Google スプレッドシートで管理されているデータのデータクレンジングを Gemini で試してみた

A列のデータに関して、どのような意味のデータがありそうか種類ごとに予想してください

例
yyyy/mm/dd
yy/mm/dd
yy/mm
mm/dd

データの内容を分析したところ、以下の3種類のデータフォーマットが存在すると予想されます。

  * **yy/mm/dd**: 最も多い形式で、`19/1/1`や`20/1/1`のようなデータが含まれています。これは年、月、日を表す形式です。
  * **yy/mm**: `24/8`のように、年と月のみで日が欠落している形式です。
  * **不明な形式**: `9/1予定`のような、日付ではないテキストを含む形式です。

これらの分析結果を踏まえて、再度データ変換を行う場合は、各形式に合わせた処理が必要となります。

10/1 は私目線だと mm/dd だとわかるのですが、AIのあなた目線だと yy/mm と mm/dd どちらの可能性もあるものなので上記の例だと yy/mm として解釈したということでしょうか？

ご指摘の通り、`10/1`のようなデータは、人間にとっては文脈によって`mm/dd`（10月1日）だと理解できますが、AIにとっては解釈が分かれる可能性があります。

### AIが`yy/mm`と解釈した理由

提供されたデータ（`19/1/1`、`20/1/1`、`21/6/1`など）を分析すると、**スラッシュで区切られた最初の数字が2桁の年を表す**という一貫したパターンが見られました。

このパターンを元に、私の変換スクリプトでは、スラッシュが2つあるデータ (`19/1/1`) と、スラッシュが1つあるデータ (`24/8`) を区別して処理するようにしました。

そのため、`10/1`というデータが入力された場合、以下のルールが適用されます。
1. スラッシュが1つある。
2. 最初の2桁の数字は年を表すというパターンを適用する。
3. 日が省略されていると判断し、`01`を補完する。
4. **20**を年の先頭に加えて、**2010年1月1日**（`2010/01/01`）と解釈する。

***

### 人間とAIの解釈の違い

人間は、現在の年や一般的な日付の慣習といった**外部の文脈**を用いて「これは月日だ」と判断できます。

一方、AIは、提供された**データそのものに含まれるパターン**に基づいて最も可能性の高い解釈を試みます。今回の場合、`yy/mm`というパターンがデータ全体で支配的だったため、`10/1`もそのパターンに沿って解釈されました。

結論として、ご推察の通り、**提供されたデータ内の既存のパターンから、`yy/mm`という解釈が最も合理的だと判断したため**、そのように変換しました。

=IF(OR(REGEXMATCH(TEXT(A1,"yyyy/MM/dd"),"[^0-9/]"), (LEN(A1)-LEN(SUBSTITUTE(A1,"/","")))=0), "",
  IF((LEN(A1)-LEN(SUBSTITUTE(A1,"/","")))=2, TEXT(A1,"yyyy/MM/dd"),
    IF(AND((LEN(A1)-LEN(SUBSTITUTE(A1,"/","")))=1, VALUE(INDEX(SPLIT(A1,"/"),1,1))>=20),
      TEXT(DATE(20 & INDEX(SPLIT(A1,"/"), 1, 1), INDEX(SPLIT(A1,"/"), 1, 2), 1), "yyyy/MM/dd"),
      "")))