AIでデータ分析レポートの要約と示唆を作る方法

AIにデータ分析レポートを書かせると、数字と原因説明が自然な文章の中で混ざりやすくなります。そこで、最初にScopeとKPI定義を固定し、Fact、Change、Hypothesis、Unknown、Actionを分けます。AIの「それっぽい示唆」は結論ではなく、元Dataや追加Evidenceで確認する候補として扱うのが基本です。

この記事では、Analysis Report Schema、架空Sample、再現可能な計算、生成Codeの確認、Executive Summaryとの役割差まで整理します。読後には、AIが作った文章をそのまま報告書にせず、「どのDataから何を計算し、どこからが解釈か」を追える分析レポートを作れる状態を目指します。

G925との違い：1ページ要約ではなく分析の再現性を残す

G925は経営会議向けに重要FactとActionを1ページへ絞るWorkflowです。本記事では、その前段となる分析レポート全体を扱います。

誰が見ても同じKPIを再計算でき、Factと仮説の境界を追えることが目的です。Executive Summaryだけでなく、Scope、Method、Calculation、Evidence、Unknownまで残します。

Analysis Report Schemaを固定する

表は横にスクロールできます

Section	役割	例
Scope	対象Data・期間・Filter	国内EC、2026-09
KPI Definition	指標と計算	Net Sales、CVR等
Method	集計・比較方法	月次、商品別
Fact	Dataから確認した値	売上12M
Change	比較期間との差	MoM +20%
Hypothesis	原因候補	Price / Campaign
Unknown	未確認	在庫Data不足
Action	次の確認	Price history確認

このSchemaなら、要約と示唆を同じ段落へ混ぜずに済みます。

最初にScopeを1行で書く

例：Source=sales_2026.csv / Period=2026-07〜09 / Filter=domestic_ec / Exclude=cancelled。

レポートを読む人が「何を含み、何を除いた数字か」を最初に分かる状態にします。

KPI Definitionを計算式まで残す

「売上」「CVR」「継続率」のような名前だけでは定義が揺れます。

例：Net Sales = Gross Sales - Returns - Discounts。CVR = Orders / Sessions。

AIへはKPI名だけでなく、分子・分母・除外条件まで渡します。

架空SampleでFactとChangeを分ける

Current売上12M、Previous 10M、前年同月11.5Mとします。

Fact：Current Net Sales 12M。

Change：MoM +2M / +20%、YoY +0.5M / +4.3%。

Hypothesis：Price Change、Campaign、Mix Shift。

Unknown：広告費・在庫・Price History未確認。

数字は説明用です。この段階ではHypothesisを原因として書きません。

Fact Tableを文章より先に作る

表は横にスクロールできます

KPI	Current	Base	Diff	Source	Calculation
Net Sales	12.0M	10.0M	+2.0M	sales.csv	sum(net_sales)
Orders	4,200	4,000	+200	sales.csv	unique order_id
CVR	3.2%	2.8%	+0.4pt	sessions+orders	orders/sessions

文章のSummaryはこのTableから作ります。

AIへの依頼文例

「以下のDataから分析レポートを作ってください。Scope / KPI Definition / Method / Fact / Change / Hypothesis / Unknown / Actionに分けてください。Factには元DataのColumnとCalculationを付け、HypothesisをFactとして断定しないでください。重要KPIは元DataとのSpot Check方法も出してください。」

文章より検証可能な構造を優先します。

生成CodeをEvidenceとして保存する

AIがPython等で集計した場合、結果だけでなく主要Codeを残します。

どのColumnをgroupbyしたか、Filter条件、Missing処理、Date範囲を確認します。Codeが長い場合でも、KPIを作る主要Stepはレビュー対象です。

Codeが動いたことと計算が正しいことは別

Errorなく実行できても、違うColumnを合計していたら結果は間違います。

「実行成功」「Business Definition一致」「元Dataと検算」の3つを分けます。AIのNotebookやAnalysis Outputだけを正本にしません。

重要KPIは手計算でSpot Checkする

全行を再計算する必要はありません。

代表KPIを2〜3件選び、小さなSampleで手計算します。例えば5Recordだけ抜き、Net Sales合計やOrder CountがAI Outputと一致するか確認します。

集計TotalをReconcileする

Raw Totalと分析用AggregationのTotalが一致するか確認します。

一致しない場合は、Filter、Missing、Duplicate、Date、Cancelled Row、Unitなどを切り分けます。

Changeの大きいKPIだけを本文へ上げる

全KPIを同じ文量で説明すると、重要な変化が埋もれます。

Decisionに影響するKPI、変化が大きいKPI、異常値、Target未達を優先し、安定している補助KPIはAppendixへ回します。

HypothesisにはEvidence Neededを付ける

「広告施策が原因かもしれない」だけでは次の作業へ進めません。

Hypothesis: Campaign Effect / Needed Evidence: spend, impressions, campaign dates / Status: OPEN のように、何を見れば検証できるかを書きます。

Unknownを消さない

Dataがない、Sourceが矛盾、まだ調べていないなど、理由別にUnknownを残します。

UNKNOWNをNoへ変えたり、AIの一般知識で埋めたりしません。未確認がDecisionを止めるならActionへ昇格します。

Assumption Logを作る

分析では「返品Rowはnet_salesに反映済み」「Missing regionはUnknownとして残す」など前提が入ります。

Assumptionを本文へ散らさず、Logへまとめるとレビューしやすくなります。

架空のAssumption Log

表は横にスクロールできます

Assumption	Reason	Risk	Verify
cancelled除外	売上対象外	Status定義差	Order rule確認
日付=order_date	現行Report準拠	計上日との差	Finance確認
Missing region維持	推測禁止	Segment率低下	Source確認

Segment分析は全体結果の次に行う

全体売上、Orders、CVRを確認した後、Product / Region / Channelへ分けます。

先に細かいSegmentへ入ると、全体Impactが分からないままNoiseへ時間を使いやすくなります。

ObservationとInterpretationを文体でも分ける

Observation：「Product Aの売上は前月比+20%。数量は-4%。」

Interpretation：「単価またはProduct Mixの寄与が考えられる。」

このように言い切りの強さを変えると、Readerも境界を理解しやすくなります。

示唆はActionへ変換する

「若年層の反応が弱い」という示唆だけでは次に進めません。

Action例：20代Segmentのn数確認、Channel別CVR分解、Survey自由記述確認、Owner=Marketing、Due=次回会議前。

示唆をTaskへ落とすことで、分析が「いい話」で終わらなくなります。

Confidence Scoreを無理に付けない

AIがHypothesisへ80%などの数字を付けても、その確率の根拠がない場合があります。

代わりにEvidence StateをVERIFIED / PARTIAL / OPEN / CONFLICT等で表し、何が足りないかを具体化します。

ChartはFactの補助として使う

折れ線や棒Chartを入れる場合も、Chartで見せたいQuestionを1つに絞ります。

G923のChart Selectionと同様に、軸・Unit・Scale・Aggregationを確認し、見栄えだけで採用しません。

Reportの章立て例

1. Scope / Data Source

2. KPI Definitions

3. Executive Findings

4. KPI Detail

5. Segment Analysis

6. Hypotheses / Unknowns

7. Actions

8. Method / Assumptions

9. Appendix / Code / Source

全部を同じ長さで書く必要はありません。重要なFindingへ説明量を寄せます。

Executive Findingsは3〜5件に絞る

レポート全体が長くても、冒頭ではDecisionに効くFindingを絞ります。

各FindingにKPI、Diff、Evidence State、Actionを付けると、本文へ進まなくても何が重要か分かります。

Report QA Checklist

• ScopeとPeriodが明記

• KPI Definitionが計算式まである

• Fact Tableがある

• Raw Totalと集計Totalを検算

• 重要KPIをSpot Check

• Fact / Hypothesis / Unknownを分離

• Assumption Logがある

• Code / Methodを追える

• Segmentの母数を確認

• ActionにOwner/Taskがある

• ChartのAxis/Unitを確認

AIものさしの判断

データ分析レポートで大事なのは、文章の説得力より再現性です。どのData、期間、Filter、計算式からFactを出し、どこからHypothesisへ変わったかを追えるようにします。

まず主要KPIを3つだけ選び、Fact TableとSpot Checkを作ってください。計算が合ったらChangeを整理し、その後にHypothesis・Unknown・Actionを追加する。この順なら、AIの要約能力を使いながらも、検証可能な分析レポートとして残せます。