現代のビジネス分析は、単なる要件収集を超えて進化しており、データ操作と可視化における高度な技術的熟練度が求められるようになりました。AIは、アナリストがデータと対話する方法を根本的に変え、何時間にも及ぶコーディングとトラブルシューティングを、数分間の戦略的洗練作業へと変容させています。
以下のプロンプトは、ChatGPT、Gemini、Claude、DeepSeek向けに厳密にテスト・最適化されています。各モデルは異なるアーキテクチャを持っています（DeepSeekは純粋なコードロジックに、Claudeは意味理解に優れる傾向があります）が、これらの10のプロンプトは、SQL、Tableau、Power BIを効果的に活用したいビジネスアナリストにとって、普遍的で高性能な基盤を提供します。
1. 自然言語からの複雑なSQLクエリ生成
最適モデル： DeepSeek（ロジック精度）またはChatGPT（汎用性）。
ウィンドウ関数を伴う複数結合クエリの記述はエラーが発生しやすいものです。このプロンプトは、平易な英語のビジネスロジックに基づいて、構文的に正しいSQLをAIに構築させます。
シニアデータエンジニアとして行動してください。[PostgreSQL/SQL Server/MySQL]と互換性のある標準SQLクエリが必要です。
私のデータベーススキーマには3つのテーブルがあります：
1. 'Orders' (OrderID, CustomerID, OrderDate, TotalAmount)
2. 'Customers' (CustomerID, Region, SignupDate)
3. 'Returns' (ReturnID, OrderID, ReturnReason)
過去12か月間の地域ごとの「返品率」（返品された注文の割合）を計算するクエリを作成してください。まず日付フィルタリングを処理するCTEを含めてください。ロジックを説明するコメント付きでコードを出力してください。
得られるもの： 複雑な結合における構文エラーを排除し、共通テーブル式（CTE）を介して日付ロジックが効率的に処理されることを保証します。
2. 遅いSQLクエリの最適化
最適モデル： DeepSeek（コード効率性）。
クエリがハングしたり過剰なリソースを消費したりする場合、ロジック全体を手動で書き直すことなくボトルネックを特定する最適化パートナーが必要です。
以下のSQLクエリをパフォーマンス最適化の観点でレビューしてください。不要なサブクエリ、非SARGable述語、非効率な結合などの具体的な非効率性を特定してください。
[遅いSQLクエリをここに挿入]
最適化されたバージョンのコードを提供し、どの変更が計算コストを削減したかを正確に説明してください。
得られるもの： 隠れたパフォーマンスキラーを即座に特定し、クエリ実行時間とサーバー負荷を削減します。
3. 複雑なDAX時間インテリジェンスメジャーの作成
最適モデル： ChatGPT（標準的な業界知識）またはClaude（文脈に沿った説明）。
Power BIにおける時間インテリジェンス（例：前年比成長率比較）では、トリッキーなフィルターコンテキスト操作が必要になることがよくあります。
Power BIエキスパートとして行動してください。「前年比（YoY）売上成長率%」を計算するDAXメジャーが必要です。
- ファクトテーブル: 'Sales_Data'
- 日付テーブル: 'Date_Table'（Dateキーでリンク）
- メジャー: [Total Sales]
DAXは、ゼロ除算エラーの可能性を処理し、ビジュアルの外部フィルターコンテキストを確実に尊重する必要があります。[YoY Sales Growth %]とそれを支える[Sales Last Year]メジャーのコードを提供してください。
得られるもの： 欠損データや除算エラーなどのエッジケースを堅牢に処理する、本番環境対応のDAXを生成します。
4. Tableau詳細レベル（LOD）式の設計
最適モデル： Claude（ニュアンス）またはGemini（ロジック）。
LOD式（FIXED、INCLUDE、EXCLUDE）は強力ですが、構文的に厳格です。このプロンプトは試行錯誤の段階を回避するのに役立ちます。
Tableauで作業しており、FIXED詳細レベル（LOD）式が必要です。
ビューに現在表示されている次元（例：地域やカテゴリ）に関係なく、「顧客ごとの平均注文価値」を計算したいです。
- 次元: [Customer Name]
- メジャー: [Sales]
計算フィールドの式を記述してください。次に、この計算が「地域」でフィルターした場合と「注文日」でフィルターした場合（コンテキストフィルター）でどのように動作するかを説明してください。
得られるもの： 計算とビューフィルター間の相互作用を明確にし、レポートにおける一般的な集計エラーを防止します。
5. ビジネスロジックからデータベーススキーマへの変換
最適モデル： Claude（ビジネス意図の解析に優れる）。
コードを書く前に、アナリストはデータモデルを構築する必要があることがよくあります。このプロンプトは、抽象的な要件を具体的なスキーマ設計に変換します。
データアーキテクトとして行動してください。SaaS製品のサブスクリプションサービスを追跡する要件があります。
追跡が必要なもの：
- ユーザー（複数のサブスクリプションを持つことができる）
- サブスクリプションプラン（Tier 1、Tier 2）
- 請求サイクル（月次、年次）
- 支払い履歴
この要件に対するスタースキーマ設計（ファクトテーブルとディメンションテーブル）を提案してください。各テーブルの主キーと外部キーをリストしてください。
得られるもの： Power BIやTableauにおける拡張性と正確なレポート関係を保証する、データモデリングのための設計図を提供します。
6. Power Queryにおける「M」コードのデバッグ
最適モデル： DeepSeek（技術的デバッグ）またはChatGPT。
Power Queryの「M」言語は大文字小文字を区別し、構文エラーのデバッグが非常に困難です。
Power Queryエディターで以下のMコードスクリプトを使用して「Expression.Error」を受け取っています。
[Mコードスニペットをここに挿入]
目標は、列「ID」を固定したまま、列A、B、Cをアンピボットすることです。構文エラーまたは論理的欠陥を診断し、修正されたスクリプトを提供してください。
得られるもの： データ変換層における正確な構文上の欠陥を特定することで、何時間ものイライラを節約します。
7. データディクショナリー作成の自動化
最適モデル： Gemini（大量のテキスト入力を処理）またはClaude。
ドキュメンテーションは重要ですが退屈です。AIを利用して、ステークホルダー向けに明確な定義を生成しましょう。
以下は、当社の「Inventory_Snapshot」テーブルからのSQL列名とそのデータ型のリストです。
[列リストを挿入：例：SKU, Qty_OH, Reorder_Lvl, Last_Audit_Date]
ビジネスステークホルダー向けのユーザーフレンドリーなデータディクショナリーを生成してください。各列について、データが何を表し、分析でどのように使用されるべきかを、明確で非技術的な定義を提供してください。
得られるもの： 技術的なデータ構造とビジネス理解の間のギャップを埋め、ステークホルダーがレポートを正しく解釈することを保証します。
8. データクリーニングのための正規表現（Regex）生成
最適モデル： DeepSeekまたはChatGPT。
SQLやPython/Pandasで乱雑な文字列（メールドメインの抽出や電話番号のフォーマットなど）をクリーニングするには、正確な正規表現が必要です。
SQL関数（またはPython）で使用する正規表現（Regex）パターンが必要です。
対象データには以下のような文字列が含まれています：
"ID: 4522 - LOC: NY - Date: 2023/05"
"ID: 9981 - LOC: CA - Date: 2024/01"
ロケーションコード（例：'NY'、'CA'）のみを抽出するRegexパターンを記述してください。パターンがどのように正しい部分文字列を識別するかを説明してください。
得られるもの： 即座にテスト可能でデプロイ可能な、具体的で複雑なテキスト抽出ロジック。
9. 戦略的ダッシュボードレイアウトとKPI選択
最適モデル： Claude（デザインと戦略）。
課題がコードではなく、視覚的ストーリーテリングであることもあります。
データ可視化スペシャリストとして行動してください。CFO向けに「運用経費（OpEx）」に関するエグゼクティブダッシュボードを構築しています。
上部に表示すべきトップ5のKPIを提案してください。各KPIについて、トレンドと予算を最も効果的に伝える特定の可視化タイプ（例：BAN、スパークライン、バレットチャート）を推奨してください。レイアウト選択の心理学的理由を説明してください。
得られるもの： 生データを表示するだけでなく、意思決定に焦点を当てた、洗練されたダッシュボードデザイン。
10. ExcelロジックからSQL/DAXへの変換
最適モデル： ChatGPT（汎用的な変換）。
アナリストは、堅牢なデータベースやBIツールに移行する必要がある巨大なExcelファイルを引き継ぐことがよくあります。
複雑なExcelの数式を[SQL Case文 / Power BI DAX]に変換する必要があります。
Excelの数式：
=IF(AND(A2>1000, B2="Premium"), "High Priority", IF(A2>500, "Medium", "Low"))
このロジックを対象言語に翻訳し、null値を適切に処理することを保証してください。
得られるもの： レガシービジネスロジックの、拡張可能なエンタープライズシステムへのシームレスな移行。
プロのヒント：「コンテキストファースト」チェーン
エリートレベルの結果を得るには、プロンプトをコピー＆ペーストするだけではいけません。プロンプトチェーニングを使用してください。まず、スキーマまたはデータサンプル（匿名化）を貼り付け、AIに「この構造を分析し、関係性を理解したことを確認してください」と依頼します。AIが理解を確認した後でのみ、特定のタスクプロンプトを発行してください。これにより、モデルのコンテキストウィンドウが大幅に高い精度のために準備されます。
これらの入力をマスターすることで、コードを書く技術者から、ソリューションを設計する戦略家へと移行します。これらのプロンプトを日々のワークフローに統合することは、あなたのアウトプットを加速させるだけでなく、SQL、Tableau、Power BIにわたるあなたのインサイトの品質を標準化するでしょう。