ケース1：データ型の不一致によるエラーの修正

最初に使用するのは、Webサイトのアクセスログデータです。このデータでは、アクセス日時をもとに曜日を抽出するなどの処理を行っています。

元々のデータでは「アクセス日時」列は日付時間型でしたが、新しいデータに差し替えた際、フォーマットの影響で文字列型としてインポートされてしまいました。この結果、日付型を前提とした「曜日の抽出」ステップでエラーが発生します。

エラーが発生したステップで「AI 自動修正」ボタンをクリックします。AIはエラーの原因が「文字列型に対して日付処理を行おうとしていること」だと特定し、適切な修正案を提示します。

今回の提案は、エラーが起きているステップの直前に、アクセス日時を日付時間型に変換するステップを追加するという内容です。

提案内容を確認し、「実行」ボタンをクリックすることで、自動的に変換処理が挿入され、後続のステップも正常に動作するようになります。

ケース2：列名の変更に伴う複数ステップの一括修正

2つ目のケースは、1行が1注文を表す売上データです。このデータを使用して、他のデータとの結合や集計処理を行っています。

データの更新により、元の「顧客ID」が「顧客識別番号」に、「売上」が「売上金額」に名称変更されました。これにより、古い列名を参照していた「結合」や「集計」など、複数のステップで一気にエラーが発生します。

このような場合でも「AI 自動修正」を実行します。AIからは、結合ステップや集計ステップで使用されている古い列名を、新しい列名に書き換える提案が表示されます。

実行をすると、複数のステップにまたがるエラーが一度に修正され、データの一貫性が保たれた状態で分析を継続できます。

ケース3：列名の変更によるエラーの修正

最後は、元の列名が英語で構成されている注文データのケースです。

分析の読みやすさを向上させるために、AIプロンプト機能を使って列名を一括で日本語に変換していたとします。

列名を日本語に変えたことで、それ以降のステップで「Customer ID」などの英語名を参照していた処理がすべてエラーになります。列名を大幅に変更した際、手動ですべてのステップを修正するのは非常に手間がかかります。

ここで「AI 自動修正」を活用します。AIは列名の変更履歴とエラー情報を照らし合わせ、修正が必要な箇所を特定します。

提示された修正案を実行することで、日本語に変更された新しい列名に合わせて後続のステップが正しく更新されます。これにより、エラーを恐れることなく、分析しやすいデータ構造への整理を行うことができます。

ビデオ