AI活用 アンケートの自由記述・問い合わせ内容を生成AIで分類する手順｜分類の基準づくりと人の確認
アンケートの自由記述や問い合わせ内容を生成AIで分類したい人へ。社内ルールと個人情報の確認、分類の基準(カテゴリーの定義)の作り方、AIへの頼み方、件数の数え方、人による抜き取りの確認までを5つの手順で解説。分類の結果を改善の優先順位につなげる考え方も紹介します。
カケル
AI活用 
AI活用 生成AIにSQLを書いてもらうときの確認手順｜そのまま実行しない5つのチェック
生成AIに書いてもらったSQL、そのまま実行していませんか。頼む前に渡す情報と社内ルールの確認、実行前に読む3点(列・条件・単位)、実行後に確かめる2点(件数・突き合わせ)を、架空の注文データの例で解説します。誤った数字で報告しないための手順です。
AI活用 生成AIは業務のどの作業に使う?｜任せる作業・任せない作業の見分け方
生成AIを業務のどこに使えばよいか迷っている人へ。下書き・要約・分類・変換の4つの用途、任せる作業と任せない作業を見分ける4つの基準、業務に当てはめる5つの手順、入力してよい情報と出力の確認まで、架空の例で解説します。
業務改善 属人化した業務を引き継げる形にする｜手順書とチェックリストの作り方
「あの人しかできない業務」を引き継げる形にしたい人へ。属人化の原因を人ではなく仕組みから捉え、手順書に書く6つの項目、判断と例外の書き出し方、チェックリストの作り方、担当者以外が1回やってみる確かめ方までを、架空の例のBefore/Afterで解説します。
実務で使うデータ・AIスキル 毎月の手作業集計・Excel転記を減らす手順｜自動化の前にやる3つの整理
毎月のExcel転記や手作業の集計を減らしたい人へ。マクロを覚える前にやる「なくす・分ける・そろえる」の3つの整理と、転記の形ごとに参照関数・ピボットテーブル・Power Queryのどれを使うかの選び方を、架空の例のBefore/Afterで解説します。
業務改善 業務改善は「業務の棚卸し」から｜書き出す項目と、どこから手をつけるかの決め方
業務改善をどこから始めるか迷ったら、まず業務の棚卸しから。書き出す7つの項目、「頻度×時間×ミスの影響」で手をつける順番を決める方法、架空の例でのBefore/Afterまで、明日から1つ試せる手順で解説します。
実務で使うデータ・AIスキル Tableauが重い・遅い原因10選｜実務で確認したい改善ポイント
Tableauのダッシュボードが重いときに、接続、クエリ、フィルター、表示設計のどこが遅いかを切り分ける手順を解説。パフォーマンス記録の使い方と、数値・更新頻度に注意した改善方法がわかります。
実務で使うデータ・AIスキル Tableauでデータ更新しても反映されないときの確認ポイント
Tableauで更新しても新しいデータが表示されないときの確認手順を解説。ライブ・抽出・公開データソースの違い、増分更新、更新タスクの失敗、参照元やフィルターを切り分けて原因を特定します。
実務で使うデータ・AIスキル SQLのINNER JOINとLEFT JOINで件数が変わる理由
INNER JOINしたら注文が減った。残すためにLEFT JOINへ変えたら、今度は売上が増えた。あるいはLEFT JOINなのに、条件を加えると注文が消える。JOINがうまくいかないときは、「未一致の行」と「複数行に一致するキー」を分け...
実務で使うデータ・AIスキル Tableauでデータが重複する原因｜JOIN・リレーションシップを解説
TableauでJOINやリレーションシップを設定した後、件数・合計が増える原因を解説。物理結合による行の増加と、関係の設定による集計値のずれを分けて確認し、データの粒度に合う直し方を示します。