日報をPythonで自動化した事例5選｜製造・営業・事務別のBefore/Afterと削減時間【現場7年が実践】

毎日の日報業務、どこかで「これ、自動化できないか」と思ったことはないでしょうか。 記入に10分、集計に30分、PDF化してフォルダへ保存…。こういった繰り返し作業が積み重なって、気づけば日報関連だけで1日1時間近く使っていた、なんてこともあります。 私は製造業の生産管理部門に7年いたのですが、まさにこの状況でした。Excelが現場担当者の数だけあって、毎朝それをまとめる作業が地味にきつかったのです。 そこで試したのがPythonです。最初は「コードなんて書けない」と思っていたのですが、実際にやってみると、思ったよりずっと簡単でした。この記事では、私や周囲の担当者が実際に取り組んだ日報自動化の事例を5つ紹介します。 コードの詳細よりも「何がどう変わったか」を中心に書いていますので、読み終わるころには、自分の職場で試す事例が1つ決まっているはずです。

この記事でわかること

  • 日報のどの部分をPythonで自動化できるか
  • 製造・営業・事務の職種別の具体的な事例5つ
  • 各事例のBefore/Afterと実際の削減時間
  • 非エンジニアが最初に手をつけるべき一歩

日報をPythonで自動化するとは？

まず前提を整理しておきます。日報の自動化といっても、すべてをゼロにできるわけではありません。Pythonが得意なのは「繰り返し決まった手順でやっていること」です。

自動化できる主な日報パターン

  • 集計・転記：複数人のExcel日報をまとめて1つのシートに集約する
  • ファイル整理：日報をPDFに変換してフォルダへ自動保存する
  • グラフ生成：日報データを読み込んでKPIグラフを自動で作る
  • 通知・連携：Slackやメールの内容をExcelに書き出す
  • 下書き生成：ChatGPT APIを使って日報の文章を自動生成する

ExcelマクロとPythonの違い

「Excelマクロでもできるのでは？」と思う方もいるでしょう。できることは似ていますが、Pythonの方が複数ファイルの一括処理・外部サービス連携・定期実行との相性がよいのです。特に「10人分の日報を毎朝まとめる」「Slackの内容を自動記録する」といった処理はPythonの方が圧倒的に楽です。

事例1：製造日報の集計を自動化（製造業）

Before：毎朝30分かかっていた集計作業

製造現場では、班ごとにExcelで日報を提出していました。ファイルは10〜15個あり、それをひとつずつ開いて数字をコピーし、集計シートに貼り付ける作業を毎朝繰り返していました。所要時間は約30分。ミスも発生しやすく、前日の数字が混ざることも度々ありました。

実装したこと

Pythonの openpyxl というライブラリを使い、指定フォルダ内のExcelファイルをまとめて読み込んで集計するスクリプトを作りました。処理の流れはシンプルで「フォルダ内のファイルを順番に開く→特定のセルの値を取り出す→集計シートに書き込む」というだけです。 
# イメージ（処理の骨格）
import openpyxl, glob

files = glob.glob("./日報/*.xlsx")
for file in files:
    wb = openpyxl.load_workbook(file)
    ws = wb.active
    # 特定セルから数値を取得して集計
コード全体はそれほど長くなく、ChatGPTに「こういうことをやりたい」と伝えたら20分で動くものができました。

After：集計作業が2分以内に

スクリプトを実行するだけで、10ファイル以上の集計が2分もかからず完了します。手作業のミスもなくなりました。毎朝30分かかっていた作業が、ほぼゼロになったのです。
項目BeforeAfter
集計時間約30分/日約2分/日
転記ミス月3〜5回0回
作業者担当者が毎朝対応スクリプト実行のみ
製造日報の具体的な実装コードは以下の記事で公開しています。コピーして使えるので、まず動かしてみるのに最適です。 → 製造日報をPythonで自動集計する方法【コピーOK】

事例2：営業日報をメールから自動でExcel転記（営業部門）

Before：20人分のメール転記に毎日2〜3時間

これは私が支援した別の職場（営業部門）でのケースです。営業担当者がメールで送ってくる日報を、管理側がExcelに手動で転記していました。書式がバラバラなことも多く、読み解いて入力するだけで1件あたり5〜10分。20人分だと毎日2〜3時間かかっていた状態でした。

実装したこと

Pythonの imaplib でメールを受信し、件名や本文を解析して特定のフォーマットのデータを抽出。それをExcelに書き込む仕組みを作りました。完全自動化ではなく「書式が整ったメールだけ自動転記」という設計にしたことで、まず確実に動く状態を作れました。

After：転記作業が30分以内に

書式が整った日報（全体の7割程度）は自動転記できるようになり、手動対応が必要なものだけを人が確認する運用に変わりました。毎日2〜3時間かかっていた作業が30分以内に収まるようになり、担当者の残業が大幅に減りました。
項目BeforeAfter
転記作業時間約2〜3時間/日30分以内/日
手動対応件数20件全て6件程度（書式不整合分のみ）

事例3：複数人の日報を一括でPDF化・フォルダ保存（事務部門）

Before：月末30人分のPDF化に1時間以上

Excel形式で届く日報を、月末にPDFに変換して担当者別フォルダに保存する作業がありました。30人分を手作業でやると1時間以上かかります。しかも「開く→印刷→PDF保存→フォルダに移動」という単純作業の繰り返しで、やり終わったときの疲労感だけがあるという状態でした。

実装したこと

Pythonで「フォルダ内のExcelをすべてPDFに変換し、担当者名のフォルダに仕分けして保存する」スクリプトを作成。win32com.client（Windows向け）を使うとExcelをPDF化するのに便利です。フォルダ名はファイル名から自動で判断するようにしました。

After

月末の作業が「スクリプトを1回実行する」だけになりました。30人分の処理が5分未満で完了します。私が別部署の事務担当と一緒に取り組んだ事例ですが、月末の残業が減ったとその後も言ってもらえています。
項目BeforeAfter
PDF化・保存時間（月次）約1時間以上約5分
ミスの発生フォルダ誤保存ありなし
日報以外にも「Pythonで自動化できる事務系の業務」をまとめた記事もあります。似たような繰り返し作業で困っている方はあわせてどうぞ。 → 製造業でPythonを使って自動化する方法

事例4：日報データからKPIグラフを自動生成（製造・管理部門）

Before：毎週金曜に1〜2時間かかっていたKPIグラフ作成

週次で上司へ報告するKPIグラフを、日報から手動でデータを拾って毎週作り直していました。グラフの見た目を整える作業も含めると、毎週金曜に1〜2時間とられる状態でした。しかも数字を転記する際のミスが一度発覚してから、確認作業も増えていました。

実装したこと

Pythonの pandas と matplotlib を組み合わせて、日報データを読み込んでグラフを自動生成するスクリプトを作りました。毎週金曜の午後に自動実行するよう設定（Windowsのタスクスケジューラ）したことで、完全に手放せるようになりました。

After：週次報告の準備がほぼゼロに

グラフが自動で生成されて指定フォルダに保存されるようになり、週次報告の準備時間がほぼゼロになりました。数字の転記ミスもなくなり、上司からの確認質問が週ベースで減りました。
項目BeforeAfter
KPIグラフ作成時間（週次）1〜2時間/週ほぼ0分（自動実行）
転記ミス月に1〜2回発覚0回

事例5：ChatGPT APIで日報の下書きを自動生成（全職種）

Before

「今日やったこと・明日の予定・気づき」を毎日文章で書く日報フォーマットでした。業務内容は決まっているのに、文章を考える時間だけが妙にかかる…という状況です。1日の終わりに疲れた頭で文章を絞り出すのが地味につらい、という声も現場でよく聞きます。

実装したこと

当日の業務ログ（Excelに記録した作業項目）をもとに、ChatGPT APIへ「この内容を日報の文章にまとめてください」と送るスクリプトを作りました。返ってきたテキストをそのままExcelの所定セルに貼り付ける処理も自動化しています。業務ログをExcelに記録していない場合は、その日の作業メモをテキストで入力するだけでも同じように動きます。 
# イメージ（処理の骨格）
import openai

def generate_nippo_draft(work_log: str) -> str:
    response = openai.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": "日報の文章を書くアシスタントです"},
            {"role": "user", "content": f"今日の業務内容：{work_log}\n日報の文章にまとめてください"}
        ]
    )
    return response.choices[0].message.content
完璧な文章が出てくるわけではありませんが、下書きが出てきた状態から修正するのは1〜2分で済みます。ゼロから書くよりずっと楽なのです。

After：日報作成が15〜20分から5分未満に

日報作成にかかる時間が平均15〜20分から5分未満になりました。「文章を考える」という頭の疲れが減ったのが個人的に一番大きかったです。
項目BeforeAfter
日報作成時間15〜20分/日5分未満/日
記入漏れときどきありほぼなし（ログベースのため）

日報自動化を始めるなら何から手をつけるか

まずExcelを読み込むだけでいい

「5つの事例を見て、どれを試せばいいかわからない」という方は、まず事例1（Excelファイルの自動集計）から始めるのがおすすめです。理由はシンプルで、日報のほとんどはExcelで管理されているからです。 「複数のExcelを開いて、特定のセルを読み込む」というスクリプトさえ動けば、あとはどの事例にも応用できます。Pythonの環境構築が済んでいれば、最短1〜2時間で動くものが作れます。

AIにコードを書かせれば非エンジニアでも動く

「コードが書けない」という方でも、ChatGPTに「こういうExcelを読み込んでこういう集計をしたい」と伝えれば、動くコードが出てきます。私自身、最初は「コードを読む」ことすらできませんでしたが、AIに都度聞きながら進めたことで、数時間で最初のスクリプトを動かせました。 コードを理解してから動かすのではなく、動かしながら理解していく、という順番の方がうまくいきます。 Pythonを業務に導入するときの進め方は以下の記事にまとめています。 → 製造業でPythonを導入するとどう変わるか

まとめ：どの事例から始めるべきか

5つの事例を整理すると、こうなります。
事例対象難易度効果の大きさ
1. 製造日報の集計自動化製造業低大（毎日30分削減）
2. 営業日報のメール転記営業・管理中大（毎日2時間削減）
3. 日報のPDF化・仕分け事務・管理低中（月1時間削減）
4. KPIグラフの自動生成管理・製造中中（週1〜2時間削減）
5. ChatGPTで日報下書き全職種中中（毎日15分削減）
迷ったら、自分の職場で「一番繰り返している作業」から始めてください。効果を実感できると、次の自動化にも進みやすくなります。 まず手を動かすだけで、1週間後には「あの作業がなくなった」という状態を体験できます。やってみる価値は十分あります。 製造日報の自動集計を今日から試したい方は、コピーして使える実装コードをこちらで公開しています。 → 製造日報をPythonで自動集計する方法【コピーOK・製造業・事務系向け】 各事例の実装コードをまとめたテンプレートはNote記事として公開を準備しています。職種別のカスタマイズ方法や、エラー対処の手順も合わせてまとめる予定です。
スポンサーリンク