01 目的を設定する

AIとの対話で『分析のストーリー』を描く|目的から始めるデータ活用

作成日:2026-01-xx 更新日:2026-01-xx

データ活用、いったい何から始めればいいか分からない...

  • 「とりあえず手元のデータをグラフにしてみたが、何も発見がない」
  • 「データを集めたいが、何が必要なのか分からない」
多くの人が陥る失敗は、目的が決まっていないのに「とりあえず作業(データ収集やグラフ作成)」から始めてしまうことです。

データ活用で最も大切なのは、データやツールに触る前に「何のために分析するのか(目的)」「何を明らかにしたいのか(ストーリー)」を明確にすることです。
この記事でやること
所要時間は各ステップ3〜5分、合計15分程度です。
AIを壁打ち相手にして、あなたの「モヤモヤとした悩み」を「具体的な分析のストーリー」に変えます。
得られる成果
  • 分析の目的と方向性が明確になる
  • 必要なデータ要件のリストが手に入る
  • 次のステップ(データ準備)にスムーズに進める
このコンテンツで紹介するサンプルプロンプトについて

AI への指示は、普段使っている自然な文章でも十分に伝わります。
ただ、このコンテンツでは、AI とのやり取りをできるだけスムーズにするために、あえてはじめから必要な情報を項目ごとに整理して伝える方法を紹介しています。

こうしておくことで、「思っていた結果と違った」「説明が足りなくてやり直しになった」といったことを減らしやすくなります。また、仕事の中で何度も使ったり、他の人と共有したりする場合にも便利です。

さらに、初めて AI を使う方がつい忘れてしまいがちな「前提条件」や「目的」、「こうしてほしい」という条件なども、自然と書き込めるような形にしています。
決まった構造に沿って埋めていくだけで、AI が状況を理解しやすくなり、安定した結果が得られやすくなります。
INDEX
STEP 1

AIへの指示出しの前に、自分の「悩み」を整理しよう(5分)

目的

いきなりAIに指示を出す前に、あなたの頭の中にある「悩み」や「課題」を整理します。
「何からやればいいのか分からない」ときは…

まず”気になること”や“モヤモヤしていること”を書き出してみましょう。
例えば、「売上が下がっている」「在庫が増えている」「リピート率が低い」などです。
そこから、「もしかして〇〇が原因かも?」といった仮説(かもしれない視点)を立ててみます。
仮説を立てることで、どんな項目や視点でデータを見ればよいか(分析の方向性)が見えてきます
AIに相談する前に、「悩み」や「課題」を整理する
まずは、つぎの3つのポイントを箇条書きで書き出してみましょう。
1.誰に見せる?(Who)
2.今の悩みは?(Why・What)
3.「もしかして」と思うことは?(What)
■ 営業部門のマネージャーの例
■ 店舗運営担当者(小売・飲食など)の例
■ 製造業の生産管理担当者の例
■ カスタマーサポート担当者の例
STEP 2

ゴールから逆算して、AIに「分析のストーリー」を作らせよう(5分)

目的

「見たい結果(ゴール)」から逆算して、「どんなグラフや集計表を作れば課題解決の発見が得られるか」という分析のストーリーをAIに提案してもらいます。
AIを「分析の相棒」にする
STEP 1で整理した内容を使って、つぎのプロンプトを実行します。
ここではまだデータを探す必要はありません。まずは「理想の分析のストーリー」を描くことがゴールです。
AIの回答を初心者向けにわかりやすくするコツ

プロンプトの最後に「初心者にも分かりやすく」「専門用語には補足をつけて」と書いているのは、AIの回答を分かりやすくするための工夫です。
もし専門的な説明が欲しいときは、この部分を削除しても問題ありません。「具体例を3つ入れて」など、自由に調整してください。
■ 分析ストーリー作成用のサンプルプロンプト
[ ] の部分を、STEP 1で整理した内容に書き換えてください。
 ここでは、可視化ツールとして「MotionBoard」と「Dr.Sum Datalizer」の2つを記述していますが、実際にご利用の製品のみの記述で問題ありません。
STEP 3

提案された「分析ストーリー」と「必要なデータ」を確認しよう(3分)

目的

AIが出してきた「分析ストーリー」を確認します。
ここで重要なのは、提案されたグラフや表を見て「これなら課題の原因が分かりそうだ!」とイメージできるかです。
出力例とチェックポイント
■ 出力例
解説
このような「分析ストーリー」が出力されれば、このフェーズ「目的を設定する」は完了です。
作りたいグラフや表が決まり、そのために必要なデータ要件も分かりました。

つぎは、この「必要なデータ要件」をもとに、実際にDr.Sumの中からデータを探し出すフェーズへ進みましょう!

よくある質問

プロンプトは # などの形式で書かなくてはいけませんか?

いいえ。
必ずしも # や特定の記号でプロンプトを書かなければならないというルールはありません。
AI への指示は自然文でも十分伝わりますが、Markdown の見出し(#)や箇条書き(-)などの 構造化された記法を使うと、意図や項目が視覚的に整理され、AI が解釈しやすくなるというメリットがあります。
Markdown でセクションを分けたり、箇条書きで要件を列挙することで、AI 側が「どこからどこまでが指示なのか」「どの項目に注意すべきか」を読み取りやすくなります。

このコンテンツでは、Markdown 形式でプロンプト例をご紹介していきますが、そのほかよく使われる記法として、「YAML 形式」というものもあります。YAML 形式では、AI に渡す情報(役割、条件、ステップ、要件など)をラベル付きで整理できるため、より高度な指示やテンプレート運用に向いています。

もっと詳しく知りたい方は、AI に聞いてみましょう。

あらかじめ条件などをまとめて伝える方法と、対話しながら進める方法は、どちらがよいですか?

どちらが「正解」というわけではなく、目的によって使い分けるのがおすすめです。

・あらかじめ目的や条件、前提などをまとめて伝える方法:
AI が状況を理解しやすく、回答が安定しやすいのが特長です。やり直しが少なくなり、業務で繰り返し使ったり、他の人と共有したりする場合にも向いています。
・対話しながら進める方法
「何を聞けばよいかまだ整理できていない」「考えをまとめながら進めたい」といった場合に便利です。気軽に試しながら方向性を探れます。

なお、「条件をあらかじめ決めてしまうと、AI の発想の幅を狭めてしまうのでは?」と感じる方もいるかもしれません。たしかに、細かく縛りすぎると回答の幅が小さくなることはあります。
ただし、このコンテンツで紹介している形式は、発想まで細かく制限することが目的ではなく、「前提」「目的」「守ってほしい条件」など、初心者の方が抜け落としやすいポイントを整理して伝えるためのものです。

アイデア出しや壁打ちをしたいときは対話形式、
具体的な作業や業務で活用したいときは条件をまとめて伝える形式、
というように使い分けることで、AI の強みをより活かしやすくなります。

このコンテンツの出力例と同じ結果が出ないのですが、どうすればいいですか??

生成AIの回答は毎回少しずつ異なるため、記事の出力例と全く同じ結果にはなりません。
記事で紹介している内容は一例として参考にしてください。内容が多少違っていても、AIが提案の方向性を示してくれていれば問題ありません。

AIの提案が自分のイメージと違ったら、どうすればいいですか?

追加の指示(プロンプト)を出して調整しましょう。 例えば、提案が難しすぎる場合は「もっとシンプルな表にして」、視点がズレている場合は「〇〇の視点で考え直して」と対話するように指示を追加すると、理想の回答に近づきます。

まとめ

Write your awesome label here.

データやツールを触る前に、AIとの対話を通じて「分析の方向性」を決める3つのステップを紹介しました。

  • STEP 1:いきなり分析を始めず、まずは自分の「悩み」や「解決したい課題」を整理しました。
  • STEP 2:ゴール(見たい結果)から逆算して、AIに「分析のストーリー」と「必要なデータ要件」を提案してもらいました。
  • STEP 3:提案された内容を確認し、次の工程(データ準備)に進むための「必要なデータ要件」を手に入れました。

データ活用で最も重要なのは、「何のために分析するか」という目的(ストーリー)です。 この目的がしっかりとしていれば、データの準備(Dr.Sum)や可視化(MotionBoard、Dr.Sum Datalizer)で迷うことはありません。


まずは、プロンプトをコピーして、AIにあなたの悩みを相談してみることから始めてみてください。

Next Action

「必要なデータ要件」を持って、次のステップへ進みましょう
ここでは、分析の「ストーリー」と、それを実現するための「必要なデータ要件」を確認できました。

 つぎは、この要件を満たすデータを実際に揃える「データ準備」のフェーズです。 Dr.Sumの中から使えるデータを探したり、足りないデータをどう準備すればよいか、AIと一緒に解決していきましょう。