AIエージェント能力アトラス › 仕事ごとの一覧 › 研究・問題解決 › データ分析・統計

探索的データ分析(EDA)

Exploratory Data Analysis

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

整形済みの中規模テーブルデータでは、Claude Code/Code Interpreter系がジュニアアナリスト相当の一次集計・要約統計・欠損値チェックをこなすが、雑然とした実データや業務文脈の異常検知ではシニアアナリストに劣る。

できること

CSV/Excel/DBを読み込み、要約統計・分布・相関・欠損パターンを自動で洗い出し、コードと図表付きで下書きレポートを数分で生成できる。Claude for Excelはセル単位の根拠提示・数式依存関係の保持ができる。

まだできないこと

業務文脈（このカラムの欠損はセンサー故障由来、この外れ値はキャンペーン期間中で正常、等)を踏まえた『なぜこの変数が重要か』の判断は弱く、LongDS-Bench等では長時間・多段の実データ分析タスクで失敗率が高いことが報告されている。ノイズの多い現実データでの自律探索も発展途上（DataClawBench等が2026年に新設された理由もそこ）。

なぜそうなのか

訓練データは整形済みKaggle的データセットに偏りがあり、暗黙のドメイン知識・組織固有の文脈は学習データに存在しないため、統計的パターンは拾えても『意味のある異常』の峻別ができない。

これからの予測の根拠

MLE-bench等の自律データサイエンスタスクでのメダル率が年々上昇（R&D-Agent 35.1%等）しており、2028年までに整形データでの一次分析は専門家並みに達すると見込まれるが、文脈判断が必要な異常検知は停滞リスクが残る。

いま使える主な道具

Claude Code、Claude for Excel (Opus 4.6)、ChatGPT Code Interpreter、Gemini Data Science Agent

根拠

• LongDS-Bench: On the Failure of Long-Horizon Agentic Data Analysis 2026-05
  長時間・多段の実データ分析タスクでLLMエージェントが失敗しやすいことを示すベンチマーク
• DataClawBench: An Agent Benchmark for Exploratory Real-World Financial Data Analysis 2026-05
  ノイズの多い実データでの自律探索評価のため新設。約206万レコード規模の実データ環境
• Claude for Data Analysis: What It Does in Excel (2026) 2026
  Claude for Excelがセル単位の根拠・数式依存関係を保持しながら分析できると報告

同じ分野のほかの仕事（データ分析・統計）

• 因果推論
• 統計的検定の妥当な選択
• データ可視化
• 分析レポート作成
• 大規模データセットでのバグ・データリーク検出
• 機械学習パイプライン自動構築(AutoML/Kaggle型)

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。