企業のビジネスリサーチャーやデータアナリストにとって、膨大なスプレッドシート（Excel や CSV）の集計、複雑な関数の組み込み、ピボットテーブルの更新は日常的な負担となっています。Baidu（百度）の「Ernie Bot（文心一言）」は、内蔵されたコードインタープリター（Code Interpreter）サンドボックス環境と、Apache ECharts をベースにした「E言易図」などの可視化コンポーネントを統合しています。これにより、プログラミングを行わずに自然言語の対話だけで、表データの品質検証、欠損値処理、統計集計、そしてインタラクティブなトレンドグラフの生成を完結させることが可能です。
本記事では、アナリストや事業部門の担当者向けに、Ernie Bot の処理機構、スプレッドシートの検証からグラフ出力までの実践手順、プロンプトの設計例、従来の BI ツールとの比較、セキュリティ上の注意点を体系的に解説します。
1. Ernie Bot が表データを正確に処理する仕組み
大規模言語モデル（LLM）は本来、テキストの確率的予測を行うため、純粋な自然言語生成に数式計算を任せると「ハルシネーション（もっともらしい誤り）」を起こすリスクがあります。Ernie Bot は、モデルの論理推論と実行サンドボックスを連携させることでこの課題を解決しています。
- 決定論的サンドボックス実行（コードインタープリター）：ユーザーが表データをアップロードして指示を与えると、Ernie Bot はモデル内部で暗算するのではなく、Python スクリプト（
pandas、numpy、openpyxlなどの標準ライブラリ）を自動生成します。このコードが隔離された安全なサンドボックス上で実行され、計算された正確な数値のみが出力されます。 - ネイティブ可視化エンジン（E言易図・グラフコンポーネント）：集計されたデータは、Apache ECharts 技術を基盤とする可視化エンジンに渡されます。折れ線グラフ、平滑曲線、積み上げ面グラフ、2軸比較グラフ、棒グラフ、ヒートマップなど、ビジネス報告に適したグラフを瞬時に描画します。
- メタデータの自動認識と構造把握：シート構成、列ヘッダー、日付・時刻の形式、数値フィールドを自動的に解析し、データ構造や欠損状況を事前把握した上で処理を開始します。
2. スプレッドシートからトレンドグラフを生成する実務フロー
ステップ 1：データの整理とアップロード
コードインタープリターによる自動解析をスムーズに進めるため、事前に以下の整形を行っておくことが推奨されます。
- 1行目の明確なヘッダー：1行目に重複のない列名を設定します（例：
受注日、販売地域、製品カテゴリ、売上金額_千円、アクティブユーザー数）。 - セルの結合を解除：データ行内のセル結合や、途中に挿入された小計・合計行を削除し、純粋なテーブル形式（Tidy Data）にしておきます。
- 対応フォーマット：標準的な
.xlsxまたは.csvを使用します。Web インターフェースでの対話では、一般的な制限内（通常 50MB 未満）のファイルサイズが推奨されます。
Ernie Bot の対話画面にあるクリップアイコンからファイルを添付するか、Baidu Qianfan AppBuilder のエージェント画面から読み込みます。
ステップ 2：探索的データ解析（EDA）による構造検証
ファイルアップロード直後に複雑なグラフ作成を依頼するのではなく、まずデータの構造や健全性を確認します。
推奨プロンプト例：
「アップロードした当四半期の売上スプレッドシートを検証してください。すべての列名と認識されたデータ型を一覧表示し、総行数と総列数を報告してください。また、各列の欠損値の有無を確認し、先頭5行のサンプルデータを表形式で表示してください。」
得られる出力： Ernie Bot は検証用 Python スクリプトを実行し、以下の情報を返します。
- データセットの規模（例：30,000行 × 10列）。
- 日付列（datetime 型）や数値列の認識状況。
- 割引率列の欠損状況や、表記ゆれが存在する箇所の指摘。
ステップ 3：自然言語によるデータクレンジングとグループ集計
列構造を確認後、クレンジング条件と集計軸を指定します。
推奨プロンプト例：
「このデータをクレンジングしてください。注文ステータスが『キャンセル』のレコードと、売上金額が0以下のデータを除外してください。その後、受注日を月別（YYYY-MM）にまとめ、『東日本』『中日本』『西日本』の3地域別に、各月の総売上と平均注文単価を算出してください。」
サンドボックス内で正確なベクトル演算が実行され、月次サマリーテーブルが生成されます。
ステップ 4：トレンドグラフの描画
求めているグラフの種類、軸の単位、視覚的な強調ポイントを具体的に指示します。
推奨プロンプト例：
「先ほど集計した月次売上データをもとに、E言易図コンポーネントを使用して売上推移の折れ線グラフを作成してください。横軸は1月から12月、縦軸は売上金額（単位：千円）とし、3地域をそれぞれ異なる色の平滑曲線で描画してください。各地域の年間ピーク月をマーカーで強調し、グラフの下に主要な動向に関する考察を3点箇条書きで示してください。」
生成される成果物：
- 地域ごとの売上推移と季節要因（年末商戦や季節変動）が一目で把握できるグラフ。
- 自動検出されたピーク値のハイライト。
- 経営報告や企画書にそのまま引用できる要約コメント。
ステップ 5：多段階の深掘りと加工済みデータの書き出し
Ernie Bot は前後の文脈を保持しているため、同じセッション内で柔軟な修正が可能です。
- グラフ形式の変更：「折れ線グラフを積み上げ面グラフに変更し、全体売上に対する各地域の構成比の推移を見せてください。」
- 移動平均の追加：「月次変動を平滑化するため、売上全体に3ヶ月移動平均線を追加してください。」
- 結果のエクスポート：「月次集計値と前月比成長率を整理したテーブルを作成し、ダウンロード可能な
.xlsxファイルとして出力してください。」
3. 実務で役立つプロンプト設計テンプレート
| 分析シナリオ | 実践プロンプトの構成 |
|---|---|
| 整合性チェック | 「主キーの重複がないか点検し、売上列の最大値、最小値、四分位数を算出して外れ値の有無を報告してください。」 |
| コホート・定着率推移 | 「ユーザー登録月ごとにグループ化し、その後6ヶ月間の継続率を算出してヒートマップで視覚化してください。」 |
| 異常値の検出 | 「日次注文数の標準偏差を計算し、平均値から2シグマを超えて乖離している特異な日を散布図上でプロットしてください。」 |
| 複合2軸比較 | 「四半期ごとの総売上と販促費比率を集計し、売上を棒グラフ、費用比率を折れ線グラフとする左右2軸の複合グラフを作成してください。」 |
4. 従来の BI ツールおよび他社 LLM との比較
| 評価項目 | Ernie Bot（高度データ分析 / E言易図） | 従来の BI（Power BI / Tableau） | サンドボックス非搭載の純粋対話型 LLM |
|---|---|---|---|
| 導入・操作コスト | 極めて低い：自然言語の指示のみで即時集計。 | 高い：データモデリングや関数の知識が必須。 | 低い：ただし計算結果の捏造（ハルシネーション）が多発。 |
| 計算の確実性 | 高い：隔離 Python 環境で厳密に計算。 | 極めて高い：専用の確定演算エンジン。 | 極めて不確実：文章の確率計算による推測値。 |
| アジア圏・現地商慣習 | ネイティブ対応：前年同期比（同比）、前月比（環比）、会計年度の表現に強い。 | 要個別設定：カラム別名やロジックを手動設計。 | 誤解が多い：特有の会計・商務用語の取り違えが発生。 |
| 分析の俊敏性 | 瞬時に完了：思いついた仮説を数秒で可視化。 | 変更に手間：新規指標の追加にはデータモデルの改修が必要。 | 迅速：ただし加工済み実データのファイル出力は困難。 |
5. 企業におけるデータガバナンスと安全な運用基準
実務で Ernie Bot を導入する際は、以下のデータ保護ルールを徹底する必要があります。
- 個人情報・機密データの事前マスキング：顧客の氏名、電話番号、クレジットカード番号、認証情報などの機密情報は、アップロード前に仮名化または削除してください。
- Baidu Qianfan プラットフォームの活用：厳格なコンプライアンスが求められる基幹データや財務諸表を扱う場合は、百度智能雲（Baidu AI Cloud）の千帆大模型プラットフォームおよび AppBuilder を利用し、VPC 閉域網やデータ非保持ポリシーを適用した環境で運用してください。
- 実行コードの確認：回答内に表示される「コードを表示」を活用し、Python スクリプトの集計ロジック（欠損値の扱い、ゼロ埋めと除外の区別など）が意図通りであるかを検証してください。
- データ規模に応じた使い分け：コードインタープリターは数十万行程度までのデータセットに最適化されています。数千万行を超えるビッグデータを分析する場合は、事前に SQL やデータウェアハウス側でサマリーを集計し、その結果テーブルを Ernie Bot に入力するのが最適です。