ChatGPTで行うデータ分析ガイド：初心者にもできる公共データ分析

一人でMVP/サービスを作るのは、なぜこんなに難しいのでしょうか？ 2025年6月16日 データ分析が重要だということは、当然ながらさまざまな媒体で耳にされていると思います。今回私たちが分析をしなければならない理由は、皆さんがProductを作るときに根拠をつくるためであり、 そのためにデータ分析を進めます。 Productを作っていると、自分の製品や機能に疑問が生じることがあり、計画した目標（KPIなど）を達成できなければ、チームメンバーの士気や信頼も揺らぎかねません。そのため、初期の外部変数をできるだけ減らすことが大きな目的です。 もちろん、最初のProductの80%以上は失敗に終わります。その過程でユーザーの意見をもとにDevelopしていくことのほうがより重要だという点を強調しておきたいと思います。 データを探し、処理し、分析する方法を簡単に見ていきます。 まず、データを分析する前に設定しておくべき要素がありますが、これについては後日取り上げます。（お急ぎの方は、ChatGPTに下記の2つの要素を推薦してもらうことをおすすめします） 今回は、ChatGPTを使えば自分でコードを書かなくてもデータ分析ができる、という内容を中心に進めます。 これについても、もちろんGPTを使えば手軽に確認できます。 まず私は、さまざまな公共データを探しながら、データ同士に連携性があるかを分析しようとしましたが、データ間で共通して連携させるには「年度」「地域」などがほとんど異なっており、そのため分析が困難でした。 ほかにも多くのデータがありますので、ぜひ活用してみてください。 上記のソウル・オープンデータ広場からダウンロードしたデータをもとに、データを分析するため、上のように依頼しました。 しかし残念ながらエラーコードが出たため、これもChatGPTに質問したところ、 とても親切に、なぜそうなるのかと、修正したコードも教えてくれました。 次に、データが本当にうまく結合されたのかが気になったので、それを確認できるコードを依頼し、 幸いにもデータがきちんと出ていることを確認できました。 ここでデータを見ると、2016年度のデータの「件数差」がNaN値になっていたため、2016年度のデータは除外したほうがよいと判断し、修正を行いました。 ところがこのときもまたエラーが出たため、GPTに修正を依頼しました。 「件数差」（エコマイレージ加入件数の増加量）に対する「1件あたりの当年炭素差」（個人の炭素排出量の増加量）の関連性を見たかったので、下記のように質問しました。 相関係数が「-0.38」となったため、弱いながらも相関関係があると判断しました（相関係数は-1〜1の間の値をとり、-1や1に近いほど強い相関関係です）。 さらに一歩進めてグラフでも見たかったので、下記のような結果を得ることができました。 今回書いた内容は、データ分析をまったく初めて行う方には難しいかもしれません。もし気になる点があれば、いつでもコメントでお知らせください:)

---

どの業務をAIに任せられるか気になる方は、
2分の診断で、今まず構造化すべきポイントを確認できます。ご無理のない範囲でお答えいただければ大丈夫です。

STAR-T AI事業運営診断 →