【2026年最新】AIでKPIダッシュボード自動生成｜Excel/Looker/Power BI連携の5ステップ＋10プロンプト

結論：KPIダッシュボードは「データ層・集計層・可視化層」の3層で考え、AIをSQL生成・DAX生成・グラフ仕様化・解釈レポートに集中させると、構築工数を1/3に圧縮できます。Excel/Looker Studio/Power BIのどれを選んでも、AIをうまく挟めば情シス1人＋現場1人で運用可能です。

はじめに：KPIダッシュボードがなぜ「作ったまま死ぬ」のか

「うちの会社、KPIダッシュボードあるんですけど、誰も見てないんですよね、、、」

先日、ある30名規模の製造業の情シス担当者と打ち合わせをしていたとき、こんな相談を受けました。よく聞くと、3年前にコンサル会社が作っていったPower BIのレポートが社内に残っていて、当時の「KPI 47指標」のうち、今も生きているのはたった3つだけ。残りはデータソース側のテーブル名が変わったり、計算式の意味を誰も覚えていなかったりで、グラフが空白のまま放置されていたんです。

正直、これは珍しい話じゃないんですよね。100社以上の企業向けにAI研修・導入支援をやってきて感じるのは、KPIダッシュボードが死ぬ原因は「ツールが悪い」のではなく、「KPIの数が多すぎる」「設計時の意図がドキュメントに残らない」「データ整合性が崩れたときに直す人がいない」の3点に集約される、ということです。

そして、ここがAIが効くポイントなんです。ChatGPT・Claude・Geminiは、KPI設計の壁打ち、SQL/DAXの生成、レポート仕様化、月次の解釈レポート作成までを「下書きの上司」のように担当してくれます。最後にOK/NGを出すのは人、でも0→1の試案を出すのはAI、という分担にすれば、情シス1名＋現場1名でもダッシュボード運用が回るんですね。

この記事では、KPIダッシュボードをAIで自動生成・運用するための5ステップ＋コピペで使えるプロンプト10本を、Excel/Looker Studio/Power BIの3ツール比較とセットで全公開します。ChatGPT業務活用の全体像はChatGPTビジネス活用完全ガイドでも整理していますので、合わせて読むと立体的に理解できます。

KPIダッシュボードの3層構造：データ→集計→可視化

最初に、AIをどこに挟むかを決めるための共通言語を揃えます。KPIダッシュボードは、技術的には3層でできています。

ポイントは「AIに任せやすいのは集計層と可視化層」で、データ層は人が責任を持つ領域だということです。データ層は正確性・権限・個人情報の問題が絡むので、AIに丸投げするとガバナンス上の事故が起きやすいんですね。

事例区分：想定シナリオ
以下は100社以上の研修・支援経験をもとに構成した典型的なシナリオです。社名・数値は実際の案件を一部加工しています。

AIで自動化できる工程マップ

KPIダッシュボード構築を、人とAIで分担するとこうなります。

「⑦ 権限・公開範囲」だけAI化しない、というのが大事なポイントです。誰がどのKPIを見られるかは、人事制度・コンプライアンス・取引先との契約に絡む話なので、AIに「いい感じに」やらせるとあとで事故ります。これは後述の失敗パターン4でも触れます。

Excel / Looker Studio / Power BI 比較表

「結局、どれを選べばいいんですか？」という質問をめちゃくちゃ受けるので、判断基準を1枚にまとめました。

正直に書くと、判断はそんなに複雑じゃありません。私が研修現場で薦めるのは次のフローです。

• 従業員5名以下：Excel＋Looker Studio無料の二段構え。Excelで手元集計、共有はLooker StudioでURL配布。
• 従業員5〜30名：Looker Studioを中心に据え、データソースはGoogleスプレッドシート＋BigQuery無料枠（毎月1TBまで無料）。SQLはAIに書かせる。
• 従業員30〜100名：Power BI Proを部門別に導入。DAXはAI下書き、レビューは情シス。
• 従業員100名〜：Power BI Premium Per UserまたはFabric SKUを検討。ガバナンス前提。

料金はそれぞれ各公式の最新情報を確認してください（参照日：2026-05-26）。日本円表記は本記事執筆時点の概算です。

5ステップ導入ロードマップ

ここからが本題です。AIを挟みながらKPIダッシュボードを構築する5ステップです。各ステップにあとから登場するプロンプト番号を割り当てています。

ステップ1：KPI候補をAIで広げる（プロンプト#1）

最初にやることは「KPIを絞る」ではなく、「KPIを広げる」です。これ、研修先で何度も繰り返して気づいたんですが、ホワイトボードで議論を始めると、現場の声と経営の声が偏っていて、最初から「売上」「粗利」「商談数」みたいな当たり前のKPIに収束しちゃうんですよね、、、。AIに業界・部門・粒度を渡して20〜30候補を出させると、社内の盲点が見えやすくなります。

ステップ2：KPI定義書を作る（プロンプト#2）

絞った後で必ずやってほしいのが、KPI定義書の作成です。「商談数」「アクティブユーザー」のような曖昧な名前は、3ヶ月後に必ず誰かが解釈違いを起こします。「分子・分母・更新頻度・閾値・データソース・所管部署」を1行ずつ埋めた表をAIに下書きさせると、合意形成が早くなります。

ステップ3：集計層を組む（プロンプト#3、#4）

BigQuery/MySQL/PostgreSQLを使うならSQL、Power BIならDAXです。テーブル定義（カラム名・型）と求めたい指標をAIに渡せば、雛形クエリが2分で返ってきます。ここで重要なのは「いきなり本番DBで実行しない」こと。AIが書くSQLにはJOINの結合キーミスや、日付フィルタの境界バグがそこそこ含まれます。必ずサンプルデータか開発環境で動作確認してください。

ステップ4：可視化層を設計する（プロンプト#5、#6）

Looker StudioとExcelで「どのグラフを使うか」「どこにフィルタを置くか」をAIに案として出させます。レイアウトは2〜3案出させて、最後は人が選ぶのが効率的です。「3秒ルール」（経営者がレポートを開いて3秒で核心が見えるか）を守ると、後で見られるダッシュボードになります。

ステップ5：運用ロジックを仕込む（プロンプト#7〜#10）

差分計算・異常値検知・月次サマリ・改善仮説までセットで仕込むと、ダッシュボードが「見る道具」から「考えさせる道具」に変わります。ここまで来ると、経営会議で「で、なんで先月落ちたの？」という質問にAI生成の仮説で即答できるようになります。

余談ですが、経営会議でのKPI報告の流れと、AIに任せる役割分担については、経営会議準備のAI活用ガイドでも触れています。会議体で動くKPIの設計に興味がある方はそちらも。

コピペで使えるプロンプト10本

ここから10本、コピペでそのまま使えるプロンプトを並べます。すべて「[ ]の部分を自社情報に置き換える」だけで動きます。ChatGPT・Claude・Geminiのどれでも問題ありません（DAX生成のように構文寄りの作業はClaude/ChatGPT、ブレスト寄りはGeminiも良い、というのが研修先での体感です）。

#1 KPI候補ブレスト

あなたは中小企業向けのデータ分析コンサルタントです。
以下の前提でKPI候補を20個提案してください。

【業界】[例：BtoB SaaS / 製造業 / 小売 / 不動産 / 飲食 など]
【会社規模】[例：従業員30名、年商5億円]
【主要部門】[例：営業、マーケ、CS、製造、管理]
【現在の課題感】[例：新規受注の伸び悩み、リピート率の低下]
【既に把握している数字】[例：月次売上、商談数、在庫回転率]

要件：
- 「先行指標」「結果指標」を区別して提示する
- 各KPIに「想定される更新頻度（日次/週次/月次）」を併記
- データ取得難易度を「易/中/難」で3段階評価
- 当社が見落としている可能性のある観点を3つコメントで補足
- 結果はマークダウン表で出力

このプロンプトは研修で一番反響があったやつです。特に「先行指標と結果指標を分けて」と書くだけで、出てくる候補の質がガラッと変わるんですよね。

#2 KPI定義書ドラフト

あなたはKPI設計に詳しいデータマネージャーです。
以下のKPIリストを、KPI定義書としてマークダウン表に整形してください。

【KPIリスト】
- [KPI1名前]
- [KPI2名前]
- [KPI3名前]

各KPIについて、以下の列を埋めてください：
1. KPI名（日本語）
2. 英語表記（システム実装用）
3. 計算式（分子/分母）
4. 単位（%、件、円、時間 など）
5. 更新頻度（日次/週次/月次）
6. データソース（テーブル名/シート名）
7. 所管部署
8. 目標値（自信がない場合は「業界一般値の例」も併記し「要社内合意」と注記）
9. アラート閾値（黄/赤）

注意点：
- 数値や閾値で根拠が不明なものは断定せず、「想定例」と明記する
- 同名のKPIで複数解釈があり得る場合、注釈で違いを説明する

#3 SQLクエリ生成（BigQuery / MySQL）

あなたは経験豊富なSQLエンジニアです。
以下の条件でクエリを書いてください。

【対象DB】[例：BigQuery / MySQL 8.0]
【テーブル定義】
- [テーブル1名]([列名:型, ...])
- [テーブル2名]([列名:型, ...])

【取得したい指標】
- [例：直近30日の日次受注金額合計（曜日別の平均も併記）]

要件：
- WITH句で段階的に書く
- 日付フィルタは [date_column] >= DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY) のような形を使う
- 結合キーが不明な場合は仮定を明示しコメントで質問する
- 重複の可能性がある場合はDISTINCTかGROUP BYを使う
- 結果セットの想定行数とパフォーマンス上の注意点を末尾に追記

このプロンプトの肝は「結合キーが不明な場合は仮定を明示しコメントで質問する」の一文です。これを入れないと、AIは勝手にuser_idとかcustomer_idでJOINを書いて、実は別のキーだった、というパターンで地味に事故ります。

#4 DAX関数生成（Power BI）

あなたはPower BIのDAXに精通したアナリストです。
以下のメジャーをDAXで書いてください。

【モデル概要】
- ファクトテーブル: [名前]([列名と型])
- ディメンションテーブル: [名前]([列名と型])
- カレンダーテーブル: [名前]（マークされた日付テーブル）

【作りたいメジャー】
- [例：当月売上、前月比、前年同月比、累計売上(YTD)、移動平均3ヶ月]

要件：
- カレンダーテーブルを必ず通す（タイムインテリジェンス関数を使う）
- 同じロジックをまず冗長に書き、そのあとCALCULATE/VARで圧縮した版も併記
- 各メジャーに「ビジュアルで使うときの注意」を1〜2行添える
- フィルタコンテキストでハマりやすいポイントをまとめて末尾に箇条書き

#5 Looker Studioのフィルタ・レイアウト設計

あなたはLooker Studioの設計に慣れたBIコンサルタントです。
以下の要件で「1ページに収まる」レポート構成案を3つ提案してください。

【レポート目的】[例：営業マネージャー向け、週次の商談状況把握]
【データソース】[例：Salesforce → BigQuery 経由、商談・取引先・担当者]
【主要KPI】[KPI1, KPI2, KPI3]
【ターゲット閲覧者】[例：営業マネージャー2名＋役員1名]
【閲覧シーン】[例：毎週月曜朝のミーティング前、5分で全体把握]

提案ごとに：
1. スコアカード3〜4枚の配置
2. 主要グラフの種類と理由（折れ線/棒/円/テーブル）
3. フィルタコントロールの配置（期間、担当者、案件種別）
4. 上から下への視線誘導の意図
5. 想定される弱点（情報過多・解釈ぶれリスク）

最後に「3案のうちどれを選ぶべきか」をターゲット閲覧者の特性に基づいて判断ください。

#6 Excelピボット表設計

あなたはExcelのデータ分析に詳しいシニアアナリストです。
以下のデータからピボットテーブル/ピボットグラフの設計案を出してください。

【元データの形】
[列名と型を貼り付け。例：注文日(date), 商品カテゴリ(text), 顧客ID(text), 金額(number), 数量(number)]

【目的】
[例：商品カテゴリ別の月次売上トレンドを把握、上位顧客の依存度をチェック]

要件：
1. ピボットの「行」「列」「値」「フィルタ」をそれぞれ具体的に指定
2. 計算フィールド（前月比、構成比、ABC分析の累積%）の式を併記
3. Power Queryで前処理が必要な工程があれば手順を箇条書き
4. ピボット結果から導けるであろう示唆を3つ仮置きで提示
5. 数式は日本語Excel/英語Excelの両方の関数名を併記

#7 差分・前年比計算式

あなたはBIアナリストです。
以下の指標に対する「差分系計算式」を、ExcelとDAXとSQLの3形式で並列に書いてください。

【対象指標】[例：月次売上]
【欲しい派生指標】
- 前月比（%）
- 前年同月比（%）
- 移動平均（3ヶ月/6ヶ月）
- YTD（年初来累計）

要件：
- Excel形式は SUMIFS、AVERAGEIFS、OFFSET を使った例と、Microsoft 365 のLET/LAMBDA系の例の両方
- DAX形式は CALCULATE/SAMEPERIODLASTYEAR/DATEADD を使う
- SQLは BigQuery 標準SQL方言で、ウィンドウ関数 LAG/AVG OVER を使う
- ゼロ除算と欠損月のリスクを冒頭にまとめる

#8 異常値検知ロジック

あなたはデータサイエンスの初級教師です。
以下のKPIに対する「異常値検知ロジック」を3案提案してください。

【KPI】[例：日次新規受注件数]
【過去データの性質】[例：曜日変動あり、月末スパイクあり、平日平均30件、休日5件]
【検知したい異常】[例：意図しない受注フォーム不具合による落ち込み、急増スパイク]

3案：
1. Zスコア（移動平均と標準偏差ベース）
2. IQR（四分位範囲）
3. 移動平均からの乖離率（シンプル）

各案について：
- 数式
- 閾値の目安（誤検知と見逃しのトレードオフ）
- 実装場所（Excel/SQL/Power BI/外部スクリプト）
- 推奨ユースケース
- ダッシュボード上での表現方法（色、アラートカード）

最後に、当該KPI特性に対する推奨案を1つに絞り、理由を述べてください。

異常値検知は、最初は「移動平均からの乖離率」のシンプル版でいいんです。Zスコア・IQRに行くのは、誤検知が増えて困ってからで十分。AIに「3案出して、最後に1つに絞って」と書くのが大事で、これを書かないと延々と説明だけ並べて結論を出さないことがあります。

#9 月次サマリレポート

あなたは経営層向けレポート作成の経験豊富なライターです。
以下のKPI数値表を、月次サマリレポートに整形してください。

【対象月】[例：2026年4月]
【KPI数値表】
| KPI名 | 当月実績 | 前月実績 | 前年同月 | 目標 | コメント |
|-------|---------|---------|---------|------|---------|
| ... | ... | ... | ... | ... | ... |

要件：
- 冒頭に「3秒で読める要約」（3行以内、結論先出し）
- 次に「良かった点」3つ、「気になる点」3つ
- 各KPIの動きに対する「想定要因仮説」を3つ（既知の市場要因＋社内要因＋未知要因）
- 経営層向けに数字は単位を揃えて表記（万円・%）
- 営業っぽい表現は避け、事実→解釈→提案の順
- 最後に「翌月の注力ポイント」3つ

#10 改善仮説3案

あなたは経営企画の戦略アドバイザーです。
以下のKPI悪化の原因を仮説立てし、改善案を3つ提案してください。

【悪化したKPI】[例：商談化率（リード→商談）が18% → 11%に低下]
【悪化期間】[例：直近2ヶ月]
【取れる施策の制約】[例：人員追加なし、新規ツール導入は次四半期から]
【既に試した打ち手】[例：リード送付のスピード短縮、初動24時間以内]
【市場環境】[例：競合A社が値下げキャンペーン中]

3案について：
1. 仮説（何が原因と考えるか）
2. 検証方法（どの数字を1〜2週間で見れば良いか）
3. 実行アクション（来週からできること）
4. 想定リスクと回避策
5. 期待される改善幅（楽観・中位・悲観）

最後に、3案の優先順位とその理由を1段落で。

改善仮説3案までAIに出させると、経営会議のたたき台が30分でできます。重要なのは「仮説に飛びつかず、検証方法をセットで決める」こと。AIが出す仮説は読んでいて納得感はあるんですが、検証なしで信じると失敗パターン3：AI出力鵜呑みに直行します。

想定シナリオで見る5ステップの動き

同じ5ステップ＋10プロンプトを、規模・業種別にどう適用するかを3つの想定シナリオで見ていきます。

事例区分：想定シナリオ
以下は100社以上の研修・支援経験をもとに構成した典型的なシナリオです。実在企業の特定情報ではありません。

シナリオ1：5名規模のサービス業（Web制作・士業など）

状況：従業員5名、年商8,000万円、代表＋ディレクター＋デザイナー2名＋経理1名。KPI管理は代表のExcel手作業、案件管理は無料CRM＋スプレッドシート。

採用ツール：Looker Studio無料版＋Googleスプレッドシート＋既存Excel

5ステップの動き：

• ステップ1：プロンプト#1で20候補→「受注金額」「粗利率」「制作工数（時間/案件）」「リピート率」「初動レス時間」の5つに絞る。
• ステップ2：プロンプト#2でKPI定義書を1ページ作成。Notionに保管。
• ステップ3：スプレッドシート関数で集計、SQLは使わない。プロンプト#3はスキップ。
• ステップ4：プロンプト#5でLooker Studio設計、A案を採用してそのまま配置。
• ステップ5：プロンプト#9を月初に走らせ、月次サマリをSlackに貼る。

運用コスト目安：ツール無料、AI利用は月¥3,000〜¥6,000相当（ChatGPT Plus等）、構築初期工数 約16時間（2日）。

シナリオ2：30名規模の製造業

状況：従業員30名、年商10億円、製造15名・営業5名・管理10名。基幹システムから日次でCSV出力、Excelで月次集計。

採用ツール：Power BI Pro＋既存Excel＋一部Looker Studio

5ステップの動き：

• ステップ1〜2：プロンプト#1、#2で受注/生産/在庫/品質/安全の5領域×3KPI＝15指標に整理。
• ステップ3：プロンプト#4でDAX生成。情シスとAIで2日のスプリント。
• ステップ4：Power BIで部門別レポート3本。役員用は1ページに圧縮。
• ステップ5：プロンプト#8で生産歩留まりの異常値検知を追加、Slack通知へ接続。

運用コスト目安：Power BI Pro ¥1,600/人×10名で月¥16,000、AI利用 月¥20,000前後、構築初期工数 約40時間（5〜6日）。

シナリオ3：100名規模の小売

状況：従業員100名（うち店舗60名、本社40名）、店舗20拠点、年商30億円。POSデータと在庫システム、ECシステムが分散。

採用ツール：Power BI Premium Per User＋BigQuery＋Looker Studio（店長向け簡易ビュー）

5ステップの動き：

• ステップ1〜2：本社経営管理が役員5指標、店舗マネージャーが3指標、店長が1指標、と階層化。プロンプト#1で粒度別ブレスト。
• ステップ3：BigQuery上で日次バッチ。プロンプト#3でSQL骨子を量産、データエンジニア2名でレビュー。
• ステップ4：プロンプト#5で店長向けレポートをLooker Studioに、本社向けはPower BIに分離。
• ステップ5：プロンプト#7で前年比・移動平均、プロンプト#9で店舗別の月次サマリ自動生成。プロンプト#10で売上低迷店舗への改善仮説をマネージャーに配信。

運用コスト目安：Power BI Premium Per User ¥3,200/人×20名で月¥64,000、BigQuery利用料 月¥30,000前後、AI利用 月¥80,000前後、構築初期工数 約160時間（1〜2ヶ月）。

中小企業向けのデータ分析・ガバナンスの基礎は、中小企業のためのAIデータ分析実践ガイドでも体系化していますので、シナリオ1〜2に該当する方は併読がおすすめです。

【要注意】よくある失敗パターン4個

失敗1：KPI膨張（全部見たい病）

❌ よくある間違い：「全部見たいから」と50指標を載せたダッシュボードを作る。
⭕ 正しいアプローチ：閲覧者の役職ごとに「3秒で見るKPI 3つ＋深掘り5つ＋参考10つ」の三層を分ける。経営会議用は3つで十分。

なぜ重要か：KPIが多いと、どれが警戒信号なのかを脳が判断できなくなり、結局誰も見なくなります。研修先で実際に「47指標のレポート」を引き継いだ情シス担当者が、3ヶ月で7指標版にスリム化したら閲覧頻度が3倍になった、ということがありました。

失敗2：データ整合性無視（数字が合わない病）

❌ よくある間違い：AIが書いたSQLをそのまま本番DBで実行し、結果をダッシュボードに直結する。
⭕ 正しいアプローチ：「サンプル100行→開発環境→本番」と3段階で検証し、必ず「既知の正解値」と突き合わせる。

なぜ重要か：AIが書くSQLは、JOIN結合キー・日付フィルタの境界（< と <=）・タイムゾーン処理で間違えやすいです。1回でも「経営会議で出した数字が間違ってました」をやると、ダッシュボード自体の信頼を失います。これ、復旧に半年かかります、、、。

失敗3：AI出力鵜呑み（仮説そのまま採用病）

❌ よくある間違い：プロンプト#10で出てきた改善仮説をそのまま経営会議に出す。
⭕ 正しいアプローチ：AIの仮説には必ず「検証方法」をセットで決め、1〜2週間で小さく回す。期待効果が悲観値の半分以下なら速やかに撤退。

なぜ重要か：AIの仮説は「もっともらしい」ものが出ます。だからこそ怖いんです。実際、研修先で「AIが提案した商談化率改善策」をそのまま試して、3ヶ月リソースを溶かしてから「実は競合の値下げ影響だった」と判明したケースがありました。検証をスキップした代償は大きいです。

失敗4：権限管理欠落（誰でも見れる病）

❌ よくある間違い：「便利だから」と、全KPIを全社員に公開URLで配る。
⭕ 正しいアプローチ：閲覧権限を「役員」「マネージャー」「現場」の3層で設計し、Looker Studio/Power BIのアクセス制御で実装。退職時の権限剥奪手順も決める。

なぜ重要か：粗利率・案件別の単価・顧客別の取引金額は、社内であっても無制限公開すべきではありません。退職時に情報を持ち出されるリスク、取引先との契約上の機密保持義務違反、両方を抱えます。AIに「権限設計してください」と聞いて出てきた答えをそのまま使うのは絶対NG。最終決裁は人間です。

運用を続けるための3つのコツ

コツ1：月次レビューで「死んだKPI」を間引く

月初に必ず「先月、どのKPIを誰が何回見たか」を確認します（Looker StudioもPower BIもアクセスログが取れます）。3ヶ月連続でアクセスゼロのKPIは、ドキュメントごとアーカイブして、ダッシュボードから消す。これをやらないと、毎年KPI数が増え続けて、最初の失敗1に逆戻りします。

コツ2：「定義書」を必ず1ファイルにまとめる

プロンプト#2で作ったKPI定義書は、必ず1ファイル（Notion/Confluence/共有スプレッドシート）に集約します。担当者の交代があっても、定義書を見れば計算意図と所管が辿れる状態にしておく。これ、想像以上に効きます。

コツ3：AIプロンプトはバージョン管理する

本記事のプロンプト10本も、現場でカスタマイズして使ってください。そのときは必ず「いつ・誰が・なぜ変えたか」をコメントで残します。AIの出力を半年後にレビューしたとき、「あれ、このプロンプトいつ変えたっけ？」を防ぐためです。Git管理してもいいですし、共有Wikiに変更履歴を書くだけでもOK。

セキュリティと運用ルール

KPIダッシュボード×AIで特に気をつけるべきポイントを箇条書きで。詳細は社内のセキュリティポリシーに合わせて調整してください。

• 個人情報（氏名・電話番号・メールアドレス）はプロンプトに貼り付けない。マスキング（hashedIDなど）した上でAIに渡す。
• 取引先情報・契約金額は、ChatGPT/Claude/Geminiの「学習に使わない設定」を有効化した有料プラン（Enterprise/Team）で利用する。
• SQL・DAXは必ず開発環境で動作確認してから本番投入する。本番DBに直接接続するBI接続は権限を最小化（読み取り専用ユーザー）。
• ダッシュボードのURL共有は「組織内のみ」に制限。外部公開URLは原則禁止、必要な場合は数値をマスクしたサマリ版を別途用意する。
• AIに渡したプロンプト・出力ログは、社内で監査できる場所（共有スプレッドシート/専用ログ基盤）に保管する。
• 四半期に一度、AI利用ルールと権限設定のレビューを行う。

このあたりのガバナンス論点は、IPAの「DXを推進するためのデータガバナンスガイドライン」やAIガイドライン関連資料が参考になります（参照日：2026-05-26）。

まとめ：今日から始める3つのアクション

1. 今日やること：プロンプト#1を使い、自社のKPI候補を20個出させる。そのうち5つに絞り込む（30分でできます）。
2. 今週中：プロンプト#2でKPI定義書を作り、関係部門に共有してフィードバックをもらう。プロンプト#5でLooker StudioまたはPower BIのレイアウト案を2つ出してもらう。
3. 今月中：シナリオ1〜3で示した規模感に合わせて、ダッシュボード骨子を1つ立ち上げ、月次サマリ（プロンプト#9）を1サイクル回す。最低3ヶ月運用して、コツ1の「死んだKPI間引き」を初回実施。

次回予告：次回は「経営会議で使うAIプロンプト集」をテーマに、KPIダッシュボードと連動する会議体運営のテクニックを、コピペプロンプト中心でお届けします。

参考・出典

• Microsoft Power BI 公式ドキュメント — Microsoft（参照日：2026-05-26）
• Looker Studio ヘルプ — Google（参照日：2026-05-26）
• Microsoft Excel サポート（Copilot in Excel 含む） — Microsoft（参照日：2026-05-26）
• DX推進・データガバナンス関連資料 — 情報処理推進機構（IPA）（参照日：2026-05-26）
• 中小企業のDX・IT政策 — 中小企業庁（参照日：2026-05-26）

著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。

ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。

あわせて読みたい：

• 経営会議準備のAI活用ガイド — KPIを会議体で動かすための準備テクニック
• 中小企業のためのAIデータ分析実践ガイド — データ分析の基礎とガバナンス