AIとの対話で手元のデータを『可視化』する｜AIと深めるデータ分析

フェーズ#02 で、Dr.Sumにデータを用意できました。
このフェーズでは、そのデータを実際にツール（MotionBoard / Datalizer）で可視化し、分析を行うための準備を行います。

ここで重要なのが、フェーズ#01 で決めた「誰に見せるか（ターゲット）」です。「経営層」に見せるのか、「現場」に見せるのかによって、最適なグラフの形やレポートの構成は全く異なります。

AIに「ターゲット」を伝えて、相手に最も刺さる「見せ方（可視化）」と、そこから読み取れる「深い洞察（分析）」の両方を提案してもらいましょう。

STEP 1　AIに「分析の切り口」を提案してもらおう（3分）
STEP 2　「プロトタイプ」で可視化するときのイメージを確認しよう（3分）
STEP 3　グラフの「結果」をAIと一緒に解釈しよう（5分）
よくある質問
まとめ

AIにDr.Sumの中身を直接見てもらって、「多角的な視点」で分析するためのアイデアをもらいます。
「このデータならこんな分析ができる」というアイデア（切り口）を出してもらいます。

フェーズ 02 で用意したテーブル（またはビュー）をAIに伝えて、分析のアイデアを出してもらいます。

ビュー「V売上実績」の特徴

このビューは売上データを多角的に分析できる非常に充実した統合ビューです。主な特徴は以下の通りです。

データ構造の特徴：

50項目の豊富なカラムを持ち、約1,000万件という大規模データ
10のマスターテーブルを LEFT JOIN で結合した包括的なビュー（売上実績、カレンダー、顧客、商品、店舗、仕入先、購入動機、クレジット会社、支払方法、担当、四半期カレンダー）

分析軸の豊富さ：

時間軸：年月日、年月、年度、月度、四半期、半期、週、曜日など多様な粒度
地理軸：ブロック名→支社名→店舗名称という階層構造
商品軸：大分類→中分類→小分類の3階層商品分類
顧客軸：年齢、性別、居住地、業種、婚姻、給与帯などの属性
取引軸：支払方法、カード区分、クレジット会社、担当者、購入動機など

数値指標：

売上数量、売上金額、原価、値引き額、カードポイント、定価、リベート率など収益性分析に必要な指標が揃っています。

---

よく行われる分析の切り口 3選

1. 時系列トレンド分析

年度・四半期・月度別の売上推移を追い、前年同期比や季節性を把握する分析です。特に曜日や週単位での細かい傾向も見られるため、週次での売上パターンや曜日別の客数変動なども分析できます。

分析例：月別売上推移、前年同月比較、曜日別売上パターン

2. 商品カテゴリー×店舗エリア分析

商品の3階層分類（大・中・小分類）と店舗の階層（ブロック→支社→店舗）をクロスさせて、どの地域でどのカテゴリーが売れているかを把握します。地域特性に合わせた品揃えや在庫配置の最適化に活用できます。

分析例：関西エリアの食品カテゴリー売上、店舗別の売れ筋商品分析

3. 顧客セグメント別購買行動分析

年齢・性別・給与帯・婚姻状態などの顧客属性と、購入商品・購入金額・支払方法を組み合わせた分析です。ターゲット顧客層の特定やマーケティング施策の効果測定に役立ちます。動機_経路データも含まれているため、集客経路の効果も検証できます。

分析例：30代既婚女性の購買傾向、給与帯別の客単価分析、TVCM経由顧客の購買特性

MotionBoardやDr.Sum Datalizerでの設定を始める前に、AIを使って「ダッシュボードのモックアップ」や「集計表のイメージ」をその場で描画してもらいます。

両方のイメージを作成してもらうと、「グラフで可視化する（MotionBoard）」のと「表で細かく見る（Datalizer）」のと、どちらが今回の目的に合っているか、目で見比べて判断する際の材料にもできます。

ビュー「V売上実績」の特徴

このビューは売上データを多角的に分析できる非常に充実した統合ビューです。主な特徴は以下の通りです。

データ構造の特徴：

50項目の豊富なカラムを持ち、約1,000万件という大規模データ
10のマスターテーブルを LEFT JOIN で結合した包括的なビュー（売上実績、カレンダー、顧客、商品、店舗、仕入先、購入動機、クレジット会社、支払方法、担当、四半期カレンダー）

分析軸の豊富さ：

時間軸：年月日、年月、年度、月度、四半期、半期、週、曜日など多様な粒度
地理軸：ブロック名→支社名→店舗名称という階層構造
商品軸：大分類→中分類→小分類の3階層商品分類
顧客軸：年齢、性別、居住地、業種、婚姻、給与帯などの属性
取引軸：支払方法、カード区分、クレジット会社、担当者、購入動機など

数値指標：

売上数量、売上金額、原価、値引き額、カードポイント、定価、リベート率など収益性分析に必要な指標が揃っています。

---

よく行われる分析の切り口 3選

1. 時系列トレンド分析

年度・四半期・月度別の売上推移を追い、前年同期比や季節性を把握する分析です。特に曜日や週単位での細かい傾向も見られるため、週次での売上パターンや曜日別の客数変動なども分析できます。

分析例：月別売上推移、前年同月比較、曜日別売上パターン

2. 商品カテゴリー×店舗エリア分析

商品の3階層分類（大・中・小分類）と店舗の階層（ブロック→支社→店舗）をクロスさせて、どの地域でどのカテゴリーが売れているかを把握します。地域特性に合わせた品揃えや在庫配置の最適化に活用できます。

分析例：関西エリアの食品カテゴリー売上、店舗別の売れ筋商品分析

3. 顧客セグメント別購買行動分析

年齢・性別・給与帯・婚姻状態などの顧客属性と、購入商品・購入金額・支払方法を組み合わせた分析です。ターゲット顧客層の特定やマーケティング施策の効果測定に役立ちます。動機_経路データも含まれているため、集客経路の効果も検証できます。

分析例：30代既婚女性の購買傾向、給与帯別の客単価分析、TVCM経由顧客の購買特性

グラフや集計表を作って終わりではありません。「数字が何を意味しているのか」を読み解いてこそ、次のアクションが決まります。作成した結果をAIに見せることで、人間では見落としがちな微細な傾向や、プロ視点での考察（なぜそうなったかの仮説）を引き出します。

MotionBoardのダッシュボード画面やDr.Sum Datalizerの集計結果をもとに、つぎのサンプルプロンプトでAIに解釈してもらいましょう。

ビュー「V売上実績」の特徴

このビューは売上データを多角的に分析できる非常に充実した統合ビューです。主な特徴は以下の通りです。

データ構造の特徴：

50項目の豊富なカラムを持ち、約1,000万件という大規模データ
10のマスターテーブルを LEFT JOIN で結合した包括的なビュー（売上実績、カレンダー、顧客、商品、店舗、仕入先、購入動機、クレジット会社、支払方法、担当、四半期カレンダー）

分析軸の豊富さ：

時間軸：年月日、年月、年度、月度、四半期、半期、週、曜日など多様な粒度
地理軸：ブロック名→支社名→店舗名称という階層構造
商品軸：大分類→中分類→小分類の3階層商品分類
顧客軸：年齢、性別、居住地、業種、婚姻、給与帯などの属性
取引軸：支払方法、カード区分、クレジット会社、担当者、購入動機など

数値指標：

売上数量、売上金額、原価、値引き額、カードポイント、定価、リベート率など収益性分析に必要な指標が揃っています。

---

よく行われる分析の切り口 3選

1. 時系列トレンド分析

年度・四半期・月度別の売上推移を追い、前年同期比や季節性を把握する分析です。特に曜日や週単位での細かい傾向も見られるため、週次での売上パターンや曜日別の客数変動なども分析できます。

分析例：月別売上推移、前年同月比較、曜日別売上パターン

2. 商品カテゴリー×店舗エリア分析

商品の3階層分類（大・中・小分類）と店舗の階層（ブロック→支社→店舗）をクロスさせて、どの地域でどのカテゴリーが売れているかを把握します。地域特性に合わせた品揃えや在庫配置の最適化に活用できます。

分析例：関西エリアの食品カテゴリー売上、店舗別の売れ筋商品分析

3. 顧客セグメント別購買行動分析

年齢・性別・給与帯・婚姻状態などの顧客属性と、購入商品・購入金額・支払方法を組み合わせた分析です。ターゲット顧客層の特定やマーケティング施策の効果測定に役立ちます。動機_経路データも含まれているため、集客経路の効果も検証できます。

分析例：30代既婚女性の購買傾向、給与帯別の客単価分析、TVCM経由顧客の購買特性

気になる結果があったら、真因特定のための深掘りをしてみましょう。

MotionBoard Cloud re:Actでは、生成AIを活用することで、自然言語による直感的な操作が可能です。

対話形式で指示するだけで、チャートや入力フォームなどのボードアイテムを柔軟に自動生成できる「AIウィジェット」と、ボード閲覧時に自然言語で分析指示を行い、チャートや明細表をその場で深掘りできるアドホック分析機能「AIビュー」を利用できます。

操作に迷う時間を減らし、「知りたい」「試したい」をその場で形にできるのが、re:Act のAI機能の大きな魅力です。ぜひ、活用してみてください！

よくある質問

MotionBoardやDr.Sum Datalizerで分析するのと、AIでアドホック分析するのは、どう使い分ければいいですか？

「考えを広げたいとき」はAI、「結果をしっかり共有したいとき」は MotionBoard や Dr.Sum Datalizer、という使い分けがおすすめです。

生成AIが向いているのはこんなとき：

・「なぜこの数字になっているんだろう？」と考え始める段階

・分析の切り口や視点を、いろいろ試してみたいとき

・まだ結論が決まっておらず、頭の中を整理したいとき

MotionBoard や Dr.Sum Datalizer が向いているのはこんなとき：

・大事な指標や結果を、見える形でまとめたいとき

・チームや関係者と、同じ数字を見ながら話したいとき

・会議や報告など、業務で使う分析として残したいとき

おすすめの流れとしては、

まず生成AIで考えや仮説を広げ、

「これは大事だ」と思った分析を MotionBoard や Dr.Sum Datalizer で可視化・共有する、

という使い方です。

AIは「考えるための相棒」、MotionBoard や Dr.Sum Datalizerは「結果を伝えるための道具」と考えると、無理なく使い分けられます。

MotionBoardとDr.Sum Datalizer、どちらを使えばいいですか？

用途は業務により異なるので、一概には言えませんが、つぎのように「誰が、何のために見るか」で使い分けを検討してもよいでしょう。

・MotionBoard（経営層・マネージャー向け）：
トレンドや異常値を「パッと見て」発見したい場合に最適です。グラフと表を組み合わせて全体像を把握し、気になった箇所をクリックして深掘りするような、直感的な分析に向いています。

・Dr.Sum Datalizer（実務担当者向け）：正確な「数値そのもの」を確認したい場合に最適です。MotionBoardでも集計表は作成できますが、よりExcelのような操作感で、大量の明細データをチェックしたり、会計や在庫管理などの帳票として細かく数字を追う業務に向いています。

迷ったときは、STEP 2のプロンプトをもとにAIに両方の完成イメージを描かせ、見比べてみるのもおすすめです。

Write your awesome label here.