前回までは、データを「まとめる」ことにフォーカスしてきました。
今回はそこから一歩進んで、まとめたデータから「意味を見つける」分析思考の第一歩を解説します。

たとえば：

・どの商品が売上に貢献している？
・季節や曜日によって売上は変動している？
・売上が多い支店と少ない支店の違いは？

こうした問いに答えるには、「集計結果」をさらに分解して観察する視点が必要です。
CopilotとPythonは、初心者でもこの一歩を踏み出せる強力なパートナーになります。

---

そのグラフ、本当に“気づき”がありますか？

よくあるのは「月別売上の棒グラフを出して終わり」。
でもそれでは「何が原因で上下したのか」はわかりません。

Copilotにこう伝えてみてください：

「月別売上の推移と商品カテゴリ別の内訳も一緒に表示して」

これだけで、月単位の合計に加えてカテゴリごとの構成比もグラフで表示されるようになります。
さらに「前年比」や「昨対比」を加えれば、より深い分析が可能です。

図１：生成AIで作成した月別棒グラフとカテゴリ内訳付きの積み上げ棒グラフ

こうしたグラフを見比べてみると、「前年同月比では売上が増えているが、特定カテゴリが落ち込んでいる」などの“気づき”が得られることがあります。
単なる合計では見えなかった「中身の違い」に気づけるようになるのです。

さらに、売上データを曜日や時間帯別に集計することで、「どのタイミングに売上が集中しているか」「何曜日の来店が少ないか」といった行動パターンにも気づけます。

---

Pythonなら「変化の要因」を自動で示せる

Pythonを使うと、前年同月比や週別傾向を自動計算したり、特定の支店や商品が全体に与える影響を可視化できます。

たとえば：

・「前年比5%以上の増減があるカテゴリだけ抽出して」
・「平日と週末で売上がどれくらい違うか出して」
・「商品の平均単価と売上額の相関を出して」

こうした指示をCopilotに出すと、Pythonスクリプトが自動生成され、グラフや集計表、その解釈までを簡単に手に入れることができます。

図２：生成AI×Pythonによるデータの可視化

相関分析を使えば、「値段が高いほど売れるのか／売れないのか」といった販売戦略上のヒントにもつながります。
また、分析結果をスクリプトとして保存すれば、来月以降のデータでもすぐに再利用可能です。

分析業務は一度の作業に見えて、継続的に使いまわせる“仕組み化”こそが価値です。

---

“意味が見える”と、行動が変わる

ただの数値の羅列ではなく、「なぜこの数字なのか」が見えると、
人は意思決定しやすくなります。

・在庫を増やすべき商品
・売上が落ちた理由を説明できるデータ
・チャンスが見える曜日や時間帯

また、部門間での共有資料としても「説得力のある資料」をつくるうえで、
データに基づいたグラフや比較表は非常に有効です。

これまでは「Excelの関数を使って加工しながら、自分でグラフを作って考える」必要がありましたが、
CopilotやPythonを使えば、“問いを投げかけるだけで、加工も分析も可視化も自動で行ってくれる”世界がすぐそこにあります。

---

まとめ：「分析」は特別なスキルじゃない

「データ分析」と聞くと難しそうに思えるかもしれませんが、
実は「気づきたいこと（問い）」を持ち、それを分解するプロセスにすぎません。

Copilotは、あなたの問いを“翻訳”してくれるAIです。
Pythonは、それを“正確に再現”してくれる道具です。

データを扱うとき、「この数字、なぜこうなってるんだろう？」という素朴な疑問から始めることで、
誰でも自然と分析的な視点を身につけていけます。

まずはグラフや表から1つ、問いを持ってみる。
そこからはAIが伴走してくれます。

次回は、Excelでは難しい「データの前処理」をPythonでどう簡単にできるかを解説します！

<文/岡崎 凌>