AI
MCP データ分析の方法｜公共データに学ぶ導入手順と判断基準
MCP データ分析で社内CSVや公開データを扱う方法を、デジタル庁の実装例に沿って解説します。検索と集計の役割分担、データ定義、導入手順、品質管理、本番運用の判断基準を整理し、分析時間を短縮しながら誤読を防ぐ検証方法を紹介します。企画責任者向けの実践的な入門記事です。
はじめに
会議のたびに担当者が表計算ファイルを開き、列の意味を確認して集計し直すことがあります。 対象期間や欠損値の扱いが担当者によって異なれば、似た依頼でも結果が変わります。 管理者は数字が出るまで待ち、受け取った後も計算が正しいか確認しなければなりません。
MCP データ分析を導入すると、担当者は普段使っている言葉で条件を指定し、社内CSVや公開データを検索、集計できます。 ただし、表計算ファイルの操作を会話に置き換えるだけで、数字の信頼性を保てるとは限りません。 列の意味や計算方法が定まっていなければ、同じ質問でも結果が変わる可能性があるためです。
導入担当者はデータの意味を定義し、検証できる機能に計算を任せます。 AIの性能だけで導入の可否を決めると、データ定義と計算方法の整備が抜け落ちます。
この記事の主な読者は、データ分析の専門部署を持たず、複数のCSVから業務改善の候補を探したい企画責任者です。 MCPを使う目的は、担当者が同じ定義と計算方法を再利用できる状態をつくることです。
MCP データ分析は集計作業を判断の時間に変える
MCPを導入すると、担当者は検索条件や確認したい指標を自然言語で指定し、システムに検索と集計を実行させられます。 表計算ソフトの操作にかけていた時間を減らせれば、数字の解釈や施策の検討に時間を回せます。
この処理を支えるのが、外部データや業務システムの機能をAIから共通の方法で利用するための規格です。 この規格をModel Context Protocol（MCP）と呼びます。 公式仕様によると、MCPサーバーはデータを渡す「Resources」や、検索と計算を実行する「Tools」などを提供できます。 Model Context Protocolの公式仕様↗
公共データ MCPの実例には、デジタル庁の「行政手続データ分析 MCP Server」があります。 行政手続等の棚卸調査結果を対象とした、技術検証用のサンプルです。 利用者は会話を通じて、データセットの確認、明細検索、条件別集計を実行できます。
実装内容、導入方法、利用上の注意事項は、公式リポジトリで確認できます。
この仕組みを使えば、担当者は操作時間を減らしながら、検索条件、計算方法、出典を結果と結び付けて管理できます。
| 従来の進め方 | MCPを使う進め方 | 期待できる事業上の変化 |
|---|---|---|
| 担当者が列を探して抽出する | 自然言語から検索条件を組み立てる | 調査に早く着手できる |
| 表計算ソフトで集計式を作る | 登録済みの集計機能を呼び出す | 計算方法のばらつきを抑えやすい |
| 出典や更新日を別途確認する | 結果に出典と取得日を付ける | 意思決定の根拠を追いやすい |
| グラフを別の資料に作る | 対応環境では会話内に表示する | 比較と追加質問を続けて行える |
ただし、効果の大きさは質問の頻度と現在の集計時間によって変わります。 毎月繰り返す分析のうち、条件が似ていて元データを特定できるものなら、導入前後の差を比較しやすいでしょう。
CSV分析では質問の解釈と計算を分ける
自然言語 データ分析ができても、生のCSVをAIへ渡すだけでは安定した結果を得られません。 管理者が列の意味、コード値、欠損値、集計式を定めていない場合、AIは回答ごとに異なる解釈をする可能性があります。
たとえば、利用者が「オンライン化されていない手続を数えて」と依頼したとします。 空欄を未実施として数える場合と、調査対象外として除く場合では結果が変わります。 年度ごとに項目やコード体系が違えば、そのまま比較することもできません。
回答の文章が自然でも、数字の意味が一定とは限りません。 MCPによるデータ分析では、AIが質問を解釈し、検索と計算はあらかじめ定めた機能が処理します。 LLM データ分析で数値を扱う際も、この役割分担が計算過程の確認に役立ちます。
デジタル庁のサンプルでは、役割を次のように分けています。
-
AIは利用者の質問を受け、検索条件、分類軸、指標を選ぶ
-
MCPサーバーは明細を抽出し、件数、合計、平均などを計算する
-
データ管理者は列の役割、コード値、注意事項、計算済み指標を管理する
-
利用者は出典、対象時点、欠損状況を確認して判断する
MCPサーバーが計算を担えば、AIが大量の行を読みながら計算する必要はありません。 同じ条件で再実行できるため、数字が食い違ったときは検索条件や計算方法を確認できます。
計算方法を固定しても、元データの内容や更新時点は変わります。 行政手続 データの元となる行政手続等の棚卸調査は、デジタル庁が法令に基づいて公開しています。 公開ページには年度別のExcel、概要、調査項目の解説があり、デジタル庁は精査によって掲載データを修正する場合があると明記しています。 デジタル庁「行政手続等の棚卸調査結果等」↗
利用者や管理者がAIの返した数字だけを保存しても、後から同じ結果を確かめられません。 対象年度、データ取得日、検索条件、集計方法を回答と一緒に残せば、後日の説明や再検証に使えます。
MCP データ分析の導入はデータ定義から始める
MCPサーバー 作り方を調べると、CSVへの接続から着手したくなるかもしれません。 その前に、企画責任者とデータ管理者が、業務で使う言葉とデータ上の意味を対応させます。 意味を定めずに接続すると、利用者の質問を検索条件や集計式へ一貫して変換できないためです。
小規模な検証では、一つのデータセットと二、三種類の定型質問に対象を絞ると、費用と品質を比較しやすくなります。 MCP 導入方法は、次の順序で進めます。
-
判断したいことを決める
「売上を分析する」だけでは対象が定まりません。 企画責任者は「失注が増えた商品群を月別に確認する」など、次の行動につながる問いまで絞ります。
-
元データと管理者を決める
データ管理者は正式なファイル、更新頻度、責任者を明確にします。 複製されたCSVが複数ある場合は、検証を始める前に正本を決めます。
-
項目の意味を定義する
データ管理者は列名、説明、単位、コード値、空欄の意味、利用上の注意を記録します。 デジタル庁の実装では、
dataset.yamlがこの情報を管理します。 -
検索と集計の機能を用意する
開発担当者は、明細検索、絞り込み、件数、合計、平均など、業務で使う操作をMCPサーバーから提供します。
-
正解が分かる質問で比較する
検証担当者は、既存の表計算やSQLで確認済みの結果と照合します。 結果が違う場合は、条件の解釈、欠損値の扱い、丸め方を確認します。
この手順によって、各担当者の責任も分かれます。 企画責任者が問いを決め、データ管理者が正本と項目を定義し、開発担当者が計算機能を用意します。 検証担当者は、既知の結果との違いを調べます。
ここでいうAI-ready データとは、利用者が業務上の意味と扱い方を確認できるデータです。 AIが読み込めるだけのファイルを指すわけではありません。
企画責任者が決める対象は、使用するプログラミング言語ではありません。 誰がどの数字を判断に使うのか、誤りが出た場合にどこまで影響するのか、誰が定義を更新するのかを決めます。 これらを定めなければ、実装後の運用責任が曖昧なまま残ります。
実装と運用をまとめて検討する場合は、atypicalのFDE派遣と業務改善支援のように、現場の業務整理から定着までを扱う支援も選択肢に入ります。
MCP Appsだけでは本番運用の条件を満たせない
検索と集計を実行できても、そのまま本番利用へ移せるとは限りません。 グラフや対話画面は比較に使えますが、初期検証では表やテキストでも結果を確認できます。
MCPサーバーが返した表、グラフ、フォームを、対応する会話画面内に表示する仕組みがMCP Appsです。 公式ドキュメントでは、対話画面を分離されたiframeで動かし、ホストとの通信を制御する方法が説明されています。 MCP Apps公式概要↗
表示形式と利用目的を対応させると、必要な画面を選びやすくなります。
| 利用目的 | 画面の候補 | 判断のポイント |
|---|---|---|
| 数件の明細確認 | テキストまたは表 | 条件と出典を確認できるか |
| 部門別や期間別の比較 | 棒グラフや折れ線グラフ | 軸、単位、母数を誤読しないか |
| 条件を変えながら探索 | MCP Appsの対話画面 | 利用中のクライアントが対応しているか |
| 定例報告への転用 | 保存可能な表やHTML | 再現条件と作成日時を残せるか |
デジタル庁は公式リポジトリを、ローカル環境または単一利用者向けの実験用サンプルと位置付けています。 複数利用者向けの本番基盤として、そのまま利用するものではありません。 運用担当者は、外部公開に必要な認証、認可、利用回数の制限、監査ログを別途検討します。
社内導入の可否は、少なくとも次の項目で確認します。
-
システム管理者が、利用者ごとに参照可能なデータを制限できるか
-
情報管理責任者が、個人情報や機密情報を外部のAIサービスへ送る範囲を認められるか
-
データ管理者が、元データの更新と定義変更を記録できるか
-
利用者が、回答から出典、条件、計算方法をたどれるか
-
承認や発注の担当者が、誤った結果の自動反映を止められるか
本番利用の判断には、認証、権限、監査、更新管理の準備状況が関わります。 グラフの見やすさだけでは、本番へ移せるかどうかを判断できません。 見やすさだけで判断すると、利用者ごとの閲覧制限や結果の検証方法が未整備のまま残ります。
まず、検証担当者は公開データか匿名化したデータを使い、用途を閲覧と分析に限定します。 品質と利用頻度を測った後、その結果に応じて社内データや意思決定手続への接続範囲を決めます。
まとめ
MCP データ分析では、利用者が自然言語で質問し、MCPサーバーが管理された検索条件と計算方法で処理します。 企画責任者はAIモデルの性能だけで判断せず、データの意味、欠損値、計算式、出典、権限を明示できるか確認します。
既存業務を調べる段階では、企画責任者が毎月繰り返している集計を一つ選びます。 質問、元データ、現在の所要時間、確認者を整理すれば、検証対象を定められます。
技術検証では、担当者が公開データか匿名化データを使い、既知の集計結果とMCP経由の結果を比較します。 確認するのは、同じ質問に対して、担当者が説明できる同じ数字を得られるかどうかです。