの良いグラフに仕上げたい場合は、具体的にイメージを伝えると理想に近いものが得られます。
ChatGPTの「分析結果の解釈」は必ずしも正確ではありません。統計的な計算自体はPythonライブラリが処理するので正確ですが、「なぜこの傾向が見られるのか」といった解釈部分は、業務知識のある人間が必ず確認するようにしましょう。
解釈の部分を人が確認するには、統計や機械学習の基本を自分でも押さえておく必要があります。体系的に学び直したい方には、スタビジアカデミー（スタアカ）という選択肢もあります。Python、統計学、機械学習、SQLなどのコースが動画とテキストで用意されたオンライン学習サービスです。プランによって質問サポートの範囲が異なるため、詳しくは公式サイトで確認できます。
機密データの取り扱いについて
業務データをChatGPTで分析する際は、情報セキュリティの観点から以下の点に注意が必要です。
- ChatGPT BusinessやEnterpriseプラン：データが学習に使われない契約になっている
- 個人プラン：データコントロールの設定で、会話を学習に使わせない設定にできる（設定名や画面は変更されることがあるため、OpenAIの公式ヘルプで確認）
- もう一つの選択肢：ダミーデータで分析コードを生成し、本番データはローカルで実行する
業務の機密データを個人プランのChatGPTにアップロードする際は、社内のガイドラインを必ず確認してください。
ChatGPTでExcel関数を自動生成する方法については、以下の記事で解説しています。
よくある質問（FAQ）
Q1. Pythonを全く知らなくても大丈夫ですか？
Advanced Data Analysisなら完全に知識ゼロで問題ありません。コード生成で自分の環境で実行する場合も、Google Colabにコピペするだけなので、Python知識はほぼ不要です。
Q2. Excelのデータもアップロードできますか？
xlsx形式のExcelファイルもそのままアップロード可能です。CSVの方が処理は安定しやすいですが、Excelでも問題なく分析できます。
Q3. どのくらいのデータ量まで扱えますか？
Advanced Data Analysisでは、数万行程度なら扱えることが多いです。ただし、ファイルサイズなどの上限はプランや時期によって異なります。数十万行以上になると処理が重くなるため、ローカル環境での実行を検討してください。
ローカルで大きめのデータを回すなら、メモリの余裕がそのまま作業のテンポに効いてきます。16GB以上を積んだノートパソコンは、分析用途で選ばれることが多い構成です。
Q4. 分析結果の正確性はどの程度ですか？
統計的な計算自体は正確です（Pythonの分析ライブラリが処理するため）。ただし、ChatGPTによる「分析結果の解釈」は必ずしも正しくないケースがあります。解釈部分は自分でも確認することをおすすめします。
Q5. Excelの分析と比べてどちらが良いですか？
数百行程度の単純な集計ならExcelで十分です。それ以上の複雑な分析、カスタムグラフの作成、予測分析などを行いたい場合は、ChatGPT＋Pythonの方が向いています。
Q6. ChatGPT以外のAIでもデータ分析はできますか？
長文のデータ分析にはClaude（claude.ai）も適しています。また、Google Geminiはスプレッドシートとの連携に強みがあります。用途に応じて使い分けると、より効率的に分析を進められます。
データ分析のスキルが身についてきたら、それを仕事で活かす方法を考える方もいるでしょう。クラウドワークス テックは、フリーランス向けの案件情報サイトで、会員登録フォームの職種欄に「AIエンジニア・機械学習エンジニア」の選択肢があると公式ページに記載されています。案件の掲載内容は日々変わり、書類審査や面談もあるため、詳しくは公式サイトで確認できます。
まとめ：データ分析のハードルはChatGPTで下がった
ChatGPTの登場により、データ分析はエンジニアやデータサイエンティストだけのものではなくなりました。この記事の要点を振り返ります。
- 手軽なのはAdvanced Data Analysis（ファイルをアップロードするだけ）
- コード生成を活用すればローカル環境でも本格的な分析が可能
- 初心者はGoogle Colabでコピペ実行するのがおすすめ
- 成功のコツはデータの説明を丁寧に伝え、段階的に深掘りすること
- 機密データの取り扱いには社内ガイドラインの確認が必須
データに基づいた意思決定を進めやすくなります。まずは手元のExcelデータをChatGPTにアップロードして「このデータの傾向を教えて」と聞くところから始めてみてください。
