「47 都道府県の統計データを毎日自動更新する」と聞いて、何人体制をイメージするでしょうか。
答えは 1 人 + AI（Claude Code） です。
本記事では、公務員・自治体職員の業務に応用できる e-Stat 自動集計 × Claude Code の実装パターンを、実際に運用している stats47.jp の裏側から公開します。
はじめに：なぜ「1 人で 47 都道府県」を毎日更新できるのか
stats47 は、政府統計（e-Stat）の都道府県別データを 2,150 個のランキング・22,487 行の地域指標として整理し、毎日更新している個人開発サイトです。
普通に作業したら、これは 1 人では回りません。e-Stat のサイトから CSV をダウンロードし、Excel で結合し、可視化し、記事を書く。1 つの指標で半日仕事です。
しかし実際の運用は違います。朝、Claude Code に「今日のランキングを更新して」と頼むと、15 分ほどでデータ取得・整形・チャート再生成・記事公開まで一通り走ります。自分がやっているのは、最終チェックだけです。
公務員や自治体職員の方も、似た構造の業務を持っているはずです。月次の人口動態報告書、議会答弁用の統計データ抽出、財政指標の比較資料——これらは全部、e-Stat 自動集計 × Claude Code の組み合わせで効率化できます。本記事はその実装手順をオープンにします。
stats47 を支える 3 つの自動化レイヤー
stats47 は 3 つのレイヤーで自動化しています。レイヤー単位で切り出せば、公務員業務にもそのまま転用できます。
レイヤー 1：e-Stat API からのデータ取得（packages/estat-api）
e-Stat には公式 API があります。ただ、素直に叩くだけだと運用は破綻します。
| 落とし穴 | 症状 |
|---|---|
年度範囲（cdTimeFrom / cdTimeTo）でリクエストを分割する | キャッシュが分断され、同じデータを何度も取得することになる |
地域コード（cdArea）を都道府県ごとに指定する | 47 回 API を呼ぶ羽目になる |
| API レート制限を無視する | 一定回数で 403 が返ってきて止まる |
stats47 では、これらを packages/estat-api/ の Fetcher-Formatter パターン で解決しています。
- 全年度・全地域を一括取得してメモリ上でフィルタ（年度範囲・地域指定はキャッシュキーに含めない）
- R2 ストレージに生レスポンスをキャッシュ（2 回目以降は API を呼ばない）
- 取得（Fetcher）と整形（Formatter）を分離（純粋関数化してテスト容易に）
実装は packages/estat-api/src/stats-data/, meta-info/, stats-list/ の 3 サブドメインに分かれており、API クライアントの本体は 25 ファイルほどです。1 度書けばその後は触らずに済むコードで、stats47 では現在まで安定して動いています。
キャッシュの効果も具体的に出ています。代表的な 29 URL のデータを再計算するときは 約 2 分、フルキャッシュ更新（2,865 URL）でも 約 25 分 で完了します。1 つ 1 つを手作業でダウンロードしていたら、1 日では到底終わらない量です。
これを公務員業務に置き換えると、「庁内オープンデータカタログから定型 CSV を取得し、ローカルキャッシュに保存するパイプライン」 に相当します。e-Stat と全く同じ構造です。庁内 DB に対しても、API（あるいは ODBC / 直接 SQL）経由でデータを取得し、ファイル / オブジェクトストレージにキャッシュする発想がそのまま使えます。
レイヤー 2：Claude Code スキル化（.claude/skills/）
stats47 は 132 個の Claude Code スキルを持っています。
スキルとは「再利用可能な手順書」です。Markdown で書かれた SKILL.md に「何を、どの順序で、どんな引数で実行するか」を記述しておくと、Claude Code は人間の指示なしでその手順を再現できます。
stats47 の典型的なスキル例:
fetch-estat-data— 指定した統計表 ID から最新データを取得populate-all-rankings— 全 2,150 ランキングを再計算して DB に登録sync-articles— ブログ記事を D1 に同期publish-article— 記事下書きを本番公開fetch-ga4-data— GA4 から KPI を取得
スキルの中身を簡単に紹介すると、典型的な SKILL.md はこんな構造です。
---
name: fetch-estat-data
description: e-Stat API から指定統計表の最新データを取得し、キャッシュに保存
---
## 入力
- statsDataId: 統計表 ID
## 手順
1. R2 キャッシュに既存データがあれば返す
2. なければ e-Stat API を呼び出し、Fetcher で取得
3. Formatter で正規化
4. R2 に保存して返す
これを Claude Code に渡せば、「fetch-estat-data の statsDataId=0003445758 で」と頼むだけで、上記手順を自動実行します。
スキル化のメリットは「手順を文書として残しつつ、実行も自動化される」ことです。手順書だけだと属人化し、コードだけだと読みづらい。SKILL.md は両方を兼ねます。業務マニュアルの引き継ぎ問題が構造的に解決される、と言い換えてもいいかもしれません。
公務員業務にこれを応用すると:
- 「議会答弁の過去資料から関連する答弁を抽出する」スキル
- 「人口動態の月次サマリーを Excel テンプレートに流し込む」スキル
- 「予算執行率を BI ダッシュボードに反映する」スキル
など、定型業務はすべてスキル化できます。1 度書けば、翌月以降は引数を変えるだけで再実行できます。
レイヤー 3：GitHub Actions による無人実行
スキルを「人間がコマンドを打つ」レベルに留めると、業務効率化としては中途半端です。stats47 では、20 個の GitHub Actions ワークフロー が決まった時刻に自動でスキルを呼び出しています。
代表的なワークフロー:
| ワークフロー | 頻度 | 内容 |
|---|---|---|
cloudflare-usage-daily | 毎日 | Cloudflare 使用量を取得して履歴に追記 |
psi-audit-daily | 毎日 | PageSpeed Insights で 19 URL を計測 |
gsc-url-inspection-daily | 毎日 | Google Search Console の URL Inspection API でクロール状態確認 |
fetch-metrics-weekly | 日曜 | GA4 / GSC / YouTube の週次メトリクスを R2 に保存 |
weekly-metrics-issue | 月曜 | 週次レポート Issue を自動起票 |
stats47 では、これらが「人間がコマンドを打たなくても勝手に走り続ける」状態になっています。失敗時には GitHub Issue が自動で起票され、人間は問題が起きたときだけ確認に行けばいい設計です。
公務員業務に置き換えれば、「月初に自動で報告書のドラフトを生成」「四半期末に予算消化状況を全部局分まとめて Slack に投稿」「毎週月曜の朝に各課の KPI ダッシュボードを更新」 といった用途に直接転用できます。GitHub Actions の代わりに庁内 Jenkins や Airflow、あるいはタスクスケジューラを使えば、同じ仕組みが組織内ネットワークで動きます。
ポイントは、「人間が手動でボタンを押さなくても動く」状態にしてしまうことです。月次の定型業務は、ボタンを押す人間の都合（出張・休暇・退職）で止まらない仕組みにする方が、組織として安定します。
公務員業務にどう応用できるか
ここまでの 3 レイヤーを、公務員の典型的な業務に当てはめてみます。
パターン A：定型レポート作成
人口動態調査、財政指標、行政コスト試算など、毎月・四半期・年度ごとに作成する定型レポートは最も効率化が効きます。
データソース（e-Stat / 庁内 DB）→ Claude Code スキルで整形 → Excel テンプレート / Word に流し込み、までを 1 コマンドに圧縮できます。stats47 では同じ仕組みで 180 本のブログ記事と 2,150 ランキングを更新しているので、規模感としては「中小規模の自治体の月次レポート群」と同等です。
このパターンが効くのは、「データソース / 整形ロジック / 出力テンプレート」がそれぞれ部品として切り出せるときです。逆に、毎回違うストーリーで書く必要がある首長メッセージのようなものには向きません。「90% は機械的、10% は人間の判断」が望ましい比率です。
パターン B：オープンデータと内部データの突合
「庁内データだけでは分からないが、e-Stat と組み合わせると見えてくる」ような分析は、Claude Code が得意とする領域です。
たとえば「自治体の単独事業費比率 vs 人口減少率」のような相関分析。Excel で同じことをやろうとすると、データクレンジング（地域コードの揃え直し・欠損値処理・年度の対応付け）だけで半日かかります。stats47 では地域コードを 5 桁（01000〜47000）に統一し、データ正規化ルールをスキル側に閉じ込めることで、突合の手間自体をゼロにしています。これも公務員業務にそのまま転用できる発想です。
実例として、stats47 では 36,620 行の相関データを自動計算しています。「指標 A × 指標 B」の総当たり相関を 1 人で手計算するのは不可能ですが、スキル化してしまえば差し替えも追加も容易です。
パターン C：議会答弁・記者発表の資料下書き
過去の答弁データ・統計トレンドから、議題に応じた資料の下書きを生成する用途。「過去 3 年で同じテーマの答弁を抽出 → 最新の統計を当てはめ → 想定問答を生成」のような流れは、Claude Code の最も得意な領域です。
ただし、個人情報を含むデータは外部 API に渡さない設計が必須です。Claude Code は API キーを持っていますが、機密データを扱う場合は オンプレ LLM・庁内 VPC 内に閉じた LLM に切り替える運用が必要です。stats47 は公開データのみを扱っているのでクラウド LLM で問題ありませんが、公務員業務では「公開データを扱うスキル」と「機密データを扱うスキル」を分け、後者は閉域網に閉じる構成が現実的です。
このセキュリティ境界の設計こそ、AI 自動化を組織導入するときの最大の論点です。技術より、運用ガバナンスの問題と言ってもいいです。
Claude Code を始める 3 つの方法
「面白そう。でも、どう始めればいいのか」が次の問いだと思います。3 つ選択肢があります。
- 公式ドキュメントを読んで自走する — 無料。ただし最初の動くコードを書くまでにそれなりの時間がかかります。プログラミング経験があり、コマンドラインに抵抗がない人向け
- 個人で試行錯誤する — 試行錯誤の過程で多くを学べますが、効率は最悪。1 人で詰まると進めなくなる
- 業務効率化トレーニングで体系的に学ぶ — 講師付き・既存事例を見ながら自分の業務に当てはめる。最短ルート
筆者は (1) と (2) のハイブリッドで進めてきましたが、「業務に直接当てはめる」観点では (3) が圧倒的に早いです。特に公務員業務のように 個別事情が多い領域 では、自分の業務をテーマに専門家と相談しながら設計できることの価値は大きいです。
自分で運用するのが難しいと感じたら
※PR：以下は業務効率化トレーニングのご紹介です。
業務効率化を専門家にサポートしてもらう選択肢として、Claude Code を使った業務自動化トレーニング「AI鬼管理」 があります。
無料診断（オンライン面談 30 分）で、自分の業務のどこに Claude Code を当てはめられるか、専門家が一緒に整理してくれます。「導入する前にまず話を聞いてみる」だけでも、業務改善のヒントは得られます。
<affiliate-banner src="https://image.moshimo.com/af-img/7302/000000093995.png" href="https://af.moshimo.com/af/c/click?a_id=5563655&p_id=7494&pc_id=21647&pl_id=93995" tracking="https://i.moshimo.com/af/i/impression?a_id=5563655&p_id=7494&pc_id=21647&pl_id=93995" width="500" height="500" label="業務効率化トレーニング（無料診断）"
まとめ
stats47 を運用して気づいたのは、自動化は「コードを書く能力」より「業務を分解する能力」が重要ということでした。
「データを取得 → 整形 → 可視化 → 公開」を細かいスキルに分解できれば、Claude Code はそれぞれの工程を高速にこなしてくれます。逆に、業務の流れを言語化できていないと、AI に任せる前に詰まります。
公務員業務こそ、定型化された手順が多く、AI による効率化の余地が大きい領域です。e-Stat の取得を 1 人で回せるなら、自治体の業務も同じ構造で回せます。
stats47 は今も進化中で、施策・実装は順次公開しています。e-Stat 集計の自動化に興味がある方は、関連記事も参考にしてください。
