ChatGPTを使ったデータ分析
2026年4月10日 OpenAI Academy
データを探索し、分析し、明確な洞察とアクションに変換しましょう。
ChatGPTは、最小限のセットアップで生データから有用な洞察への移行をサポートします。CSVやExcelファイルをアップロードしたり、テーブルを貼り付けたり、データソースに接続（ワークスペースでサポートされている場合）してから、自然言語で質問を開始できます。
質問ごとに数式、ピボットテーブル、ダッシュボードを構築する代わりに、データを素早く探索し、テーブルをクリーンアップし、シンプルな可視化を生成し、共有しやすい形式で重要なポイントを抽出できます。
これは特にプロセスの初期段階で有用です。データに何が含まれているかを把握し、異常を特定し、より深く掘り下げる場所を決定している時期です。また、発見事項を他の人がレビューし、行動に移せる要約に変換するのにも役立ちます。
始め方
サポートしようとしている決定から始めましょう。シンプルなフレームワークは：「私は___に基づいて___を決定しようとしています。」これによりChatGPTに「完了」がどのような状態かを伝え、分析を集中させることができます。
重要なコンテキストと共にデータを提供してください。定義、時間枠、主要な列が何を表すかなどです。データはファイルアップロードまたは接続されたアプリの使用で提供できます。
答えだけでなく、アプローチを求めましょう。例えば、探索的データ分析（EDA）の要約に続いてテストすべき仮説を要求します。これにより、結論に直接飛び込むよりも構造化された信頼性の高い結果が得られます。
視覚的な表現が役立つ場合は、明示的に要求してください。何をプロットするか、どのようにセグメント化するか、軸ラベルや単位などの必須事項を含めて。
クリーンな最終テーブルや発見事項をアクションに変換する短い要約など、再利用可能な出力を求めましょう。
タスク例
| タスク | コンテキスト | 期待される出力 |
|---|
| このデータを分析し、主要な洞察を要約する | Shopifyストアのサンプルデータセット（過去30日間）を使用 | チャネルと製品全体で目立つ点、パフォーマンスの低い領域（例：コンバージョン率の低いチャネル）の特定、注目すべきパターンを含む構造化された主要洞察の要約。4-6の優先順位付けされた観察と、次に調査すべき5つの具体的なフォローアップ分析または質問を含む |
| 販売ファネルデータをレビューし分析する | [接続された分析アプリ]からの[キャンペーン名]のデータを使用 | 明確に分離されたセクションのセット：(1) ファネルで観察された主要パターン、(2) それらのパターンを説明する仮説（例：オンボーディングが主要ドライバー）、(3) 推奨される実験またはテスト。洞察はビジネスインパクトでランク付けされ、コンバージョンのボトルネックとレバレッジポイントに重点を置く |
| データを使用してプロセスの問題や非効率性を特定する | 添付された現在のプロセス文書とサポートチームのチケットデータCSVをレビュー | データシグナルに支えられた運用上の問題とボトルネック（例：エスカレーション遅延、リピートチケットの要因）の優先順位付けされたリスト。各問題がなぜ重要かの明確な理由と、即座の改善や調査のための推奨領域を含み、クイックウィンと深い修正にグループ化 |
成功のためのヒント
成功指標、見ている時間枠、比較したいグループやセグメントを含む、「良い」状態がどのようなものかを最初に共有することで、ChatGPTがあなたを支援できるようにしましょう。
数値が本当に重要な場合は、どのようにそこに到達したかを示すよう求めることもできます。使用した仮定、メトリクス計算に使用した数式、欠損データや異常なスパイクの簡単なチェックを含めて。
分析が信頼できるものであり続けるよう、いくつかのシンプルな基本ルールを設定することも役立ちます。例えば、相関を原因として扱わない、データの制限を指摘する、おかしく見えるものにフラグを立てるなどを伝えることができます。
結果を共有したり決定を下したりする前に、簡単な現実チェックを行いましょう。いくつかの主要な数値を選んで、すべてが合計されることを確認するためにスポット検証してください。
詳細については：OpenAI Help Center: Data analysis
プロンプト例
KPIダッシュボード要約
このスプレッドシートを分析し、以下を作成してください：(1) KPIテーブル（MoM + YoY）、(2) 3つのチャート、(3) 「リスク」と「推奨アクション」を含む10項目の要約。データ：[アップロード]。
マーケティング：キャンペーンパフォーマンスレビュー
あなたはマーケティングアナリストです。これらのデータセット[アップロード]を使用して、コンバージョン変化の上位3つのドライバーを特定し、チャネル別のコンバージョン率を計算し、5つの最適化を推奨してください。結果をテーブル + 短いナラティブとして提示してください。
財務：異常検知
このエクスポートで異常（重複、予期しないスパイク、ベンダー変更）をスキャンしてください。レビューすべき行にフラグを立て、それぞれが疑わしい理由を説明し、次に実行すべきチェックを提案してください。データ：[アップロード]。
運用：予測
この過去のボリュームデータを使用して、次の8週間のシンプルな予測を構築してください。モデル選択、仮定、信頼区間を示してください。その後、これが人員配置にどのような影響を与えるかを要約してください。データ：[アップロード]。
分析をスライドに変換
これらの発見事項を5つのスライドタイトル + 箇条書き（対象：経営陣）に変換してください。スライドごとに1つのチャートと最終的な「必要な決定」スライドを含めてください。発見事項：[貼り付けまたはリンク]。
OpenAI Academyで学習を続ける
実用的なAIスキルの構築に役立つ追加のガイドとリソースを発見してください。
すべてのトピックを表示
続きを読む