Claude Code Media
無料で試す
連載 18/18この記事は「case-studies」シリーズの第 18 回 / 全 18 本シリーズ全体を見る →
7分2,610字中級

予実差異分析を Claude Code で自動化、1日を1時間に圧縮したモデルケース

公開記事を参考に、経理担当者が1日かけていた予算実績の部門別・科目別差異分析をClaude Code＋freee MCPで自動化するモデルケースを編集部が再構成。/goalコマンド1発で異常値レポートまで無監視実行し88%削減を実現する実装手順を解説。

By Claude Code Media 編集部Reviewed by Claude Code Media 編集部

TL;DR

  • 公開記事の手法を参考に、月次の予実差異分析に**1日（480分）**かかっていた作業を Claude Code + freee MCP で1時間（60分）に圧縮したモデルケース（※編集部概算で約88%削減）
  • 予算ファイル（Excel）と会計システムの実績データをMCP経由で自動取得し、/goal コマンド1つで部門別・科目別の差異分析から異常値レポート出力までを無監視実行
  • 完了通知をモバイルプッシュで受け取れるため、担当者は「レポートを確認するだけ」の役割に変わる

Before：手作業のフロー

予実差異分析は月次決算・月次会議の直前に発生する典型的な「締め切り前に時間を奪う」定型業務だ。

① 予算ファイルと実績データの取得（30〜60分）

経営企画または経理が作成した予算ファイル（Excel）を開き、会計システムから実績データをCSVでエクスポートする。フォーマットが異なるため、部門コード・科目コードの表記を揃える作業がまず発生する。

② 部門別・科目別の差異計算（180〜240分）

Excelの関数（SUMIFS等）を使い、部門ごと・科目ごとに予算と実績を突き合わせて差異額・差異率を計算する。部門数×科目数のマトリクスが大きいほど時間がかかり、関数の参照範囲がずれるとやり直しが発生する。

③ グラフ化・レポート作成（60〜120分）

差異が大きい部門・科目をグラフ化し、経営会議用のレポート（PowerPointまたはExcel）にまとめる。異常値の原因をヒアリングして注記を加える作業も含まれる。

④ 上長・経営会議への報告（30分）

作成したレポートを上長に確認してもらい、修正指示があれば②に戻って再計算する。

1回あたり合計: 部門数・科目数が多い企業では**1日（480分）**を超えることも珍しくなく、月次決算の締め切り前に経理担当者の負荷が集中していた。

After：Claude Code 導入後のフロー

① freee MCPで実績データを自動取得（数十秒）

会計システム（freee）とMCP連携済みのClaude Codeが、実績データを自動取得する。CSVエクスポート・手動整形の工程が不要になる。

② 予算ファイルを読み込み（数十秒）

予算ファイル（Excel）を Claude Code に読み込ませる。部門コード・科目コードの表記ゆれはClaude Codeが自動で正規化する。

③ /goal コマンドで一括指示（10秒）

/goal 予実差異を部門別・科目別で分析し、異常値をレポートに出力

このゴール指定1つで、Claude Codeは以下を無監視で実行する：

  1. 部門別・科目別に予算と実績を突き合わせ差異額・差異率を算出
  2. 差異率が閾値（例: ±10%）を超える項目を「異常値」としてフラグ付け
  3. 差異の大きい上位項目をグラフ化
  4. 経営会議向けレポート（Markdown / Excel）を生成

④ 完了をモバイルプッシュ通知で受取（即時）

処理が完了すると、担当者のスマートフォンにプッシュ通知が届く。担当者はレポートを開き、異常値の原因コメントを追記するだけで済む。

⑤ レポート確認・上長報告（30〜50分）

自動生成されたレポートに目を通し、異常値の背景説明を加えて上長に報告する。

1回あたり合計: 集計・グラフ化・初稿作成が自動化され、**1時間（60分）**に圧縮。空いた時間は異常値の原因分析や来月度の予算調整の議論に充てられる。

実装ステップ（コピペで動く）

1. CLAUDE.md の準備

プロジェクトルートに CLAUDE.md を作成し、予実差異分析エージェントの設定を記述する。

# 予実差異分析エージェント設定

## データソース
- freee MCP経由で実績データ（部門別・科目別）を取得
- `budget/budget_YYYYMM.xlsx` — 予算ファイル（経営企画作成）

## 差異判定ルール
- 差異率 ±10% 以上を「異常値」としてフラグ付け
- 差異額 50万円以上は優先度「高」で先頭に表示
- 部門コード・科目コードの表記ゆれは自動正規化する

## 出力
- `output/yozitsu_report_YYYYMM.md` — 差異分析レポート（Markdown）
- `output/yozitsu_report_YYYYMM.xlsx` — Excel版（グラフ付き）

## 品質ルール
- 最終的な経営判断・異常値の原因コメントは人間が追記する
- 自動レポートに「編集部注記: 本レポートは自動集計です。最終確認は担当者が行ってください」を必ず付記する

2. Subagent の作成

.claude/agents/yozitsu-bunseki.md に予実差異分析専用のサブエージェントを定義する。

---
name: yozitsu-bunseki
model: claude-sonnet-5
description: freee MCP経由で取得した実績データと予算ファイルを部門別・科目別に突き合わせ、異常値をフラグ付けしたレポートを自動生成する予実差異分析エージェント
---

## ミッション
月次の予実差異分析を自動化し、経理担当者が異常値の原因分析にのみ集中できる環境を作る。

## 入力
- freee MCP から取得した当月実績データ（部門別・科目別）
- budget/ フォルダ内の当月予算ファイル（Excel）

## 処理フロー
1. freee MCPで実績データを取得
2. 予算ファイルを読み込み、部門コード・科目コードを正規化
3. 部門別・科目別に差異額・差異率を算出
4. 差異率±10%以上を異常値としてフラグ付け
5. 差異上位項目をグラフ化
6. Markdown + Excel レポートを output/ に保存
7. 完了をモバイルプッシュ通知（設定済みの通知先へ）

## 品質ルール
- 処理完了後に異常値件数・差異合計を必ず出力する
- 自動レポートには「最終確認は担当者が行うこと」を明記する
- freee MCP接続エラー時は処理を中断し原因を日本語で報告する

3. Hook の組み込み

.claude/hooks/post-yozitsu-report.sh を作成し、レポート生成後に経理担当へ通知する。

#!/bin/bash
# 予実差異分析レポート完了後の通知 Hook

REPORT_FILE="$1"
if [[ "$REPORT_FILE" == output/yozitsu_report_*.md ]]; then
  ANOMALY_COUNT=$(grep -c "⚠️ 異常値" "$REPORT_FILE" || echo 0)
  PERIOD=$(echo "$REPORT_FILE" | grep -o '[0-9]\{6\}')

  curl -s -X POST "$SLACK_WEBHOOK_URL" \
    -H "Content-Type: application/json" \
    -d "{
      \"text\": \"📈 ${PERIOD} 予実差異分析レポート完了\n異常値件数: ${ANOMALY_COUNT}件\nレポート: ${REPORT_FILE}\"
    }"
fi

4. 動作検証

# freee MCP接続を確認（未設定の場合は先にMCPサーバーを登録）
claude mcp list

# ゴール指定で実行
/goal 予実差異を部門別・科目別で分析し、異常値をレポートに出力

# レポートを確認
cat output/yozitsu_report_202607.md

差異率が±10%を超える部門・科目に「⚠️ 異常値」のフラグが付き、上位差異額のグラフが生成されることを確認する。

KPI 変化（編集部によるモデルケース試算）

下表は引用元記事を参考に編集部が一般的なケースとして試算した想定値です。実測値ではありません。

指標BeforeAfter削減
月次予実差異分析工数480 分（1日）60 分（1時間）約88%（※編集部概算）
差異データの取得方法CSV手動エクスポート＋整形MCP経由で自動取得手動工程ゼロ化
レポート初稿作成手動（Excel関数＋グラフ作成）自動生成（Markdown / Excel）ほぼ全自動化

発展：他の経理業務への転用

/goal コマンドとMCP連携の構成は、予実差異分析に限らず「複数データソースを突き合わせて異常値を検出する」タイプの経理業務全般に転用できる。売掛金・入金の突合、経費精算の異常値検出などにも同じ考え方が応用できるため、まず1業務で構築したエージェントを他業務にコピーして横展開するのが効率的だ。

引用元

本記事は上記の公開記事で示された手法（同記事内で「AI Lab OISHI」の紹介事例として引用）を参考に、編集部が一般的なモデルケースとして再構成したものです。記事内の数値は引用元記事に基づく編集部の概算であり、引用元著者・所属企業の公式な実績値を示すものではありません。

関連記事

この記事の著者

claude-code-media 編集部／ Claude Code 専門編集チーム

Claude Code の非エンジニア向け業務効率化メディア『claude-code-lab.jp』を運営。フリーランス・中小企業・個人開発者向けに、実装テンプレ・業務自動化テクニック・Vibe Coding 入門を配信。

Claude Code 完全ガイドVibe CodingAI 業務効率化非エンジニア向け AI 教育MCP（Model Context Protocol）
運営: 株式会社AIKNOW著者プロフィールを見る →無料ニュースレターを購読 →
ByClaude Code Media 編集部

AI支援で執筆 — 本記事は Claude Code エージェントによる執筆支援を受け、編集部が事実確認・編集を行っています。 数値・引用元は記事更新日時点で確認済みですが、最新情報は各公式サイトでご確認ください。

Related

続けて読む

すべての記事 →