データアナリストエージェント：数字を見る前に、問いを固定する

データ分析を分解する

データ分析は、SQLを書いてグラフを出す仕事だけではない。最初に「何の判断に使う数字か」を固定し、データの定義、欠損、粒度、比較対象をそろえる仕事である。

分解した能力	AIの役割	成果物
問いの設計	経営や施策の問いを分析可能にする	分析設計メモ
データ理解	テーブル、定義、粒度を確認する	データ辞書メモ
SQL/集計	必要な集計を作る	クエリ、集計表
可視化	比較しやすい図表を作る	ダッシュボード案
異常検知	急変、欠損、外れ値を見つける	異常アラート
解釈	結果と限界を分けて説明する	分析レポート

Role

基本ロールは「分析設計・集計補助エージェント」とする。

分析問いを明確にする
SQLや集計案を作る
データ定義のズレを検出する
グラフとレポートを作る
分析結果の限界と追加確認を出す

施策判断、会計・税務判断、個人の評価、信用判断、医療・金融判断は人間に戻す。

Tools

Tool	用途
DWH/DB	SQL実行、集計、データ確認
BI	ダッシュボード、グラフ、定期レポート
表計算	軽量分析、比較表、手元検算
データカタログ	テーブル定義、指標定義の参照
CRM/広告/CS	営業、広告、顧客データの確認
Git/ノートブック	クエリ、分析履歴、再現性の管理

Thinking

思考法	チェックする問い
問い先行	何を判断するための分析か
指標定義	分母、分子、期間、除外条件は明確か
比較可能性	前月、前年、施策前後で比較できるか
因果と相関	原因と言い切っていないか
データ品質	欠損、重複、外れ値はあるか
再現性	同じ結果を後から出せるか

Output

項目	内容
分析問い	何を知りたいか
指標定義	集計条件、期間、分母分子
結果	数値、グラフ、比較
解釈	言えること、言えないこと
データ品質	欠損、重複、注意点
次アクション	施策、追加分析、確認

KPI

定義済みKPI数
再利用可能なクエリ数
分析依頼から初回回答までの時間
指標定義ミスの検出数
ダッシュボード未更新数
分析結果が意思決定に使われた数

エスカレーション

個人評価、与信、採否など個人に不利益が出る
法務、会計、税務、医療、金融判断に使われる
データ定義が曖昧なのに強い結論を出しそう
個人情報や機密情報を扱う
数字が経営判断に大きく影響する

発生しうる業務

頻度	業務	AIに任せる粒度
日次	KPI異常検知、データ欠損確認	アラート
週次	ファネル、広告、営業、CSレポート	週次分析メモ
月次	経営KPI、コホート、予実分析	月次レポート
随時	施策検証、SQL作成、ダッシュボード作成	クエリ、可視化案

学習方法

学習材料	学ぶこと
データ辞書	テーブル、カラム、指標定義
過去分析	よく使う切り口、比較軸
意思決定ログ	どの分析が使われたか
データ品質事故	欠損、重複、定義ミス
ダッシュボード利用履歴	見られる数字、見られない数字

能力の磨き方

人間が直したSQL差分を学習材料にする
定義ミスをチェックリストに戻す
分析結果が施策に使われたかを記録する
外れた解釈を、相関と因果の誤りとして分類する
月1回、使われないダッシュボードを削る

作り方

指標定義書を作る
読み取り専用DB接続から始める
クエリには目的、期間、定義をコメントで残す
重要数字は人間または別クエリで検算する
個人情報を最小化する
分析レポートに限界と未確認を必ず入れる

作れない場合は、「SQL下書きbot」「KPI異常検知bot」「ダッシュボード案bot」「分析解釈bot」に分ける。

最小実装

最初から自律実行させるのではなく、読み取り、下書き、承認付き更新の順に広げる。データアナリストエージェントの最小実装は、問い、SQL、集計、可視化、異常検知、解釈を支援するための「入力を読む場所」「出力を残す場所」「人間が承認する場所」を固定することである。

層	最小構成
入力	DWH、BI、表計算、データカタログ、CRM/広告/CS、ノートブックから読み取り専用で参照する
処理	事実、推測、未確認、次アクションを分けて整理する
承認	外部送信、重要判断、台帳更新、金銭・契約・人事に関わる操作は人間承認にする
記録	出力、採否、修正理由、次回改善点を同じ場所に残す

入力データ

分析問い、判断したい施策
テーブル定義、指標定義、期間
SQL、集計結果、ダッシュボード
欠損、重複、外れ値、権限条件

入力データには、取得日、参照元、更新者を残す。古い情報や未確認情報を混ぜると、AIはもっともらしいが危ない判断を出す。

出力フォーマット

フィールド	内容
`question`	分析問い
`sql`	クエリ案
`definition`	指標定義
`chart`	可視化案
`interpretation`	言えることと言えないこと
`unknowns`	未確認事項、追加で人間が見る点
`human_review`	承認者、判断期限、エスカレーション条件

この形式で残すと、後から「AIが何を見て、何を出し、人間がどこを直したか」を追える。

サンプルプロンプト

あなたはデータアナリストエージェントです。
目的は「問い、SQL、集計、可視化、異常検知、解釈を支援する」ことです。

入力:
- 対象: [対象名]
- 参照データ: [参照元]
- 期限: [期限]
- 制約: [承認条件、禁止事項、守るべきルール]

指示:
1. 事実、推測、未確認事項を分けてください。
2. 出力フォーマットに沿って整理してください。
3. 判断できない点を無理に結論づけず、human_reviewに戻してください。
4. 外部送信、重要更新、金銭・契約・人事に関わる操作は実行せず、承認依頼にしてください。

出力:
- 要約
- 構造化データ
- 次アクション
- human_review

ワークフロー

分析問いを固定してからSQLを書く
指標定義と粒度を確認する
集計結果を比較可能な形で可視化する
因果断定や個人評価は人間に戻す

この流れを固定すると、AIは単発の相談相手ではなく、業務の一部として改善できる。

失敗パターン

定義違いの数字を比較する
相関を因果として説明する
個人情報を不必要に出す

失敗パターンは、禁止事項としてプロンプトに入れるだけでは足りない。出力レビュー時に「今回どの失敗に近かったか」を記録し、次の入力データや評価基準へ戻す。

評価ルーブリック

指標定義が明確
クエリが再現可能
解釈に限界が書かれている
事実、推測、未確認が分離されている
人間に戻すべき判断がhuman_reviewに出ている

5段階評価にする場合は、3を「人間が軽く直せば使える」、4を「そのまま業務で使える」、5を「次回のテンプレートに採用できる」と定義する。