Excel月次集計を自動化する方法｜Power QueryとPythonの選び方

毎月同じ形式のCSVを開き、列を整え、合計を出しているなら、最初に見直すべきなのは「集計の作業量」ではなく「入力データの揃い方」です。ファイル構造が安定していれば、ExcelのPower Queryだけで減らせる手作業もあります。

この記事では、Power QueryとPythonの役割を分け、月次集計の自動化を小さく始める順番を整理します。

分析まで学びたい場合はGoogleデータアナリティクス認定、Pythonへ進む判断はGoogle上級データ分析認定も参照してください。

まずは「毎月同じ作業」を一つだけ選ぶ

自動化の対象は、最初から月次レポート全体にしません。複数ファイルを一つの表にまとめる、不要な列を外す、日付形式を揃えるなど、毎回ほぼ同じ手順になる工程を一つ選びます。

Microsoftの案内では、同じスキーマのファイルを専用フォルダへ置けば、Power Queryでまとめて取り込み、更新できるとされています。フォルダー内の複数ファイルを結合する手順も、実務の最初の確認先になります。

自動化しやすい作業

入力形式が揃っていて、判断よりも転記・整形が中心の作業は候補にしやすい領域です。

先に手作業を標準化する理由

担当者ごとにフォルダ名や列名が違う状態では、自動化しても例外処理が増えます。最初に「どこへ置くか」「どの列を必ず持つか」「欠損があったらどうするか」を決めるほうが、後工程を安定させやすくなります。

Power Queryが向くケース

Excelの中で完結する定型の取り込み・整形なら、Power Queryから試す選択が現実的です。MicrosoftはPower Queryで、複数のデータソースを取り込み、変換・結合し、ワークシートやデータモデルへ読み込む流れを案内しています。

Power Queryで十分な条件

作業する人がExcelを使い、元データの形式が比較的安定しているなら、コードを書かずに更新操作を残せます。

Power Queryは万能ではありません。複雑な業務ルールや外部サービス連携まで一気に担わせるより、まずは取り込みと整形を安定させる用途に絞ります。

集計表をダッシュボードへ発展させたい場合は、Microsoft Power BIデータアナリスト認定講座でPower Query、モデル、DAX、可視化の学習順を確認できます。

Pythonを検討するケース

Excelの更新だけでは足りず、複数の条件分岐、独自の検査、外部データとの連携、再利用する分析処理が必要になると、Pythonを検討する余地が出ます。ただし、Pythonを使うこと自体は目的ではありません。

Python公式チュートリアルは、データ型、制御構文、関数、モジュールを段階的に扱っています。Python公式チュートリアルを使って基礎を確認しながら、実際のCSVを一つ扱うところから始める方法もあります。

Pythonが役立ちやすい条件

処理の内容を文章で説明でき、同じルールを繰り返したいときが目安です。たとえば「店舗ごとに異なるファイル名を読んで、指定列だけを検査し、異常値を別表へ出す」といった条件です。

いきなり機械学習へ進む必要はありません。

CSVの読み込み、集計、グラフ、説明文までを一つ作れるようになった後、統計や分析の体系を補いたい場合に、Google上級データ分析認定のような学習経路を比較します。

最初は3行ほどのテスト用データで、期待する答えを手計算しておくと確認しやすくなります。以下は編集部が作った架空の売上例です。

月別合計は4月3,000円、5月1,500円です。自動集計がこの値と一致したら、次に部門名の前後の空白や空欄を含むデータでも確認します。空欄をゼロに置き換えるのか、エラーとして止めるのかは、業務のルールを決めてから実装してください。

最初の成果物は「更新できる集計表」にする

学習の成果は、複雑なダッシュボードでなくて構いません。翌月に同じ手順で更新でき、誰が見ても入力と出力の関係を説明できる集計表を目標にします。

最低限残す説明

自分しか直せないファイルにしないため、入力場所、更新手順、例外時の扱いを短く残します。

まとめ

月次集計を自動化するときは、Power QueryかPythonかを先に決めるより、入力形式と繰り返す作業を一つに絞ります。Excelで再現できる工程から始め、独自の処理や分析が必要になった段階でPythonと体系的な学習を検討しましょう。

確認日：2026年9月8日。Power Queryの操作・対応環境はMicrosoftサポート、Pythonの言語仕様はPython公式ドキュメントを参照してください。