Excelでできることはやりきってしまったけれど、プログラミングはハードルが高すぎる——そんな悩みを持つ方に、JupyterノートブックとAIの組み合わせは最適な解決策です。
Jupyterノートブックは、Pythonコードを1行ずつ実行しながら分析を進められる対話型の環境です。コードが書けなくても、ChatGPT・Claudeに「こういう処理をするPythonコードを書いて」と指示すれば、生成されたコードをそのまま貼り付けて実行できます。
この記事では、Jupyterノートブックの基本からAIとの連携方法まで、プログラミング未経験のビジネスパーソンが実際に使えるレベルで解説します。コピペで使えるプロンプト付きです。
JupyterノートブックとAIを組み合わせると何ができるか
Jupyterノートブックとは、Pythonコードをブラウザ上で実行できるインタラクティブな開発環境です。コードを書いたセルを順番に実行するだけで、データの読み込み・分析・グラフ作成までを一貫して行えます。
AIと組み合わせることで、次のことが実現できます。
・CSVデータの集計・分析: 数万行のデータも数秒で集計し、Excelでは難しい複雑な処理も実行できる
・グラフの自動生成: 棒グラフ・折れ線・ヒートマップなど、分析目的に合わせた可視化を自動で作成
・繰り返し作業の自動化: 月次レポート作成や複数ファイルの一括処理を1クリックで実行
・Web上のデータ収集: 公開されているデータを定期的に取得して分析に活用
ExcelとJupyter+AIの違い
| 比較項目 | Excel | Jupyter＋AI |
|---|---|---|
| データ上限 | 約104万行 | 実質無制限（PCのメモリ次第） |
| 操作の自動化 | VBAマクロ（習得が必要） | AIに「こうして」と指示するだけ |
| グラフの種類 | 基本的なグラフに限られる | ヒートマップ・3D・インタラクティブ等 |
| 処理速度 | 大量データで重くなる | 大量データも高速処理 |
| コード知識 | 不要（ただしVBAは例外） | AIが書いてくれるので不要 |
まず試せる環境の準備（2通りの方法）
1. Google Colabを使う方法（インストール不要・推奨）
Googleアカウントがあればすぐに始められます。Googleドライブ感覚で使える無料のJupyter環境です。
手順:
・ブラウザで「Google Colab」と検索してサイトにアクセス
・「新しいノートブック」をクリックして新規作成
・セルにコードを貼り付けて「再生ボタン（▶）」を押すと実行される
インストール作業がゼロで始められる点が最大のメリットです。データはGoogleドライブに保存でき、URLを共有すれば同僚とのコード共有も簡単です。
2. ローカル環境にJupyterをインストールする方法
自分のPCで完結させたい場合や、機密データをクラウドに上げたくない場合に適しています。
Anacondaというソフトウェアをインストールすると、JupyterノートブックとPythonが一緒にセットアップできます（執筆時点2026年8月・無料で利用可能）。インストール後は「Jupyter Notebook」または「Jupyter Lab」を起動するだけです。
AIにコードを書かせてJupyterで実行する手順
1. ChatGPT・ClaudeにPythonコードを生成させる
「Jupyterノートブックで使いたい」「Pythonコードで」と必ず明示してプロンプトを送ります。
【基本の分析依頼プロンプト】
Jupyter NotebookでPythonを使って以下の処理をするコードを書いてください。 データ：sales.csvというファイル（列: 日付、商品カテゴリ、売上金額、地域） やりたいこと： ・カテゴリ別の月次売上合計を集計する ・結果を棒グラフで表示する ライブラリはpandasとmatplotlibを使用してください。 日本語のコメントを各処理に付けてください。
AIが生成するコードの例:
import pandas as pd import matplotlib.pyplot as plt import matplotlib # 日本語表示の設定 matplotlib.rcParams['font.family'] = 'IPAGothic' # CSVファイルを読み込む df = pd.read_csv('sales.csv') # 日付列をdatetime型に変換 df['日付'] = pd.to_datetime(df['日付']) # 月ごとのカテゴリ別売上を集計 df['月'] = df['日付'].dt.to_period('M') monthly_sales = df.groupby(['月', '商品カテゴリ'])['売上金額'].sum().unstack() # 棒グラフで可視化 monthly_sales.plot(kind='bar', figsize=(12, 6)) plt.title('カテゴリ別月次売上') plt.xlabel('月') plt.ylabel('売上金額（円）') plt.legend(title='商品カテゴリ') plt.xticks(rotation=45) plt.tight_layout() plt.show()
2. コードをJupyterのセルに貼り付けて実行する
AIが生成したコードをコピーして、Jupyterのセルに貼り付けます。セル左側の「▶」ボタン、またはShift+Enterキーで実行します。
初回実行時にエラーが出た場合は、エラーメッセージをそのままAIに貼り付けて「このエラーを直してください」と送ると対処法を教えてもらえます。
3. 分析をセル単位で積み上げていく
Jupyterの特徴は「セルを分けて実行できる」点にあります。データの読み込み→集計→可視化と段階的に進められ、途中でやり直しができます。
先ほどのコードに追加で、以下の処理も書いてください。 ・地域別の売上ランキングTOP5を表示する ・先月比の成長率も計算する ・結果をExcelファイルに出力する セルを分けて書いてください（実行を段階的に試したいので）。
実務での活用例（Before/After）
【活用例1】月次売上レポートの自動化
Before: 毎月末に各部門のExcelファイルを集めて手作業でコピペし、集計表を作成していた。5時間かかっていた定例作業。
After: Jupyterノートブックに「各部門のCSVを一括読み込みして集計し、グラフ付きレポートをExcelで出力する」コードをAIに書かせた。ノートブックを開いて実行するだけで20分で完了。浮いた4時間40分を分析・提案に使えるようになった。
【活用例2】顧客データの異常値検出
Before: 受注データに明らかにおかしな金額が入っていても、目視チェックでは見つけにくい。データ品質の問題が月に2～3件発生していた。
After: 「金額列の統計情報を出して、平均から3倍以上外れているデータを赤フラグ付きでリスト化するコード」をAIに依頼。毎朝ノートブックを実行するだけで異常値を自動検出できるようになった。
【活用例3】複数のCSVファイルの一括変換・結合
Before: 全国20拠点からCSVファイルが届くたびに、手作業で統合していた。拠点ごとに列の形式が微妙に違うため、手動修正に2時間かかっていた。
After: 「フォルダ内の全CSVファイルを読み込み、列の形式を統一して1つのファイルに結合するコード」をAIに書かせた。20拠点分の処理が5秒で完了するようになった。
うまくいかない時の対処法
問題1: エラーメッセージが出て実行できない
Jupyterでエラーが出たら、赤いエラーメッセージをそのままコピーしてAIに貼り付けます。
先ほどのコードを実行したらエラーが出ました。 エラーメッセージ： （ここにエラー文をそのまま貼り付ける） 使用環境：Google Colab（または Jupyter Notebook） どう直せばいいか教えてください。
問題2: ライブラリ（追加ソフト）がインストールされていない
「ModuleNotFoundError: No module named ‘xxx’」というエラーはライブラリ未インストールが原因です。Google Colabなら先頭のセルで以下を実行します。
!pip install ライブラリ名
問題3: 文字化けが起きる
日本語のCSVファイルを読み込むと文字化けが起きることがあります。AIに以下のように追記を依頼します。
CSVを読み込む部分で文字化けが起きています。 文字コードの指定（encoding='shift_jis' または 'utf-8-sig'）を追加してください。
問題4: 機密データをクラウドにアップロードできない
Google Colabは便利ですが、機密データのアップロードには注意が必要です。個人情報や営業秘密が含まれるデータを扱う場合は、ローカルのJupyter環境（Anaconda等）を使うか、社内のセキュアなデータ基盤を経由してください。
本記事のまとめ
| やりたいこと | AIへの指示のポイント | 難易度 |
|---|---|---|
| CSVデータの集計・グラフ化 | 列名と分析目的を具体的に伝える | 低（初日からOK） |
| 複数ファイルの一括処理 | 「フォルダ内の全ファイルを」と指示する | 中 |
| 月次レポートの自動化 | 「Excel出力も含めて」とセットで依頼する | 中 |
| 異常値・外れ値の検出 | 「平均から〇倍以上外れたデータ」と条件を明示 | 中 |
| グラフのカスタマイズ | 「色を変えて」「凡例を追加して」と追加指示 | 低（追加指示で対応） |
JupyterノートブックとAIの組み合わせは「コードが書けない人のためのPython環境」です。AIに処理を指示してコードを受け取り、Jupyterで実行するだけで、Excel中級者が数時間かけていた作業を数分で完了できます。
まずはGoogle Colabを開いて、手元にあるCSVファイルを読み込む1行から試してみてください。ChatGPTに「pandas で sales.csv を読み込んで最初の5行を表示するPythonコードを書いて」と送れば、その日から使い始められます。
Excelデータ分析の基本についてはChatGPTでExcelデータを分析・集計する方法の記事もあわせて読んでみてください。Excel中心からJupyterに移行する前のステップとして役立ちます。
AIを使ったコーディング支援のツール全体についてはAIコードエディタ比較でまとめています。Jupyterとの使い分けの参考になります。
