ChatGPTでデータ分析する方法｜初心者向け表・数値の読み方を解説

ChatGPTでデータ分析する基本は、ExcelやCSVをそのまま丸投げするのではなく、目的を一つ決め、列名と意味を整え、件数・合計・欠損を確認してから、集計、比較、異常値、仮説の順に質問することです。ChatGPTは表やグラフ作成を助けますが、最終数値と判断は元データへ戻って検証します。

OpenAIの公式ヘルプでは、ChatGPTがアップロードされたファイルを分析し、質問へ答え、必要に応じて表やグラフを作成できることが案内されています。構造化データは、明確な列名、一行一件の形式へ整えると扱いやすくなります。

この記事では、ChatGPT データ分析を初めて行う方へ、表の準備、数値の読み方、集計、比較、異常値、グラフ、仮説、検証、機密情報の扱いを順番に解説します。高度な統計やコードではなく、小規模事業の売上、問い合わせ、広告、在庫などの身近な表を対象にします。

ExcelやCSVの数字を、経営判断へ分かりやすく変えたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで実践方法を確認する

結論：目的・データ確認・集計・検証の順で進める

最初に「何を知りたいか」を一文にします。「売上を分析して」ではなく、「2026年上期に売上が落ちた商品と月を特定する」のように、対象、期間、指標を決めます。

次に、行数、列名、期間、欠損、重複、単位をChatGPTに確認させ、自分でも元ファイルを見ます。分析前の合計値を基準として控えます。

その後、全体集計、期間比較、商品別・顧客区分別の比較、異常値、仮説へ進みます。いきなり原因を尋ねると、データにない事情をもっともらしく補う可能性があります。

最後に、重要な数値をExcelなど別の方法で再計算します。ChatGPTの分析画面や生成コードを確認できる場合もありますが、元データと業務定義が正しいかは人が判断します。

段階	質問	成果物	確認
目的	何を判断するか	分析課題	責任者
点検	行列・欠損	品質表	元ファイル
集計	合計・比較	集計表	基準値
検証	再計算	承認結果	第三者

分析しやすい表へ整える

一行目に短く明確な列名を置き、一行を一件にします。途中の結合セル、二段見出し、小計、空白行、色だけで示した区分は、AIにも人にも誤解を生みます。

日付は同じ形式、金額は数値、単位は列名または別の説明へ統一します。「10万円」のように文字と数字が混ざる列は、計算前に整えます。

顧客コードの先頭ゼロ、商品番号、郵便番号は計算用の数値ではなく文字列として扱う場合があります。自動変換で意味が変わらないよう列の用途を説明します。

元ファイルは上書きせず、分析用コピーを作ります。削除、変換、除外の内容を変更表へ残し、後で合計差を説明できるようにします。

問題	悪い例	良い形	理由
見出し	二段・結合	一行の列名	列を特定
一件	複数行	一行一件	件数計算
金額	10万円	100000	集計可能
日付	混在	YYYY-MM-DD	期間比較

最初に件数・合計・欠損を確認する

分析へ入る前に、総行数、対象期間、主要列の合計、欠損数、重複数、最小・最大を確認します。これがデータの健康診断になります。

空欄と0は意味が違います。売上0円は取引があったが売上がない場合、空欄は未入力の場合があります。業務定義を確認してから補完や除外を決めます。

返品、取消、テスト注文、社内取引、税、値引きが含まれるか確認します。売上列の定義が違えば、同じ合計にはなりません。

異常な日付や負の数が出ても、自動で削除させません。正当な返品か入力ミスかを担当者へ確認し、処理ルールを記録します。

点検項目	見る値	質問	判断
行数	全件・有効件	除外は何件か	元件数一致
合計	売上・数量	税・返品を含むか	基準値一致
欠損	列別件数	空欄の意味	補完・除外
異常	最小・最大	業務上あり得るか	担当確認

集計と比較で数字の違いを読む

まず全体の合計と平均を出し、次に月別、商品別、顧客区分別など一つの軸で比較します。複数軸を一度に交差させると、どこで差が生じたか分かりにくくなります。

平均だけでは、一部の大口顧客に引っ張られることがあります。中央値、件数、最大値、構成比も合わせて見ます。ただし、指標の意味を説明できる範囲に絞ります。

前年同月比と前月比は意味が違います。季節性がある商売では前年同月比、直近の変化を追うなら前月比が役立ちます。対象期間の日数や営業日も揃えます。

割合を比較するときは母数を確認します。成約率50％でも母数が2件なら、100件の40％より不確実です。件数と割合を併記します。

指標	分かること	注意	併記
合計	規模	期間差	件数
平均	一件当たり	外れ値	中央値
構成比	内訳	母数	実数
増減率	変化	基準期間	差額

生成AIのデータ分析を、売上改善や業務効率化へ生かしたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで実務活用を学ぶ

異常値を見つけ、原因候補を分ける

急増、急減、極端な値、欠損の集中を抽出します。異常値は誤りとは限らず、大口注文、キャンペーン、返品、締め日の違いなど業務上の出来事かもしれません。

ChatGPTには「データから確認できる事実」と「追加確認が必要な仮説」を分けさせます。売上低下が見えても、競合や天候が原因とはデータだけで断定できません。

原因候補ごとに、追加で必要なデータを出させます。広告が原因なら出稿日と費用、在庫なら欠品日、価格なら改定日が必要です。

外れ値を除いた分析を行う場合、除外前後を両方残し、基準を明示します。都合の悪い値だけを削除しません。

状態	事実	仮説	追加データ
売上急増	特定日に増加	施策・大口	注文明細
売上急減	特定商品で減少	欠品・価格	在庫・改定日
負の値	返品記録	入力ミス	伝票
欠損集中	特定期間に空欄	障害・運用	入力ログ

グラフで傾向を見える化する

時系列の推移は折れ線、項目比較は棒、構成比は条件を絞った積み上げ、二つの数値の関係は散布図が候補です。目的に合う図を選びます。

グラフには、タイトル、対象期間、軸、単位、凡例、出典を付けます。縦軸の開始位置や色で差を誇張しないよう注意します。

日本語が四角や記号になる場合は、元データ、文字コード、日本語フォント、出力工程を分けて確認します。数値を変えずに表示だけ修正します。

スマートフォンや会議室で実際の大きさを確認します。項目が多い場合は文字を小さくするより、上位項目へ絞るか表を併記します。

目的	グラフ	確認	避けること
推移	折れ線	期間・単位	多系列
比較	棒	並び順	3D装飾
構成	積み上げ	母数	小項目多数
関係	散布図	軸・外れ値	因果断定

分析結果から行動案を作る

分析の最後に、発見、解釈、行動案、期待する変化、確認期限を分けます。数字を眺めるだけで終わらず、次の小さな実験へつなげます。

たとえば問い合わせが減った場合、流入別の件数を確認し、特定経路だけ減っていれば導線を点検します。全体施策へ飛ばず、影響範囲を絞ります。

行動案には責任者と期限、成功指標を付けます。「広告を改善する」ではなく、「LPの申込ボタン文言を二案で14日比較し、遷移率を見る」のようにします。

AIが提案した施策は、法令、顧客との約束、ブランド、予算、実行可能性を人が確認します。自動で顧客へ送信したり価格を変えたりしません。

要素	例	確認	記録
発見	流入Aが減少	集計根拠	数値
仮説	導線変更の影響	追加データ	未確定
行動	ボタン比較	法務・予算	担当・期限
評価	遷移率	母数・期間	結果

分析を再現できる形で保存する

元データ、整形済みデータ、プロンプト、分析表、グラフ、検品結果を一つの案件として保存します。どの版から結果を作ったか追跡できるようにします。

ChatGPTが生成したコードや計算式を確認できる場合は保存し、重要な計算をExcel等で再現します。コードが読めなくても、入力件数、計算式の説明、出力合計を照合できます。

定例分析では、列名、除外条件、期間、指標、出力形式を固定します。毎月条件が変わると推移比較ができません。

訂正が必要になったら、旧版を無言で上書きせず、誤り、影響、修正、版、共有先を記録します。

保存物	目的	名前例	確認
元データ	正本	raw_202608	読取専用
整形データ	再現	clean_202608	変更表
分析結果	共有	analysis_v1	検品済み
訂正記録	説明	correction_log	影響範囲

よくある失敗例10選

失敗例1：目的なしで「分析して」と頼む

対象、期間、指標、判断を一文にします。

失敗例2：元ファイルを上書きする

正本と分析用コピーを分けます。

失敗例3：結合セルや小計を残す

一行一件、一行の列名へ整えます。

失敗例4：空欄をすべて0にする

未入力と0の業務上の意味を確認します。

失敗例5：平均だけで判断する

件数、中央値、構成比も見ます。

失敗例6：割合だけを比べる

母数と実数を併記します。

失敗例7：異常値を自動削除する

返品や大口注文か担当者へ確認します。

失敗例8：相関を原因と断定する

追加データと検証が必要な仮説にします。

失敗例9：グラフの見栄えを優先する

単位、軸、出典、元数値を守ります。

失敗例10：AI結果を再計算しない

重要な数値はExcel等で照合します。

失敗の分類	起きる問題	改善策	確認する人
取得	アクセス不能	代替入力	作成者
出典	確認不足	一次情報照合	確認者
要約	文脈欠落	原文併記	責任者
情報管理	無断入力	範囲制限	管理者
運用	更新漏れ	確認日記録	担当者

実行前後のチェックリスト

実行前に、目的、対象範囲、情報源、期間、権利、機密情報、完成形式を決めます。入力を増やす前に、判断へ本当に必要な情報だけを選びます。

実行後は、原文、出典URL、公開日または更新日、数字、固有名詞、断定度を人が確認します。AIの文章が自然でも、根拠のない説明は正式資料へ使いません。

確認項目	実行前	実行後	合格基準
目的	質問を一文にする	回答範囲確認	目的と一致
情報源	正規URLを選ぶ	実際に開く	本文が確認可能
時点	対象日を指定	公開・更新日確認	期間内
事実	基準値を控える	原文照合	根拠あり
共有	公開範囲を決定	権限確認	許可範囲内

すぐ使える実用プロンプト3選

プロンプト1：データの健康診断をする

アップロードした表を分析する前に、データを変更せず点検してください。
行数、列名、対象期間、列ごとの欠損数、重複数、数値列の最小・最大・合計を表にしてください。
異常の可能性がある箇所は削除せず、確認質問として示してください。

プロンプト2：売上の変化を段階的に分析する

目的：［2026年上期に売上が下がった商品と月を特定する］
まず全体合計、次に月別、商品別、前年同月比を計算してください。
事実、解釈、追加確認が必要な仮説を分け、各数値の計算方法と対象件数を示してください。

プロンプト3：分析結果を検品する

次の分析結果を元データと照合してください。
対象期間、行数、売上合計、除外件数、上位5項目、増減率、グラフの単位を確認し、
「一致」「差異あり」「定義確認が必要」に分類してください。差異は計算過程を示してください。

プロンプト	使う場面	入力する材料	人が確認する点
取得・整理	最初の確認	URL・目的	アクセスと範囲
比較・分析	複数資料	評価軸・期間	出典・数値
検品	公開前	下書き・原文	誤り・抜け

小規模事業で月次分析を回す

月次では、データ受領、整形、健康診断、集計、比較、仮説、行動、翌月確認の順にします。作成日だけでなく対象期間をファイル名へ入れます。

売上、問い合わせ、広告、在庫を一度に統合する前に、一つの表で正確に分析できるか確認します。共通キーや期間の粒度が違う表を無理に結合しません。

経営会議では、すべてのグラフを見せるより、重要な変化三つ、根拠、行動、未確認事項をまとめます。詳細表は別添にします。

週・月次工程	担当	成果物	承認
受領・点検	事務	品質表	データ責任者
集計・比較	分析担当	集計表	作成者
解釈・行動	業務責任者	施策案	経営者
翌月確認	担当者	結果表	会議

売上表を分析する具体例

売上表では、日付、商品、数量、単価、売上、顧客区分、担当などを確認します。最初に売上合計と件数を元システムへ合わせます。

次に月別と商品別を分け、売上減少が件数減か単価減かを見ます。平均単価だけでなく、値引きと返品も確認します。

上位顧客への依存度が高い場合、個人名を分析資料へ出さず、匿名IDと構成比で判断します。

問い合わせ・広告データを分析する具体例

問い合わせでは、流入経路、日付、内容区分、対応状況、成約を確認します。自由記述は個人情報を除き、分類ルールを決めます。

広告では、表示、クリック、費用、CVを同じ期間と定義で揃えます。媒体ごとの計測差を無視して単純合算しません。

AIの提案を採用する前に、サンプル数、季節性、サイト変更、計測障害を確認し、小さな実験で効果を測ります。

月別売上を分析する

ChatGPTのデータ分析をこの場面で使うときは、締め日、返品、税、値引きにより集計定義が変わります。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、対象期間と売上定義を固定し、合計、件数、平均単価を出します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、会計や販売システムの基準値と照合します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

商品別の差を分析する

ChatGPTのデータ分析をこの場面で使うときは、商品名の表記揺れやセット品で同じ商品が分かれます。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、商品コードを基準に名称を統一し、数量と売上を比較します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、上位と下位の原明細を抜き取り確認します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

顧客区分を分析する

ChatGPTのデータ分析をこの場面で使うときは、個人情報と小さな母数から特定につながる恐れがあります。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、匿名IDと十分な集計単位を使い、構成比と継続率を見ます。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、再識別リスクと利用目的を責任者が確認します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

問い合わせを分析する

ChatGPTのデータ分析をこの場面で使うときは、自由記述には表記揺れ、感情、個人情報が含まれます。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、分類基準を先に作り、サンプルを人が確認してから全体へ適用します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、分類の一致率と重要な誤分類を確認します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

広告データを分析する

ChatGPTのデータ分析をこの場面で使うときは、媒体ごとにクリックやCVの定義が違います。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、同じ期間と成果定義へ揃え、費用、件数、率を併記します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、媒体管理画面と計測ツールの差を記録します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

在庫データを分析する

ChatGPTのデータ分析をこの場面で使うときは、在庫0、未入力、予約、返品、入荷予定が混ざります。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、状態列を分け、欠品期間と販売機会の関係を確認します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、倉庫の実数と代表商品を照合します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

アンケートを分析する

ChatGPTのデータ分析をこの場面で使うときは、選択回答と自由回答を同じように集計できません。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、数値集計とテーマ分類を分け、否定意見も残します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、回答数、無回答、設問変更、引用許可を確認します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

前年同月を比較する

ChatGPTのデータ分析をこの場面で使うときは、営業日、休日、価格、店舗数が違う場合があります。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、差額と増減率を出し、比較条件の違いを注記します。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、基準期間と現在期間の件数と定義を揃えます。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

予測を依頼する

ChatGPTのデータ分析をこの場面で使うときは、過去傾向だけでは突発要因や制度変更を反映できません。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、前提と範囲を示した複数シナリオとして扱います。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、実績との差を継続記録し、意思決定者が承認します。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

経営会議へ報告する

ChatGPTのデータ分析をこの場面で使うときは、詳細表を大量に見せると重要な変化が埋もれます。最初から自動で正解が出ると考えず、目的、対象、入力できる情報、完成条件を一つずつ決めます。40代・50代の初心者でも、確認する順番を固定すれば、難しい設定を覚える前に安全な小規模テストを行えます。

具体的には、変化三点、根拠、仮説、行動、未確認を一枚へまとめます。ChatGPTへの依頼文には、対象期間、除外条件、出力形式、推測してよい範囲を明記します。途中結果を正式版へ上書きせず、元資料、AIの下書き、人が確認した完成版を分けると、誤りが見つかったときに原因へ戻れます。

完了時は、元表へ戻れるリンクと確認者を付けます。文章が読みやすいことだけで合格にせず、数字、固有名詞、日付、否定表現、権限、保存先を確認します。少なくとも重要な一項目は別の方法でも照合し、未確認事項を残したまま顧客や社外へ公開しないことが実務上の基本です。

筆者の実務視点

私なら、最初に元データの合計と行数を紙に書くか別セルへ控えます。分析後に同じ数字へ戻れる基準が必要だからです。

最初の質問は「原因は何か」ではなく、「どこで、いつ、どれだけ変わったか」にします。原因は追加データがないと判断できないことが多いためです。

表をきれいにする作業と分析を分けます。列名や日付を整えた変更履歴を残し、都合のよい数字だけを消しません。

平均値が分かりやすくても、件数と分布を一緒に見ます。小さな母数の大きな割合には注意します。

グラフは結論を強く見せる道具ではなく、事実を誤解なく伝える道具として使います。

ChatGPTの計算は、重要な合計、増減率、上位項目を別方法で再計算します。

機密データは、分析に不要な個人情報を削除し、許可された契約・環境だけで扱います。

良い分析は、難しい用語の多さではなく、次に誰が何をいつまでに確認するかが明確です。

実務原則	判断基準	理由	残す記録
目的を先に決める	一文で説明できる	収集過多を防ぐ	依頼文
一次情報を開く	原文確認	誤引用防止	URL・日付
推測を分ける	事実と意見を区別	断定防止	根拠
人が承認する	公開前に照合	説明責任	確認者・日時

ChatGPTのデータ分析に関するFAQ

Q1. ExcelやCSVをアップロードできますか

対応形式や上限はプランと現行機能によります。OpenAI公式ヘルプと実際の画面を確認してください。

Q2. どのような表が分析しやすいですか

一行目に明確な列名があり、一行一件、日付と数値の形式が統一された表です。

Q3. 空欄は0にすればよいですか

いいえ。未入力と0の意味が違うことがあります。業務定義を確認します。

Q4. グラフも作れますか

作成できる場合があります。種類、軸、単位、期間を指定し、元数値と照合します。

Q5. ChatGPTの計算は正確ですか

便利ですが、重要な数値は元データと別の計算方法で検証してください。

Q6. 原因分析もできますか

原因候補は作れますが、データで確認できる事実と仮説を分け、追加データで検証します。

Q7. 顧客データを使えますか

社内規程、契約、利用環境を確認し、不要な個人情報を除外・匿名化します。

Q8. 統計知識がなくても使えますか

基本集計と比較から始められます。分からない指標は意味と計算方法を説明させ、人が判断します。

まとめ：数字を整え、段階的に問い、元データで確かめる

ChatGPTでデータ分析するときは、目的を一つ決め、一行一件の表へ整え、行数、合計、欠損、重複を確認します。その後、全体、期間、項目、異常値、仮説の順に進めます。

AIの分析は下書きです。重要な数値を別方法で再計算し、事実、仮説、行動を分け、責任者と期限を決めます。機密情報を必要最小限にし、元データから結果まで追跡できる形で保存してください。

数字が苦手でも、生成AIを使って根拠ある判断をしたい方へ
→ 生成AIマスタースクール（GMS）の無料ウェビナーで参加する

参考情報

• OpenAI Help Center「Data analysis with ChatGPT」
• OpenAI Help Center「Extracting Insights with ChatGPT Data Analysis」
• OpenAI Help Center「File Uploads FAQ」

関連記事

• ChatGPTファイルアップロードの方法｜PDF・資料を仕事に生かす
• ChatGPTでGoogleスプレッドシートを使う方法｜読み込み・分析・出力の手順
• ChatGPTグラフの文字化けを直す方法｜日本語フォント設定と対処法