AI分析のマインドセット

データ分析の問題

よくあるパターンを見てみよう。

誰かがスプレッドシートをエクスポートする。50列、10,000行。それをじっと眺める。何列かソートする。何かの棒グラフを作る。レポートに「売上が増加しました」と書く。

これは分析ではない。見たものを説明しているだけだ。

本当の分析は問いに答える：なぜ売上が増えたのか？ どの顧客が成長を牽引したのか？ これは持続可能か？ 何を変えるべきか？

多くの人がこうした問いに辿り着けないのは、メカニクスに時間がかかりすぎるからだ。データのクリーニングとグラフ作成が終わる頃には、考える時間がなくなっている。

What You’ll Learn

このコースでは、全8レッスンでデータ分析の全プロセスをカバーする：

What to Expect

各レッスンは10〜20分の読み物で、実践的な演習とクイズを含む。一気に全レッスンを終えることも、1日1レッスンずつ進めることもできる。

AIがゲームを変える

AIはデータに関する頭の良さを上げるわけではない。しかし、良い分析を妨げる摩擦を取り除く：

メカニクスで節約した時間は、思考の時間に変わる。

分析ワークフロー

良いデータ分析には一貫したパターンがある：

問い → 探索 → 分析 → 可視化 → 解釈 → 伝達
 ↑                                        │
 └────────── 発見に基づいて改善 ───────────┘

問い： 何を理解しようとしているか？ 探索： データに何が含まれているか？ どんな形か？ 分析： どんなパターンがあるか？ 何が異常か？ 可視化： これを明確にどう見せるか？ 解釈： これは自分の状況にとって何を意味するか？ 伝達： 発見をどう効果的に共有するか？

AIは解釈以外のすべてのステージを助ける——解釈にはあなたの人間的な判断が必要だ。

AI分析ワークフローのセットアップ

必要なもの：

1. AIアシスタント Claude、ChatGPTなど。データ作業では以下ができるものを選ぶ：

• 構造化データ（CSV、テーブル）の処理
• 必要に応じてコード生成
• 可視化の作成または記述

2. スプレッドシート Excel、Googleスプレッドシートなど。データが保存され、多くの作業を行う場所だ。

3. 分析対象のデータ 自社のビジネスデータか、練習用のデータセット。このコースでいくつか提供する。

4. 明確な問い 最も重要なインプット。AIは探索を助けるが、何を探しているかを知っている必要がある。

AIにできること・できないこと

AIが得意なこと

データ探索

「このデータセットを要約してください。列は何ですか？値の範囲は？」

計算

「各地域の月次成長率を計算してください。」

パターン特定

「このデータに異常値や外れ値はありますか？」

可視化の提案

「この関係性を示すのに最適なグラフは？」

説明

「この相関係数を分かりやすく説明してください。」

AIにあなたの助けが必要なこと

文脈 AIはあなたのビジネス、顧客、状況を知らない。

判断 この発見は意味があるのか、ただのノイズなのか？

アクション この発見に基づいて実際に何をすべきか？

検証 この結果は正しいか？他のソースと一致するか？

✅ Quick Check： もしデータがあるなら、サンプル（最初の50〜100行）をAIにコピーペーストして、以下のプロンプトを試してみよう：「このデータにはどんな列がありますか？ 各列のデータ型は？ 明らかな問題はありますか？ このデータで答えられそうな問いは？」——30秒で、手動なら30分かかるデータプロファイルが手に入る。

Key Takeaways

• データ分析が失敗するのは、メカニクスに時間を使い果たし、思考の時間がなくなるから
• AIはメカニクスを加速する：探索、計算、可視化
• あなたが提供するものはAIにはできない：文脈、判断、アクションの決定
• 分析ワークフロー：問い→探索→分析→可視化→解釈→伝達
• 良い分析は明確な問いから始まる

Up next: 次のレッスンでは、良い問いの立て方——インサイトにつながる分析的な問いのフレーミングを学ぶ。