経営企画がAIでデータ分析するには何から始めますか？

Excelや基幹システムからCSVでエクスポートしたデータをChatGPTのAdvanced Data Analysis機能かClaudeに貼り付けて分析させるのが最も手軽な始め方だ。BIツールや専門知識がなくても傾向の把握と仮説出しができる。

財務データをAIに入れてもいいですか？

未公開の財務数値は機密情報であり、社外の汎用AIサービスに入力してはいけない。社内で承認された企業向けプラン（Microsoft Copilot for M365等）や自社管理のAI環境を使う必要がある。

経営企画のためのAIデータ分析入門——BIツールなしで経営数字を読む方法

結論

経営企画担当がAIを使ってデータ分析を行うと、KPIの傾向把握と仮説出しが1〜2時間程度でできるようになる。BIツールや統計の専門知識がなくても、ExcelからエクスポートしたCSVデータをAIに渡すことで、月次の変化・異常値・構造的な課題を素早く可視化できる。ただし未公開の財務データの社外AI利用には厳しい制限があり、使用するAI環境の選択が前提条件となる。

AIデータ分析の前提: 使えるツールと使えない場面

データの機密レベルとAI利用の可否

経営企画が扱うデータは機密度が高いものが多く、どのAI環境に入力できるかを最初に確認する必要がある。

データの種類	機密レベル	汎用AIサービス	企業向けプラン	自社AI環境
公開済み業績データ	低	利用可	利用可	利用可
社内KPI（未公開）	中	利用不可	要確認	利用可
未公開財務数値	高	利用不可	要確認	利用可
M&A・重要戦略情報	最高	利用不可	利用不可	利用可

「企業向けプラン」はOpenAI ChatGPT Enterprise・Microsoft Copilot for M365・Claude for Enterpriseなどを指す。いずれも学習への使用不可を契約で保証しているが、自社の情報管理ポリシーに従い担当部門の承認を得てから使う。

AIデータ管理のポリシー詳細は企業のAIデータ管理ポリシー策定ガイドを参照してほしい。

月次KPIの傾向分析

前月比・前年比・計画比の分析

月次KPIの基本分析は「前月比・前年比・計画比」の3軸を確認することだ。AIを使うと、この3軸の比較と傾向のサマリーを素早く作れる。

まずExcelから以下の形式でデータをテキストに変換する。

月,売上(万円),計画(万円),前年実績(万円)
2026-01,23000,22500,21200
2026-02,24500,24000,22800
2026-03,22800,25000,23500
2026-04,26200,25500,24100
2026-05,23500,22800,21600

このデータをAIに渡して分析させるプロンプトが以下だ。

【依頼】
以下の月次売上データを分析してください。

【データ】
（上記のCSVデータをここに貼り付ける）

【分析してほしい内容】
1. 各月の計画比・前年同月比の計算
2. 5ヶ月間のトレンド（上昇・横ばい・下降の判定と根拠）
3. 特に注目すべき月とその理由
4. 計画との乖離パターン（乖離が大きい月・方向性の傾向）
5. 来月の売上を予測する上で確認すべき仮説

【出力形式】
表と箇条書きのサマリー

このプロンプトで出た分析を原データと照合し、計算の正確性を確認してから月次報告に使う。

複数KPIの相関分析

売上・契約件数・解約率・NPS（顧客満足度）など複数のKPIを同時に分析させることで、単一指標では見えない関係性が浮かび上がることがある。

【依頼】
以下の複数KPIデータを分析し、指標間の関係性と傾向を整理してください。

【データ】
月,新規契約件数,解約件数,月次売上(万円),サポートチケット件数
2026-01,52,8,23000,180
2026-02,58,9,24500,195
2026-03,45,12,22800,240
2026-04,61,10,26200,210
2026-05,47,15,23500,285

【分析してほしい内容】
1. 各指標の変化の方向性（上昇傾向・下降傾向・不規則）
2. 複数指標で同時に変化が見られる月と考えられる関係
3. 解約件数の増加とサポートチケット件数の関係（同時増加があるか）
4. 来月以降に注意すべきシグナル（先行指標として使えそうなKPIの候補）

AIが出した分析は「仮説の候補」として扱い、事業部担当者に確認を取る。「AIがそう言っていたから」を意思決定の根拠にはしない。

売上・コスト・利益の構造分析

P/L構造の分解

月次損益計算書のデータをAIに渡し、利益率の変化と要因を整理させる手順が実用的だ。

【依頼】
以下の月次P/Lサマリーを分析し、利益率変化の主要因を整理してください。

【データ（単位: 万円）】
項目,2026年3月,2026年4月,2026年5月
売上高,22800,26200,23500
売上原価,12300,13900,13200
売上総利益,10500,12300,10300
販管費,8200,8400,8600
営業利益,2300,3900,1700

【分析してほしい内容】
1. 各月の売上総利益率・営業利益率の計算
2. 4月の高利益率と5月の低利益率の比較分析（数値ベースで）
3. 利益率を下げている主要因の候補（コスト・売上のどちらが影響大きいか）
4. 来月以降の利益改善に向けて確認すべき事項

コスト構造の見える化

コスト内訳データをAIに渡して、コスト構造の変化とベンチマークとの比較分析を依頼する。

【依頼】
以下のコスト内訳データを分析し、コスト構造の特徴と改善候補を整理してください。

【データ（2026年Q1累計・単位: 万円）】
人件費: 15800（全体の42%）
外注費: 8200（22%）
販売促進費: 5600（15%）
システム費: 3200（8%）
その他: 5000（13%）

【分析してほしい内容】
1. 各コスト項目の売上比率（売上は7,100万円/月）
2. SaaS企業の一般的なコスト構造との比較（参考として・数値は要確認）
3. コスト比率として異常・改善余地がある可能性の高い項目
4. コスト最適化を検討する優先順位の案

【注意】
ベンチマーク数値はAIの参考値として扱い、一次情報（業界団体データ等）で確認する。

異常値・アラート検知の考え方

異常値の検出をAIで補助する

月次データの中に「前月比・前年比で急変している指標」があった場合、その要因の仮説出しにAIが役立つ。

【依頼】
以下のデータの中で、通常のパターンから外れている数値（異常値の候補）を
特定し、考えられる原因を整理してください。

【直近6ヶ月のデータ】
（CSVデータをここに貼り付ける）

【異常値の判定基準として使ってほしい軸】
1. 前月比で±15%以上の変動
2. 前年同月比で±10%以上の乖離
3. 3ヶ月連続の同方向変化（上昇・下降の継続）

【出力】
・異常値の候補一覧（指標名・変動幅・判定理由）
・各異常値の考えられる原因（2〜3案）
・確認すべき事項（事業部や財務に聞くべきこと）

このプロンプトで出た「異常値候補」を起点に、事業部担当者にヒアリングを行う。AIは「何を調べるべきか」の指針を出す道具であり、異常値の原因を断定する道具ではない。

KPIダッシュボードの設計補助

毎月追うべきKPIの選定と、アラート条件の設計にもAIを使える。

【依頼】
SaaS事業（月次課金・BtoB・中小企業向け）の経営管理に使う
KPIダッシュボードの設計を補助してください。

【含めてほしい内容】
1. 必ず追うべき主要KPI（10項目以内）とその定義
2. 各KPIの「アラートライン」の考え方（何%変化したら注意すべきか）
3. 先行指標（将来の売上・解約を予測するために先に動く指標）
4. KPI間の因果関係の整理（どの指標がどの指標に影響するか）
5. 週次・月次・四半期で追う指標の分類

財務データの社外AI利用制限と対策

社外AIに入れてはいけないデータの具体例

経営企画が日常的に扱うデータの中で、社外の汎用AIサービスに入力してはいけないものを具体的に示す。

入力禁止のデータ:

未公開の月次・四半期業績数値
事業計画・中期計画の数値
M&A・組織再編に関する情報
個別顧客の取引情報・契約金額
役員報酬・個人別給与データ

匿名化・加工すれば利用可能なケース:

特定の顧客名や取引先名を「A社・B社」に置き換えたデータ
実数値を指数化・相対値化したデータ（実額を隠した比率データ）
業界の一般的な傾向分析（自社固有の数値を含まないもの）

社内AI環境の構築アプローチ

機密性の高いデータを分析するための実用的なアプローチを3つ示す。

アプローチA: 企業向けAPIの利用 OpenAI API・Claude API・Azure OpenAI Serviceを企業契約で利用する。学習への使用が契約で禁止されており、社内での利用が認められやすい。

アプローチB: Microsoft Copilot for M365の活用 Microsoft 365の企業ライセンスにCopilotを追加する形式。Excelのデータ分析補助として使えるケースが多く、データがMicrosoftのサーバー内にとどまる。

アプローチC: ローカル実行のAIモデル Ollamaなどのローカル実行ツールで、自社サーバーまたはPC上でAIを動かす。外部への通信が発生しないため、最も機密性が高いデータにも対応できるが、性能は商用サービスより劣る場合がある。

Excelと組み合わせる実践的なワークフロー

ExcelデータをAIに渡す3つの方法

方法1: テーブルをテキストとして貼り付ける

Excelのセル範囲をコピーし、AI（ChatGPT・Claude）のチャット画面に直接貼り付ける。少量のデータ（数十行まで）に向いている。

方法2: CSVでエクスポートして貼り付ける

「名前を付けて保存」→CSV形式でエクスポートし、テキストエディタで開いた内容をAIに貼り付ける。数百行程度のデータに対応できる。

方法3: ChatGPTのAdvanced Data Analysis（コードインタープリター）を使う

ChatGPT（有料版）のAdvanced Data Analysis機能にCSVファイルをアップロードすると、Pythonを使った統計分析・グラフ生成が自動で行われる。ただし前述の通り、機密データの入力には企業向けプランが必要だ。

実際のワークフロー例

月次業績分析を行う際の標準ワークフローを示す。

基幹システムから月次データをCSVでエクスポートする（所要時間: 10分）
Excelで前月比・前年比・計画比を計算し、数値を確認する（20分）
確認済みのデータをAIに貼り付けて傾向分析・コメント生成を依頼する（5〜10分）
AIの出力を確認し、誤りと楽観的表現を修正する（15〜20分）
修正済みのサマリーを月次報告資料に貼り付ける（10分）

合計60〜70分。手動で分析・文章化していた場合の2〜3時間から大幅に短縮できる。

経営会議向けサマリー生成

分析結果を経営会議用に整える

データ分析の結果を経営会議のアジェンダ資料として整えるプロンプトを示す。

【依頼】
以下のデータ分析結果をもとに、経営会議向けの1ページサマリーを作成してください。

【分析結果の概要】
（AIによるKPI分析結果をここに貼り付ける）

【サマリーの要件】
1. 最重要の発見（1〜2文）
2. 課題となっている指標（数値を含めて3点以内）
3. 考えられる主要因（各課題に1〜2案）
4. 次のアクション（担当・期限・方法を含める）
5. 今後のモニタリング重点ポイント

【文章の条件】
・経営者が5分で読める量
・数値は具体的に（「売上が減った」ではなく「売上が前月比-5.2%減少した」）
・判断に使えない抽象表現は使わない

数値コメントの自動化

売上・利益の月次報告コメントのように、毎月同じ形式で書く文章を効率化するプロンプトを示す。

【依頼】
以下のKPIデータをもとに、月次事業報告書の「数値コメント」を作成してください。

【5月実績データ】
売上: 2億3,500万円（計画2億2,800万円・前年同月2億1,600万円）
営業利益: 1,700万円（計画2,200万円・前年同月1,900万円）
新規契約件数: 47件（計画50件・前年同月43件）
解約率: 1.8%（計画1.5%・前年同月1.6%）

【コメントの要件】
・各指標について「計画比」と「前年同月比」の両方を含める
・計画未達の場合は原因仮説を1文含める
・計画超過の場合は要因を1文含める
・各コメントは3文以内に収める

よくある失敗と対処法

失敗パターン1: AIの計算をそのまま信じる

AIは計算を間違えることがある。特に「前年同月比」「計画比」「移動平均」などの計算は、AIが生成した数値を必ず原データと照合する。

対処法: AIに「計算式を明示しながら計算してください」と指示し、式と数値の両方を出させる。その式が正しいかを確認してから数値を使う。

失敗パターン2: データの定義をAIと共有しない

「売上」「利益」「KPI」の定義が自社固有のものであっても、AIは一般的な定義で解釈してしまうことがある。

対処法: データをAIに渡す際に「この表の各列の定義」を明示する。例: 「売上は税込・返品控除後の計上売上です」「解約率は月初のアクティブ契約数に対する当月解約件数の比率です」。

失敗パターン3: 仮説をそのまま結論として使う

AIが出した「考えられる原因」は仮説であり、事実の確認なしに経営報告に使ってはいけない。

対処法: AIの出力を「確認すべき仮説のリスト」として扱い、事業部担当者・財務担当者への確認を経てから報告に使う。

まとめ

経営企画担当がAIをデータ分析に活用するための要点をまとめる。

データの機密レベルを確認し、社外の汎用AIには機密データを入れない
ExcelのデータをCSVに変換してAIに渡し、傾向分析・サマリー生成を依頼する
AIが出した計算は必ず原データと照合する
分析結果は「仮説の候補」として扱い、事業部確認を経てから報告に使う
KPIの定義・計算方法を明示してからAIに分析させる
月次報告のコメント生成はテンプレートプロンプトを使って標準化する

BIツールや統計の専門知識がなくても、AIを使えば経営企画担当が月次データの傾向把握と仮説出しを効率化できる。重要なのは「AIが出す洞察を最終判断に使わない」「数値の正確性は人間が担保する」という基本姿勢だ。

役員会向けにデータ分析結果を資料化する際は役員会・取締役会資料をAIで作る方法の手順と組み合わせてほしい。AI予算を会社に承認してもらう方法については AI導入の予算を通す方法も参考になる。