ほぼテク6月7日！ChatGPTを使って業務効率化！ - データ解析とレポート作成の新たな方法？

AI生成AIChatGPTGPTデータの解析レポート作成データ分析

6月7日

著者裕太我妻

こんにちは、「今更聞ける！ほぼ毎日テック日報」略してほぼテクの読者の皆様！本日は6月7日晴れです！
どうも、GROWTH JAPAN TECHNOLOGIESの我妻裕太です！

本日もよろしくお願いします。

今週の水曜日もこちらGJTのサイトから情報発信いたします。
今日も引き続き大好きChatGPTについて情報発信します！

前回、AI技術ChatGPTの使い方について、基本プロンプト「文法・スペルチェック」を例にご紹介しました。

前回の記事はこちらをご参照ください。
ほぼテク6月4日！ChatGPTでマスタ情報を活用した間違い探し！

今回は、「ChatGPTで業務効率化できる使い方」について、具体的なデータ解析とレポート作成を中心にご紹介します。
ではさっそく見ていきましょう！

まず、「データの解析とレポート作成」ですが、ChatGPTは大量のテキストデータを分析し、その内容をまとめたレポートを作成するのに非常に有用です。
例えば、過去の売上データや気象データ、新製品のリリーススケジュールなどを解析し、そのトレンドや予測を生成することが可能です。

では実際に、「こんなデータがありました」のシナリオを考えてみましょう。（全て架空のデータです）
ここでは、売上データ、天気（特に晴れた日数）、および新製品リリースの情報を考えてみます。

架空のデータ（売上データ）

売上データ

1月: ¥20,000,000
2月: ¥21,000,000
3月: ¥21,500,000
4月: ¥22,000,000
5月: ¥22,500,000
6月: ¥23,000,000
7月: ¥23,500,000
8月: ¥24,000,000
9月: ¥24,500,000
10月: ¥25,000,000
11月: ¥25,500,000
12月: ¥26,000,000

これは年間を通しての売上を示すもので、1月から12月までの毎月の売上を示しています。
例えば、1月の売上は¥20,000,000で、12月の売上は¥26,000,000となっており、全体的に売上は増加傾向にあります。

では次に以下のデータを考えてみます

架空のデータ（お天気データ）

天気（晴れの日数）

1月: 20日
2月: 18日
3月: 22日
4月: 21日
5月: 23日
6月: 24日
7月: 25日
8月: 26日
9月: 24日
10月: 23日
11月: 20日
12月: 19日

これは月ごとの晴れた日数を示しています。
例えば、5月は30日中20日が晴れ、6月は30日中15日が晴れているなどといったデータが含まれます。

架空のデータ（新商品リリースデータ）

その他の要素（新商品リリース）

3月: 新商品Aリリース
6月: 新商品Bリリース
9月: 新商品Cリリース

新製品リリース情報: 新製品A、B、Cがそれぞれ3月、6月、9月にリリースされたとします。

このようなデータをもとにChatGPTに見せてみるとどんな回答をしてくれるか、さっそく試してみましょう。
今回は以下の3つの視点について考えてみました。

売上データの分析
「過去12ヶ月の売上データを基に、売上のトレンドを分析してください。売上が特に増加した月は何月ですか？また、その月の特別な要因は何ですか？」

天気データとの関連性の分析
「過去12ヶ月の売上データと同期間の天気データ（特に晴れた日数）を比較してください。晴れた日数が多い月と売上には関連性がありますか？」

新製品リリースと売上の関連性の分析
「新製品A、B、Cがリリースされた3月、6月、9月の売上データを詳しく分析してください。新製品のリリースは売上にどのような影響を与えましたか？」

これらのプロンプトは、ChatGPTによる自然言語の分析を実施するための基本的なガイドラインです。

◆Q：過去12ヶ月の売上データを基に、売上のトレンドを分析してください。売上が特に増加した月は何月ですか？また、その月の特別な要因は何ですか？

売上データ

◇A：ChatGPT

この売上データから見て、全体のトレンドは明らかに増加しています。毎月一貫して売上が上昇しているため、その増加は順調であり、異常なピークや低下は見受けられません。それぞれの月で平均的に¥500,000の増加が見られます。

売上が特に増加した月という観点から見ると、特定の月が他の月よりも大幅に売上を伸ばしたという事例はありません。
すべての月で同じ増加率（約2.5%）が維持されているからです。

その月の特別な要因については、提供されたデータからは特定できません。
売上の増加要因を詳しく把握するためには、その期間中に行われたマーケティングキャンペーン、価格変更、新商品の導入、競合他社の動き、市場環境の変化、季節性などの詳細情報が必要になります。

しかし、全体として売上が一貫して増加しているという事実は、ビジネスが成長しており、おそらく顧客の需要、製品の品質、またはマーケティング戦略が効果的であることを示しています。

おぉーーーーーーーーーーーー、なんかすごいぞChatGPT！全体の傾向を瞬時に掴んでくれたな。
これを今まで考えるためにはそこそこ時間がかかっていましたが、概要を捉える時間がかなり効率的に作業できますね。

では波にのってきましたので、続いての質問をいってみよう。

◆Q：過去12ヶ月の売上データと同期間の天気データ（特に晴れた日数）を比較してください。晴れた日数が多い月と売上には関連性がありますか？

売上データ
1月: ¥20,000,000
2月: ¥21,000,000
3月: ¥21,500,000
4月: ¥22,000,000
5月: ¥22,500,000
6月: ¥23,000,000
7月: ¥23,500,000
8月: ¥24,000,000
9月: ¥24,500,000
10月: ¥25,000,000
11月: ¥25,500,000
12月: ¥26,000,000

天気（晴れの日数）
1月: 20日
2月: 18日
3月: 22日
4月: 21日
5月: 23日
6月: 24日
7月: 25日
8月: 26日
9月: 24日
10月: 23日
11月: 20日
12月: 19日

◇A：ChatGPT

このデータを見ると、晴れた日数が多い月と売上が正の関連性を持つようです。つまり、晴れた日数が多いほど売上も増加する傾向にあるようです。

具体的には、売上は1月の¥20,000,000から12月の¥26,000,000へと連続して増加しています。同様に、晴れた日数も1月の20日から8月の26日へと増加しています。その後、晴れた日数は減少しますが、売上は依然として増加を続けています。ただし、11月と12月では、晴れた日数が減少したにもかかわらず売上が増加しているため、この二つの変数間には完全な相関関係があるわけではないようです。

なお、これはあくまで見た目からの観察であり、実際の相関関係を確認するためには統計的な分析が必要です。具体的には、ピアソンの相関係数やスピアマンの順位相関係数を計算することで、売上と晴れた日数の関連性を数値化することが可能です。また、他の要因（例えば、季節の影響、プロモーション活動、経済状況など）も考慮に入れることが重要です。

おぉ、なんか人間らしい感じでいいですね。

説明も抽象的な概要説明から具体的な詳細説明に落とし込んでくれているので、とても分かりやすい内容です！
しかも、新しい分析の手法を提示してくれています！ピアソンは知っていましたが、スピアマンの順位相関係数は知らなかったな。
勉強になる～。

ここまでくるとワクワクしかしてないのですが、最後行ってみよう！

◆Q：新製品A、B、Cがリリースされた3月、6月、9月の売上データを詳しく分析してください。新製品のリリースは売上にどのような影響を与えましたか？

その他の要素（新商品リリース）
3月: 新商品Aリリース
6月: 新商品Bリリース
9月: 新商品Cリリース

◇A：ChatGPT

新製品A、B、Cがリリースされた3月、6月、9月について売上データを見てみましょう。

まず、全体の売上についてみてみましょう。1月から12月までの売上は全体的に増加傾向にあり、毎月500,000円ずつ売上が増えています。そのため、全体的なビジネスの成長を考慮に入れる必要があります。

それでは、新製品リリースの影響について見てみましょう：

新製品A（3月リリース）：リリースの前月（2月）に比べて売上は500,000円増えていますが、これは前述した全体の月間増加率と一致しています。したがって、新製品Aのリリースが売上に特別な影響を与えたとは言えないようです。

新製品B（6月リリース）：同様に、リリースの前月（5月）に比べて売上は500,000円増えていますが、これも全体の月間増加率と一致しています。新製品Bのリリースが売上に追加的な影響を与えたとは言えません。

新製品C（9月リリース）：9月も他の月と同じく、前月に比べて売上が500,000円増加しています。これも全体的な成長傾向と一致しており、新製品Cのリリースが特別に売上を押し上げたわけではないようです。

これらのデータから見ると、新製品のリリースは直接的な売上の増加にはつながっていないようです。それぞれの月に一貫した成長が見られ、新製品のリリースがその成長率を変動させることはありませんでした。もちろん、新製品のリリースがブランドの認知度や評判に対して長期的な影響を及ぼしている可能性もありますが、その影響はこのデータだけでは判断できません。

全3種の質問でした！

これは面白いですね～。データ分析の最初の傾向把握のところがこれがあれば！ほぼなくなるかもしれないので、空いた時間でこの先をもっと洞察できる気がします！