毎月のレポート作成やデータ分析に
時間がかかっていませんか？
Pythonでできる業務自動化まとめ
Excel・広告分析・RFM分析・A/Bテスト・スクレイピング
日々の業務では
・Excel集計
・レポート作成
・広告データ分析
・顧客分析
などの作業が多く発生します。
これらはPythonを使うことでかなり自動化できます。
この記事では実務で使える Python業務自動化のサンプルコードをまとめます。
① レポート作成の自動化（Excel → グラフ → PowerPoint）
売上レポートなどでは
- Excel集計
- グラフ作成
- PowerPoint資料作成
といった作業が必要になります。
Pythonを使えばこれらをすべて自動化できます。
①-1 複数Excelファイルを自動統合し、前月比を計算する
複数の売上Excelファイルをまとめて読み込み、
月ごとの売上合計と前月比を計算します。
import pandas as pd
from glob import glob
# Excelファイル一覧取得
files = glob("data/sales_2025_*.xlsx")
df_list = []
# 各Excelを読み込む
for f in files:
df = pd.read_excel(f)
df_list.append(df)
# データ結合
all_data = pd.concat(df_list, ignore_index=True)
# 月別売上集計
monthly = (
all_data
.groupby("month")["sales"]
.sum()
.reset_index()
)
# 前月売上
monthly["prev_month_sales"] = monthly["sales"].shift(1)
# 前月比
monthly["growth_rate"] = (
(monthly["sales"] / monthly["prev_month_sales"]) - 1
) * 100
# Excel出力
monthly.to_excel("output/monthly_report.xlsx", index=False)
これで月次レポートが自動生成できます。
①-2 売上グラフを自動生成
レポートにはグラフも必要になります。
matplotlib を使えば自動作成できます。
import matplotlib.pyplot as plt
plt.figure(figsize=(8,4))
plt.plot(
monthly["month"],
monthly["sales"],
marker="o"
)
plt.title("Monthly Sales")
plt.xlabel("Month")
plt.ylabel("Sales")
plt.savefig("output/sales_graph.png")
plt.close()
このコードで売上グラフを画像として保存できます。
①-3 PowerPoint資料を自動作成
作成したグラフをPowerPointに自動貼り付けできます。
from pptx import Presentation
from pptx.util import Inches
prs = Presentation()
slide = prs.slides.add_slide(
prs.slide_layouts[5]
)
slide.shapes.title.text = "月次売上レポート"
slide.shapes.add_picture(
"output/sales_graph.png",
left=Inches(1),
top=Inches(2),
width=Inches(6)
)
prs.save("output/monthly_report.pptx")
これで
Excel → グラフ → PowerPoint
まで自動化できます。
② 広告データ分析の効率化
広告分析では
- CPA
- CTR
- CVR
などの指標計算が必要です。
Pythonなら自動計算できます。
Google広告CSVの分析
import pandas as pd
df = pd.read_csv("google_ads.csv")
# CPA
df["CPA"] = df["cost"] / df["conversions"]
# CTR
df["CTR"] = df["clicks"] / df["impressions"] * 100
# CVR
df["CVR"] = df["conversions"] / df["clicks"] * 100
# CPAが良い順
df = df.sort_values("CPA")
df.to_excel("output/ads_report.xlsx", index=False)
広告レポートが自動作成されます。
異常値検出
広告費が急に変化した場合などを検出できます。
df["cost_change"] = df["cost"].pct_change()
abnormal = df[
df["cost_change"].abs() > 0.5
]
50%以上変動したデータを抽出します。
③ 顧客分析（RFM分析）
顧客を分析する方法として有名なのが RFM分析です。
- Recency（最近購入）
- Frequency（購入回数）
- Monetary（購入金額）
import pandas as pd
import datetime as dt
today = dt.datetime(2025,1,31)
rfm = df.groupby("customer_id").agg({
"order_date": lambda x: (today - x.max()).days,
"order_id": "count",
"amount": "sum"
}).reset_index()
rfm.columns = [
"customer_id",
"Recency",
"Frequency",
"Monetary"
]
rfm["Rank"] = pd.qcut(
rfm["Monetary"],
3,
labels=["Low","Mid","High"]
)
顧客のランク分けができます。
④ A/Bテスト分析
Webマーケティングでは
A/Bテストの結果分析が必要になります。
from scipy.stats import chi2_contingency
table = [
[a_conversions, a_visitors - a_conversions],
[b_conversions, b_visitors - b_conversions]
]
chi2, p, _, _ = chi2_contingency(table)
if p < 0.05:
result = "有意差あり"
else:
result = "有意差なし"
統計的に有意差があるか判定できます。
⑤ Webスクレイピング
競合価格や商品情報の取得もPythonでできます。
価格取得
import requests
from bs4 import BeautifulSoup
url = "https://example.com/product"
response = requests.get(url)
soup = BeautifulSoup(response.text,"html.parser")
price = soup.select_one(".price").text
口コミ分析
from collections import Counter
texts = df["review"].dropna()
all_text = " ".join(texts)
words = all_text.split()
Counter(words).most_common(10)
頻出ワードを抽出できます。
⑥ Excel業務の自動クリーニング
Excelデータでは
- 表記ゆれ
- 重複
がよく問題になります。
表記統一
import unicodedata
df["name"] = df["name"].apply(
lambda x: unicodedata.normalize("NFKC",x)
)
重複削除
df = df.drop_duplicates()
CSV → Excel一括変換
from glob import glob
import pandas as pd
files = glob("csv/*.csv")
for f in files:
df = pd.read_csv(f)
df.to_excel(
f.replace(".csv",".xlsx"),
index=False
)