AIでExcelデータの異常値・外れ値を見つける方法

AIでExcelの異常値を探すときは、先に「何を異常と呼ぶか」を決め、統計上の外れ値と業務上の例外を分けて候補を出します。AIが示した値をそのまま誤りとして削除してはいけません。行番号、元データ、比較した範囲、判定理由を一覧にし、元の記録や担当者が確認できるところまでを分析の完了にします。

ChatGPTのデータ分析では、ExcelやCSVなどを扱え、傾向や外れ値の要約、Pythonによる計算を支援できます。OpenAIは、明確な列名と1行1レコードの表を推奨し、分析コード・前提・出力を確認するよう案内しています。これは候補抽出を効率化する機能であり、業務上の正誤を自動認定する仕組みではありません。

先に決めるのは「異常」の定義

同じ数値でも、データの意味によって正常か異常かは変わります。売上の急増は入力ミスかもしれませんが、大口契約やキャンペーンの結果かもしれません。出荷件数が0でも、休業日なら自然です。分析前に対象列、対象期間、単位、集計単位、例外になる条件を書き出します。

最低限、次の二種類を分けて扱います。

表は横にスクロールできます

判定の種類	例	分かること	分からないこと
統計的な候補	同じ列の中央値や分布から大きく離れた値	他と異なる値がある	誤入力か、重要な例外か
業務ルールの候補	数量が負数、期限切れ、前月比が設定幅を超える	事前に決めた規則に違反	規則自体が現状に適切か
データ品質の候補	空欄、重複ID、日付形式の混在	再確認が必要な記録	欠損の業務上の理由

「外れ値」と「誤り」は別のラベルにします。統計上離れているだけなら「要確認」、入力規則に違反しても元システムで確かめるまでは「誤り候補」です。AIに「異常を直して」と頼むと、妥当な例外を平均へ寄せたり、記録を削除したりするおそれがあります。まず読み取り専用の候補一覧を作り、修正操作は人が承認した後に別工程で行います。

アップロード前に表を整える

分析対象は、列名のある表として準備します。OpenAIは、先頭行に説明的な列名を置き、1行を1レコードにし、無関係な表を同じシートに混在させない形を勧めています。結合セル、途中の合計行、見出しが二段ある表、空行で分断された表は、行・列の意味を取り違える原因になります。元ファイルは保管し、分析用コピーを作ってから整えます。

たとえば売上表なら「日付」「商品ID」「地域」「数量」「単価」「売上額」といった列に分けます。列名が「値」「項目1」のように曖昧なら、単位や定義を含む名前へ変えます。日付が文字列か日付型か、金額が税込か税抜か、欠損が0なのか未記入なのかも説明できるようにします。顧客名、メールアドレス、住所などの個人情報を含む場合、共有・アップロードの可否と社内ルールを先に確認し、不要な識別情報を削除または仮名化します。

候補一覧を作る指示

AIには結論だけでなく、再確認可能な根拠を出させます。下の例は、業務ルールと統計的候補を混同しないための入力枠です。列名や閾値は実データと担当部門の規則に合わせて置き換えてください。

```text

添付した表を読み取り専用で確認してください。

目的：［例：月次売上の入力ミス候補を見つける］

対象列：［列名］

比較単位：［全体／商品ごと／地域ごと／月ごと］

業務ルール：［確定している規則だけを書く。なければ「未設定」］

統計上の外れ値候補と業務ルール違反を別々に出してください。

候補ごとに、元の行番号、対象ID、元値、比較範囲または規則、

候補とした理由、追加で確認すべき情報を表で示してください。

行の削除、値の修正、欠損の補完は実行しないでください。

判定できない場合は「要確認」とし、根拠のない正常・異常判定をしないでください。

最後に、分析に使った列、除外した行、前提を列挙してください。

```

指示に「読み取り専用」と書いても、使うツールの仕様や設定が別にある場合はそれを確認します。重要なのは、出力を編集済みデータと取り違えないことです。AIが候補表を返したら、行番号だけでなく安定したIDも併記されているか見ます。並び替えやフィルターによって画面上の行番号が変わることがあるためです。

全体分布を見てから候補を分ける

一つの閾値で全データを判定する前に、件数、最小・最大、中央値、分位点、欠損数などを確認します。平均だけを見ると、極端な値に引っ張られたり、偏った分布を見逃したりします。AIへ計算させる場合も、「どの列で何を計算したか」「空欄や0をどう扱ったか」を明示させます。

IQRを使う場合、四分位範囲は第3四分位数から第1四分位数を引いた値です。一般的な探索では、その上下に一定倍のIQRを置いて候補を拾えます。ただし、これは候補抽出の一つの規則であり、すべての業務で適切な閾値とは限りません。正規分布を前提とするz-scoreも、強い歪みや少数データでは誤解を生みます。数式の選択をAIに丸投げせず、データの形と目的を確認してください。

次に商品、地域、期間、顧客区分などで分けて再集計します。全社では極端でも、その商品群の通常範囲かもしれません。反対に全体平均へ埋もれていた異常が、特定の拠点だけに現れることもあります。比較単位を変えると候補数も変わるため、「全体」「同じ区分の中」「業務ルール」のどれに該当したかを候補表へ残します。

人が確かめる順番

候補を全部同じ優先度で並べる必要はありません。金額や安全への影響、影響件数、修正期限、確認コストを考慮し、担当者がすぐ確認できる項目から並べます。ただし優先順位は「異常の確定度」ではありません。高額だから誤入力と断定するのではなく、影響が大きいので先に確認するという意味です。

表は横にスクロールできます

候補	先に照合する記録	判断例
金額が突出	請求書、注文、税区分、通貨	元取引と一致すれば例外として保持
数量が負数	返品・取消・在庫調整の履歴	調整処理なら理由を記録
前月比が急変	営業日数、キャンペーン、価格改定	条件変化と単純誤記を分ける
空欄・重複	入力元、連携ログ、主キー	欠損の意味と重複の種類を確認
特定区分だけ偏る	区分定義、期間、サンプル数	小標本なら単独判定を避ける

確認者は「採用」「正当な例外」「修正」「追加情報待ち」のいずれかを選び、根拠と確認日を残します。AIが示した数値と人の判断を同じ列に上書きせず、元値を保持したまま判定欄を追加すると、後から追跡できます。

失敗しやすい使い方

全データを一括で読み込ませても、表の前提が伝わらなければ意味のある分析にはなりません。特に、複数の表を一つのシートへ貼った、単位が列ごとに違う、古い期間と最新期間でルールが異なる、抽出条件が分からない、といった場合は候補の精度以前に分析条件が不明です。結果だけをコピーして修正に使わず、表の構造・対象期間・定義を先に整えます。

「外れ値を消して再計算」「変な数字を平均値に直す」と指示するのも避けます。削除で本来の異常や不正兆候を消す可能性があるからです。AIの表が元データの行と対応しない、計算方法が説明されない、区分別の件数が合わない場合は、その結果を採用せず、対象範囲を小さくして計算を照合します。独立した計算手段で重要な値を再確認してください。

公開・共有前のQA

分析結果を業務へ渡す前に、少なくとも次を確認します。

• 対象期間と除外条件が記録されている

• 元データを変更せず別コピーで作業した

• 各候補に元の行または安定IDがある

• 統計候補と業務ルール候補が分かれている

• 判定理由と比較範囲が読める

• 欠損・重複・データ型の扱いが説明されている

• 個人情報や機密情報の共有可否を確認した

• 重要な計算は再計算または担当者が検算した

• 修正・削除は候補一覧から直接行わず、承認後に実施する

• 「要確認」を無理に正常・異常へ振り分けていない

ChatGPTのデータ分析機能がPythonを使う場合、OpenAIは生成されたコード、結果、前提を確認するよう案内しています。AIの出力を証拠そのものとみなさず、元の業務記録と計算条件を照合してください。候補が0件でも、分析対象やルールが妥当かを確認するまでは「異常がない」と断定できません。

AIものさしの判断

AIを使う価値は、表のどこを人が確認すべきかを説明付きで絞り込めることです。統計上の外れ値をそのまま削除するのではなく、候補、元値、比較根拠、追加確認先をセットで出し、担当者が判断を記録できる状態を作ります。大規模なデータや機密性の高いデータでは、利用可能なプランやデータ取り扱い条件を確認してから投入してください。

監査できる形で結果を保存する

異常値分析を定期的に行う場合は、毎回同じ指標を使うだけでなく、指標の版とデータ期間を残します。たとえば「2026年9月の受注額を商品区分ごとに確認」「IQRの倍率は探索用」「売上額の税区分は税込」と記録すれば、翌月に候補数が増えたとき、データの変化とルール変更を区別できます。AIに出力させた判定理由をそのまま監査記録にするのではなく、担当者が採用した規則と確認結果を別に記録します。

特定の列で候補が多すぎるときは、閾値を都合よく上げて候補を消すのではなく、データの偏りや区分の混在を疑います。反対に候補が全く出ないときは、列の型が文字列扱いになっていないか、フィルターで対象期間を誤っていないか、異常判定の対象を間違えていないかを確認します。入力を一部の行に絞って元値・集計・候補判定を手計算と照合し、方法が正しいと分かってから全体へ戻します。

データの修正が必要と判断された場合も、修正前値、修正後値、理由、承認者を残します。原本を直接上書きすると、誤ったAI提案を後から戻せなくなります。特に会計・人事・医療・与信など判断影響の大きい領域では、AIによる候補抽出を業務ルールに組み込み、担当者の確認なしで自動処理しないでください。