データベースって結局何?AIにテーブル設計を手伝ってもらいながら非エンジニアが理解してみた

PR本記事はアフィリエイト広告(プロモーション)を含みます。紹介する商品・サービスの選定基準や体験談は編集部の見解に基づきます。

この記事を読むと何がわかるか

「データベース」という言葉が指しているものを、専門用語を使わずに理解できます
普段使っている表計算(Excel・スプレッドシート)と何が違うのかがわかります
AIに手伝ってもらいながら、簡単なテーブル設計を体験する感覚がつかめます

「データベース」「テーブル」「SQL」という言葉は聞いたことがあるけれど、結局何なのかよくわからない——そんな方に向けて、この記事ではプログラミング未経験の筆者が、AIに質問を重ねながらデータベースの考え方を理解していった過程を、そのまま体験談として紹介します。

そもそもの疑問: 表計算と何が違うの?

多くの人にとって、データを整理する道具としてまず思い浮かぶのはExcelやスプレッドシートです。そこで最初にAIにこう聞いてみました。

自分: データベースって、結局Excelやスプレッドシートと何が違うんですか?

AI: 小さなデータ量であれば、Excelやスプレッドシートでも十分に管理できます。データベースが本領を発揮するのは、次のような場面です。1つ目は、同じ情報(例えば取引先の住所)をあちこちのシートに重複して書かなくて済むように、情報を整理して1か所にまとめられること。2つ目は、複数の表(例えば「取引先の情報」と「注文の情報」)を関連づけて、必要なときに組み合わせて取り出せることです。

「重複を減らせる」「複数の表を関連づけられる」という2点が、最初の大きな気づきでした。

表計算との違いを整理してもらう

もう少し具体的にイメージをつかむため、表で整理してもらいました。

観点	表計算(Excel・スプレッドシート)	データベース
得意な規模	少量〜中量のデータを、自分の目で見ながら扱う	大量のデータを、決まったルールに沿って正確に扱う
重複データ	同じ情報を複数の場所にコピーしがち	情報を1か所にまとめ、関連づけて参照する考え方が基本
複数人での利用	同時に編集すると上書きの心配がある	複数人・複数システムからの同時アクセスを前提に設計されている
見た目の自由度	セルの色分け・レイアウトなど自由に装飾できる	データの正確さ・整合性を優先し、見た目の装飾は別の仕組みで行う

💡 ポイント: 「どちらが優れているか」ではなく、「少量のデータをその場で見ながら扱うなら表計算」「量が増えたり、複数の情報を関連づけて管理したいならデータベース」という向き不向きの違いだと理解すると腑に落ちやすいです。

データベースの基本用語を、身近な例えで整理してもらう

続けて、データベースでよく出てくる用語を教えてもらいました。

自分: 「テーブル」「カラム」「レコード」という言葉が出てきますが、それぞれ何のことですか?表計算に例えて教えてください。

AI: 表計算に例えると、次のように対応します。

テーブル: 1つの「シート」に近いイメージです。例えば「顧客一覧」というテーブル(シート)を作ります

カラム(列): シートの「列の見出し」にあたります。「名前」「連絡先」「登録日」のように、どんな情報を入れるかを決めるものです

レコード(行): シートの「1行分のデータ」にあたります。1人の顧客の情報がまとまった1行、というイメージです

「テーブル=シート」「カラム=列の見出し」「レコード=1行分のデータ」という対応関係がわかると、一気に身近なものに感じられました。

データベースの用語	表計算での対応イメージ
テーブル	1つのシート
カラム(列)	列の見出し(項目名)
レコード(行)	1行分のデータ
主キー	各行を一意に識別するための番号(例: 顧客ID)
リレーション	別々のテーブル(シート)を、共通の項目でつなげる関係

AIに手伝ってもらい、簡単なテーブル設計を体験してみる

概念がイメージできたところで、実際に簡単なテーブル設計をAIに手伝ってもらいました。題材は「趣味で集めている資料の管理」です。

自分: 趣味で集めている資料(本・雑誌・記事の切り抜きなど)を管理したいです。データベースの考え方で、どんなテーブルにすればよいか、シンプルな設計案を提案してください。

AI: シンプルに始めるなら、まずは1つのテーブル「資料一覧」から始めるのがおすすめです。列(カラム)の例は次の通りです。

資料ID(主キー、重複しない番号)

タイトル

種類(本/雑誌/切り抜きなど)

入手日

保管場所

メモ

慣れてきたら、「種類」を別のテーブルに分けて関連づける、といった発展も考えられますが、最初はこの1つのテーブルで十分です。

このやり取りで、いきなり複雑な設計をする必要はなく、「まず1つのシンプルなテーブルから始めて、必要になったら発展させる」という進め方でよいことがわかりました。

⚠️ 注意: 実際にツールに手を動かして触ってみる体験(Notionのデータベース機能や、無料のデータベースツールを使う体験)は、今後の記事で扱う予定です。本記事はまず「考え方」を理解する段階として位置づけています。

まずはここから: 最初の一歩

考え方を理解したら、次は実際に手を動かしてみる段階です。難しいツールを使わなくても、次のような身近な一歩から始められます。

まずは無料のNotion公式サイトにアクセスして無料登録し、データベース機能で簡単な一覧(例: 資料一覧、案件一覧)を作ってみる
「複数の情報を関連づけて管理する」という感覚をより実務的に体験したい場合は、GitHubの公式サイトにアクセスして無料アカウントを登録し、GitHub Desktopをインストールしておくと、次の記事で紹介するGitの操作にもそのまま進めます
まずは自分が管理したいもの(案件・資料・顧客情報など)を1つ選び、本記事のプロンプト例を使ってAIにテーブル設計のたたき台を作ってもらうところから始めてみましょう

AIと一緒にデータベースを理解するためのプロンプト例(3つ)

プロンプト例(表計算との違いを整理してもらう場合):

「データベース」と「表計算(Excel・スプレッドシート)」の違いを、
プログラミングの知識がない人にもわかるように説明してください。
・どんな場面ではデータベースのほうが向いているか、
 具体例を挙げて教えてください

プロンプト例(自分が管理したいものをテーブル設計してもらう場合):

私は[管理したいもの、例: フリーランスの案件と請求状況]を
管理したいと考えています。
データベースの考え方で、どんな項目(カラム)を持つ
テーブルにすればよいか、シンプルな設計案を提案してください。
・まずは1つのテーブルから始めたいです

プロンプト例(専門用語をその都度かみ砕いてもらう場合):

これから一緒にテーブル設計を考えるにあたり、
「主キー」「リレーション」のような専門用語が出てきたら、
その都度、表計算に例えてかみ砕いて説明しながら
話を進めてください。

💡 ポイント: 最初から完璧な設計を目指さず、「まずは1つのシンプルなテーブルから始める」と決めておくと、考えすぎて手が止まることを防げます。

使用例: フリーランス翻訳者・池田さんのケース

フリーランスで翻訳の仕事をしている池田さんの例です。池田さんは、案件ごとの情報(クライアント名、納期、金額、進捗状況)をスプレッドシートで管理していましたが、クライアントの連絡先情報を案件ごとに何度も入力し直していることに気づき、非効率さを感じていました。

まず「表計算との違いを整理してもらう」プロンプトを使い、「クライアント情報」と「案件情報」を別々のテーブルとして分け、関連づけるという考え方があることを知りました
続けて「自分が管理したいものをテーブル設計してもらう」プロンプトを使い、「クライアント一覧」(名前・連絡先)と「案件一覧」(案件名・クライアントID・納期・金額・進捗)という、2つのシンプルなテーブル案を提案してもらいました
「専門用語をその都度かみ砕いてもらう」プロンプトを使いながら、「クライアントID」が2つの表をつなぐ役割(リレーション)を果たすことを理解しました
実際には、この考え方をもとに、使い慣れたスプレッドシートの中で「クライアント一覧」と「案件一覧」をシートを分けて整理し直すところから始めました

池田さんいわく、「データベースという言葉を難しく捉えすぎていたが、今使っているスプレッドシートの中でも『情報を分けて関連づける』という考え方は取り入れられるとわかり、視野が広がった感覚がある」とのことでした(これは池田さんの体感であり、当社が効果を計測した数値ではありません)。

Before/After: データベースへのイメージの変化

項目	AIに聞く前	AIに聞いた後
データベースのイメージ	「エンジニアが使う難しい専門技術」	「情報を整理し、重複を減らして関連づける考え方」
表計算との関係	「表計算とは全く別のもの」という漠然とした認識	「データ量や関連づけの必要性によって使い分けるもの」という理解
実践への距離感	難しそうで自分には関係ないと思っていた	自分の管理したいものに当てはめて考えられるようになった

※上記は一般的に想定される理解度の変化の整理であり、当社が数値として計測したものではありません。

気をつけたいこと

本記事で扱ったのはあくまで「考え方」の理解です。実際に本格的なデータベースを構築・運用する場合は、データの正確性やセキュリティなど、専門的な知識が必要になる場面も出てきます。
個人情報(顧客の連絡先など)を扱う場合は、利用するツールのデータの取り扱い方針を事前に確認しましょう。

⚠️ 注意: この記事はデータベースの「考え方」を理解する段階のものです。実際に業務で重要なデータを扱う仕組みを構築する場合は、無料ツールで小さく試しながら進め、心配な点があれば詳しい人に相談することをおすすめします。

よくある質問

Q. データベースを理解するのにプログラミングの知識は必要ですか? 本記事で扱った「考え方」のレベルであれば、プログラミングの知識がなくても理解できます。実際にSQLという言語でデータを操作する場面になると、また別の知識が必要になりますが、まずは考え方を理解することが第一歩です。

Q. 今使っているスプレッドシートをやめて、データベースに移行すべきですか? 必ずしもそうとは限りません。データ量が少なく、自分の目で見ながら管理できる範囲であれば、スプレッドシートのままで十分な場合も多いです。情報の重複や関連づけに不便を感じ始めたタイミングで検討するのがよいでしょう。

Q. 次は何をすればいいですか? まずはGitの考え方・操作にも触れてみると、データベースと同じく「非エンジニアでも触れられる専門領域」の理解が広がります。「Gitって何?非エンジニアが「なぜエンジニアはみんな使うのか」をAIと一緒に理解してみた」もあわせてご覧ください。

まとめ

データベースは、「情報を整理し、重複を減らして関連づける考え方」だと理解すると、専門用語の壁がぐっと下がります。表計算との違いは優劣ではなく向き不向きであり、データ量や関連づけの必要性に応じて使い分けるものです。AIに身近な例えで説明してもらいながら、自分が管理したいものに当てはめて考えることで、専門書を読むよりも取り組みやすく理解を深められる可能性があります。