Claude CodeはMCP経由でfreee・HubSpot・Sheetsに直接接続し、データ取得から分析・レポート生成まで1セッションで完結できます。CLAUDE.mdにKPI定義と閾値を永続化することで、毎月同品質の経営レポートを自動生成できます。
「freeeの会計データ、HubSpotの営業データ、スプレッドシートの予算マスタを毎月Excelで突合している」「月次レポートを作り終えた翌週にはもう翌月のデータ収集が始まる」——経営者やCFO、経営企画担当者なら誰もが経験する、終わりのないデータ集計作業です。
経営管理の最大のボトルネックは「データの分散」です。会計はfreee、営業はHubSpot、予算はSheets、日報はSlackと散在した状態では、意思決定よりもデータ加工に時間が奪われます。Claude CodeはMCP(Model Context Protocol)で複数SaaSに直接接続でき、データ取得から分析・レポート生成までを1セッションで完結できます。CLAUDE.mdにKPI定義や閾値を永続化すれば、毎月同じ品質のアウトプットを再現できます。
本記事では、freee × HubSpotのデータ統合による予実管理、営業KPIのモニタリング、月次経営レポートの自動生成という3つの自動化パターンを、Claude Codeでの具体的な指示例とともに解説します。
この記事でわかること
- freee × HubSpotのデータを統合した予実管理の自動化手順
- HubSpot MCPを使った営業KPIのモニタリング方法
- 月次経営レポートの自動生成フロー
- CLAUDE.mdで経営ルール(KPI定義・閾値)を永続化する方法
対象読者: 経営者・CFO・経営企画担当者
なぜClaude Codeが経営管理に使えるのか
経営管理の最大のボトルネックは「データの分散」です。会計データはfreee、営業データはHubSpot、予算はスプレッドシートに散在し、毎月Excelで手作業の突合をしている企業が大半です。
Claude CodeはMCP(Model Context Protocol)で複数SaaSに直接接続し、データ取得から分析・レポート生成まで1つのセッションで完結します。
| データソース |
接続方法 |
取得できるデータ例 |
| freee会計 |
freee MCP |
損益計算書、月次推移、取引明細、試算表 |
| HubSpot CRM |
HubSpot MCP |
パイプライン、取引金額、営業活動 |
| Google Sheets |
Google Workspace MCP |
予算マスタ、KPI目標値 |
| Slack |
Slack MCP |
日報、営業報告、アラート通知 |
経営管理で最も時間がかかるのは「データを集めて整理する」作業です。Claude Codeはこの部分を自然言語の指示で瞬時に完了させるため、経営者はデータ加工ではなく意思決定に集中できます。
予実管理の自動化:freee × スプレッドシートのデータ統合
ステップ1:売上実績データの取得
freee MCPを使えば、Claude Codeから直接freee会計APIにアクセスして売上実績を取得できます。セットアップ方法は「Claude Code × freee-mcp連携」を参照してください。
「今月の勘定科目別の売上実績をfreeeから取得して、前月比と一緒にテーブルにまとめて」
ステップ2:予算データとの突合
予算データはGoogle Sheetsの予算マスタから取得し、実績データと科目ごとに突合します。
「freeeの売上実績と、予算マスタの目標値を突合して、達成率と差異額を計算して」
ステップ3:差異分析とアラート
差異が大きい項目は、取引明細レベルまで掘り下げて原因分析します。
「売上が予算比で15%以上未達の科目について、取引明細を確認して主な要因を分析して」
CLAUDE.mdでの予算管理ルール設定例
## 予実管理ルール
### 勘定科目マッピング
- 本業売上: 勘定科目「売上高」のみを集計対象とする
- 営業外収益(受取利息、雑収入等)は売上集計から除外する
### 差異分析の閾値
- 警告: 予算比 ±10%以上の乖離
- 要注意: 予算比 ±20%以上(取引明細レベルの原因分析を実行)
- 緊急: 予算比 ±30%以上(経営者への即時報告事項として出力)
CLAUDE.mdの設計パターンは「CLAUDE.md設計パターン集」で詳しく解説しています。
KPIモニタリング:HubSpot MCPで営業データを可視化
HubSpot MCPを接続すると、CRM内の取引・コンタクト・パイプラインにClaude Codeから直接アクセスできます。
| KPI項目 |
HubSpotデータソース |
分析内容 |
| 月次受注額 |
取引(closedwon) |
目標達成率、前月比 |
| パイプライン総額 |
取引(全ステージ) |
予測売上、加重パイプライン |
| 商談化率 |
ステージ遷移 |
コンバージョン率 |
| リード獲得数 |
コンタクト(新規) |
チャネル別リード数 |
「HubSpotから今月のパイプラインデータを取得して、ステージ別の取引金額と件数をまとめて。先月比の増減も出して」
営業KPIと財務KPIの統合分析
Claude Codeの真価は、営業KPIと財務KPIを同一セッションで統合分析できる点です。
「HubSpotの今月の受注データと、freeeの入金データを突合して、受注済み・未入金の取引一覧を出して」
CRMの受注情報と会計の入金情報を横断的に照合し、売掛金の回収状況を1つの指示で確認できます。
経営レポートの自動生成
3フェーズのレポート生成フロー
フェーズ1:データ収集
「月次経営レポートを作成する。freeeから損益計算書、HubSpotからパイプラインサマリー、予算マスタから目標値を取得して」
フェーズ2:分析
- 売上の前月比・前年同月比と要因分析
- KPIの目標達成率と未達リスク評価
- キャッシュフロー推移と資金繰り見通し
フェーズ3:レポート出力
「分析結果を経営レポートとしてMarkdownにまとめて。エグゼクティブサマリー、財務サマリー、営業KPI、来月の見通しの構成で」
導入ステップ
| ステップ |
やること |
| 1. CLAUDE.md設計 |
会計ルール・KPI定義・閾値を定義 |
| 2. MCP接続 |
freee MCP・HubSpot MCPをセットアップ |
| 3. 個別テスト |
まずfreeeの月次売上取得から小さく始める |
| 4. 定期実行 |
カスタムコマンド /monthly-report で一発実行 |
freee MCPの詳細は「Claude Code × freee-mcp連携」、カスタムコマンドの作成は「Claude Codeカスタムスラッシュコマンドの作り方」を参照してください。
注意点
データセキュリティ
- APIトークンは
.envファイルに保管(Git管理外)
- freeeのOAuthスコープは必要最小限に設定
- レポートファイルの保管場所と閲覧権限を明確にする
人間の判断が不可欠な領域
| 領域 |
Claude Codeの役割 |
人間が判断すべきこと |
| 税務処理 |
データ集計・異常検知 |
最終判断は税理士 |
| 経営戦略 |
分析・選択肢の提示 |
投資判断・事業撤退 |
| 取引先対応 |
取引データの集計 |
支払条件・与信判断 |
Claude Codeによる経営管理の自動化は「意思決定の代替」ではなく「意思決定の支援」です。データ収集・集計・パターン検出はAIに任せ、何を判断しどう行動するかは経営者が決める。この分業が自動化を成功させる鍵です。
まとめ
- freee × HubSpotのデータをMCP連携で統合し、予実管理・KPI分析を自動化
- CLAUDE.mdに経営ルールを定義すれば、毎月一貫した基準で分析が走る
- まず月次売上データの取得から小さく始めて、段階的に拡張する
StartLinkでは、Sync for freeeを通じたfreee連携やHubSpot CRMの設計支援を提供しています。経営管理の自動化に関するご相談は、StartLinkの無料相談からお気軽にどうぞ。
よくある質問(FAQ)
Q1. プログラミングスキルは必要ですか?
基本操作には不要です。Claude Codeは自然言語で指示を受けてコードを自動生成・実行します。ただしMCPサーバーの初期セットアップにはターミナル操作の基本知識が必要です。
Q2. freee以外の会計ソフトでも使えますか?
MCPサーバーが公式に提供されているのは現時点ではfreeeのみです。マネーフォワードや弥生の場合は、CSVエクスポートしたデータをClaude Codeに読み込ませる方法が現実的です。
Q3. 経営レポートの精度は信頼できますか?
データの取得・集計・計算は正確です。ただし数値の解釈や将来予測はAIの推論なので、必ず経営者自身が最終確認してください。税務に関わる数値は税理士に確認を。
Q4. 複数事業所のデータを統合分析できますか?
freee MCPはOAuth 2.0で複数事業所の切り替えに対応しています。セッション内で事業所を切り替えながらデータを取得し、統合分析が可能です。
Q5. 経営データをClaude Codeに渡すセキュリティリスクは?
Claude Codeはローカル動作で、Anthropic APIを経由して処理されます。Anthropicのポリシーでは、API送信データはモデルトレーニングに使用されません。APIトークンの.env管理とレポートのアクセス権限設定で情報漏洩リスクを最小化できます。