Summary  
This chapter covers generating and applying substring extraction logic via an AI coding assistant to split text fields on a delimiter and populate a new column, illustrating the difference between simple pattern matching and using live data access.  

General domain of usage  
Spreadsheet data processing



この章では、実際のデータを使い、Copilot を活用して有用な情報を抽出します。

目標は、Order ID に基づいて Sales Channel 列を埋めることです。各 Order ID には、販売場所を示すプレフィックスが含まれているため、最初のハイフンより前のテキストを抽出する必要があります。



数式を手動で検索する代わりに、Copilot に直接依頼できます。

タスクを明確に説明し、数式を出力として求めます。これにより、操作を把握しやすくなり、適用内容を理解できます。

Copilot を数式アシスタントとして活用


Copilot をチャットモードで使用すると、一般的なアシスタントのように動作します。実際のデータを確実に認識できるわけではありません。

そのため、列名を推測したり、テーブルに合わない数式を返す場合があります。

編集モードなしの Copilot


Edit with Copilot を有効にすると、ワークブックに直接アクセスできます。

テーブルを読み取り、列名を検出し、データに合った数式を生成します。これにより、結果の精度が向上し、手動での修正が減少します。

編集モードありの Copilot


正しい数式ができたら、Sales Channel 列に挿入します。

テーブルで作業しているため、Excel がすべての行に自動的に数式を適用します。

数式の適用

Copilotを活用してExcelで実際のビジネス課題を解決する方法を学びます。煩雑なデータを構造化された信頼性の高いシステムへ変換する実践的なワークフローを探求します。モデルの構築、計算の自動化、数式を暗記せずにインサイトを生成する方法を習得します。Copilotの指示方法、その出力の検証、ロジックの完全なコントロール方法を理解します。

ExcelでCopilotを使用するための基本的な設定と習慣について学びます。環境の構成方法、明確なプロンプトの作成方法、安全なワークフローの適用方法を習得し、実際のデータでCopilotを使用する前に準備を整えます。テストや結果の検証、ファイルの保護に重点を置きます。これらのスキルにより、ミスを回避し、自信を持ってCopilotを活用できるようになります。

乱雑で一貫性のないデータセットを、クリーンで利用可能なデータに変換することに焦点を当てます。Copilot を使用して、ヘッダーの標準化、結合されたフィールドの分割、混在フォーマットの修正、重複データの削除を行います。実際のシナリオを考慮し、構造化されたワークフローを適用して安全にデータをクリーンアップします。

Copilotを使用してクリーンなデータを活用し、インサイトへと変換する方法を学びます。値の抽出、複数データセットの連携、エラー処理、動的なサマリーの作成を行います。タスクを平易な言葉で説明し、Copilotが数式を生成・適用する流れを習得します。

データを明確かつインタラクティブに提示する方法を学びます。ピボットテーブルの作成、スライサーの追加、グラフの作成、条件付き書式の適用による重要なインサイトの強調を行います。すべての要素を構造化されたダッシュボードにまとめ、Copilotを活用して分析、書式設定、プレゼンテーションをサポートします。

前提条件、価格シナリオ、12か月の予測を用いた予測モデルの構築。さまざまな結果の検証、Copilot を活用した複雑なロジックの誘導、分析結果を明確で意思決定に適した提案へ変換。

作業内容を再利用可能な製品のようなスプレッドシートに変換します。生データのクリーンアップ、複数ソースの統合による単一システムの構築、自動化レポートの作成、誰でも使える手順付きの洗練されたテンプレートへのパッケージ化を行います。

Copilotがデータを認識する方法