子会社ごとに異なる売上レポートを、AIが処理しやすい形に整えるには

はじめに

こんにちは。
GDX株式会社でAIリサーチを担当しているMia Sato（佐藤ミア）です。

最近、クライアント企業向けに、各地域のマーケティングレポートを自動生成する仕組みづくりの支援を行っています。

実際にプロジェクトを進める中で強く感じたのが、「データはあるのに、整理や集計にものすごく時間がかかっている」という課題です。

特に、各地域から提出されるデータ形式が少しずつ違うことで、毎回Excelを修正したり、集計し直したり、確認作業に追われてしまうケースが本当に多くありました。

これはきっと、今多くの企業が直面している悩みなのではないかと思います。

本来であれば、もっと分析や戦略立案に時間を使いたいはずなのに、実際には「データを整える作業」に多くの時間が取られてしまう。
私自身、この状況を見て「ここはAIや自動化でもっと改善できるはず」と強く感じました。

そこで今回は、GDXがどのように自動化導入を進めたのか、実際の考え方や進め方を共有したいと思います。

「うちも似たような状況かもしれない」
「AIを導入したいけれど、何から始めればいいか分からない」

そんな方にとって、少しでも参考になればとても嬉しいです。

レポート作成の前に、毎回データを直すところから始まっていた

今回のクライアントでは、世界各国の販売会社から販売データや在庫データが届き、それをもとに商品企画チームと統合販売チームが、週報・月報・要約レポートを作成していました。

地域ごとの売上を見る。
店舗別に動きを確認する。
商品別に販売状況を比較する。
ECの変化を見る。

どれも意思決定のために大切な業務です。

ただ、実際に中身を見ていくと、各地域から提出されるデータの形式が少しずつ違っていました。

ある地域では売上列が「Sales」になっている。
別の地域では「Revenue」と書かれている。
先月まではC列にあった項目が、今月はD列にずれている。
商品コードが空欄のまま提出されている。
一部のセルにNULLが入っていて、処理が途中で止まってしまう。

こうしたことが、毎週のように起きていました。

そのため担当者は、レポートを作る前にまずExcelを開き、列がずれていないか、必要な項目が入っているか、数式が壊れていないか、VLOOKUPで正しく参照できているかを確認します。

必要に応じてコピー＆ペーストをしたり、別のExcelへ転記したり、数式を修正したりすることもあります。

一つひとつは小さな作業に見えても、毎週・毎月繰り返されると大きな負担になります。さらに、手作業が多いほどミスも起こりやすくなります。

特に大きな課題だったのは、データの出所が分かりにくくなることでした。

地域横断で比較したり、店舗別・商品別に分析したりするために、データを別のExcelへ転記し、再集計する。その作業を繰り返すうちに、最終的な数値がどの原始資料から来たものなのか、追いにくくなっていました。

結果として、データに詳しい一部のベテラン社員に確認しないと判断できない場面もありました。

本来であれば販売要因の分析や地域比較、EC分析に使うべき時間が、Excelの修正や数式エラーの確認に使われてしまっていたのです。

問題はExcel作業ではなく、データの意味がそろっていないことだった

最初は、Excel作業を減らせば解決できる問題のようにも見えました。

でも、実際に確認していくと、問題はもう少し深いところにありました。

単に列名が違うだけではなく、その項目が何を意味しているのかも、地域によって少しずつ違っていたのです。

たとえば、同じ「売上」に見える項目でも、税込なのか税抜なのか。返品を含むのか、含まないのか。値引き後の金額なのか、値引き前の金額なのか。

在庫についても、倉庫在庫なのか、店舗在庫なのか、引当済み在庫を含むのかによって意味が変わります。

こうした定義がそろっていないままAIで分析しようとすると、見た目上は地域比較ができているように見えても、実際には条件が違うデータを比べてしまう可能性があります。

AIは便利ですが、会社独自のルールや、現場で暗黙的に共有されている前提まで自動で正しく判断してくれるわけではありません。

そのため、AIに処理させる前に、まず人の間でもデータの意味をそろえる必要がありました。

いきなりAIに任せる前に、まず整理したこと

この状況に対して、私たちは最初からAIにすべてを任せることはしませんでした。

まず必要だったのは、「AIで何をするか」を決めることではなく、データと業務の流れを整理することでした。

どの地域から、どんな形式でデータが届いているのか。
どの項目が同じ意味で、どの項目は定義が違うのか。
どこで人がExcelを開いて修正しているのか。
どこで転記が発生しているのか。
どこでミスが起きやすいのか。

こうした流れを確認したうえで、自動化できる部分と、人が確認すべき部分を分けていきました。

今回のプロジェクトでは、主に次の3つを進めました。

1. 「同じ意味のデータ」を同じものとして扱えるようにする

最初に行ったのは、項目の定義を整理することでした。

「Sales」「Revenue」「Net Sales」「売上金額」など、似たような項目でも、必ずしも同じ意味とは限りません。

そこで、税込・税抜、返品の扱い、値引き前後の違いなどを確認し、本社側で使う標準項目を定義しました。

あわせて、どの項目を必須にするのか、どの単位で扱うのか、どのコード体系を使うのか、NULLや空欄をどう扱うのかも整理しました。

この工程は地味ですが、AI活用においてはとても重要です。ここが曖昧なままだと、どれだけ高度なAIを使っても、現場で安心して使えるアウトプットにはなりません。

2. 毎週のExcel確認を、できるだけ人の手から離す

次に行ったのは、毎週繰り返されていたExcel確認作業を、できるだけ自動化することです。

これまでは、担当者が毎回ファイルを開き、列名、列のずれ、NULL、商品コードや店舗コードの不備を目視で確認していました。

そこでGDXでは、各地域から提出されたファイルを読み込んだ時点で、チェック・変換・統合できる処理フローを構築しました。

たとえば、列名が「Sales」でも「Revenue」でも同じ売上項目として扱えるようにする。列の位置が変わっていても、必要な項目を読み取れるようにする。商品コードが空欄の場合は、どの地域のどのファイルに問題があるのか分かるようにする。

こうすることで、担当者がすべてのファイルを一から確認する必要はなくなります。

もちろん、最終的な確認は人が行います。ただし、人が見るべき場所はかなり絞られます。

その結果、毎週の定型作業にかかる時間を減らし、販売要因の分析や地域ごとの比較に集中しやすくなりました。

3. 提出する側のフォーマットも少しずつ整える

本社側でデータを整形する仕組みを作れば、地域ごとに形式が違うレポートでも、ある程度は共通の形に変換できます。

ただ、それだけでは限界もあります。

毎回大きな変換や補正が必要な状態が続くと、運用負荷は残ります。そのため、将来的には提出する側のフォーマットも少しずつ整えていく必要があります。

たとえば、商品コード、店舗コード、対象期間、売上金額、販売数量、商品カテゴリなど、必ず入れてほしい項目を明確にする。入力ミスが起きやすい項目は選択式にする。提出前にNULLや未入力をチェックできるようにする。新しい店舗や商品が増えたときのマスタ更新ルールを決めておく。

ただし、最初からすべての地域に完璧な統一フォーマットを求める必要はありません。

まずは本社側で自動化しながら、どこでズレが起きやすいのか、どの項目が不足しやすいのかを把握する。そのうえで、必要なところから少しずつフォーマットや入力ルールを整えていく。

この進め方が、現場にも受け入れられやすく、継続しやすいと感じています。

まとめ・GDXへのご相談

今回の支援を通じて改めて感じたのは、AI活用は「ツールを入れれば終わり」ではないということです。

むしろ、AIを使う前に、データの意味や業務の流れをどこまで整理できるかがとても重要でした。

AIは、地域別の変化を整理したり、商品別の傾向を見つけたり、レポートコメントのたたき台を作ったりする強力な手段になります。

でも、その前提として、AIが読み取るデータが信頼できる状態でなければなりません。

自動化の目的は、人の仕事をなくすことではありません。人が本来向き合うべき分析や判断に、もっと時間を使えるようにすることです。

GDXでは、現在の業務フローの確認から、各地域・各子会社のフォーマット差分の整理、データ整形ルールの設計、AIを活用したレポート生成、提出フォーマットの見直しまで、一貫して支援しています。

週報や月報の作成に時間がかかっている。
各地域や子会社ごとにレポート形式が異なり、集計作業が属人化している。
AIを活用したいけれど、どこから整理すればよいか分からない。

このような課題をお持ちの場合は、ぜひGDXまでご相談ください。

※本文の一部はChatGPTの支援を受けて作成し、筆者が加筆・修正しています。内容は筆者個人の見解であり、GDX株式会社の公式見解・声明を示すものではありません。情報は参考目的であり、公式発表・一次情報をご確認ください。