CSV データ分析レポートを AI に書かせる仕組み｜月次サマリ自動生成

月初に SNS インサイトの CSV をダウンロードし、Excel で集計し、グラフを作り、サマリコメントを書く。気がつけば月次レポート 1 本に半日が消えている。あなたのマーケ部門でも、月次データレポートに半日以上かけていませんか。

CSV データ分析レポートは、広報マーケで「月次の固定業務」として最も時間を消耗する作業の 1 つです。1 本に 4〜5 時間、月 2〜3 本（SNS / GA4 / 売上）の作成で月 10〜15 時間が消える計算。年間 120〜180 時間という規模感で、捻出効果が大きい領域です。

年商 50 億規模の事業会社で広報マーケを 1 人で担当している筆者は、Claude Code に CSV 分析を任せて、レポート 1 本あたり 4.5 時間 → 35 分に短縮しました。本記事は実物プロンプトとサマリ生成手順を公開する手順書です。

本記事はAI 内製スタックの全貌で示した「広報マーケが AI に任せる業務 10 連発」の 7 番目の業務、CSV データ分析レポートを単独で深掘りした続編に位置します。

CSV 分析 AI 委任で月 12 時間 → 1.5 時間にする仕組み

広報マーケ 1 人運用の筆者は、Claude Code に CSV 分析レポートを書かせて月 3 本 × 4 時間 = 12 時間を 1.5 時間に削減しました。任せられるのは「数値集計」「前月比較」「サマリコメント」「改善提案の初稿」の 4 タスク。任せない方が良いのは「数値の真偽判断」「経営判断レベルの示唆」「外部開示用の最終承認」です。

この章では、AI に任せて成立する範囲と、人間が必ず残すべき役割を整理します。

AI に任せられる 4 タスク

第 1 に、CSV からの数値抽出と集計（前月・前年比較含む）。第 2 に、ハイライト記事 / トップ商品の自動特定。第 3 に、前月比較に基づくサマリコメント生成。第 4 に、改善提案の初稿（3 つほど）。これら 4 タスクは AI が安定して 80 点を出します。

人間が残すべき役割

数値の真偽判断、経営判断レベルの示唆、外部開示用の最終承認。この 3 つは人間が必ず担当します。AI は CSV の数値をそのまま信じて分析しますが、CSV 自体に不整合がある場合（重複・欠損・タイムゾーンずれ）は気づかないことがあります。あなたの組織でも、CSV の整合性チェックは人間が担当する手順を入れてください。

Before｜手作業の月次レポートが時間を奪う 3 つの構造

月次レポート 1 本に 4〜5 時間かかる原因は、Excel 操作が遅い問題ではありません。3 つの構造的な理由が積み重なっています。皆さんのレポート作成フローでも、似た時間配分になっていないか確認してみてください。

構造 1｜CSV ダウンロードと整形に 1 時間

SNS 各媒体の管理画面 → 期間設定 → CSV ダウンロード → Excel で開く → 列名整形、というフローに 1 時間。3 媒体（X / Instagram / LinkedIn）を 1 ファイルに統合する段階で、媒体ごとの CSV フォーマットの違いを吸収する作業に時間が消えます。

構造 2｜数値集計とグラフ作成に 2 時間

月次集計、前月比較、前年同月比較、グラフ作成の 4 工程に 2 時間。Excel の関数を組み、グラフを整形し、レポート用に貼り付ける作業は、操作が速い人でも 1.5 時間は最低かかる構造です。

構造 3｜サマリコメント執筆に 1.5 時間

「なぜ伸びたか / なぜ落ちたか」の解釈を文章化する作業に 1.5 時間。データの解釈は経験を要するため、若手が書くとさらに倍以上かかります。サマリの質が経営層への報告効果を左右するため、ここを省略できません。

3 つの構造を合計すると、1 本のレポートに 1 時間（CSV 整形）+ 2 時間（集計）+ 1.5 時間（サマリ）= 4.5 時間。月 3 本作成すれば月 13.5 時間。年間 162 時間という規模感です。

After｜CSV 投入 + サマリ生成 + 改善提案の 3 段階

ここから具体的な実装手順に入ります。3 段階のパイプラインを組むと、レポート 1 本の所要時間が 35 分に縮みます。

STEP 1｜CSV 投入と数値抽出プロンプト

媒体ごとの CSV を Claude Code に渡し、月次サマリを生成するプロンプトです。

以下の CSV データから月次サマリを生成してください。

# データ
{ここに CSV を貼る}

# 出力項目
- 主要 KPI（前月比 / 前年同月比）
- ハイライト 3 件（数値伸び率上位）
- 落ち込み 3 件（数値減少率上位）
- 媒体別シェア

# 制約
- 数値は CSV から直接抽出。推定・架空数値は禁止
- 前月比は実数値と % の両方を表示
- 異常値（前月比 ±200% 超）はフラグ立てて警告

STEP 2｜サマリコメント生成プロンプト

STEP 1 の結果を踏まえて、サマリコメントを生成します。

STEP 1 の結果に対するサマリコメントを書いてください。

# コメント観点
- 全体傾向（3 行以内）
- ハイライト 3 件の解釈（なぜ伸びたか）
- 落ち込み 3 件の解釈（なぜ落ちたか）
- 来月への影響予測

# 制約
- CLAUDE.md のブランドトーンを厳守
- 解釈に確証が無い場合は「推定」と明記
- 経営層が 5 分で読める粒度
- 1 ページ（約 800 字）に収める

STEP 3｜改善提案 3 件生成プロンプト

サマリを踏まえて、来月の改善提案を 3 件生成します。

サマリを踏まえて来月の改善提案を 3 件生成してください。

# 提案フォーマット
- 提案 1: {施策名}
  - 課題: {数値で}
  - 施策: {3 ステップ以内}
  - 期待効果: {数値目標}
  - 実行コスト: {時間 / 予算}

# 制約
- 提案 3 件は優先度順
- 最低 1 件は「予算ゼロで実行可能」な提案
- 実現可能性が低い提案は「中長期」と明記

STEP 1〜3 を順に実行すれば、35 分以内にレポート 1 本が完成します。CLAUDE.md でルールを覚えさせる仕組みと組み合わせれば、毎月同じ品質で量産可能です。

ハマりポイント 3 つと回避策｜数値ハルシネーション・グラフ判断・分析の浅さ

3 ヶ月運用すると見えてくる定番のハマりどころが 3 つあります。先に知っておけば回避できる落とし穴です。

ハマり 1｜数値のハルシネーション混入

AI は CSV の数値を読み込みますが、稀に「もっともらしい架空数値」を生成することがあります。「先月のエンゲージメント率 8.3%」と書かれていても、CSV を確認すると 6.1% だったという事故が、3 ヶ月で 1〜2 回起きます。

回避策は、レポート公開前に「主要 KPI の数値を CSV と直接照合」する手順を必ず入れること。STEP 1 のプロンプトで「数値は CSV から直接抽出」と指示しても、最終チェックは人間が必須です。チェック時間は 5 分程度で、これを省略すると事故対応で 1 時間以上消える構造になります。

ハマり 2｜グラフ判断の自動化が困難

AI はテキストでサマリを書けますが、グラフ作成は別ツール（Excel / Google Sheets / Looker Studio）に任せる必要があります。「AI で全部完結」を狙うと、グラフ作成で詰まります。

回避策は、グラフ作成だけは別ツールで運用することを最初から受け入れること。Looker Studio で 1 度ダッシュボードを組めば、毎月同じテンプレで自動更新が可能になります。AI はテキスト分析、Looker Studio はビジュアル、という分業が最も時間効率が高い構造です。

ハマり 3｜分析の浅さで経営層に響かない

AI が出す解釈は、表面的な数値変動の説明で終わりがち。「エンゲージメント率が 23% 上昇したのは、新規投稿の話題性が要因」のように、当たり障りのない解釈になりやすい構造があります。

回避策は、AI が出した解釈に対して、人間が「なぜなぜ分析」を 1 度かけること。「話題性が要因」とあれば、「話題性とは具体的に何か」「他媒体への波及はあったか」を人間が掘る 5 分を入れる。これだけで、経営層に響くレベルの示唆に変わります。

CSV 分析 AI 自動化についてよくある質問

Excel と AI の使い分けはどうしますか

Excel は数値の正確な計算とグラフ作成、AI は解釈とサマリコメント生成、という分業が現実的です。AI に Excel 関数を書かせることもできますが、複雑な集計は Excel ネイティブの方が安定します。「AI で全部やる」を狙わず、得意領域で使い分ける設計が、運用 3 ヶ月以降の安定性に直結します。

機密データの CSV を AI に渡しても問題ないですか

Claude Code はデフォルト設定で入力データを学習に利用しません。Anthropic の利用規約で明示されています。ただし、顧客の個人情報・売上データの実数値・契約金額などの機密データを渡すかは社内ルールで決めるのが安全です。一般的な公開可能な集計データ（SNS 投稿数・閲覧数）は問題ありません。重要数値だけマスクしてから渡す運用が現実的です。

BI ツール（Looker Studio・Tableau）と組み合わせられますか

組み合わせ可能で、これが最も再現性の高い運用パターンです。BI ツールでビジュアル化、AI でサマリコメント生成という分業で、それぞれの強みを活かせます。BI ツールから CSV エクスポートし、Claude Code に渡してサマリを書かせる、という手動連携でも十分実用的です。月次でこのフローを回せば、レポート品質と作成時間の両方が改善します。

分析精度は外注のデータアナリストと比較してどうですか

定型分析（前月比較・KPI 推移）は AI で十分。深い因果分析や仮説検証は外注の方が高精度。住み分けの目安は「過去にも似た分析パターンがあるか」。同じパターンを毎月繰り返す月次レポートは AI で OK、新規施策の効果検証など 1 回限りの深掘りは外注を残すのが安全です。コストでは AI が圧倒的に有利（外注 月 10〜30 万円 vs AI 月 1 万円）なので、定型は AI、不定型は外注の使い分けが現実解です。