ガーミンやランメトリックスで取ったデータ、「見て終わり」になっていませんか？
らびぃやばい僕だ！
のろりんデータなんて見たことないよ！
このような方も多くいると思いますが、残念ながらただの「記録係」になっています。
「データ分析」と聞くと、Excel関数や難しいプログラミングが必要だと思っていませんか？時代は変わりました。
ランスパ今はデータをAIに「コピペ」して、日本語で話しかけるだけでOKです。
私が実践している、ChatGPTやGeminiを使った「ランニングデータ解析術」を、IT初心者でもできるようにまとめました。
最後まで読めば、データ分析を実行してみたくなり、実際試してみると簡単なことがわかると思います。
STEP 0：30秒で体感 ─ AIにデータを貼るとこうなる
実際に私がChatGPTにGarminデータを貼った結果がこちらです
らびぃ簡単だね！
プログラミングもExcel関数も不要。 やり方はSTEP 2で詳しく解説しています。
STEP 1：【基礎】なぜランナーが「生成AI」を使うべきなのか？
AIは文章を書くだけのツールではありません。
実は「数字の羅列」から「意味」を見つけ出すのが大得意なんです。
- 人間のコーチはお金がかかるし、24時間は見てくれない。
- AIなら無料（または安価）で、あなたの10年分のデータを30秒で読んでくれる。
- 感情論抜きで、ズバッと「弱点」を指摘してくれる。
AIは、あなたのポケットに入っている「世界一物知りなコーチ」です。
らびぃそうかもしれないけど、難しそうで何もできない…
STEP 2：【実践編①】GarminデータをAIに読ませる「コピペの魔法」
具体的にどうやるの？ 一番簡単な方法教えます。プログラミングなんて1行も書きません。
Garmin ConnectのデータをAIにコピペするだけで30秒で解決
CSVのエクスポート方法から、プロンプト（AIへの命令文）のコピペ元まで完全解説しています。
15年走って初めて気づいた！GarminデータをAIに分析させたら
私の15年分のデータを食わせたら何が起きたか？ 「右足の接地時間が長い」など、自分でも気づかなかった癖が見つかりました。
【POINT】
「このデータから、私の走りの傾向と改善点を教えて」と送るだけ。魔法のように答えが返ってきます。
STEP 3：【実践編②】Runmetrixの辛口スコアを「具体的ドリル」に変える
フォームの点数が低かった時、どうすればいい？ AIに練習メニューを作ってもらいましょう。
RunmetrixのデータをCSVで取り出し、AIに読み込ませれば…
「骨盤の回転が悪い」→「じゃあ、このストレッチとこの動き作りをやってください」まで落とし込む流れを解説。
【POINT】
悪い点数は「伸び代」です。AIがその伸ばし方を教えてくれます。
らびぃGarminで分析したら、いろんな事がわかったよ！
STEP 4：【応用編】AIはレース結果すら「予言」するのか？
過去の練習データを全部食わせたら、未来のタイムはわかるのか？ まさかの実験結果です。
AI予想vs実走！東京レガシーハーフマラソンの真実
AIが出した予想タイムと、実際の結果の誤差はどれくらいだったのか？ 驚きの結果をご覧ください。
「夏に遅い」は当たり前！12年分のデータが証明した真実
季節ごとのパフォーマンス低下率を可視化。これで「夏場にタイムが出ない」と落ち込む必要がなくなります。
【POINT】
自分の「限界」や「適性」を知ることで、レースプランが驚くほど立てやすくなります。
らびぃデータを丸投げしちゃえば色々と知れるから便利だね
データとAIを活用したサブ4達成の具体戦略
データとAIを活用したサブ4達成の具体戦略は、こちらの記事で解説しています。
実際のレースでAI予測を活用した事例
実際のレースでAI予測を活用した事例はこちらです。
STEP 5：実戦レポート ─ AI分析で走ったフルマラソン結果
「AIで分析して、本当にタイムは良くなるの？」
これが一番聞かれる質問です。正直に答えます。
私はAI×Runmetrixで3ヶ月間フォームを改造し、いわきサンシャインマラソン（フル）に挑みました。結果は4時間01分56秒。サブ4には届きませんでした。
しかし、AIが注目したのはタイムではなく別のデータでした。
「敗因は走力不足ではなく、20km〜30km区間でのエネルギー枯渇です。
しかし、3ヶ月で培った『忍び足』フォームは、限界状態でも崩れませんでした。
着地衝撃スコアは35km以降も50点台をキープ。
以前のように40点台に落ちることはありませんでした。」
つまり、AIが指摘した「破壊神フォーム（着地スコア40点台）」は3ヶ月で改善され、体力が尽きた状態でも足を守れるフォームが身についていたのです。
タイムだけを見れば失敗です。でも、データは「技術は確実に進化した」と証明してくれました。これがAI分析の本当の価値です。結果が悪くても、何が良くて何がダメだったのかを客観的に切り分けてくれる。
次に何を改善すべきかが明確になるから、闇雲に走らなくて済みます。
3ヶ月のフォーム改造記録 ─ AI×Runmetrixの全記録
「破壊神」と呼ばれた着地スコア40点台から、限界でも崩れないフォームを手に入れるまでの3ヶ月間。Runmetrixのデータを毎回AIに食わせ、改善→検証→修正を繰り返した全記録です。
ハーフPB更新！AI分析でシューズを選び、激坂を攻略した所沢シティマラソン
フォーム改造の途中経過として出場したハーフマラソン。RunmetrixのデータをAIに分析させ、「接地時間が安定している」「着地衝撃が少ない」というデータからシューズを選択。結果は1時間36分42秒の自己ベスト更新でした。
AI分析の価値は「成功した時」だけじゃない。
失敗した時こそ、AIは感情抜きで「何が良くて、何がダメだったか」を切り分けてくれる。
それが次のレースの最強の武器になります。
STEP 6：【コピペOK】目的別プロンプトテンプレート集
「AIにデータを貼れと言われても、何を聞けばいいかわからない」
安心してください。目的別に7つのプロンプトテンプレートを用意しました。コピペして、末尾にあなたのデータを貼り付けるだけです。どのAI（ChatGPT / Gemini / Claude）でも使えます。
さらに、③と⑥には応用プロンプト（折りたたみ内）も用意しています。必要に応じて展開してください。
使い方（共通3ステップ）
CSV の取り出し方がわからない方へ
GarminデータのCSV出し方 → STEP 2 の記事で図解しています
RunmetrixデータのCSV出し方 → STEP 3 の記事で図解しています
① 走法タイプ判定（ピッチ走法？ストライド走法？）
あなたはランニングデータの専門アナリストです。
以下のGarmin ConnectのCSVデータから、私の走りがピッチ走法寄りかストライド走法寄りかを判定してください。
【分析してほしいこと】
1. 速度とピッチ・歩幅の相関比較で走法判定
2. 私の走りの良い点を3つ
3. 改善点と具体的な練習提案を3つ
4. 次のレースに向けた1行アドバイス
データの前処理（3km未満除外、異常値スキップ）はお任せします。
ペース帯別の違いがあれば一言で教えてください。
[ここにCSVデータを貼り付け]▶ このプロンプトの実際の分析結果を見る → 「自分の走りはピッチ走法？ストライド走法？」
② 長期データ総合分析（隠れた癖・弱点の発見）
あなたはスポーツデータサイエンティストです。
以下のGarmin ConnectのCSVデータ（複数年分）を分析して、私の走りの隠れた癖や問題点を発見してください。
【分析してほしいこと】
1. 距離別のペース変化パターン（後半失速の程度）
2. 心拍数とパフォーマンスの関係（最適心拍ゾーン）
3. 歩幅・ピッチ・接地時間の長期トレンド
4. 疲労蓄積のサインとタイミング
5. 自分では気づいていなさそうな特徴を3つ
データの前処理（3km未満除外、異常値除外）はお任せします。
[ここにCSVデータを貼り付け]▶ このプロンプトの実際の分析結果を見る → 「15年走って初めて気づいた！GarminデータをAIに分析させたら」
③ 暑熱ペナルティ測定（夏にペースが落ちる原因を数値化）
「夏になると同じ心拍なのにペースが遅い」── その正体を数値化するプロンプトです。
心拍帯ごとに夏冬を比較するので、「ゆっくり走っただけ」なのか「暑さで遅くなった」のかを因果関係で切り分けられます。
あなたはスポーツ科学に精通したランニングコーチです。
以下のGarmin CSVデータを基に、このランナーの暑熱ペナルティを測定してください。
【分析手順】
1. 7-8月（夏）と12-2月（冬）のランニングデータを分類
2. 心拍帯別（Zone2: HR<140, Zone3: 140-155, Zone4: 155-170）で
夏冬それぞれの平均ペースを算出
3. 同一心拍帯での夏冬ペース差を計算
4. 気温データがある場合、1℃あたりのペース低下（秒/km per ℃）を算出
5. 25℃未満 / 25-29℃ / 30℃以上 の3段階でペース変化を比較
【出力形式】
- 心拍帯別ペース差テーブル（夏 vs 冬、サンプル数付き）
- 暑熱ペナルティ係数（1℃あたり何秒/km遅くなるか）
- 気温帯別パフォーマンス変化テーブル
- 判定（標準的 / やや大きい / 要対策）と根拠
- このランナーの夏の適正ペース目安
【データ】
（ここにGarmin CSVを貼り付け）▶ このプロンプトの実際の分析結果を見る → 「夏に遅い」は当たり前！12年分のGarminデータが証明した衝撃の真実
応用：暑熱ペナルティ係数を使って、夏ペース表の自動生成＆秋レースタイム予測
上のプロンプトで暑熱ペナルティ係数がわかったら、以下の2つで夏の練習ペースと秋の予測タイムを算出できます。
応用A：夏トレーニングペース自動設定
あなたはマラソントレーニングの専門コーチです。
以下のプロフィールと暑熱ペナルティ係数から、
夏期（6-9月）のトレーニングペース表を作成してください。
【プロフィール】
- 目標レース：
- 目標タイム：
- 冬の各ペース：Eペース ○:○○/km、Tペース ○:○○/km、Iペース ○:○○/km
- 暑熱ペナルティ係数：Zone3 ○秒/km per ℃、Zone4 ○秒/km per ℃
- 練習時の想定気温：○℃
【出力形式】
- 気温別ペース換算表（25℃ / 28℃ / 30℃ / 33℃）
- 各練習タイプ別の夏ペース
- 心拍上限の設定値（冬比で何bpm下げるか）
- 夏に避けるべき練習と代替メニュー
応用B：夏→秋のレースタイム予測
あなたはレースタイム予測の専門家です。
以下の夏の練習データから、秋レースでの予想タイムを算出してください。
【分析手順】
1. 直近の夏の練習データ（ペース・心拍・気温）を受け取る
2. 暑熱ペナルティ係数で冬換算ペースに変換
3. 冬換算ペースからVDOT相当値を推定
4. 目標レース距離・気温での予想タイム算出
5. 信頼区間（ベスト / 標準 / ワースト）を提示
【プロフィール】
- 目標レース：
- 暑熱ペナルティ係数：Zone3 ○秒、Zone4 ○秒
- 直近1ヶ月の練習データ：（Garmin CSVを貼り付け）
④ フォーム診断（Runmetrixデータ用）
これは私のRunmetrix（ランニングモーションセンサー）のCSVデータです。
この数値を分析して、私のランニングフォームを診断してください。
【分析してほしいこと】
1. フォームの最大の課題を特定（特に「骨盤の動き」と「接地衝撃」の関係に注目）
2. 左右差のバランス（怪我リスクの有無）
3. 前半と後半でフォームがどう崩れているか
4. 改善のための具体的なドリル（動き作り）を3つ提案
5. すべて初心者にもわかる言葉で解説
[ここにRunmetrixのCSVデータを貼り付け]▶ このプロンプトの実際の分析結果を見る → 「Runmetrix、点数だけ見て満足してない？CSVをAIに読ませれば『専属コーチ』に変わる話」
⑤ レースタイム予測
あなたはマラソンのパフォーマンス予測の専門家です。
以下のGarmin ConnectのCSVデータ（過去6ヶ月〜1年分）から、次のレースの予想タイムを算出してください。
【条件】
- レース距離：[ハーフマラソン or フルマラソン]
- 予想気温：[〇〇]℃
- 目標レース名：[〇〇マラソン]
【分析してほしいこと】
1. 現時点の走力から算出した予想タイム（±誤差範囲付き）
2. 予想の根拠となったデータポイント
3. 目標タイム達成の可能性（%）
4. レース当日の推奨ペース配分（5km刻み）
5. レースまでに改善すべき点を1つ
[ここにCSVデータを貼り付け]▶ このプロンプトの実際の分析結果を見る → 「AI予想vs実走！東京レガシーハーフマラソンの真実」
⑥ レース振り返り分析（敗因・勝因の特定）
あなたはマラソンのレース分析コーチです。
以下は私が走ったレースのデータです。レース結果を分析して、振り返りレポートを作成してください。
【レース情報】
- 大会名：[〇〇マラソン]
- 距離：[ハーフ or フル]
- 目標タイム：[〇〇]
- 結果タイム：[〇〇]
- 当日気温：[〇〇]℃
- 体調・補給メモ：[自由記述]
【分析してほしいこと】
1. 目標未達（or 達成）の要因を、データに基づいて特定
2. ペース推移から「どこで崩れた（or 攻められた）か」を分析
3. 心拍データから「エネルギーマネジメント」を評価
4. フォームデータがあれば、前半と後半の変化を分析
5. 次のレースに向けた具体的改善アクション3つ
[ここにGarmin / Runmetrix のCSVデータを貼り付け]▶ このプロンプトの実際の分析結果を見る → 「AI×Runmetrix 3ヶ月のフォーム改造でマラソンはどう変わった？」
30km以降の後半失速に特化した詳細分析はこちら
30km以降に大きく崩れたレースには、この特化プロンプトが有効です。失速の「引き金」をデータの根拠付きで順位づけし、エネルギー枯渇・ペース配分ミス・脚筋疲労を切り分けます。
あなたはフルマラソンの分析に精通したランニングコーチです。
以下のランナーのレースデータを分析し、後半失速の原因を特定してください。
【ランナープロフィール】
・性別：【男性 / 女性】
・年齢：【 歳】
・ランニング歴：【 年】
・フルマラソン自己ベスト：【 時間 分】
・今回の目標タイム：【 時間 分】
・今回のフィニッシュタイム：【 時間 分】
・当日の気温：【 ℃】
・当日の補給（ジェル等）：【例：15km、25km、35kmでジェル各1本】
・コースの特徴：【例：22km地点に激坂あり】
・主観的な感覚：【例：25kmから急に脚が重くなった】
【ラップデータ（Garmin等から取得）】
（ここに1kmごとまたは5kmごとのラップデータを貼り付け。
項目：ラップ番号、距離、ペース、心拍数、ケイデンス、歩幅、パワー）
─── 以下の4項目を回答してください ───
1.【失速開始地点】何km地点から失速が始まったか。ペースと心拍の乖離が始まった具体的なラップを指摘。
2.【引き金の順位付け】失速の引き金を可能性の高い順に3つ挙げ、それぞれデータ上の根拠を示す。
（例：エネルギー枯渇、ペース配分ミス、心拍オーバーペース、脚筋疲労、暑熱影響、フォーム崩壊、補給失敗、メンタル等）
3.【区間別評価】5km区間ごとにA〜Dの4段階で評価し、一言コメントをつける。
4.【改善アクション】次のレースで後半失速を防ぐための具体的な改善策を3つ、優先度順に提示。
各改善策には「何を」「どのくらい」「いつ」やるかを含めること。
⑥との違い： ⑥はレース全体の勝因・敗因の総合分析。こちらは「後半失速」に絞り込み、「引き金の順位付け」で因果関係を特定する点が異なります。
⑦ レース補給タイミング検証（補給の空白を特定する）
⑥の後半失速分析で「エネルギー枯渇」が上位に出た場合に使う深掘りプロンプトです。Garminのラップデータと補給メモを突き合わせて、「どこで補給が足りなかったか」を特定します。
あなたはマラソンのスポーツ栄養士兼データアナリストです。
以下のレースデータと補給記録を基に、補給戦略の問題点を特定してください。
【分析手順】
1. ラップデータからペース低下開始地点を特定
2. 心拍の変化パターンを分析
（低下＝エネルギー枯渇型 / 上昇＝オーバーペース型）
3. 補給タイミングと失速地点の関係を検証
（補給から何km後に失速が始まったか）
4. 補給空白区間（前回補給から次の補給までの距離・時間）を算出
5. 科学的ガイドライン（20-30分で吸収、60-90g/h上限）と照合
【出力形式】
- 補給空白区間の一覧と危険度判定
- 失速の補給要因（確信度 高/中/低）
- 具体的な改善ポイント（何kmに追加すべきだったか）
【レースデータ】
- レース名：
- 完走タイム：
- 目標タイム：
- 気温：
- コース特徴：
- ラップデータ：（Garmin CSVから）
【補給記録】
- スタート前：
- ○km地点：ジェル名・内容
- ○km地点：ジェル名・内容
- …
（エイドでの水・スポドリ摂取も可能な範囲で）
使い方のヒント： まず⑥（または後半失速特化版）でレース全体を分析し、「エネルギー枯渇」が原因上位に出たら、このプロンプトで補給の具体的な改善点を深掘りする流れが効果的です。
7つのテンプレート（＋応用プロンプト）はすべて「コピペ → データ貼り付け → 送信」の3動作で完了します。
AI君どれから始めるか迷ったら、これを参考にして！
・自分の走りの全体像を知りたい → ②
・直近のレースを振り返りたい → ⑥
・夏のペース低下が気になる → ③
・レースで後半崩れた → ⑥の折りたたみ → ⑦
まとめ：AI時代、速くなるのは「頭を使って走る人」！
- データは宝の山
- 掘り出すシャベルがAI
- それを使うのはあなた
まずは直近のランニングデータを1回分、AIに貼ってみてください。
その回答に、あなたは絶対に驚くはずです。
やり方はSTEP 2の記事で詳しく解説しています。
今日から「AI専属コーチ」との二人三脚を始めましょう！
ランスパ最後まで読んでいただき、本当にありがとうございます。
あわせて読みたいガイド記事
Garminの選び方から設定・データ活用まで、すべてまとめたガイドはこちらです。
