こんにちは。事業推進チームです。
皆様は普段、ChatGPTやBingチャットなどは使用しておりますでしょうか？
我々も普段の業務でBingチャットを活用しており、瞬時に様々な角度から情報が得られるため、とても重宝しております。
また我々のチームではPower BIに関しての導入支援を展開しており、企業様のデータの可視化や分析の第一歩をご支援させて頂いております。
そこで今回の検証では、Power BIで作成したレポートからどのような分析結果が得られるのか、Bingチャットに問いかけてみたいと思います。
人間の目で見ても、Power BIのレポートを見れば大幅な変動などには気づきますが、実は気が付かない相関関係や、仮定を教えてくれるかもしれません。
早速検証していきたいと思います！
■人事レポートの分析
今回は、こちらの人事系のレポートを活用してみたいと思います。
どの社員が残業時間が多いかなどは一目瞭然ですが、なぜ多いかなどの仮定は少し難しそうです。
いくつかの仮定と可能性を模索するため、分析の作業をBingチャットに任せてみたいと思います。
Power BI用で加工したデータは、エクスポートやテーブルをコピーすることができるのでデータをコピーして、こんな形でBingチャットに問いかけてみました。
データとしては、非常にシンプルなものですがここからどんな分析が導き出されるのでしょうか？楽しみです。
●Bingチャットの回答
この表から、以下のような分析ができます。
- 部署ごとの残業時間の平均は、次のようになります。
- 営業部: 26時間
- システム部: 20.8時間
- 総務部: 34.5時間
- 企画開発部: 15時間
- 総務部は、他の部署よりも残業時間が多く、特に社員ID 1220は51時間と最も多い残業時間を記録しています。この社員は、総務部の業務において重要な役割を担っている可能性があります。
- 企画開発部は、他の部署よりも残業時間が少なく、社員ID 1222は9時間と最も少ない残業時間を記録しています。この社員は、企画開発部の業務において効率的に仕事をこなしている可能性があります。
- 営業部とシステム部は、残業時間の平均が似ていますが、営業部の方が残業時間のばらつきが大きく、社員ID 1212は55時間と最も多く、社員ID 1210は7時間と最も少なく残業しています。これは、営業部の業務において個人の成果や責任が大きく影響することを示している可能性があります。
●結果と所感
問いかけたデータは、シンプルなものであったのに対し、想定以上の回答が返ってきて来ました。
部署別の残業時間平均は、正確でなおかつ残業時間の多さが目立つ社員などにもフォーカスし、重要な役割を担っている可能性や、営業部とシステム部で傾向が似ている点にも言及し、個人の裁量が多い可能性にも触れています。
これをもとに残業時間が偏っている部署の、業務の仕組みの見直しや業務量の分担、更には工数削減のツールの導入などを検討する材料にもなるかもしれませんね。
もちろん最終的には、人間の目で使える情報なのかどうかの判断は必要ですがグラフを見て分析する時間というのは、大幅に削減できそうです。
■まとめ
今回は、Power BI×AIで自動分析を活用してみようということでPower BI作成したレポートから、Bingチャットにデータを問いかけ、分析を任せてみました。
今回は簡単なデータではありましたが、複数の条件を指定してあげれば、気づかなかった相関関係が見えてくるかもしれません。
Power BIは安価で使いやすいツールですが、もちろん深い分析を行う事も可能です。
個人利用は無料でお使い頂けますので、是非Power BIとAIを駆使して、もっと簡単に分析を行ってみてはいかがでしょうか？
イーストでは、Power BIの導入支援も行っております。
是非お気軽にお声がけ下さいませ！
