AIデータ分析 非エンジニア入門｜Excelの先で迷子にならないための7つのレシピと90分スタートガイド【2026年版】
管理職・バックオフィス担当向け｜Pythonもプログラミングも不要、Excelの数字をAIに投げて分析を出すまでの実務手順
「データ分析」と聞いて身構えてしまうあなたへ
先日、30人規模の住宅資材販売会社で営業企画を担当している40代の方から相談を受けた。「上司から『売上データを分析して、来期の戦略提案を出して』と言われた。Excelでピボットテーブルは使えるが、もっと突っ込んだ分析が必要らしい。AIでデータ分析ができると聞いたが、Pythonだのデータサイエンスだの、難しそうで手が出ない。何から始めればいいのか」。
似た相談は、人事担当で離職傾向を分析したい方、経理で月次の数字から経営指標を出したい方、ECサイト運営で顧客行動を分析したい個人事業主の方、医療事務で患者データから業務改善案を考えたい方からも届く。共通するのは、Excelは使えるが「その先」に進めずにいる、という状態だ。
この記事は、データ分析を「Pythonと統計の世界」と捉えて尻込みしている方に、「あなたが今持っているデータをAIに渡せば、分析の8割は今日からできる」と伝えるためのものだ。
2026年4月時点で、Claude や ChatGPT は CSV やExcelを直接読み込み、集計・グラフ化・異常検知・トレンド分析・予測の下書きまで、日本語の指示だけでこなせる。Python やSQL の知識は不要だ。あなたが必要なのは、データの読み方・分析の意図を言葉にする力・出てきた結果を業務判断につなげる力。これらは Excel を使ってきた方なら既に持っている。
この記事で分かること:
- 非エンジニアがAIでデータ分析を始めるための90分スタート手順
- 経理・人事・営業・マーケの実務で使える7つの分析レシピ（プロンプト雛形付き）
- AIに渡してはいけないデータと、安全に使うための前処理ルール
- グラフ化・レポート化までAIに任せる進め方
- 月10時間の集計工数を削減した中小企業の実例
記事末尾で無料30分相談の案内をしている。自社のデータと業務に合わせた使い方を一緒に整理したい方はご活用いただきたい。
本論1: AIでデータ分析、ができるようになった現在地
「データ分析」を3段階に分けて捉える
まず用語を揃える。データ分析と一言で言っても、難易度はかなり違う。
- 集計（合計・平均・件数を出す）— Excel の SUM、COUNTIF、ピボットテーブルで足りる範囲
- 探索（傾向を見つける、異常値を見つける、相関を見る）— 仮説を立てる段階
- 予測（来月の売上、来期の離職率を見積もる）— 統計・機械学習の領域
非エンジニアの多くは1で止まっている。理由はシンプルで、2や3は「Pythonか専門ツールが必要」と思われていたからだ。
2026年4月時点では、AIで2のほぼ全部、3の入門レベルが、日本語のチャットだけでできる。Claude や ChatGPT に CSV ファイルを添付し、「この売上データを月別・商品別に集計して、伸びているカテゴリと落ち込んでいるカテゴリを教えて」と書けば、数十秒で答えが返る。
何が変わったのか（2024年→2026年）
2024年頃までは、AI でデータ分析しようとしても、ファイルを直接読み込めない、計算精度が低い、グラフが出せない、といった制約が多かった。それが2025年中盤から大きく変わった。
- ファイル添付で CSV、Excel、PDF を直接読み込める
- 内部で Python を実行して、正確な計算ができる（Code Interpreter / Analysis tool）
- 結果をグラフ画像として出力できる
- 数千行〜数万行のデータでも、サンプリングして傾向を出せる
- 日本語の業務用語をそのまま指示できる
つまり、Excel の関数やマクロを覚えるより、AI に「こう分析して」と日本語で頼む方が、ずっと速くて柔軟な世界になった。
本論2: 90分でAIデータ分析を始める
必要な準備
ここから、あなたが今日90分で「AIでデータ分析を1本やってみた」状態になる手順を示す。準備するものは次の通りだ。
- パソコン（スマホでもできるが、ファイル添付の操作はパソコンが楽）
- インターネット接続
- Claude（claude.ai）または ChatGPT（chatgpt.com）の無料アカウント
- 分析したい CSV または Excel ファイル1本（売上データ、顧客リスト、勤怠記録、在庫リストなど何でも可）
- 紙とペン（出てきた結果のメモ用）
ファイルがない場合は、自社の経理・人事・営業から「過去6ヶ月の売上集計データ」のような形で1本もらう。社内データに気軽に触れない場合は、政府統計（e-Stat）や東京都オープンデータからサンプルをダウンロードしてもよい。
90分の使い方
- 0〜15分: AI のアカウント登録と、ファイル添付の練習
- 15〜45分: 第1のレシピ（基本集計）を試す
- 45〜70分: 第2のレシピ（異常値検出）を試す
- 70〜90分: 出てきた結果を社内に共有できる形（要点3つ）にまとめる
この90分が終わると、「AIでデータ分析、できるじゃん」という体感が手に入る。あとはレシピを増やしていけばよい。
最初の操作: ファイルを添付して質問する
手順は驚くほど単純だ。
- claude.ai にログイン
- チャット欄左下の「クリップ」アイコンを押す
- CSV か Excel ファイルを選んで添付
- 「このデータを概観して、どんな項目があるか・1行目から3行目を見せて・気づいた特徴があれば教えて」と入力
- 数秒で回答が返る
これだけだ。Excel で「このシートに何が入ってるんだっけ」と確認する作業が、AIに聞いた方が速い。
本論3: 業務で使える7つの分析レシピ
レシピ1: 売上の月別・カテゴリ別集計とグラフ化
対象業務: 営業企画、店舗運営、EC運営。
用意するもの: 過去6〜12ヶ月の売上データ（日付、商品、数量、金額が入っているCSV）。
プロンプト雛形:
添付した売上データを次のように分析してください。
1. 月別の合計売上（折れ線グラフ）
2. 商品カテゴリ別の売上構成比（円グラフ）
3. 前月比で売上が10%以上伸びたカテゴリ・落ちたカテゴリ
4. 気づいた異常値や季節性があれば指摘
結果は数字＋グラフ＋3行のサマリーで返してください。
出てくるもの: 月別売上の推移グラフ、カテゴリ別構成円グラフ、伸びているカテゴリ・落ちているカテゴリの一覧、季節性のコメント。30秒〜1分で揃う。
活用例: 月次会議の資料下書き、四半期の戦略レビュー、来期予算の根拠資料。Excelでピボットを組んで色を塗って…という30〜60分の作業が、5分以内に終わる。
レシピ2: 顧客リストから離反予兆を見つける
対象業務: 営業、CS（カスタマーサポート）、サブスクリプションサービス運営。
用意するもの: 顧客ID、最終購入日（または最終ログイン日）、累計購入額、登録日、を含む顧客リスト。
プロンプト雛形:
添付した顧客データから、離反リスクの高い顧客を抽出してください。
基準:
- 過去90日以上購入なし
- かつ過去12ヶ月の累計購入額が10万円以上（重要顧客）
リスク順に上位30件を表示してください。
各顧客に「最後の購入から何日経っているか」も併記。
出てくるもの: 重要顧客のうち長く接触のない順にリスト化された30件。これを営業が「来週この30社に電話する」というアクションに直結できる。
活用例: 月初の営業MTGで「今月フォローすべき顧客リスト」を作る。CSが「この顧客は危ないから直接電話」と判断する。10〜30人規模の会社なら、月1回これを回すだけで、年商の数%は確実に変わる。
レシピ3: 勤怠データから残業偏りと離職リスクを察知する
対象業務: 人事、労務、管理職。
用意するもの: 社員別・月別の残業時間データ、有休消化率、遅刻早退の有無。
プロンプト雛形:
添付した勤怠データを分析してください。
1. 過去6ヶ月で残業時間が右肩上がりの社員
2. 有休消化率が30%未満の社員
3. 残業が他の社員より20%以上多い「偏り社員」
4. これらに該当する社員のうち、離職リスクが高そうな上位5名を理由付きで
個人名は仮名（A、B、C…）にして集計してください。
出てくるもの: 残業偏りのランキング、有休未消化のリスト、離職リスク高そうな社員の理由付きリスト。
活用例: 月次の労務会議の議題作成、1on1の優先順位付け、組織変更の判断材料。労務担当が手作業で集計していた時間（月3〜5時間）が、ほぼゼロになる。
注意: 個人名は必ず仮名化してから渡す。実名のままAIに入れない。
レシピ4: マーケ施策の効果測定（A/Bテスト風の比較）
対象業務: マーケ、広告運用、Web担当。
用意するもの: 施策実施前後の数値（クリック数・コンバージョン率・売上など）が入った CSV。
プロンプト雛形:
添付したデータは、A施策（先月）とB施策（今月）の比較です。
次を分析してください。
1. 全体のCV率の差（％ポイントで）
2. 流入元別の差（オーガニック、広告、SNSの3区分）
3. 統計的に意味のある差と思われる項目
4. 来月続けるべき施策・やめるべき施策の提案を3つ
出てくるもの: 数字での比較、流入元別の差分、有意な改善ポイント、来月のアクション提案。
活用例: 月次のマーケ報告会、広告代理店との打ち合わせ、社内向けの効果報告書下書き。Excel で何枚も比較表を作っていた時間が、3分で終わる。
レシピ5: 在庫データから「切れそうな商品」と「滞留商品」を見つける
対象業務: 在庫管理、購買、店舗運営。
用意するもの: 商品コード、商品名、現在庫数、過去3ヶ月の販売数、最終入荷日。
プロンプト雛形:
添付した在庫データを分析してください。
1. 過去3ヶ月の販売数を見て、現在庫が1ヶ月分を切る商品（要発注）
2. 過去3ヶ月の販売数がゼロまたは極少で、在庫がだぶついている商品（要対策）
3. 1の商品リストには、推奨発注数も併記してください
4. 2の商品リストには、値引き販売や処分の優先度も付けてください
出てくるもの: 発注すべき商品リスト、滞留商品リスト、それぞれの推奨アクション。
活用例: 月次の発注会議、在庫処分セールの企画、棚替えのタイミング判断。30〜100アイテムなら数十秒、1000アイテム超でも数分で終わる。
レシピ6: 経理データから経営指標の推移を出す
対象業務: 経理、財務、経営管理。
用意するもの: 月次の売上、原価、販管費、営業利益が入った損益データ。
プロンプト雛形:
添付した過去24ヶ月の月次損益データを分析してください。
1. 売上総利益率の推移（折れ線）
2. 営業利益率の推移（折れ線）
3. 販管費の対売上比の推移
4. 季節性、トレンド、注目すべき変化を指摘
5. 来期に向けて経営者へ報告すべきポイントを3つに絞って提示
出てくるもの: 主要指標のグラフ、傾向のコメント、経営報告用のサマリー。
活用例: 取締役会・経営会議の資料、銀行向け説明資料、税理士との打ち合わせ資料。ベテラン経理担当が手作業で1日かけていた資料作成が、半日に短縮される事例が増えている。
レシピ7: アンケートの自由回答を分類・要約する
対象業務: マーケ、人事、CS、店舗運営。
用意するもの: アンケートの自由回答（顧客の声、社員アンケート、利用者の感想）が入った CSV。
プロンプト雛形:
添付したアンケート自由回答（300件）を次のように分析してください。
1. 内容を5〜7のカテゴリに分類（例: 価格、品質、対応、機能、その他）
2. 各カテゴリの件数と、ポジティブ／ネガティブの比率
3. 各カテゴリで最も印象的な回答を3つずつ引用
4. 改善優先度の高いカテゴリ上位3つと、その理由
出てくるもの: カテゴリ別集計、ポジネガ比率、代表的な声の引用、優先度付き改善案。
活用例: 月次のCSレポート、商品改善会議の議題、社内アンケートの分析報告。これまで人事や企画担当が3〜5時間かけて目を通していた作業が、10分で終わる。
本論4: AIに渡してはいけないデータと安全な使い方
安全に使うための4つのルール
AIでデータ分析を始める前に、必ず押さえておくべき安全運用のルールを示す。
ルール1: 個人情報は必ず仮名化してから渡す
NG: 顧客名・電話番号・メールアドレス・住所・マイナンバー・社員氏名・口座番号などをそのまま入力
OK: 「顧客A」「社員B」のように仮名化、または個人特定列を削除してから添付
Excel で1列「氏名」を「ID列」に置換するだけで、ほとんどの分析は問題なくできる。
ルール2: 学習利用をオフにする設定を確認する
Claude も ChatGPT も、無料プランでは入力データが学習に使われる可能性がある。設定画面で「モデル改善への利用をオフ」にできる項目があるので、最初にチェックする。
業務利用が継続するなら、月額20ドル前後の有料プラン（Claude Pro、ChatGPT Plus）に切り替えると、学習利用なしの設定が標準になる。法人で導入するなら、Claude Team / ChatGPT Team / Microsoft 365 Copilot などのチームプランが、契約上「学習に使わない」と明示されている。
ルール3: 取引先の機密情報は事前に許可を取る
取引先から預かった売上データ、顧客名簿、製造原価などは、契約上「外部サービスへの入力禁止」となっている場合がある。最初に契約書または担当者に確認するのが安全だ。
ルール4: 結果は必ず人が確認してから使う
AI は「もっともらしい嘘（ハルシネーション）」を出すことがある。特に数字の計算では、Code Interpreter / Analysis tool を使えば精度は高いが、それでも100%ではない。重要な判断や対外発表に使う数字は、Excel で1〜2項目だけでも検算する習慣をつけたい。
本論5: 中小企業の実例（30人規模・住宅資材販売）
導入前の状況
30人規模の住宅資材販売会社。営業企画担当が1人で、毎月の売上集計レポートを作るのに月10時間かかっていた。
作業内訳:
- 各営業所からのExcelファイル集計（3時間）
- ピボットテーブルの組み直し（2時間）
- 商品カテゴリ別・地域別のクロス集計（2時間）
- 異常値の確認と原因の問い合わせ（1時間）
- グラフ作成と資料整形（2時間）
導入後（Claude Pro月額20ドル）
同じ作業を、次のように再設計した。
- 各営業所からのExcelファイル統合: Claude に「これらのExcelを縦に統合して」と頼む（10分）
- 月別・カテゴリ別・地域別の集計とグラフ化: 一括プロンプトで実行（15分）
- 異常値検出: 「前月比で20%以上ずれた項目を抽出して」（5分）
- レポート整形: 「役員会議用に1ページのサマリーで」（10分）
- 検算と最終確認: 担当者がExcelで主要数字を再計算（30分）
合計: 月1時間10分。導入前の月10時間から、9時間近い削減。
浮いた時間で何をやったか
9時間が浮いて、担当者は次の業務に時間を振り向けた。
- 営業所長との1on1（月3時間）
- 来期戦略の仮説出し（月3時間）
- 競合分析と市場調査（月2時間）
- 自分のスキルアップ（月1時間）
結果として、「集計担当」から「経営企画担当」へ実質的に役割が変わった。半年後には会社で重要な戦略会議に呼ばれるようになり、本人の年収交渉でも有利な材料になったと聞いている。
これは、AIで業務時間を削減することの本当の価値だ。「楽になった」だけで終わらず、「浮いた時間で価値の高い業務に移れる」のが、AI時代のキャリア戦略だ。
本論6: 上手く使うコツと、よくある失敗
上手く使う3つのコツ
コツ1: 最初に「データの全体像」を聞く
いきなり分析を頼まず、まず「このデータは何件、何列あるか」「欠損値はどれくらいあるか」「主要列の最大値と最小値は」と聞く。これでデータの素性を把握してから本番の分析に入ると、的外れな結果が出るリスクが減る。
コツ2: 1回で完成させようとしない
初回の回答が7割の出来であることが多い。「もう少し細かく」「グラフを横棒に」「上位10件だけにして」と追加指示を出す前提で進める。Excel で何時間もこねくり回すより、AI と3回会話する方が速い。
コツ3: 分析の意図を文頭に書く
「来週の経営会議で報告する資料用に」「営業部長への報告用に、専門用語は控えめに」「自分のメモ用なので簡潔に」のように、用途を最初に伝えると、出力の粒度・トーンが用途に合う。
よくある失敗4つ
失敗1: 大量データを一度に丸投げ
10万行を超えるCSVを丸ごと添付すると、AI は「サンプリングして傾向を出す」モードになる。全件を厳密に集計したいなら、事前にExcel で必要な列だけ抽出するか、月別・カテゴリ別に集約してから渡す。
失敗2: 個人名を仮名化せずに入力
セキュリティ事故の典型例だ。1度やってしまうと、社内で「AI使うな」となりかねない。最初の運用ルールとして「個人特定列は削除または仮名化」を絶対のルールにする。
失敗3: AIの数字を検算なしで対外発表
ハルシネーションで数字がずれるリスクは、Code Interpreter があってもゼロではない。社外の関係者・銀行・取引先への報告書では、主要数字（売上合計、利益、増減率）は最低限Excelで検算する。
失敗4: 「AIにやらせれば終わり」と考える
AIは分析の8割をやってくれるが、最後の「で、何をやるべきか」の判断は人にしかできない。AIは答えを出してくれるが、実行してくれるわけではない。出てきた結果を社内で議論し、誰がいつ動くかを決めるのは、あなたの役割だ。
よくある不安と答え
Q1: Pythonや統計の知識はゼロでも本当に始められるか
ゼロでも始められる。Claude や ChatGPT は、内部で必要な計算（Python実行）を自動でやる。あなたは日本語で「こう分析して」と頼むだけだ。統計の用語（中央値、相関係数、有意差など）も、必要な場面でAIが説明してくれる。
Q2: Excelで足りているなら、AIを使う必要はないのでは
Excel で足りているなら、無理に切り替える必要はない。ただし、ピボットテーブルを組むのに30分かかる、複数のExcelファイルを統合するのに1時間かかる、自由回答の分類に半日かかる、といった作業があるなら、AI に渡した方が圧倒的に速い。
Q3: 分析結果が間違っていたら誰が責任を取るのか
発表する人が責任を取る。AI は道具で、最終確認はあなたの仕事だ。重要な数字や対外発表する数字は、必ず Excel で検算する習慣をつける。これは Excel の関数を使った場合と同じ責任構造だ。
Q4: 中小企業で月20ドルは高くないか
月20ドル（約3,000円）の有料プランで、月10時間の集計工数が削減できれば、時給換算で軽く元が取れる。経理・営業企画・人事のいずれか1人が業務利用するだけで、月の時給差で5万円以上の効果が出るのが普通だ。投資対効果としては、ほぼ確実にプラスになる。
Q5: チームで使う場合はどうすればいいか
3人以上が業務利用するなら、Claude Team（月額30ドル/人）か ChatGPT Team（月額25〜30ドル/人）の法人プランが現実的だ。学習利用なし、データ管理機能あり、課金が一本化される。月3,000円×人数のコストで、組織全体の集計工数を3割削減できれば、十分に回収できる金額だ。
Q6: グラフが綺麗に出てこない場合は
AI が出すグラフは、PowerPoint レベルの装飾性は持っていない。社内向けの素早い確認には十分だが、対外資料に貼り付けるときは PowerPoint や Excel で再描画した方が見栄えが良い。「グラフの根拠データもCSVで返して」と追加指示すれば、それを Excel に取り込んで自分で整形できる。
Q7: 古いExcel（xls形式）でも使えるか
使える。Claude も ChatGPT も xls / xlsx 両方に対応している。文字コード（Shift-JIS、UTF-8）も自動で判定される。一部の古い書式や複雑なマクロ付きファイルでは読み込めない場合があるので、その場合は CSV に書き出してから添付する。
Q8: AI で分析した内容を社内に共有して大丈夫か
大丈夫だ。社内向けに「AI を使って分析しました」と明示する必要はないが、隠す必要もない。むしろ「Claude で分析したらこんな結果が」と共有することで、社内に AI 活用が広がるきっかけになる。
Q9: 分析依頼の段階で何が出てくるか想像できない
最初は「とりあえず気づいたことを5つ教えて」と頼むのが効く。AI が出してきた5つの観点を見ると、「あ、こういう切り口があったか」と気づき、次の依頼が具体的になる。
Q10: 学習する暇がない、という管理職にどう勧めるか
90分でいい。土曜の朝の90分、コーヒーを飲みながらこの記事のレシピ1を試すだけで、月曜から仕事の進め方が変わる。学習というより「便利な道具を試す」という気軽さで誘うのが、現場で効いた誘い方だ。
まとめ
AIによるデータ分析は、2026年4月時点で非エンジニアでも実務レベルで使えるようになった。Python やSQL の知識は不要で、Excel の延長として日本語で指示するだけだ。
要点:
- データ分析は「集計→探索→予測」の3段階。AIで2段階目までは普通にこなせる
- 90分のスタートで「AIでデータ分析、できるじゃん」という体感が手に入る
- 7つのレシピ（売上集計・離反予兆・勤怠分析・施策効果測定・在庫管理・経理指標・アンケート分析）が、明日から業務に組み込める
- 安全運用の4ルール（仮名化・学習利用オフ・取引先データ確認・人による検算）を最初に決める
- 月10時間の集計工数を削減できる事例は、30人規模の中小企業でも普通に出ている
土日の90分でいい。Excel の手作業に何時間もかけている業務があるなら、Claude か ChatGPT に投げてみてほしい。「これでよかったのか」と思うほど速く、楽になる。
無料30分相談のご案内
「自社のデータと業務に合わせて、どこから AI 分析を始めるか整理したい」というご要望を多くいただいている。中小企業の経営者・管理職・バックオフィス担当の方を対象に、無料30分のオンライン相談をお受けしている。今お困りの集計業務を1〜2つ共有いただければ、その場で具体的な AI 活用案と、レシピのカスタマイズ案を一緒に作る。
お申込みはこちらから → /contact
参考リファレンス
- Claude 公式サイト: claude.ai
- ChatGPT 公式サイト: chatgpt.com
- Anthropic Analysis tool 解説（公式ヘルプ）
- OpenAI Code Interpreter / Advanced Data Analysis（公式ドキュメント）
- e-Stat（政府統計の総合窓口）: 練習用データのダウンロード元
- 関連記事: AI文章作成 無料ツール比較（/articles/599）
- 関連記事: AIに仕事を奪われる？非エンジニアの生き残り戦略（/articles/600）
- 関連記事: プロンプトエンジニアリング入門（/articles/598）
