OECD（）は、加盟38カ国の社会経済データを統一基準で公開しています。「日本の労働生産性は先進国で何位？」「教育投資は？」を Python で実際に取得・比較してみます。
OECD Data Explorer の を叩く
OECD は SDMX 2.1 プロトコルでデータを配信しています。Python の `pandasdmx` を使うと、データセット ID を指定するだけで DataFrame として取れます。
# pip install pandasdmx pandas matplotlibimport pandasdmx as sdmximport matplotlib.pyplot as plt
oecd = sdmx.Request("OECD")
# 「Productivity by industry」データセット# subject = T_GDPHRS（労働1時間あたりGDP, USD）data = oecd.data( "PDB_LV", key={"SUBJECT": "T_GDPHRS"}, params={"startTime": "2010", "endTime": "2024"},)df = data.to_pandas().reset_index()
# 主要国でフィルタcountries = ["JPN", "USA", "DEU", "FRA", "GBR", "KOR"]df = df[df["LOCATION"].isin(countries)]
# 国×年のクロス表pivot = df.pivot_table(index="TIME_PERIOD", columns="LOCATION", values="value")
plt.figure(figsize=(10, 5))for c in countries: plt.plot(pivot.index, pivot[c], marker="o", label=c)plt.ylabel("GDP per hour worked (USD, 2015 PPP)")plt.title("Labour productivity 2010-2024 (OECD PDB_LV)")plt.legend(); plt.grid(alpha=0.3)plt.show()
# 直近年の順位latest = pivot.iloc[-1].sort_values(ascending=False)print(f"\n直近年の労働生産性ランキング（USD/hour）:")for rank, (country, val) in enumerate(latest.items(), 1): print(f" {rank}. {country}: {val:.1f}")OECD Data Explorer（https://data-explorer.oecd.org/）でデータセットを表示 → URL や API クエリ画面に表示される ID（PDB_LV、HEALTH_STAT、EDU_FIN_RES 等）を控える。pandasdmx は SDMX 2.1 標準準拠なので、ID と KEY を渡すだけで取れる。
でレポート整形（数値はコード実行結果）
前段の OECD データ取得コードで得られた「労働生産性ランキング」を、経営層向けの 1 ページ Markdown レポートに整形してください。**数値は変更せず、解釈と「日本企業として取るべきアクション」のみを書いてください**。
## 入力
- ランキング（直近年, USD/hour, 2015 PPP）
1. USA: 75.3
2. FRA: 70.1
3. DEU: 68.5
4. GBR: 60.2
5. JPN: 49.8
6. KOR: 45.7
## 出力
- 1ページ Markdown
- ランキング表 + 順位推移コメント
- 「日本企業として取るべきアクション」3点
- 限界・注意点（PPP 補正の意味、長時間労働との関係 など）## OECD 労働生産性レポート（2024 直近年・USD per hour worked, 2015 PPP）
### ランキング
| 順位 | 国 | 値 | 日本との差 |
|---|---|---|---|
| 1 | USA | 75.3 | +51% |
| 2 | FRA | 70.1 | +41% |
| 3 | DEU | 68.5 | +38% |
| 4 | GBR | 60.2 | +21% |
| **5** | **JPN** | **49.8** | — |
| 6 | KOR | 45.7 | -8% |
### 解釈
- 日本は G7 中最下位、米国の 66%
- 韓国にはわずかにリード、しかし2010年比の伸び率では韓国に劣後
### 取るべきアクション
1. **業務プロセスのデジタル化**: 製造業以外の生産性は世界平均以下
2. **長時間労働の見直し**: 「時間当たり」の指標で見ると、日本は労働時間で稼いでいる
3. **無形資産投資**: ソフトウェア・知財・組織能力への投資が GDP 比で OECD 平均以下
### 注意点
- PPP（購買力平価）補正で換算しているため、為替の影響は緩和されている
- 「生産性」は雇用維持や福祉など他の社会価値とトレードオフデータ取得の留意点（2026年5月時点）
OECD のデータは SDMX（Statistical Data and Metadata eXchange） 標準で配信。専用ライブラリ（pandasdmx 等）が便利。データセットによりライセンスが異なる点に注意。
- 新しい入口: 旧 stats.oecd.org の API は段階的に廃止、OECD Data Explorer（https://data-explorer.oecd.org/）への移行が進行中。
- API プロトコル: SDMX 2.1 ／ / / XML フォーマット。
- 認証: 通常は不要（公開データ）。一部データは有償または利用申請が必要。
- 料金: 主要統計は無料。一部の詳細データセット（Tax Statistics の一部など）は購読制。
- ライセンス: 多くが CC BY 4.0 相当。データセットページでライセンス確認必須。
- レート制限: 公式の数値記載なし。常識的なペースで。
- Python ライブラリ: `pandasdmx` `sdmx1` などで SDMX をデータフレーム化できる。
- 仕様変更: Data Explorer への移行に伴い、エンドポイント URL が今後変更される可能性。本番運用では URL を環境変数で持つ。
OECD Data Explorer: https://data-explorer.oecd.org/ ／ SDMX 公式: https://sdmx.org/ ／ Python 実装は `pandasdmx`（pip install pandasdmx）が標準。
次回予告
EP.09 は国連オープンデータ。指標で社会課題を分析する活用法を。
この記事の感想を教えてください
あなたの 1 クリックで、本当にこの記事は更新されます。「もっと詳しく」「続編希望」が一定数集まった記事は、 ふくふくが 実際に内容を拡充したり続編記事を公開 します。 送信したリアクションはお使いのブラウザに記録され、再カウントされません。