Excel集計を自動化する前にやること｜月次報告で見る3ステップ

毎月の月次報告のために、部署や拠点から届く複数のExcelファイルをコピーして1つにまとめる業務は、管理部門で比較的よく見られます。作業に時間がかかるうえ、貼り付け位置のずれや転記ミスも気になるため、「まずマクロやツールで自動化できないか」という相談につながりやすくなります。

この発想自体は自然なものです。ただし、長く続いている手作業には、今は不要になっている確認作業、特定の部署だけに向けた例外対応、誰も参照していない集計項目が含まれている場合があります。それらを区別しないまま自動化すると、無駄な工程や例外処理までがプログラムの中に固定化されます。その結果、フォーマットが少し変わっただけで止まる、作成者以外には直せない、といった保守の問題が生じる可能性があります。

最初に決めたいのは、「どのツールで自動化するか」ではなく「何を自動化の対象にするか」です。その順序として、本記事では「不要工程の削除」「標準化」「自動化」の3つを取り上げます。これは自動化を控えるべきという意味ではなく、自動化の効果と保守性を高めるための準備の順序の話です。

本記事では、月次報告業務を例に、3つのステップの進め方、サンプルコードの考え方、手段選定の観点、自動化前に確認したい項目を整理します。例に登場する業務、ファイル、数値はすべて説明用の架空のものであり、特定の企業や顧客の事例ではありません。

なぜ手作業をそのまま自動化すると、保守しにくくなるのか

人が行うExcel作業は柔軟です。列名が「売上金額」でも「売上（円）」でも、担当者は意味を読み取って同じものとして扱います。この補正は目視で行われるため、手順書に書かれないまま暗黙の判断として残りやすい部分です。

一方、プログラムが処理できるのは明示されたルールだけです。暗黙の判断が整理されていない状態で自動化すると、次のどちらかになりやすくなります。

• 人が行っていた補正をすべてコードに書き込み、例外の分岐が増え続ける
• 補正を書かずに、想定外の表記に出会うたびに処理が止まる
• 誰も使っていない集計項目まで、毎月正確に出力し続ける
• 作成者が異動した後、修正できる人がいなくなる

「自動化できること」と「自動化すべきこと」は別です。また、「作業の自動化」と「業務の整理」も別の取り組みです。ただし、これは手作業の自動化に意味がないという話ではありません。変更が少なく、規模も小さい業務であれば、整理を最小限にして先に自動化する判断もあり得ます。

月次報告の例で見る現状の業務フロー

ここでは、説明用に次のような一般的な業務を想定します。部署・拠点から届く15個のExcelファイルを、担当者が毎月手作業でコピーして、1つの月次報告にまとめています。業務の流れと、手戻り（やり直しや修正の発生）が起きやすい箇所を以下に示します。

この例では、問題が起きやすいのは集計そのものよりも、その前段のコピーと目視修正です。ここを自動化するにはまず、何が「正しい形」なのかを定義する必要があります。

自動化の前に整理する3つのステップ

整理の順序は「不要工程の削除」「標準化」「自動化」です。この順序には理由があります。削除しないまま標準化すると、使われない項目まで定義とルールの対象になります。標準化しないまま自動化すると、表記の違いを吸収する例外処理が増えます。以下に3つのステップを示します。

ステップ1：集計項目の棚卸しで、不要な工程を見直す

最初に行うのは、集計項目と工程の棚卸しです。項目ごとに「誰のどの判断に使われているか」を確認します。あわせて、転記や加工といった工程が、今も必要な理由を説明できるかを確認します。次の表は、説明用に作成した棚卸し表の例です。

利用者が確認できない項目は、ただちに不要と断定せず「保留」として扱うのが現実的です。利用者への確認後に廃止する、一定期間は参考情報として併記する、簡略化する、といった条件付きの選択肢もあります。

すぐ試せる確認作業：直近の月次報告に載っている項目を上から10件ほど書き出し、「利用者」「利用目的」「なくなった場合に困る人」の3列だけを埋めてみてください。空欄になる項目が、見直しの候補です。

ステップ2：ファイルと表記のルールを標準化する

残す項目が決まったら、それらをどの形式で提出してもらうかを統一します。標準化は、テンプレートを配ることだけではありません。列の定義、表記ルール、ファイル名、提出期限、提出場所、例外の扱いまでを含みます。

表記のばらつきを洗い出す

提出されたファイルから3つほどを選び、列名や日付の形式を並べて比較してみます。次の表は、よく見られるばらつきと標準化後の姿を、説明用に示したものです。

人が見れば同じ意味だと分かる違いでも、プログラムにとっては別の値です。たとえば全角と半角の部署コードは、別の部署として集計されてしまいます。

データ定義書で列と表記を決める

列名、型、必須かどうか、許容値を一覧にしたものがデータ定義書です。表計算の見た目ではなく、データとしての構造（1行が1件の記録になる形）を基準に決めます。

この定義に沿って提出されたデータは、次のような統一テーブルになります。

提出ルールと例外の扱いを決める

形式だけでなく、運用のルールも決めます。ファイル名の付け方、提出期限、提出場所を統一し、共有フォルダであれば閲覧・編集できる人の範囲も整理します。

例外についても同様です。例外をゼロにすることを目指すのではなく、「どのような場合に例外を認めるか」「誰が承認するか」「暫定対応をいつまで続けるか」を決めておきます。例外が見える状態であれば、自動化の際に例外処理をどこまで作り込むかを判断しやすくなります。

ステップ3：取り込み、検証、集計、出力に分けて自動化する

標準化した形式を前提に、処理を「取り込み」「検証」「集計」「出力」の4段階に分けます。分けておくと、フォーマットが変わったときに修正する箇所を特定しやすくなります。特に「検証」を独立させると、問題のあるファイルを一覧にして修正を依頼できます。

次のサンプルは、Python（パイソン：汎用のプログラミング言語）のpandas（パンダス：表形式データを扱うライブラリ）で、フォルダ内のExcelを読み込み、必須列と金額の形式を確認して、問題のあるファイルを一覧にする例です。公開可能な汎用サンプルであり、考え方を示すものです。そのまま本番運用するものではありません。Excelの読み書きにはopenpyxlなどの追加ライブラリが必要な場合があります。

# 説明用のサンプルです。考え方を示すもので、そのまま本番運用するものではありません。
from pathlib import Path

import pandas as pd

REQUIRED_COLUMNS = ["年月", "部署コード", "部署名", "項目", "金額"]


def load_and_validate(folder):
    """フォルダ内のExcelを読み込み、検証を通ったものだけを返す。"""
    valid_frames = []
    problems = []

    for path in sorted(Path(folder).glob("*.xlsx")):
        try:
            df = pd.read_excel(path, dtype={"部署コード": str})
        except Exception as exc:  # 読み込めないファイルも一覧に残す
            problems.append({"ファイル": path.name, "内容": f"読み込みエラー: {exc}"})
            continue

        # 列定義が統一されていないと、このチェックで多くのファイルが弾かれる。
        # 先に標準化を進めておく理由のひとつがここにある。
        missing = [c for c in REQUIRED_COLUMNS if c not in df.columns]
        if missing:
            problems.append({"ファイル": path.name, "内容": "必須列なし: " + "、".join(missing)})
            continue

        df = df[REQUIRED_COLUMNS].copy()
        amount = pd.to_numeric(df["金額"], errors="coerce")
        if amount.isna().any():
            problems.append({"ファイル": path.name, "内容": "金額に数値以外または空欄あり"})
            continue

        df["金額"] = amount
        df["ファイル"] = path.name
        valid_frames.append(df)

    return valid_frames, pd.DataFrame(problems)

# 説明用のサンプルです。考え方を示すもので、そのまま本番運用するものではありません。
from pathlib import Path

import pandas as pd

REQUIRED_COLUMNS = ["年月", "部署コード", "部署名", "項目", "金額"]


def load_and_validate(folder):
    """フォルダ内のExcelを読み込み、検証を通ったものだけを返す。"""
    valid_frames = []
    problems = []

    for path in sorted(Path(folder).glob("*.xlsx")):
        try:
            df = pd.read_excel(path, dtype={"部署コード": str})
        except Exception as exc:  # 読み込めないファイルも一覧に残す
            problems.append({"ファイル": path.name, "内容": f"読み込みエラー: {exc}"})
            continue

        # 列定義が統一されていないと、このチェックで多くのファイルが弾かれる。
        # 先に標準化を進めておく理由のひとつがここにある。
        missing = [c for c in REQUIRED_COLUMNS if c not in df.columns]
        if missing:
            problems.append({"ファイル": path.name, "内容": "必須列なし: " + "、".join(missing)})
            continue

        df = df[REQUIRED_COLUMNS].copy()
        amount = pd.to_numeric(df["金額"], errors="coerce")
        if amount.isna().any():
            problems.append({"ファイル": path.name, "内容": "金額に数値以外または空欄あり"})
            continue

        df["金額"] = amount
        df["ファイル"] = path.name
        valid_frames.append(df)

    return valid_frames, pd.DataFrame(problems)

検証を通ったファイルだけを結合して集計し、結果を出力する部分は次のようになります。

frames, problems = load_and_validate("./monthly_inputs")

if not problems.empty:
    # 修正依頼のための一覧。ここに出たファイルは提出元に確認する
    print(problems.to_string(index=False))

if frames:
    combined = pd.concat(frames, ignore_index=True)
    summary = combined.groupby(["年月", "部署コード", "項目"], as_index=False)["金額"].sum()

    # 件数と合計値は、提出元の申告値などと人が突合する
    print("取り込み件数:", len(combined))
    print("金額合計:", combined["金額"].sum())

    summary.to_excel("monthly_summary.xlsx", index=False)

frames, problems = load_and_validate("./monthly_inputs")

if not problems.empty:
    # 修正依頼のための一覧。ここに出たファイルは提出元に確認する
    print(problems.to_string(index=False))

if frames:
    combined = pd.concat(frames, ignore_index=True)
    summary = combined.groupby(["年月", "部署コード", "項目"], as_index=False)["金額"].sum()

    # 件数と合計値は、提出元の申告値などと人が突合する
    print("取り込み件数:", len(combined))
    print("金額合計:", combined["金額"].sum())

    summary.to_excel("monthly_summary.xlsx", index=False)

Excelだけで完結させたい場合は、Power Query（パワークエリ：Excelに搭載されたデータの取り込み・整形機能）の「フォルダーから取り込み」で、同様の考え方で処理を組み立てられます。この場合も、列定義がそろっているほど、取り込み後の整形手順を単純にできます。

自動化後も人が確認すべきこと

自動化は確認を無くすものではなく、確認する場所を絞るものです。次のような確認は、自動化後も人の手に残しておくことをおすすめします。

• 取り込んだ件数と、提出元の申告件数の突合
• 金額の合計値と、別の資料や前月の数値との比較
• 検証エラーとなったファイルの連絡と再提出の確認
• フォーマット変更の事前連絡と、変更履歴の記録

あわせて、処理の内容と実行手順を文書化し、担当者が交代しても引き継げる状態にしておきます。標準化の目的の一つは、この属人化の解消です。

マクロ、Power Query、Python、BIツールはどう選ぶか

自動化の手段は複数あります。規模や保守体制によって適切な手段は異なり、特定のツールが常に優れているとは言えません。次の表は、判断の観点を整理したものです。

判断の軸としては、保守を担える人がいるか、ファイル数やルールの複雑さ、利用者のスキル、情報の取り扱いに関する社内要件が挙げられます。手段は一つに絞る必要はなく、取り込みはPower Query、可視化はBIツールといった組み合わせも考えられます。

小さく始めるための4週間の進め方例

すべてを整えてから始める必要はありません。まず一部の業務や部署から小さく確認する進め方が現実的です。以下は一例であり、期間は組織や業務によって異なります。

1. 第1週：集計項目と工程を棚卸しし、利用者と目的を確認する
2. 第2週：残す項目についてデータ定義書の案を作り、関係部署と確認する
3. 第3週：一部の部署でテンプレートを試し、提出ルールの不足を洗い出す
4. 第4週：取り込みと検証だけを先に自動化し、集計と出力は従来どおり人が確認する

このように、検証までを先に自動化すると、標準化が不十分な箇所が具体的に見えてきます。その結果を次の月の改善に反映していく進め方です。

この順序が当てはまりにくい場合と限界

「不要工程の削除、標準化、自動化」の順序は、あらゆる業務に当てはまるわけではありません。たとえば次のような場合は、別の進め方が適することがあります。

• 元データが基幹システムなどの固定形式の出力で、既に表記が一定している場合
• 取引先や制度で形式が指定されており、こちらで標準化できない場合
• 項目の廃止に社内合意が必要で時間がかかる場合。合意形成と並行して、検証部分だけを先に自動化する選択肢もあります

ただし、これは自動化を後回しにすべきという意味ではありません。標準化できない部分がある場合は、その違いを取り込み処理で吸収していること、およびその前提を文書に残しておくことが、保守の負担を抑えるうえで有効です。また、ここで示した手順は一般的な考え方であり、実際の業務では組織の体制や既存システムに合わせた調整が必要です。

まとめ：自動化の前に確認したいことのチェックリスト

毎月のExcel集計を自動化する前に、不要工程の削除、標準化、自動化の順で整理すると、自動化の対象が明確になり、フォーマット変更への対応も行いやすくなります。自動化後も、件数や合計値の確認、変更時の連絡、手順の文書化は人の役割として残ります。次のチェックリストで、現在の状況を確認してみてください。

「何を残し、何を標準化すべきか」といった業務や報告項目の整理から相談したい場合は、意思決定に必要なデータの観点から整理するRASHINRAをご案内します。

自動化手段の選定や、社内での進め方など技術的な相談をしたい場合は、KAMUSHIRUBE（技術・DX相談）をご案内します。