八百茄子 は ソフトウェアエンジニア１名による小さな工房です
週末に スキルアップ と 八百茄子 向けのコンテンツ作成に勤しんでおります
ご提供コンテンツ
tools にて
八百茄子 の作成したツールをご紹介しています
knowhow にて、
2x年の組込み系ソフトウェア開発エンジニアとして得た知識・ノウハウに
7年以上 管理職を務めてて得た知識・ノウハウ、
個人開発（ぺーぺー）で得た知識・ノウハウを記録・共有します
エンジニアは技術が命
技術を磨いて、実績を積み上げて、自身の市場価値を高めていきましょう！！
得られた経験やアウトプットしたコンテンツで
みなさまの誰か一人にでも喜ばれる何かができたらいいな、と思います (・∀・)
子どもたちの未来が少しでもよりよいものとなりますように (*´ω｀*)
よろしくお願い致します (´・ω・`)
タスク管理がうまくいかないとき、原因は「やる気」や「根性」が足りないからではないです
本当の原因は たいてい次のどれかに集約されます
問題は 仕事が “管理できる形” になっていないこと になります
私がタスク管理で大事にしているのは、次の ７つ です。
この記事では この７つをひとつの流れ として整理します
タスク管理で最初にやるべきことは 仕事をそのまま管理しようとしないこと になります
例えば、こんな言葉はよく使われます
でも、これらは実際にはタスクではなく 仕事の塊 です
このままだと、
という状態になります
そこで必要になるのが WBS（Work Breakdown Structure） です
WBS とは、ひと言で言えば、
大きな仕事を、管理できる単位まで分けること
です
たとえば「Windowsツールを作る」なら、こんなふうに分けられます
これだけでも、かなり見通しが良くなります
タスク管理は、
「仕事を前に進めるために、まず分けること」
から始まります
WBSで分けるときに大事なのが 抜け漏れとダブりを減らすこと になります
ここで役立つのが MECE（Mutually Exclusive, Collectively Exhaustive） という 「漏れなく、ダブりなく」 という考え方です
難しそうに聞こえますが、実務ではとてもシンプルです
たとえば「ツールを完成させるために必要な作業」を考えるとき、
ただ思いつきで並べるのではなく、切り口を分けて整理します
例：
こうして分類しておくと、
といった、ありがちな漏れを防ぎやすくなります
タスク管理で怖いのは 「見えていない仕事」、「担当者が割り当たっていない仕事」 ですMECE はその見えていない仕事をあぶり出すための考え方です
分割してタスク管理項目に入れることは面倒な作業かもわかりませんが、
とても重要ですので、必ず MECE でタスク分割をしましょう
WBS で分けても、まだタスクが大きすぎることがあります
例えば
これでも まだ数日〜数週間 かかるかもしれません
ここで私が大事にしているのが、１週間程度で終わる粒度まで分けること です
なぜ１週間程度が良いのかというと、理由は３つあります
１カ月タスクだと、「今どこまで進んでいるか」が曖昧になります
でも１週間タスクなら、進んでいるか遅れているかがかなり明確になります
タスクが大きいと、問題の発見が遅れます
１週間単位なら、「この切り方は無理だった」「想定より重い」に早く気づけます
現実の仕事は 予定どおりに進まないのが普通です
だからこそ、細かく分かれている方が、後から組み替えやすいです
ポイントは 「終わった／終わっていない」が明確に言えるか です
タスク管理では 曖昧な完了条件のタスクが一番危ない です
終わっている／終わっていないが明確にわかることでどこまで進捗しているかも見やすくなります
タスクを終わらせることは達成感を生むことができて、次々のタスクを進めやすくなります
タスク管理では、締切（終了日）ばかりが注目されがちです
もちろん終了日は大事ですが、実際に仕事が進むかどうかを左右するのは 「いつ終わるか」より「いつ始めるか」 です
だから私は、各タスクに
を入れることを大事にしています
そして特に重要なのが 「着手日にちゃんと着手すること」です
タスクが遅れる原因の多くは、見積もりのミスよりも、
といった、着手遅れです
例えば ３日で終わるタスクでも、
となれば、見積もり自体は正しくても、全体は遅れます
つまり、終了日だけを見ていても 遅れの本当の原因は見えない ことが多いです
開始日を設定し、その日に着手することを意識すると、タスクは「いつかやるもの」ではなく、
「その日に始める予定のもの」
になります
これだけで、計画の実行力がかなり変わります
また、着手日が明確だと、
も見えやすくなります
タスク管理は 締切管理ではなく、着手管理でもある と考えましょう
タスク管理で特に危険なのが
中身が曖昧なタスクを、そのまま実行タスクとして置いてしまうこと
です
例えば こんなタスクです
こうしたタスクは必要ですが、そのままだと
という問題が起きます
こういうときに私がやるのは まず 「明確にするためのタスク」、「明確になったあとに分割するタスク」 を作ること です
例えば
などです。
そしてそのあとに、
という流れにします
つまり、
不明なものは、いきなり作業せずに、まずは “分かる状態にする仕事” に変える
ということです
計画を立てるときにありがちなのが、
まだ分かっていないのに、分かっている前提でスケジュールを引いてしまうことです
でも現実的なタスク管理は、むしろ逆で、
を分けて扱う方が強いです
不確実性を隠すのではなく、 不確実性そのものを管理対象にする ことが大事です
タスクを分けて、日付を入れただけでは、まだ足りません
なぜなら、仕事は 個々のタスクの集まり ではなく、順番・依存関係・重なりを持った流れ だからです
そこで有効なのが ガントチャートによる視覚化 です
ガントチャートの本当の価値は スケジュールを図として並べることではなく、
「どこが危ないか」「どこが危なくなるか」を見える状態にすること
にあります
たとえばガントチャートにすると、次のようなことが見えます
つまり、ガントチャートは単なる予定表ではなく 進捗・リスク・課題を可視化するための道具 です
進捗管理というと、「遅れていないか監視するもの」という印象を持たれがちです
でも本来の目的はそうではなく、問題が大きくなる前に気づける状態を作ること にあります
進捗管理で見るべきなのは、単なる完了率ではなく、
といった、将来の遅れにつながる兆候 です
見える化の目的は、「管理している感」を出すことではなく、早めに手を打てるようにすること です
タスク管理を本当に機能させるために、私はもうひとつ大事だと思っていることがあります
それが 日々、状況やログを記録すること です
計画を立てるだけでは、現実の仕事には勝てません
実際の現場では、
といったことが普通に起きます
だからこそ その日の状況を、関係者が見れるところに、わかるように、残しておくこと がとても重要です
日々の記録があると、急に誰かが入ってきても、
が伝えやすくなります
つまり、ログは単なるメモではなく、「途中からでも状況を理解できる状態」を作るもの です
これは個人作業でも、チーム作業でもかなり効きます
もうひとつ大きいのが 後から振り返りに使えること です
例えば ログがあると、
が見えてきます
これがないと、振り返りはどうしても
で終わってしまいます
でもログがあると、感想ではなく、事実ベースで改善できる ようになります
将来に多様な仕事があったときに、過去の作業ではどうしていたか、これを知れることは大きな財産となります
これは意外と大事ですが、ログは 「自分が何をやっていたか」を守る記録 にもなります
特に、割り込みが多い仕事や、見えにくい調整業務が多い仕事では、
が、後から説明できることが重要です
ログは単なる管理のためではなく 実態を見えるようにするための記録 でもあります
ここまでの内容をまとめると、私が考えるタスク管理の本質は次の通りです
仕事の塊を、そのまま管理しない
管理できる単位まで分解する
抜け漏れ・ダブりを減らし、見えていない仕事をなくす
進捗確認・遅延検知・再計画がしやすくなる
特に大事なのは、着手日に着手すること
「いつ終わるか」だけでなく、「いつ始めるか」を管理する
曖昧なものをそのまま実行しない
まずは「分かる状態にする仕事」に変える
進捗・依存関係・リスク・課題を見える状態にする
急なヘルプや引き継ぎに対応しやすくなり、後から振り返りや改善にも使える
つまりタスク管理とは、単なるToDoリストではなく、
仕事を前に進めるための「設計」と「運用」の仕組み
だと思っています
仕事が詰まるとき、原因は「頑張りが足りない」ことではなく、
たいてい 仕事が見える形になっていないこと です
逆に言えば、
この状態が作れれば、仕事はかなり前に進みやすくなります
私は、タスク管理は「管理のための管理」ではなく、
実際に仕事を進めるための設計図であり、運用の土台
だと考えています
もしタスク管理がうまくいかないと感じているなら、
まず見直すべきは根性ではなく、仕事を “見える状態” にできているかどうか かもしれません
この記事がみなさまの仕事にお役に立てたら幸いです
python で json形式のタスク情報から html形式のガントチャートを作成するプログラムを作ってみました
特に説明はなしです 💦
実際に動かして試してみて楽しんでみてください ('ω')ノシ
ちゃんと動けば、gantt.html が出力されて、ブラウザに読み込ませると下図のようになります (*´ω｀*)
ではでは・・・
まずは anaconda 環境に必要なライブラリのインストールする
pip install pandas
pip install plotly
sample.json という名前のタスク情報を記したファイルを作成する
{
"title": "戦国時代（+450年）",
"tasks": [
{
"id": "task1",
"name": "織田信長",
"start": "1984-06-23",
"end": "2032-06-21",
"owner": "織田信長",
"progress": 70,
"summary": "",
"memo": "",
"milestones": []
},
{
"id": "task2",
"name": "豊臣秀吉",
"start": "1987-03-17",
"end": "2048-09-18",
"owner": "豊臣秀吉",
"progress": 40,
"summary": "",
"memo": "",
"milestones": [
{"name": "天下統一", "date": "2040-01-01"}
]
},
{
"id": "task3",
"name": "徳川家康",
"start": "2043-01-31",
"end": "2066-06-01",
"owner": "徳川家康",
"progress": 90,
"summary": "",
"memo": "",
"milestones": [
{"name": "征夷大将軍就任", "date": "2053-01-01"},
{"name": "大坂夏の陣", "date": "2065-01-01"}
]
}
]
}
肝心かなめのプログラムはこちらです
これで動かしてみてください ('ω')ノシimport json
import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime
# -----------------------------
# JSON読み込み
# -----------------------------
with open("sample.json", encoding="utf-8") as f:
root = json.load(f)
TITLE = root["title"]
data = root["tasks"]
rows = []
completed_rows = []
remaining_rows = []
milestones = []
# -----------------------------
# データ整形
# -----------------------------
for t in data:
start = pd.to_datetime(t["start"]).normalize()
end = pd.to_datetime(t["end"]).normalize()
duration = end - start
progress_end = (start + duration * (t["progress"] / 100)).normalize()
# hover用情報
rows.append({
"Task": t["name"],
"Start": start,
"Finish": end,
"Owner": t["owner"],
"Summary": t["summary"],
"Memo": t["memo"],
"StartStr": start.strftime("%Y-%m-%d"),
"FinishStr": end.strftime("%Y-%m-%d")
})
# 完了部分
if progress_end > start:
completed_rows.append({
"Task": t["name"],
"Start": start,
"Finish": progress_end
})
# 未完了部分
if progress_end < end:
remaining_rows.append({
"Task": t["name"],
"Start": progress_end,
"Finish": end,
"Owner": t["owner"]
})
# マイルストーン
for ms in t["milestones"]:
ms_date = pd.to_datetime(ms["date"]).normalize()
milestones.append({
"Task": t["name"],
"Date": ms_date,
"Label": f'{ms["name"]}\n{ms_date.strftime("%Y-%m-%d")}'
})
df = pd.DataFrame(rows)
completed_df = pd.DataFrame(completed_rows)
remaining_df = pd.DataFrame(remaining_rows)
ms_df = pd.DataFrame(milestones)
# -----------------------------
# ガント（未完了）
# -----------------------------
fig = px.timeline(
remaining_df,
x_start="Start",
x_end="Finish",
y="Task",
color="Owner",
hover_data=[]
)
fig.update_yaxes(autorange="reversed")
# ★バー枠線なし
fig.update_traces(marker_line_width=0)
# -----------------------------
# hover情報追加
# -----------------------------
for _, r in df.iterrows():
fig.add_trace(go.Scatter(
x=[r["Start"]],
y=[r["Task"]],
mode="markers",
marker=dict(size=0),
showlegend=False,
hovertemplate=
f"<b>{r['Task']}</b><br>"
f"担当: {r['Owner']}<br>"
f"開始: {r['StartStr']}<br>"
f"終了: {r['FinishStr']}<br>"
f"概要: {r['Summary']}<br>"
f"メモ: {r['Memo']}<extra></extra>"
))
# -----------------------------
# 完了バー（グレー）
# -----------------------------
if not completed_df.empty:
fig_completed = px.timeline(
completed_df,
x_start="Start",
x_end="Finish",
y="Task"
)
for trace in fig_completed.data:
trace.marker.color = "lightgray"
trace.marker.line.width = 0
trace.showlegend = False
fig.add_trace(trace)
# -----------------------------
# マイルストーン
# -----------------------------
for _, r in ms_df.iterrows():
fig.add_trace(go.Scatter(
x=[r["Date"]],
y=[r["Task"]],
mode="markers+text",
marker=dict(size=12, color="red", symbol="diamond"),
text=r["Label"],
textposition="top center",
showlegend=False
))
# -----------------------------
# 今日ライン
# -----------------------------
today = pd.to_datetime(datetime.now()).normalize()
fig.add_shape(
type="line",
x0=today,
x1=today,
y0=0,
y1=1,
xref="x",
yref="paper",
line=dict(color="black", width=2, dash="dash")
)
fig.add_annotation(
x=today,
y=1,
xref="x",
yref="paper",
text="Today",
showarrow=False,
yshift=10
)
# -----------------------------
# 軸の日付表示形式
# -----------------------------
fig.update_xaxes(tickformat="%Y-%m-%d")
# -----------------------------
# タイトル
# -----------------------------
fig.update_layout(
title=TITLE,
title_x=0.5
)
# -----------------------------
# 出力
# -----------------------------
fig.write_html("gantt.html")
print("gantt.html を出力しました")
Excel の差分抽出を Excel で行う 際、
一見うまくいっているように見えるけど、実は正しく比較できていない
というケースは少なくないです
実務で頻発する落とし穴と、その対策を整理していきます ('ω')ﾉｼ
IF関数やセル比較は、「同じ行＝同じデータ」 という前提になります
しかし、実際には、
といったことが頻繁に起こります
この状態で単純比較を行うと、
実際には同一データであっても「すべて不一致」と判定されてしまいます ( ﾉД`)ｼｸｼｸ…
対策
Excel では、以下は見た目が似ていても意味が異なります
これを意識せず比較すると、
といった問題が発生します
対策
TRIM や IFERROR を併用する数値と文字列の違い、日付の表示形式の違いなども、差分判定の原因になります
例：
2026/01/01 と 2026-01-0100123 と 123対策
差分抽出で最も多い失敗原因は、行ズレを考慮していないこと です
そのため、次の考え方が重要です
差分抽出を行う場合、以下のような 一意に特定できる列 を必ず用意する
このキーを基準に、
という形で分類する
比較前に並び替えを頑張る必要はなし
この方が、作業ミスを防ぎやすくなります
| データ量 | 推奨手法 |
|---|---|
| 数十〜数百行 | XLOOKUP / COUNTIF |
| 数千行以上 | Power Query |
無理に関数で対応し続けると、
ファイルが重くなり、保守も難しくなります
差分抽出の目的は、
「差を見つけること」ではなく「差分を他人に伝えること」 です ✨✨✨
そのため、結果のまとめ方が重要になります
実務では、次の３つに分類すると分かりやすくなります
特に「更新」は、
が分かる形にすると、レビューや承認がスムーズになります
元データを直接加工するのではなく、
を 別シートとして分離 するのがおすすめです
これにより、
が容易になります
差分結果の表現方法も重要です
| 表現 | 用途 |
|---|---|
| 色 | 目視確認 |
| フラグ（追加／削除／更新） | 集計・フィルタ |
| コメント | 理由・補足説明 |
「人が見る用」と「集計する用」を意識して設計すると、
実務で非常に使いやすくなります
Excel で差分抽出を行う際は、
この3点を意識することで、
「動くけど使えない差分」から
「実務で信頼できる差分」へとレベルアップできます
差分抽出の手法そのものだけでなく、
前後の考え方まで含めて設計することが重要 です
を意識して設計すると、
実務で非常に使いやすくなります
Excel の差分抽出を行うツールを用意しておりますので、
是非お試しくださいませ ✨✨✨
https://yaonasu.blogspot.com/2025/11/ii-excel-diff.html
https://yaonasu.blogspot.com/2025/11/ii-exsh-diff.html
〜目的別に選べる７つのパターン解説〜
Excel で作成したデータを更新したあと、
と感じたことはありませんか？
本記事では、Excel初心者の方でも理解しやすいように、
Excel で差分を抽出する代表的な方法を「パターン別」に整理して解説します
差分抽出とは、
2つのデータ（更新前・更新後）を比較して、違いを見つけることです
例えば、
など、実務では頻繁に行われます。
ただし、差分抽出には複数の方法があり、
目的に合わない方法を選ぶと、正しく比較できません
まずは、Excelでよく使われる差分抽出の方法を一覧で見てみましょう
| No | 方法 | 特徴 |
|---|---|---|
| 1 | IF関数で比較 | 最もシンプル |
| 2 | 条件付き書式 | 色で差分を表示 |
| 3 | VLOOKUP / XLOOKUP | キーで突合 |
| 4 | COUNTIF / MATCH | 存在有無の確認 |
| 5 | Power Query | 大量データ向け |
| 6 | VBA | 自動化向け |
| 7 | 外部ツール | 技術者向け |
初心者の方は、1〜4を理解できれば十分 です
次に、それぞれの方法の違いを表で確認します
| 方法 | メリット | デメリット | 向いている場面 |
|---|---|---|---|
| IF関数 | 簡単・分かりやすい | 行ズレに弱い | 同じ形式の表 |
| 条件付き書式 | 見た目で確認できる | 一覧化しにくい | 目視確認 |
| XLOOKUP | 行順が違ってもOK | 関数がやや難しい | マスタ比較 |
| COUNTIF | 追加・削除が分かる | 内容比較は不可 | 件数チェック |
| Power Query | 大量データに強い | 学習が必要 | 定期作業 |
| VBA | 自由度が高い | 難易度が高い | 自動化 |
| 外部ツール | 高速・正確 | Excel外作業 | 技術者向け |
ここからは、よく使われる方法だけを具体的に紹介します
同じ行・同じ列構成の2つの表を、セルごとに比較する最も簡単な方法です
比較結果用の列を作成
以下の式を入力
下までコピー
差分を「抽出」するのではなく、色で分かりやすく表示する方法です
比較したい範囲を選択
条件付き書式 → 数式を使用
数式例（比較先の範囲の一番左で一番上のセル番号が A1 の場合の例）
塗りつぶし色を設定
商品コードなどの「キー」を使って、更新前後の差分を確認する方法です
「存在するかどうか」だけを確認する方法です
| 目的 | おすすめ方法 |
|---|---|
| とにかく簡単に | IF関数 |
| 見た目で確認 | 条件付き書式 |
| マスタ差分 | XLOOKUP |
| 追加・削除確認 | COUNTIF |
迷ったら、XLOOKUP が最も実務向き です
Excel の差分抽出には、目的に応じてさまざまな方法があります
初心者の方はまず、
この３つを押さえるだけで、多くの差分チェックに対応できます
「難しい方法を使うこと」よりも、目的に合った方法を選ぶことが、
正確な差分抽出への近道です
Excel の差分抽出を行うツールを用意しておりますので、
是非お試しくださいませ ✨✨✨
https://yaonasu.blogspot.com/2025/11/ii-excel-diff.html
https://yaonasu.blogspot.com/2025/11/ii-exsh-diff.html
