Excelで売上表、顧客リスト、アンケート結果を扱っていると、「同じ会社名なのに空白や大文字小文字が違う」「5、5.0、fiveが混ざっている」「ピボットテーブルで同じ項目が別々に集計される」といった問題がよく起きます。結論から言うと、2026年4月16日時点で確認したMicrosoftのガイダンスでは、Excelのデータ整理はCopilot in Excelの「Clean Data」を使い、表記ゆれ・余分な空白・数値表記・書式の不一致を候補ベースで素早く直すのが実用的な使い方です。
ただし、Copilotに任せきりにする機能ではありません。Clean Dataは、Excelのデータクレンジングを短時間で始めるための補助役です。提案を確認し、必要なものだけ適用し、最後に集計結果やキー項目をチェックすることで、手作業より速く、ミスを抑えたデータ整理ができます。Microsoftの公式サポートでも、Copilotは空白、大文字小文字、数値形式、テキスト形式などの小さな不整合の修正を支援すると説明されています。(Microsoft サポート)
ExcelとMicrosoft 365 Copilotの最新動向：データ整理は「一括変換」より「候補を見て直す」へ
Excelのデータ整理で時間を取られる原因の多くは、難しい関数ではありません。実務では、次のような小さなズレが集計や検索の精度を落とします。
Microsoft ExcelとMicrosoft Excelのような余分な空白Excel、EXCEL、excelのような大文字小文字の混在5、5.0、fiveのような数値と文字の混在- 商品名、地域名、担当者名の表記ゆれ
- 取り込みデータに含まれるスペルミスや不自然な書式
これらは1件ずつ見れば小さな問題ですが、ピボットテーブル、XLOOKUP、COUNTIF、Power Query、グラフ作成では大きな差になります。たとえば、商品名が USB Cable と USB cable に分かれているだけで、売上集計では別商品として扱われることがあります。
Copilot in ExcelのClean Dataが向いているのは、まさにこの「見れば分かるが、手作業では面倒な整合性修正」です。特に、複数人で更新したブック、CSVから取り込んだリスト、フォーム回答、海外拠点から集めた英語データでは効果を感じやすいでしょう。
一方で、Microsoftのガイダンスでは、データクリーンアップは英語で最もよく機能するとされています。日本語の会社名、住所、人名、製品名では、Copilotの候補をそのまま適用せず、必ず人間が確認する前提で使うのが安全です。(Microsoft サポート)
Copilot in ExcelのClean Dataでできること
Clean Dataは、Excel上のデータを見て、不整合の可能性がある箇所を提示し、ユーザーが適用するか無視するかを選ぶ流れで使います。自動で全データを勝手に書き換えるというより、修正候補を出してくれるレビュー支援機能として捉えると失敗しにくくなります。
| よくある問題 | 例 | Clean Dataで期待できること | 確認すべきポイント |
|---|---|---|---|
| 余分な空白 | Microsoft Excel、Microsoft Excel | 不要な空白の候補を提示 | 意図的なスペースを消していないか |
| 大文字小文字の混在 | EXCEL、excel、Excel | 表記統一の候補を提示 | 固有名詞や略称の表記ルールに合うか |
| 数値表記の不一致 | 5、5.0、five | 数値・文字列の形式統一を支援 | IDやコードを数値化していないか |
| 書式のばらつき | 日付、数値、テキストの混在 | 一貫した形式への修正候補を提示 | 日付の月日順、通貨、桁数に注意 |
| スペルの疑い | 商品名や英単語の誤記 | スペル関連の候補を提示 | ブランド名、社内用語を誤修正していないか |
重要なのは、Clean Dataの役割を「完成データを作る機能」ではなく、「不整合を見つける時間を短縮する機能」と考えることです。判断基準が必要なデータ、たとえば顧客ID、製品コード、勘定科目、住所、契約ステータスなどは、マスター表や業務ルールと照合して確認しましょう。
Clean Dataを使う前に整えるべきExcelデータの条件
Clean Dataをうまく使うには、先にExcelのデータ構造を整えておく必要があります。Microsoftのサポートでは、Copilot in Excelを使うデータは「Excelテーブル」または「サポートされる範囲」として整える必要があると説明されています。また、Copilot in ExcelはAutoSaveがオンのファイルで動作するとされています。(Microsoft サポート)
まずは、次の状態を目指してください。
| チェック項目 | なぜ重要か | 実務での対処例 |
|---|---|---|
| 1行目が見出しになっている | Copilotが列の意味を判断しやすくなる | A列 ではなく 顧客名、売上金額 のように具体名を付ける |
| 見出しが重複していない | 同じ列名があると処理対象を誤りやすい | 金額 が複数ある場合は 税抜金額、税込金額 に分ける |
| 空の見出しがない | 列の意味を判断できない | 未使用列は削除し、必要な列には必ず名前を付ける |
| 空白行・空白列が途中にない | データ範囲が分断される | 見た目の区切り目的の空白行は削除する |
| セル結合を使っていない | 集計・検索・AI処理の妨げになりやすい | セル結合は解除し、同じ値を各行に入れる |
| 小計行が混ざっていない | 明細と集計が混在すると誤判定しやすい | 小計は別シート、またはピボットテーブルで作る |
| 書式ができるだけ一貫している | 数値・日付・文字列の判定が安定する | 日付列、金額列、コード列を分ける |
特に注意したいのは、見た目を整えるためのセル結合や空白行です。人間には読みやすくても、Excelの機能やCopilotにとってはデータの構造を分かりにくくします。データ整理を始める前に、「印刷用の表」ではなく「分析しやすい表」に直すことが先です。
Clean Dataの基本手順
Microsoftの公式手順では、まずデータをCopilot向けに整え、Excelの「Data」タブから「Clean Data」を選択します。その後、Copilotが空白、数値、書式、スペルなどの問題候補を識別し、ユーザーは提案に対してApplyまたはIgnoreを選びます。日本語UIでは表示名が環境により異なる場合がありますが、考え方は「候補を確認して適用または無視」です。(Microsoft サポート)
実務では、次の流れで進めると安全です。
| 手順 | 作業内容 | 失敗を防ぐコツ |
|---|---|---|
| 1 | 元データをコピーする | 直接編集せず、cleaning_yyyymmdd のような作業用シートを作る |
| 2 | データをテーブル化する | 範囲を選択し、テーブルとして整える |
| 3 | 見出し・空白行・セル結合を確認する | Copilotを使う前に構造を整える |
| 4 | 「データ」タブからClean Dataを実行する | 候補が出ない場合は範囲やライセンス設定を見直す |
| 5 | 提案ごとに内容を確認する | 一括適用せず、重要列は慎重に見る |
| 6 | 適用後にフィルターや集計で確認する | 件数、重複、空白、集計結果を変更前後で比較する |
| 7 | 修正内容をメモする | 後から説明できるように変更方針を残す |
この手順の中で最も重要なのは、最初に元データを残すことです。データ整理では、正しいと思って行った変換が後から誤りだと分かることがあります。元シートを残しておけば、比較や復元が簡単です。
Clean Dataが特に役立つ実務シーン
複数人で更新した顧客リストを整える
営業担当ごとに入力ルールが違う顧客リストでは、会社名や部署名に表記ゆれが起こりやすくなります。
たとえば、次のような状態です。
| 修正前の例 | 問題 |
|---|---|
ABC Corp | 標準表記 |
ABC Corp | 余分な空白 |
abc corp | 大文字小文字の不一致 |
ABC Corporation | 略称と正式名称の混在 |
Clean Dataで空白や大文字小文字の候補を確認したうえで、正式名称の統一は顧客マスターと照合するのが現実的です。Copilotは「気づく」作業を短縮し、最終判断は担当者が行う、という分担が適しています。
フォームやアンケートの回答を集計前に整える
Microsoft FormsやWebフォームから取り込んだ回答では、自由入力欄に表記ゆれが入りやすくなります。
例として、満足度の回答に 5、5.0、five が混在していると、単純な平均やグラフ作成で扱いづらくなります。Clean Dataで形式の不一致を見つけ、数値として扱う列に統一できれば、ピボットテーブルやグラフ作成に進みやすくなります。
ただし、自由回答の文章そのものを勝手に置き換えると、回答者の意図を変えてしまう可能性があります。数値・カテゴリ・表記の統一に絞って使い、文章データは別途確認しましょう。
海外拠点や英語データの表記ゆれを直す
Clean Dataは英語データで効果を発揮しやすいとされているため、海外拠点から集めた売上表、英語の商品名リスト、グローバル顧客リストでは使いやすい場面があります。(Microsoft サポート)
たとえば、地域名が North America、north america、North America に分かれていると、地域別売上の集計が崩れます。Clean Dataで表記の候補を確認し、集計単位を統一してからピボットテーブルを作ると、分析のやり直しを減らせます。
Clean Dataだけに任せないほうがいいケース
Clean Dataは便利ですが、Excelのすべてのデータ整理を置き換えるものではありません。特に次のケースでは、別の機能や人間の判断を組み合わせるべきです。
| ケース | Clean Dataだけでは不十分な理由 | 推奨する対応 |
|---|---|---|
| 重複行の削除 | どの列をキーに重複とみなすか業務判断が必要 | Excelの「重複の削除」や条件付き書式で確認してから削除 |
| 毎月同じCSVを取り込む | 同じ変換を繰り返すには手順の再利用性が重要 | Power Queryで取り込み・変換手順を作る |
| 商品コードや顧客IDの整理 | 先頭ゼロや桁数が意味を持つ | 文字列として扱い、マスター表と照合する |
| 日付の形式統一 | 01/02/2026 が1月2日か2月1日か判断が必要 | 地域設定や入力元を確認してから変換する |
| 法務・会計・契約データ | 誤変換の影響が大きい | 変更履歴、承認、原本保存を徹底する |
| 日本語の住所・氏名 | 表記ゆれが必ずしも誤りとは限らない | 郵便番号、住所マスター、顧客マスターと照合する |
Excelには重複値の確認や削除の機能もありますが、Microsoftは重複削除について、削除前にフィルターや条件付き書式で期待どおりの結果になるか確認すること、また元データを別シートや別ブックにコピーしておくことを推奨しています。(Microsoft サポート)
また、定期的なデータ取り込みや変換にはPower Queryが向いています。Power Queryは外部データへの接続、列削除、データ型変更、テーブル結合、更新などを扱えるExcelのデータ準備機能です。元データを残したまま変換ステップを記録できるため、毎月・毎週の定型処理ではClean Dataより再現性を確保しやすくなります。(Microsoft サポート)
Clean DataとPower Query、関数の使い分け
Excelでデータ整理をするなら、Copilotだけで完結させるより、目的に応じて機能を使い分けるほうが実務的です。
| 方法 | 向いている作業 | 強み | 注意点 |
|---|---|---|---|
| Copilot in ExcelのClean Data | 空白、大文字小文字、数値表記、軽微な表記ゆれの発見 | すぐ使いやすく、候補を見ながら直せる | 候補の正誤判断は必要 |
| Power Query | CSV取り込み、列変換、型変換、結合、定期更新 | 手順を再利用しやすく、更新に強い | 初回の設計に少し時間がかかる |
| Excel関数 | ルールが明確な変換、チェック列作成 | 処理内容が見えやすい | 数式の管理が必要 |
| 条件付き書式 | 重複、空白、異常値の発見 | 視覚的に確認しやすい | 修正自体は別途必要 |
| マスター表との照合 | 顧客名、商品名、部署名、コードの統一 | 業務上の正しさを担保しやすい | マスターの整備が必要 |
おすすめは、最初にClean Dataで目立つ不整合を洗い出し、その後にPower Queryや関数でルール化できる処理を固める流れです。
たとえば、1回だけ受け取った顧客リストならClean Data中心で十分な場合があります。一方、毎月同じ形式の売上CSVを取り込むなら、Clean Dataで問題の傾向を把握したあと、Power Queryで変換手順を作るほうが長期的には楽です。
実務で使える確認用チェックリスト
Clean Dataを使った後は、見た目だけで「きれいになった」と判断しないことが大切です。最低限、次のチェックを行いましょう。
必須項目の空白を確認する
顧客ID、注文番号、日付、金額など、空白があると困る列はCOUNTBLANKで確認できます。
=COUNTBLANK(Table1[顧客ID])結果が0でなければ、空白行や入力漏れが残っています。
注文IDや顧客IDの重複を確認する
IDが一意であるべき列では、チェック列を追加して重複を見つけます。
=COUNTIF(Table1[注文ID],[@注文ID])>1TRUEになった行は重複候補です。ただし、返品、分割出荷、明細行のように、業務上は同じ注文IDが複数行に出るケースもあります。削除前にルールを確認してください。
集計項目の種類を確認する
商品カテゴリや地域名を整理した後は、ピボットテーブルやUNIQUE関数で項目数を確認します。
=UNIQUE(Table1[地域])Tokyo と TOKYO、東京都 と 東京 のような項目が残っていないかを見ます。
先頭ゼロが消えていないか確認する
商品コード、郵便番号、社員番号のような列では、00123 が 123 になると問題です。Clean Dataや書式変更の後は、コード列をフィルターで確認し、必要なら文字列として保持してください。
Clean Dataが表示されない・使えないときの確認ポイント
Copilot in ExcelのClean Dataが見つからない場合、機能そのものの問題ではなく、環境やファイル条件が原因のことがあります。
| 確認ポイント | 見直す内容 |
|---|---|
| Copilotのライセンス | Microsoft 365の契約や組織設定により、Copilotが利用できない場合がある |
| 組織の管理設定 | 会社や学校アカウントでは、管理者がCopilot機能を制御している場合がある |
| ファイルの保存状態 | AutoSaveがオンになっているか確認する |
| データの構造 | テーブルまたはサポートされる範囲になっているか確認する |
| 見出しの状態 | 重複見出し、空白見出し、複数行見出しがないか確認する |
| 空白行・セル結合 | データの途中に空白行や結合セルがないか確認する |
| 言語とデータ内容 | 日本語データでは候補が少ない、または期待と違う場合がある |
Microsoftのサポートでは、CopilotがWord、Excel、PowerPoint、OneNoteに表示されない場合、Microsoft 365サブスクリプションに含まれていない、または組織設定により利用できない可能性があると説明されています。(Microsoft サポート)
失敗しやすいポイントと回避策
似ている値を同じものとして扱ってしまう
ABC Inc. と ABC International は似ていますが、同じ会社とは限りません。Copilotの候補がもっともらしく見えても、顧客名や商品名はマスター表で確認しましょう。
数値に見えるコードを数値化してしまう
000123 のような社員番号や商品コードは、計算する数値ではなく識別子です。数値形式に変えると先頭ゼロが消え、別システムとの照合で失敗することがあります。
日付の地域差を見落とす
グローバルデータでは、04/05/2026 が4月5日なのか5月4日なのか、国やシステムによって異なる場合があります。日付列は変換前に入力元のルールを確認してください。
日本語の表記ゆれを機械的に直してしまう
株式会社ABC、ABC株式会社、ABC は同じ会社を指す場合もあれば、別法人の場合もあります。日本語の社名、住所、氏名は、単純な文字列の近さだけで判断しないほうが安全です。
変更履歴を残さない
データ整理の結果、集計値が変わることは珍しくありません。後から説明できるように、作業用シート、変更メモ、適用したルールを残しておきましょう。
おすすめの作業フロー：まず1シートで試し、定型化できる部分を残す
ExcelでCopilotを使ったデータ整理を始めるなら、次の流れが実用的です。
- 元データをコピーし、作業用シートを作る
- データをExcelテーブルに変換する
- 見出し、空白行、セル結合、小計行をなくす
- Clean Dataで候補を確認する
- 重要列は1件ずつ確認して適用する
- COUNTBLANK、COUNTIF、UNIQUE、ピボットテーブルで結果を検証する
- 毎回発生する修正はPower Queryや関数でルール化する
- 変更内容をメモとして残す
この流れにすると、Copilotの速さと、Excel本来の検証しやすさを両立できます。Clean Dataで候補を出し、関数でチェックし、繰り返す処理はPower Queryに移す。これが、現時点で最も現実的なExcelデータクレンジングの進め方です。
Excelユーザーが今すぐ取るべき行動
まずは、失敗しても影響が少ないコピー済みのブックでClean Dataを試してみましょう。おすすめは、顧客名、商品名、地域名、評価値など、表記ゆれが起こりやすい列を含むデータです。
最初から全社の重要データに適用する必要はありません。1つのシートで、次の3点を確認してください。
- Copilotがどのような不整合を候補として出すか
- 自社データではどの列に効果があるか
- 適用後に集計結果や検索結果がどう変わるか
Clean Dataは、Excelのデータ整理を「面倒な手作業」から「候補を確認して判断する作業」に変える機能です。表記ゆれや空白の修正に時間を取られているなら、まずはテーブル化、Clean Data、検証の順で小さく試すのが最短ルートです。重要データでは、Copilotの提案をそのまま信じるのではなく、マスター表・関数・Power Queryと組み合わせて、説明できる形で整えていきましょう。
コメント