atom.data-analyst.add-data-backed-comments
根拠付きコメントを差し込む
根拠付きコメントを差し込む 観光ガイドブックを思い出してみましょう。「このお寺は745年に建てられました」という説明だけだと、本当かな?と少し気になりますよね。でも「(市の歴史資料より)」と出どころが添えてあれば、...
成果物成果物このレッスンが終わったとき、あなたの手元に残る具体的な成果物です(例: 公開済みの Web ページ、動作するフォームなど)。
証跡証跡成果物が正しく作れたことを確認するためのチェックリストです(例: ブラウザで動作する、フォーム送信で値が保存される)。
メディアメディアレッスン内に出てくる図や動画のスロットです。実際の画面やイメージで理解を補助します。
レッスン本文
根拠付きコメントを差し込む
観光ガイドブックを思い出してみましょう。「このお寺は745年に建てられました」という説明だけだと、本当かな?と少し気になりますよね。でも「(市の歴史資料より)」と出どころが添えてあれば、読み手は安心して受け取れます。
データのレポートでも同じです。数字に「どこから取ってきたか」を添えるだけで、読み手の納得感がぐっと上がります。このレッスンでは、AIチャットツール(=質問を文章で送ると、AIが回答してくれるサービス)を使って、データに根拠付きのコメントを差し込む方法を15分で身につけます。

準備を確認する
以下の2つが揃っていれば始められます。
- 分析したいデータ: 表やグラフの画像、あるいは数値のメモなど。自分の仕事のデータでも、練習用のサンプルでもOKです
- AIチャットツール: ブラウザで ChatGPT(chat.openai.com)または Claude(claude.ai)を開けること。どちらも無料プランで使えます
練習用サンプルがない場合: 「月別売上サンプルデータ 3行」とAIに頼むと、練習用の架空データを作ってくれます。
コメントを入れる場所を決める
レポートの中で「ここは説明が欲しいな」と感じる箇所を1〜2か所だけ選びましょう。全部にコメントを入れる必要はありません。
良い例:
- 売上が急に上がった月のグラフ部分 → 読み手が「なぜ?」と思うポイント
- 前年と大きく数字が違う項目 → 比較して違和感があるポイント
悪い例:
- すべての数字に同じようなコメントを入れる → 読み手が疲れてしまう
- 変化のない平坦な部分にコメントする → 説明する意味が薄い
コツは「読み手が気になりそうな変化や違和感」に絞ることです。迷ったら、数字の変化が一番大きい箇所を選んでください。
AIにコメントの下書きを頼む
AIチャットツールを開いて、次のようなプロンプト(=AIへの指示文)を送ります。コピーしてそのまま使えます。
プロンプト例1: 変化の理由を聞く
あなたはデータ分析のアシスタントです。
次のデータについて、根拠付きのコメントを作ってください。
【データ】3月の売上は500万円で、2月の380万円から前月比で約32%増加しました。
以下の形式で回答してください:
- 事実: (数字と出所を明記)
- 考察: (考えられる要因を1〜2つ)
- 出所の候補: (この数字を裏付けるために確認すべきデータ源)
プロンプト例2: コメントの文面を整える
以下の分析コメントを、社内レポートに載せる形に整えてください。
1文目に事実と出所、2文目に考察を書く形式でお願いします。
元の内容: 3月は売上が増えた。新商品が売れたっぽい。
ここで大事なのは、AIに「根拠」「出所」という言葉を必ず含めて指示することです。これを入れないと、AIは理由だけ述べて出どころを省略しがちです。

AIの回答をレポート向けに書き直す
AIの回答をそのままコピペするのではなく、あなたのレポートに合う形に整えましょう。整え方のテンプレートはこちらです。
【事実】○○は△△でした(出所:□□□)。
【考察】●●が主な要因と考えられます。
良い例: 「3月売上は前月比132%の500万円でした(出所:社内売上ダッシュボード 2024年3月度)。2月末に投入した新商品Aの初月売上が120万円を占めており、これが増加の主因と推測されます。」
悪い例: 「売上が上がりました。たぶん新商品のおかげです。」 → 数字がない、出所がない、「たぶん」では根拠になりません。
コメントの正しさを確かめる
これが一番大切なステップです。 書いたコメントが本当に正しいか、元のデータと照らし合わせましょう。
チェックリスト:
- 数字は元データと合っているか?(AIが四捨五入して変えていないか)
- 出所(=データの元)は実際に存在するか?(「総務省統計」など、実在する資料名か)
- AIが作り上げた架空の数字や資料名ではないか?
ハルシネーション(=もっともらしい嘘)に注意: AIは自信満々に存在しない統計データや架空の出所を答えることがあります。「本当にその資料はあるか?」を必ず自分で確認してください。確認できない出所は、コメントから削除するか「要確認」と注記しましょう。
つまずきやすいポイント
| つまずき | 対策 |
|---|---|
| AIが存在しない出所をでっち上げる | 必ず元データや公開資料で数字を裏付ける。裏が取れなければ「要確認」と書く |
| コメントが長くなりすぎる | 1コメントは事実1文+考察1文の計2〜3文に収める |
| どこにコメントを入れるか迷う | 数字の変化が最も大きい箇所1つだけに絞る |
| AIへの指示がうまくいかない | 上のプロンプト例をコピーして、数字だけ自分のデータに書き換える |
| 出所の書き方がわからない | 「(出所:○○レポート 2024年○月)」の形をテンプレートにする |
完成を確認する
以下の3つができていれば、このレッスンは完了です。
- コメントが1か所以上ある: レポートに根拠付きコメントを最低1つ書き込んだ
- 出所が明記されている: 各コメントに「出所:○○」が含まれている
- 数字を照合した: AIの回答と元データを突き合わせて、間違いがないことを確認した
完了したら、コメントを入れたレポートのスクリーンショットを撮って保存しましょう。これがあなたの成果物です。
種類: markdown_doc
検証: basic_manual_check_v1
証跡証跡成果物が正しく作れたことを確認するためのチェックリストです(例: ブラウザで動作する、フォーム送信で値が保存される)。
メディア
必須
なし
あると楽
なし