ChatGPT Advanced Data Analysis完全ガイド｜データ分析・グラフ作成を自動化

Q: Excelファイルもアップロードできますか？

はい。`.xlsx`ファイルを直接読み込めます。ChatGPTは`pandas.read_excel()`を使い、複数シートがある場合は「どのシートを読み込むか」を確認してくれます。

Q: グラフを日本語表示にできますか？

デフォルトでは日本語フォントが未対応ですが、「グラフのタイトルと軸ラベルを英語にしてください」と指示するか、日本語を含むCSVでも「ラベルは英語で」と明示すれば回避できます。

Q: SQLデータベースには接続できますか？

いいえ。ADAは外部データベースに直接接続できません。事前にSQLクエリで抽出したCSVをアップロードする必要があります。

Q: 分析結果をレポート形式で出力できますか？

「分析結果をMarkdownでまとめてください」と指示すれば、要約・グラフ・考察を含むレポートを生成してくれます。これをコピペしてNotionやGoogleドキュメントに貼り付ければOKです。

ChatGPTの「Advanced Data Analysis（旧Code Interpreter）」は、PythonコードをChatGPT内で実行し、データ分析・可視化・統計処理を自動化できる機能だ。

従来、ExcelやPythonスクリプトで数時間かかっていたデータ処理が、ChatGPTにCSVをアップロードして指示するだけで数分で完結する。2026年現在、ChatGPT Plusユーザーであれば誰でも利用可能で、データアナリストや研究者、マーケターに広く活用されている。

本記事では、Advanced Data Analysisの基本操作から実践的な活用例、注意点までを網羅的に解説する。

Advanced Data Analysisとは
Advanced Data Analysisの有効化方法
基本操作：CSVアップロードから分析まで
実践的な使い方5選
活用テクニック：効率を上げる指示方法
Advanced Data Analysisの注意点・制限事項
よくある質問
関連記事
おすすめ学習リソース
まとめ
出典

Advanced Data Analysisとは

Advanced Data Analysis（以下ADA）は、ChatGPTがPython環境を内蔵し、ユーザーがアップロードしたファイルを読み込み、コードを実行して結果を返す機能だ。

従来のChatGPTは「テキスト生成」のみだったが、ADAは以下のことが可能になる。

機能	詳細
ファイルアップロード	CSV、Excel、JSON、画像、PDF等を読み込み
Python実行	pandas、matplotlib、seaborn等のライブラリ使用可
データ可視化	グラフ・チャート自動生成
統計分析	回帰分析、相関分析、仮説検定
ファイル出力	処理後のCSV、画像、PDFをダウンロード

例えば「売上データを分析して、月別推移をグラフ化して」と指示すれば、ChatGPTが自動的に以下を実行する。

CSVファイルを読み込み
データクレンジング（欠損値処理等）
月別集計
matplotlibでグラフ生成
画像ファイルとして出力

この一連の処理を、プログラミング知識なしで実行できるのがADAの強みだ。

Advanced Data Analysisの有効化方法

手順1：ChatGPT Plusに加入

ADAはChatGPT Plus（月額$20）またはTeam・Enterpriseプランで利用可能。無料版では使えない。

手順2：機能を有効化

ChatGPTにログイン
設定（Settings）を開く
Beta features → Advanced Data Analysis をON

手順3：新規チャット作成

チャット画面の「GPT-4」選択時に「Advanced Data Analysis」のオプションが表示される。これを選択すればADAモードになる。

基本操作：CSVアップロードから分析まで

ステップ1：ファイルをアップロード

チャット画面のクリップアイコンをクリックし、CSVファイルを選択。アップロード完了後、以下のように指示する。

このCSVを読み込んで、データの概要を教えてください

ChatGPTは自動的にpandas.read_csv()を実行し、データの行数・列数・各カラムのデータ型を返す。

ステップ2：データ確認

欠損値があるか確認してください

ChatGPTはdf.isnull().sum()を実行し、欠損値の有無を報告する。

ステップ3：可視化

売上の月別推移を折れ線グラフにしてください

ChatGPTは以下を自動実行する。

import pandas as pd
import matplotlib.pyplot as plt

# データ読み込み
df = pd.read_csv('data.csv')

# 日付カラムをdatetime型に変換
df['date'] = pd.to_datetime(df['date'])

# 月別集計
monthly = df.groupby(df['date'].dt.to_period('M'))['sales'].sum()

# グラフ化
plt.figure(figsize=(10, 6))
plt.plot(monthly.index.astype(str), monthly.values)
plt.title('Monthly Sales Trend')
plt.xlabel('Month')
plt.ylabel('Sales')
plt.xticks(rotation=45)
plt.show()

生成されたグラフ画像はチャット内に表示され、ダウンロードも可能。

実践的な使い方5選

1. 統計分析の自動化

このデータの記述統計量を出してください

ChatGPTはdf.describe()を実行し、平均・標準偏差・最小値・最大値を算出。さらに「どのカラムに外れ値がありますか？」と追加質問すれば、外れ値検出も自動化できる。

2. 相関分析とヒートマップ

全カラム間の相関係数を計算し、ヒートマップで可視化してください

ChatGPTはdf.corr()とseaborn.heatmap()を使い、相関マトリクスを視覚化する。どの変数同士が強く関連しているか一目で把握できる。

3. データクレンジング

欠損値を中央値で埋めて、重複行を削除してください

ChatGPTは以下を実行する。

df.fillna(df.median(), inplace=True)
df.drop_duplicates(inplace=True)

クレンジング後のCSVを出力させれば、後続処理に使える。

4. A/Bテスト分析

グループAとグループBの平均値に統計的有意差があるか、t検定してください

ChatGPTはscipy.stats.ttest_ind()を実行し、p値を算出。「p < 0.05なので有意差あり」といった解釈も自動で提示する。

5. 時系列予測（簡易）

過去3ヶ月のデータから、来月の売上を予測してください

ChatGPTは単純移動平均や線形回帰を使い、簡易的な予測値を算出。ARIMAやLSTMのような高度な予測には対応していないが、トレンド把握には十分だ。

活用テクニック：効率を上げる指示方法

テクニック1：段階的に指示する

一度に複雑な処理を依頼すると失敗しやすい。以下のように段階的に進める。

1. データを読み込んでください
2. 欠損値を確認してください
3. 欠損値を平均値で埋めてください
4. 月別に集計してグラフにしてください

テクニック2：コードを確認する

「実行したコードを見せてください」と指示すれば、ChatGPTが生成したPythonコードが表示される。エラーが出た際のデバッグに役立つ。

テクニック3：出力形式を指定する

結果をCSVで出力してください

グラフをPNGで保存してください

明示的に指定すれば、希望の形式でダウンロードできる。

テクニック4：複数ファイルの統合

複数CSVをアップロードし、「これらを結合してください」と指示すれば、pd.concat()やpd.merge()を使って統合してくれる。

テクニック5：再現性の確保

「このデータ処理を毎月実行したい」場合、ChatGPTに「処理手順をスクリプトにまとめてください」と指示すれば、Pythonコードとして出力してくれる。それをローカルで保存すれば、再利用可能。

Advanced Data Analysisの注意点・制限事項

制限1：ファイルサイズ上限

アップロードできるファイルは最大512MB。大規模データセット（数百万行）は処理が遅い、または失敗する可能性がある。

制限2：セッションの揮発性

チャットを閉じるとアップロードファイルと実行環境がリセットされる。長期保存したい結果は必ずダウンロードすること。

制限3：外部API・ライブラリの制約

ChatGPTは外部APIにアクセスできず、インストール済みのPythonライブラリのみ使用可能。pip installはできない。

利用可能な主要ライブラリ：
– pandas、numpy、matplotlib、seaborn
– scikit-learn、scipy
– Pillow（画像処理）
– openpyxl（Excel読み書き）

利用不可：
– requests（Web API呼び出し）
– selenium（ブラウザ自動化）
– TensorFlow、PyTorch（深層学習）

制限4：実行時間の上限

複雑な処理は途中でタイムアウトする可能性がある。処理が重い場合、データをサンプリングして軽量化するなどの工夫が必要。

制限5：個人情報・機密データの扱い

OpenAIのプライバシーポリシーによれば、ChatGPTにアップロードしたデータはモデル学習に使用されない（オプトアウト済み）が、社内の機密データや個人情報を扱う際は慎重に判断すべきだ。

よくある質問

Q1. Excelファイルもアップロードできますか？

はい。.xlsxファイルを直接読み込めます。ChatGPTはpandas.read_excel()を使い、複数シートがある場合は「どのシートを読み込むか」を確認してくれます。

Q2. グラフを日本語表示にできますか？