データ分析と政策リサーチ

データを「政策判断」に変える

🔄 前のレッスンで行政文書のAI起案を学んだ。文書の中身——データに基づく分析と根拠——をどう準備するか、今回はその部分を深掘りする。

e-Statの統計データ、住民基本台帳の数値、事業の利用実績。数字はあるけれど、それを「だからこの施策が必要」という政策提案にまとめるのが大変。

数字の羅列を意味のある分析に「翻訳」する——この作業にAIは非常に強い。

統計データ分析のプロンプト

以下の統計データを分析してください。

データの概要：
- 対象：[例）市の高齢者福祉サービス利用状況]
- 期間：[例）2022〜2024年度]
- 主要項目：[利用者数、サービス種別、地域別]

年度 | 利用者数 | 前年比 | 地域A | 地域B
2022 | 12,500  | —     | 4,200 | 3,800
2023 | 13,200  | +5.6% | 4,500 | 3,700
2024 | 14,800  | +12.1%| 5,300 | 3,600

以下を教えてください：
1. 全体のトレンド（増加・横ばい・減少）
2. 地域間の差異と要因仮説（3つ）
3. 注目すべきポイント（急変化、異常値）
4. 報告書用のサマリー（3行）

他自治体との比較分析

以下のテーマで他自治体の先進事例を整理してください。

テーマ：[例）子育て支援のAI活用]
自治体の規模：[人口10〜30万人]
関心のある領域：[相談窓口のAI化、情報提供の自動化]

以下を含めてください：
1. 先進事例（3〜5件）の概要
2. 導入の効果（定量データがあれば）
3. 導入の課題と教訓
4. 当市への適用可能性

※注意：具体的な自治体名と施策内容は、
必ず原典（自治体HP・総務省資料）で確認してください。

✅ Quick Check: AIによるデータ分析で、Excelで必ず検証すべきものは？計算結果（合計、平均、前年比など）。AIは「数字の解釈」は得意だが「計算の正確さ」は保証しない。

報告書の読み手別フォーマット

Key Takeaways

• AIは「データの傾向分析と言語化」が得意——トレンド把握、要因仮説、報告書サマリーを高速で作れる
• 計算の正確さは保証しない——合計、平均、前年比などはExcelで必ず検証する
• 報告書は「読み手」で構成が変わる——首長は結論ファースト、議会はデータ付き論理展開
• 他自治体の事例リサーチは「出発点」としてAIを使い、事実は原典で確認する
• データは「必要な部分だけ、テキスト形式で、分析の目的付き」で渡すのが最も効果的

Up Next

レッスン4：住民サービスと窓口業務では、住民からの問い合わせ対応、情報公開請求、ケース管理にAIを活用するワークフローを学ぶ。