必須ではありませんが、先に目を通しておくとスムーズに進められるレッスンがあります。
atom.data-analyst.segment-trend-drivers
変化の要因を切り分ける
変化の要因を切り分ける
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
変化の要因を切り分ける
このレッスンで学ぶこと
売上や利用者数が先月より増えた（または減った）とき、「なぜ？」と聞かれて困ったことはありませんか？
数字全体だけを眺めていても、原因は見えてきません。たとえば料理の味が変わったとき、「塩が多かった」のか「火加減が強すぎた」のか、一つずつ確かめるように、データでも要因をひとつずつ切り分けて調べる必要があります。
このレッスンでは、AI チャットツール（ChatGPT や Claude など）を使って、数字の変化を「どのグループ（セグメント）が動かしたのか」に分解する方法を学びます。
最終的に、あなたは「売上が前月比 10% 増えた理由は、○○セグメントの△△が主因です」と説明できるレポートを自分で作れるようになります。
前提
- 期間比較で差分を読む（前のレッスン）を終えていること
- ChatGPT、Claude、またはお好みの AI チャットツールが使える状態であること
- 分析対象の表データ（Excel・スプレッドシート・CSV など）が手元にあること。なければ、この後の手順でサンプルデータを AI に作ってもらいます
セグメントとは何かを理解する
セグメントとは、データを意味のあるグループに分けたものです。
身近な例で考えてみましょう。学校のテストの平均点が下がったとき、「全員まんべんなく下がったのか？」「特定のクラスだけ下がったのか？」を調べますよね。この「クラスごと」という分け方がセグメントです。
ビジネスデータでは、よく使うセグメントの切り口は次のとおりです。
| 切り口 | 具体例 |
|---|---|
| 地域 | 東京、大阪、福岡 |
| 商品カテゴリ | 食品、日用品、家電 |
| 顧客タイプ | 新規、リピーター |
| チャネル | Web、店舗、アプリ |
| 時間帯 | 午前、午後、夜間 |
手順 1: AI にセグメント候補を洗い出してもらう
まず、AI にデータの概要を伝えて、どんな切り口で分解できそうかを聞いてみましょう。
AI への質問例（プロンプト）
以下は月次売上データの列名です。
- 日付、地域、商品カテゴリ、顧客タイプ、売上金額、数量
先月と比べて売上が15%増えました。
この変化の要因を切り分けるために、
どのセグメント（グループ分け）で比較するのが効果的か、
優先順位をつけて3つ提案してください。
AI が「地域別」「商品カテゴリ別」「顧客タイプ別」のように提案してくれます。
良い例と悪い例
良い例: 「列名は○○で、先月比 +15% です。どのセグメントで切るべきですか？」→ AI が具体的に答えられる
悪い例: 「売上が増えた理由を教えて」→ データの情報がないので AI は一般論しか返せない
手順 2: データをセグメント別に集計する
AI が提案したセグメントのうち、最も影響が大きそうなものから試します。
データを AI に渡して、セグメント別の集計を頼みましょう。
AI への質問例（プロンプト）
添付したCSVデータを「地域別」にグループ分けして、
以下を表形式で出してください。
1. 地域ごとの今月売上と先月売上
2. 差額（今月 − 先月）
3. 増減率（%）
4. 全体の増減に占める寄与度（その地域の差額 ÷ 全体の差額 × 100）
寄与度が高い順に並べてください。
ポイントは「寄与度（＝全体の変化のうち、そのグループが何%を占めるか）」を出すことです。これがあると、どのグループが変化を引っ張ったかが一目でわかります。
手順 3: 結果を読み解く
AI が返してきた表を見るとき、チェックするポイントは3つです。
- 寄与度トップ 1-2 件を見つける — これが「主因」です
- 方向が逆のグループがないか確認する — 全体は増えているのに減っているグループがあれば注目
- 件数や比率の変化も見る — 金額だけでなく、数量や構成比の変化も合わせて確認
AI への質問例（プロンプト）
上の集計結果を見て、
売上増加の主な要因となったセグメントはどれですか？
寄与度の観点から上位2つを挙げて、
なぜそのグループが全体を押し上げたのか
仮説を1-2個ずつ提案してください。
手順 4: さらに深掘りする（ドリルダウン）
主因がわかったら、もう一段深く掘ってみましょう。たとえば「東京の売上増が主因」とわかったら、東京の中をさらに商品カテゴリ別に分解します。
これは、料理の味がおかしいとき「調味料が原因」→「調味料のうち、塩が多かった」と絞り込むのと同じ流れです。
AI への質問例（プロンプト）
東京地域の売上増加をさらに「商品カテゴリ別」に分解してください。
先ほどと同じ形式（差額・増減率・寄与度）で
表にまとめてください。
手順 5: レポートにまとめる
分析結果を、上司やチームに伝えるための短いレポートにまとめましょう。
AI への質問例（プロンプト）
ここまでの分析結果をもとに、
以下の構成で3〜5行の要約レポートを書いてください。
構成:
- 結論（主因は何か）
- 根拠（寄与度の数字）
- 補足（逆方向のセグメントや注意点）
読者はデータに詳しくないマネージャーです。
専門用語を避けて書いてください。
良い例と悪い例
良いレポート例:
今月の売上増加（+15%）の主因は東京地域の食品カテゴリです（全体増加分の 62% を占める）。一方、大阪地域は -3% と微減しており、別途確認が必要です。
悪いレポート例:
売上が増えました。地域別に見ると東京が多いです。 → 数字がなく、「だから何？」に答えていない
確認する：できあがりをチェックしよう
完成したレポートが以下を満たしているか確認してください。
- 主因となるセグメントが 1-2 個特定されている
- 寄与度（全体に占める割合）の数字が入っている
- ドリルダウン（さらに細かい分解）を 1 段階以上やっている
- 専門用語を使わず、データに詳しくない人が読んでもわかる文章になっている
つまずきやすいポイント
| よくあるつまずき | 対処法 |
|---|---|
| どのセグメントで切ればいいかわからない | まず AI に列名を見せて「おすすめの切り口」を聞く |
| 寄与度の計算がわからない | AI に「寄与度も出して」と頼めば自動で計算してくれる |
| データが大きすぎて AI に渡せない | 先月・今月の集計済みデータ（数十行程度）に絞ってから渡す |
| 主因が複数ありすぎて絞れない | 寄与度の上位 2 つだけに注目し、残りは「その他」とする |
| AI の分析結果が正しいか不安 | 元データで 1 セグメントだけ手計算して照合する |
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