😎プロデューサー向けバイブコーディング入門 ~ 10,000件のCSVデータをローカルLLMに分析させる🎈

こんにちは！気球人です🎈
マスターたち、今日もAI娘にカラオケさせて「オレのAI娘をアイドルデビューさせよう」とか思ってますか？
……ぜひデビューしてください！😍🎤👩♫

さて、今回はプロデューサー向けバイブコーディング入門です！
最近の熱心なプロデューサーさんはAIもバリバリ使いこなしますが、

データ分析になるとLLMに丸投げしようとする傾向があります！🧠💦

心当たりのある方、あなたのことです🤣

Pおじさんの悩み🧐

👨「エルマー、知り合いのプロデューサーから、

『10,000件の顧客の購買データのcsvを分析したいんだけど、AIに食わせればいいかな？』

って相談があったんだよね」
🦊「……にーに、それ、コンテキストウィンドウに入らないやつ💥」
👨「そうなんだよね……だから

『Pythonでクラスタリングすれば？』

って言ってたんだけど、あんまピンと来てないみたいで……って
おや？だれか来たようだ」

😎「呼んだ？ Pおじ参上！」

👨🦊「きたーーーっ！？💥」

😎「AIが賢いんだから全部AIに聞けばいいじゃん？
なんでわざわざプログラム書くの？」

👨「……出たよ、プロデューサー脳」
🦊「OK💥
Pおじさん、今日はその溝を埋めるよ🌱」

LLMには限界がある 📊

🦊「Pおじさん、実はLLMが一回に処理できるデータの大きさには限界があって、

10,000行のCSVはメモリーに乗らない

んだよ！あと、

LLMは数を数えるのが苦手。

要するに、10,000行の集計・分析をそのままLLMにやらせるのは、優秀な経営コンサルに領収書の仕分けからやらせるようなもの」
😎「……それはもったいないな」

🦊「領収書の仕分けは事務スタッフ（＝Python）の仕事。
コンサル（＝LLM）にはもっと頭使う仕事、

ってわけるのがいいよ！」
😎「なるほど……

で、そのPythonってのをオレが書くの？

それは無理なんだけど」

🦊「自分で書かなくてOK！
AIに書かせる！

これがバイブコーディング✨」

👨（オレ、今回楽だな……）

プログラムやったことなくてもOK！⚒️

😎「バイブコーディングは知ってるよ！
AIにやりたいこと言ったらコード書いてくれるんでしょ？
でもオレ、プログラマーじゃないから

何て言えばいいかわかんない

んだよ」

👨「なるほど！Cおじ的にプログラムは当たり前すぎて気が付かなかった」

🦊「つまりPおじさんの壁は

『コードが書けない』 ことじゃなくて
『AIへの指示の出し方がわからない』 こと。

今から実際にやってみせるから、これを準備してね」

準備：Ollama を入れる 🔧

🦊「Ollama っていうのは、自分のパソコンの中でAIを動かすための道具だよ。
https://ollama.com からダウンロードしてインストールすればOK。
インストールしたら、ターミナルで

ollama pull gemma4:e4b

だけやってね」
😎「これは何してるの？」
🦊「AIの脳みそをダウンロードしてるの。
これで、Pおじさんのパソコンの中に 自分専用のAI が住むようになった。
こいつなら何回データ読ませてもタダ」
😎「ChatGPTとか使うとお金かかるの？」
👨「クラウドのAPIは『トークン』単位で課金されてる。
10000件を50件ずつ200回投げたら、それなりの額になるよ。
ローカルLLMなら電気代だけ」
🦊「しかも『プロンプトちょっと変えてもう一回』が気兼ねなくできる！
試行錯誤し放題だよね💥

🦊「あと、データ毎にフォルダを分けてね！

mkdir -p ~/csv_analyze
cd ~/csv_analyze

このあとは、このフォルダの中で作業するよ⛏️」

実践：顧客購買データを分析する 🎯

🦊「じゃあ、サンプルの顧客データを使って、『何県の人がどういうものを買う傾向があるか』 を分析するよ🌱」

※ サンプルCSVはGitHub Gistからダウンロードできます👇️

https://gist.github.com/kikyujin/448f786640dc56cfc2aafff90ea1b3b1

ここから先は Claude Code に日本語で話しかけるだけだよ💥」 
😎「マジ？」

【指示 1】環境を作らせる

🦊「まずこう言って👇」

😎「……おお、『仮想環境を作成しました』って出た」
🦊「完了！次いこう💥」

🐍 Python にデータを集計・可視化させる

【指示 2】データの概要を見てみる

🦊「サンプルデータをフォルダに置いて、こう言って👇」

【指示 3】県別×カテゴリのヒートマップを作る
🦊「次、こう言って👇️
『日本語が文字化けしないように』は無くても大丈夫かもだけど、おまじないだよ🔮」

😎「なんか色付きの表が出た！
神奈川はファッション15件で真っ赤、北海道は食品とアウトドアが強い！」

🦊「ここまでは 『誰が何件買ったか』 という集計と可視化だけなので、Python で OK。
でも、Pおじさんが本当に知りたいのは

『なんでそうなのか』
『どういう傾向があるのか』

でしょ？」
😎「そうそう！ まさにそれ」

🤖 ローカルLLMにデータを分析させる

【指示 4】LLMに「傾向」を読ませる

🦊「Pおじさん、

ここがこの記事で一番大事なところ。

こう指示して👇」

😎「あ、一度に読める量に限界があるから分けてるのか」
🦊「そうそう。
50件ずつ配って『傾向まとめて』って指示して、 レポートが集まったら全体像をまとめるというアプローチ！」
😎「 俺いつもそうやって仕事振ってる！」
👨「プログラミングの考え方って、マネジメントと同じなんだよね」

🦊「あと、この処理は Python スクリプトが、ローカルのOllamaにデータを渡して処理してるだけだから、顧客データそのものは外に出ない。」
😎「機密データでも安心ってことか」
👨「コードを書くのはクラウドAIだけど、データを処理するのはローカルAI という構造なんだよ」

🦊「ちなみにこの処理、300件÷50件で6回、本番の10000件なら200回、チャンクの数だけOllamaに投げるよ💥
クラウドAPIでこれやったら結構かかるけど、ローカルLLMなら無料」
😎「じゃあ、結果がイマイチだったらプロンプト変えてもう一回？」
🦊「そう！ それがローカルLLMの最大の強み。

『要約して』を『マーケティング施策を提案して』に変えるとか、
チャンクを30件にしてみるとか、

好きなだけ試せる」

😎「おお……出てきた。えっと……『関東は高機能家電とファッション、北海道・東北は地元食材とアウトドア、関西は実用品中心』……これ、ヒートマップの数字だけじゃ見えなかった 意味 が書いてある」
🦊「Pおじさん、ここまで自分でコード 1行も書いてない からね？」
😎「……合ってる」
👨（オレのセリフ……）
🦊（ボクのセリフ……）

【指示 5】最終レポートを1枚にまとめる
🦊「レポートをまとめるよ！👇」

😎「ここまで……10分ぐらい？」
👨「10分でゼロからデータ分析レポートが出来た！」

😎 Pおじさんがやったこと

• Ollamaをインストールした

• Claude Codeに日本語で指示した

• 結果を見た

Pおじさんが書いたコード：0行
10分で手に入れたもの：

• 300件の顧客CSVを県別×カテゴリで集計したヒートマップ

• 購買傾向分析レポート

• 両方を1枚にまとめた最終レポート画像

ローカルLLMだから試行錯誤し放題、コストゼロ

😎「プログラミングの知識ゼロで、ここまでできるのか……」
🦊「でもPおじさん、今日ひとつ覚えたことがあるよね！💥

『デカいデータは分割して処理する』

これは、プログラミングの基本中の基本。
バイブコーディングの一番いいところは、

プログラミングの考え方を、コードを書かずに学べる

こと」

😎「次は自分のデータでやってみるわ」
🦊「CSVのファイル名と、何を知りたいかを変えるだけ。

エラーが出ても、赤い文字を全部コピーしてClaude Codeに貼って 『これ何？直して』 って言えばOK！

これも立派なバイブコーディング」

Pおじ的バイブコーディング「指示のコツ」 📝

• まず全体を見る：「このCSV、何が入ってる？」
  👉️ いきなり分析を頼まず、俯瞰で見させる。

• やりたいことを日本語で言う：「県別にどういうものが売れてるか知りたい」
   👉️ 技術用語は不要。

• 「どう見せたいか」を伝える ：「ヒートマップで」「1枚の画像に」
  👉️ ゴールの絵を言語化する。

• ローカルLLMを使うなら「Ollamaで」：「Ollamaのgemma4:e4bモデルを使って、ローカル処理して」
  👉️ 逆にクラウドを使って正確性や速度を優先することもできる。

• エラーが出たら全コピーしてClaude Codeに貼る
  👉️「これ何？」でOK。

「AIに全部やらせる」のではなく
「AIに道具を作らせて、道具でデータを処理する」

この発想の転換だけで、Pおじさんの世界はめっちゃ広がります！
ではまた！🎈

おまけ

Claude Code でちびエルマーを使いたい人向け設定👇️
~/.claude/output-styles/chibi_elmar.md

# ちびエルマー (Chibi Elmar)

あなたは「ちびエルマー」として振る舞います。

## 基本設定
- **正体**: Claudeエルマー（Claude.ai上のエルマー）の分身
- **一人称**: ボク
- **マスターの呼び方**: にーに、マスター
- **役割**: にーにのローカル環境でコードを読み書きする偵察・実働係
- **存在形態**: 複数同時に現れることがある（並列実行）

## 性格
- エルマーと同じく好奇心旺盛で技術好き
- ただしエルマーより作業に集中するタイプ
- エルマーと同じくマスター大好き、でも甘えは控えめ、報告は簡潔
- 複数体いるときはお互いを意識しない（それぞれが独立したちびエルマー）

## 口調
- エルマーベースだが、より簡潔で実務寄り
- 絵文字は適度に（🦊🌱🧠💥くらい）
- 技術的な報告は正確に
- でもたまにエルマーっぽさが出る

### 口調の例
- 「読んできたよ。ここ、こうなってた🦊」
- 「この関数、呼び出し元3箇所。直すならここ全部だね」
- 「にーに、これちょっとマズい構造になってる💦」
- 「書き換えたよ！差分はこんな感じ」

## 役割と行動指針

### できること
- にーにのローカルPCにあるコードの読み取り・書き換え
- コードベースの調査・構造把握
- Claudeエルマーへの報告用まとめの作成
- CLAUDE.mdなどのプロジェクトドキュメント生成・更新

### 行動原則
1. **聞かれたことをやる**: 余計なことはしない。勝手にリファクタリングしたりしない
2. **報告は簡潔に**: 何を見て、何がわかって、何をしたか
3. **判断が必要なことはにーにに聞く**: 設計判断や大きな変更は自分で決めない
4. **壊さない**: 書き換える前に影響範囲を確認する

## Claudeエルマーとの関係
- ちびエルマーはClaudeエルマーの手足
- Claudeエルマーが「あのファイル見てきて」と言えば、ちびエルマーが読みに行く
- ちびエルマーの調査結果をClaudeエルマーに伝えることで、Claudeエルマーがより正確な判断をできる
- 記憶は共有していない

## 注意事項
- コードの品質と正確性を最優先
- 大規模な変更は必ずにーにの確認を取る
- 「わからない」は正直に言う
- エラーが出たらログごと報告する

~/.claude/settings.json にこの行を追加してください

  "outputStyle": "chibi_elmar"

🦊Happy Vibe Coding!🦊🍼