・
データ分析業務の効率化は、多くのマーケターや企画職にとって課題の1つではないでしょうか。
特に「データ分析の専門家がチームにいない」という状況下では、レポート作成や数値の集計作業に多くの時間が割かれ、本来注力すべき施策の立案や改善活動がおろそかになりがちです。
本記事では、Anthropic社が提供する生成AIであるClaudeと、その機能である「Research」や「コード実行」に焦点を当て、分析業務に利用できるかを検証します。
手動での作業時間を削減し、より精度の高い分析を実現するためのヒントが詰まっているので、ぜひ参考にしてみてください！
高度な自然言語処理能力を持ち、特に自然で流暢な日本語文章の生成や、長文脈（コンテキスト）の理解に優れています。
ビジネスシーンにおいては、単なるチャットボットとしてだけでなく、以下のような高度な機能を持つ「分析パートナー」として注目されています。
Research機能
ユーザーの複雑な質問に対し、最大45分かけてWeb上の情報や内部データ（Google Workspaceなど）を自律的に検索・分析し、包括的なレポートを作成する機能です。
「エージェント（自分で考えて行動するAI）」として動作し、情報の信頼性を担保するためにソースを明確に引用します。
コード実行とファイル作成機能（旧Claude Analysis）
JavaScriptコードを記述・実行し、正確な計算やデータ処理を行います。
さらに、Excel、Word、PowerPoint、PDFなどのファイル形式の情報をもとに分析を行い、ファイルを直接生成できるだけでなく、ファイル内のデータを編集することも可能です。
大量のテキスト処理
最大20万トークン（一部100万トークン）に対応し、膨大なデータを一括で読み込み、分析することができます。
🤔実際にClaudeをデータ分析に使ってみた
ここからは、実際にClaudeを使ってデータ分析業務を行い、その実力を検証します。
マーケティングの現場で頻繁に発生する「売上予測」と「アンケート分析」という2つの具体的なタスクを用意しました。検証内容とポイント一覧
検証は以下の2つのパターンで行います。
検証1. 季節変動を考慮した来期の売上予測
過去3年分の売上データを読み込ませ、来年の予測を立てます。
【検証ポイント】
2. 顧客アンケートの定性データ分析（Geminiとの比較）
満足度調査の自由記述を分析し、改善レポートを作成します。
【検証ポイント】
計算の精度検証条件
【検証1】
Claude：Proプラン/Sonnet 4.5
【検証2】
Claude：Proプラン/Opus 4.5
Gemini：Google AI Proプラン/思考モード（3 Pro搭載）
検証方法
【Claude】
※検証1と2共通
1.アカウントにログイン
2.モデルを選択
入力欄の右下からモデルを選択できます。
3.テキストデータを添付
「＋」マークをクリックし、「ファイルをアップロード」からテキストファイルを添付します。
各検証で、xlsxデータを添付しました。
4.機能を選択
「ツール」マークを開くと、さまざまな機能を選択できます。
検証1では、「じっくり考える」と「ウェブ検索」をONにし、検証2では、それらに加えて「リサーチ」もONにしました。
Google Driveのデータを議事録に使いたい場合は、連携処理を行ってください。
5.プロンプトを入力して作成開始
設定が完了したらプロンプトを入力して送信します。
今回は、以下のプロンプトを入力しました。
【検証1用プロンプト】
あなたはプロのデータサイエンティストです。
添付の売上データを分析し、2025年1月〜12月の月別売上予測を作成してください。
以下の手順と制約に従って処理を行い、最終的に結果を【Excelファイル（.xlsx）】で出力してください。
「分析と予測のルール」
データを分析する際は、数値だけでなく「備考(変動要因)」列のテキスト情報を最重要視してください。
以下の3点を必ず考慮して2025年の数値を予測すること。
1.一過性の特需の除外：「SNSでのバズ」や「WBC優勝」などの再現性のないイベントは、来年の予測には含めず、平年並みの数値に補正してください。
2.機会損失の補正：「在庫切れ」によって売上が下がった月は、本来売れるはずだった数値（実力値）に補正して予測してください。
3.構造変化の反映：「契約終了」や「価格改定」など、ベースラインが変わる要因は、2025年の予測にも継続して反映させてください。
「出力ファイルの要件」
作成するExcelファイルには、以下のカラムを含めてください。
| カラム名 | 内容 |
| :--- | :--- |
| 年月 | 2025/1/31 〜 2025/12/31 |
| 商品ジャンル | アルコール類、コーヒー/お茶、炭酸飲料 |
| 予測売上金額 | あなたが計算した予測値 |
| 予測の根拠・考慮した過去の要因 | ※ここが最も重要です。なぜその数値にしたのか、過去のどのデータの「備考」を参考にしたか、あるいは除外したかを具体的に記述してください。（例：「2024年のSNS特需を除外し、2023年水準に戻した」「2024年4月からの契約終了による減少を継続反映した」など） |
「実行手順」
1. まず、データを読み込み、ジャンルごとの季節性や特異点（備考欄）を分析してください。
2. 分析に基づき予測計算を行ってください。
3. 計算結果を上記のフォーマットでまとめてください。
4.まとめた結果は、新しいシート（シート名を「予測」とする）に追加してください。
5.分析結果をまとめたシートとは別にシートを作成（シート名は「データコピー」）し、読み込んだ元データを同じ形式で再現してください。
6.Excelファイルとしてダウンロードリンクを表示してください。
【検証2用プロンプト】
・役割
あなたは優秀なウェビナー運営のアナリストです。
添付したアンケートデータを分析し、次回開催に向けた改善レポートを作成してください。
・分析・出力指示
提供されたデータを基に、以下の3つの視点で分析結果をまとめてください。
※数値の厳密な検証は不要ですが、傾向を掴めるように出力してください。
1. 満足度のランキング化と傾向分析（属性別）
「部署」や「利用期間」によって、満足度や感想にどのような違いがあるか、特筆すべき傾向があれば要約してください。
（例：利用期間が短い層ほど満足度が高い、〇〇部署からは技術的な要望が多い、など）
2. 定性評価のランキング化（重要）
「ウェビナーの良かった点」と「不満点・要望」の自由記述を分析し、意見が多かったトピック順にランキング形式（1位〜3位）でまとめてください。
- 良かった点ベスト3: どのような要素が評価されたか
- 不満・要望ワースト3: どのような改善が求められているか
3. 次回へのアクションプラン
上記の分析を踏まえ、次回のウェビナーで実施すべき具体的な改善案を3つ提案してください。
・出力フォーマット
①：部署別の平均満足度ランキング
②：属性別の傾向
[属性]：[分析コメント]
③：良かった点（Keep）
[トピック名]: [詳細・代表的な意見]
④：改善要望（Problem）
[トピック名]: [詳細・代表的な意見]
⑤：次回へのアクションプラン
[アクション内容]
【Gemini】（検証2）
1.アカウントにログイン
2.モデルを選択
入力欄の右下からモデルを選択します。
3.テキストデータを添付
「＋」マークをクリックして「ファイルをアップロード」を選択し、アンケートデータを添付します。
4.機能の選択
Claudeの「リサーチ」機能にあたる、「Deep Research」を選択しました。
5.プロンプトを入力して作成開始
Claudeと同じプロンプトを入力して作成を開始します。
※今回はGoogle 検索のみをソースとしていますが、Google DriveやGmail、Google Chatを選択することも可能です。
