Zenn
👾

WBS解析：Claude 3.7 Sonnetでタスク管理をもっとスマートに！

2025/03/07に公開
Python
タスク管理
wbs
Claude 3
タスク分析
tech

はじめに

プロジェクト管理って、やることが多くて大変ですよね。特にタスクが増えてくると「どの作業がどこまで進んでる？」「このタスク、遅れてない？」なんて不安がつきもの。そんな時に役立つのが Work Breakdown Structure（WBS） です。

今回は、Claude 3.7 Sonnet を使ってWBSデータを解析し、タスクの状況を可視化する方法をご紹介します。AIを活用することで、今まで手作業でやっていた面倒な分析をサクッとできるようになります！

どんな分析をするの？

目的

  • プロジェクト全体の進捗を ざっくり＆しっかり 把握！
  • 誰がどのタスクをどれくらい担当しているのか 見える化
  • 遅れているタスクを ピックアップ して影響を分析
  • 特に フロントエンドやデータフェッチ関連のタスク に注目

どうやるの？

  1. WBSデータ（CSV）を用意
  2. Pythonで解析スクリプトを作成（pandasやmatplotlibを活用）
  3. タスクの階層構造や特性をもとに多角的に分析
  4. グラフで可視化 して直感的に理解できるように

解析のポイント

1. タスクの階層を整理しよう

WBSのデータを見ても、ただのリストじゃ意味がない！まずは、
「これはプロジェクト全体の話？」「カテゴリ分け？」「個別タスク？」
といった感じで整理していきます。

# タスクの種類を分類する関数
def identify_task_type(row):
    title = str(row['タイトル'])
    if row['備考'] == 'プロジェクト':
        return 'プロジェクト'
    elif row['備考'] == 'カテゴリー':
        return 'カテゴリ'
    elif title.startswith('　　'):
        return 'タスク'
    else:
        return '不明'

こうすることで、タスクの構造がはっきりして、どのレイヤーで分析すればいいかが見えてきます。

2. 進捗状況を数値で把握！

単純に「何個タスクが終わった？」ではなく、工数（h）を考慮した進捗率 を計算します。

# 進捗率を計算
completed_work_hours = tasks_df[tasks_df['ステータス'] == '完了']['工数（h）'].sum()
total_work_hours = tasks_df['工数（h）'].sum()
progress_percentage = (completed_work_hours / total_work_hours) * 100

こうすれば、タスクの大きさを考慮したリアルな進捗が見えてきます。

3. 遅延タスクを洗い出す

タスクがスケジュール通りに進んでいるかをチェック！

# 遅延タスクを判定
from datetime import datetime
analysis_date = datetime.now()

def is_delayed(row):
    if row['タスクタイプ'] != 'タスク' or row['ステータス'] == '完了':
        return False
    if pd.isna(row['計画完了日']):
        return False
    return row['計画完了日'] < analysis_date

「どのタスクが遅れているのか？」「その影響は？」を明らかにし、優先的に対処できるようになります。

4. 担当者ごとの負荷をチェック

誰がどれくらいのタスクを抱えているのか？

assignee_load = tasks_df.groupby('担当者').agg(
    総タスク数=('WBS No.', 'count'),
    未完了タスク数=('ステータス', lambda x: (x != '完了').sum()),
    残工数=('残工数', 'sum')
).sort_values('残工数', ascending=False)

これで、過負荷の人がいないかチェック！

5. 特定のタスクにフォーカス

今回は フロントエンドやデータフェッチ に注目して、タスクを自動分類します。

# フロントエンド関連のタスクかどうか
frontend_keywords = ['フロント', 'UI', '画面', 'ボタン', 'デザイン']
def is_frontend_related(row):
    return any(keyword in str(row['タイトル']).lower() for keyword in frontend_keywords)

こうすれば、特定の分野に絞って分析できます！

可視化でサクッと理解

データだけ並べても、何がどうなっているのかわかりづらいですよね。そこで、

  • プロジェクト全体の進捗（円グラフ）
  • 担当者別の負荷（棒グラフ）
  • 遅延タスクのリスト（ランキング）
  • カテゴリごとの進捗率
    などを可視化して、一目で状況がわかるようにします。
    以下に出力された図を抜粋します。

タスクステータス分布

担当者別　タスク数・工数

最も遅延しているタスク TOP5

カテゴリ別の完了率

担当者別の残工数

いかがでしょうか。
Claude3.7にほぼ全任せでタスク分析が完了しました。
もちろん、マクロを組んでいて、既に分析する仕組みがある場合はそちらを使った方がよいでしょう。
しかしながら、たった数行の指示でデータの生成・分析が出来るのはめちゃくちゃ便利です！

分析結果をどう活かす？

例えば、こんなことがわかります。

  • フロントエンドは進捗70%で順調。でもデータフェッチは45%と遅れ気味…！
  • 開発Aさんがキャパオーバー！負荷分散が必要かも？
  • 高優先度タスクの30%が遅延中。これはマズい！

こうした分析結果を活用すれば、
✅ 週次ミーティングの報告資料に
✅ リソース再配分の判断材料に
✅ リスク管理＆対策の早期検討に
と、プロジェクトの安定運用に役立てられます！

まとめ

Claude 3.7 Sonnetを使えば、WBSデータの解析が簡単＆直感的に できます。

手作業でやっていた分析を自動化すれば、もっと効率的にプロジェクトを管理できるはず。次のステップとしては、

  • 予測分析の導入
  • 自動レポート生成
    なども組み込んで、さらに高度なプロジェクト管理ツールへ発展させることも可能です。

テストデータ＆解析用pythonスクリプトは以下のgithubリポジトリに置いてあります。
https://github.com/kazuma0606/task_plot

WBSの分析、ぜひ試してみてください！

Discussion