第5章 論点を分け、関係を組み立てる

第4章では、解約率上昇について複数の仮説を置き、見分ける証拠を考えました。しかし、仮説が増えると、どれが同じ種類の問いで、どれが別の階層にあり、どれが互いに影響するのか分かりにくくなります。

そこで、複雑な問いを小さな論点へ分けます。コンサルティングでは、MECE（重複なく、全体として重要な漏れがない分け方）や、論点を枝分かれさせるロジックツリーという言葉で説明されることが多い仕事です。

分解には危険もあります。売上を単価と数量へ分けること、顧客を契約規模で分類すること、解約の原因を並べることは、いずれも木の形で描けます。しかし、三つの関係は同じではありません。計算上の関係を因果関係と読み違えたり、重なりのある原因を無理に箱へ入れたりすると、整った図が誤った判断を導きます。

本章では、分解を意思決定の問いを、答えられる下位の問いへ変換し、その関係を明示することと定義します。目的は、きれいな木を作ることではありません。何を調べ、どこまで分かれば、上位の問いに答えられるかを明らかにすることです。

実務では、親の問いを定め、関係の種類を選び、重複と重要な漏れを点検し、判断を変える枝を優先し、証拠を得られる単位で止めます。木で扱えない相互依存があれば、因果図やループへ移ります。

5.1 分ける前に、上位の問いを固定する

「解約率を分解してください」という依頼だけでは、分け方を決められません。何を判断したいかによって、適切な軸が変わります。

同じ「解約」というテーマでも、判断が違えば構造も変わります。最初に、親となる問いを一文で書きます。

事業責任者は 8 月末までに、
どの顧客群へ、どの初期支援を試すべきか。

次に、その問いへ答えるために必要な下位の問いを置きます。

どの顧客群へ、どの初期支援を試すべきか
├─ どの顧客群で解約が増えているか
├─ その顧客群では、何が解約を生んでいるか
├─ どの支援なら原因へ働きかけられるか
└─ どの支援なら安全かつ既存人員で実行できるか

各枝へ答えても親の問いに答えられないなら、分解がずれています。反対に、親の問いへ答えるために使わない枝は、興味深くても今回の優先度を下げます。

5.2 木の形より関係の種類を選ぶ

論点を分ける方法は一つではありません。少なくとも、次の 4 種類を区別します。

分類

対象を、同じ軸で集まりへ分けます。

新規顧客
├─ 小規模顧客
├─ 中規模顧客
└─ 大規模顧客

分類は、「どこで起きているか」「誰を対象にするか」を比べるときに向きます。分類軸は、契約金額、従業員数、利用者数などから、判断に合うものを選びます。「大企業」「高単価」「戦略顧客」のように異なる軸を兄弟へ置くと、同じ顧客が複数へ入り、比較の分母が崩れます。

計算

上位の数値を、数式で構成する要素へ分けます。

売上
= 顧客数 × 顧客あたり平均売上

顧客数
= 前期顧客数 + 新規顧客数 - 解約顧客数

計算分解は、数字の変化がどの項から生じたかを確認するときに向きます。式が成り立つよう、単位、期間、平均の定義を揃えます。

ただし、式の要素は原因とは限りません。「売上が下がったのは顧客数が減ったから」は計算上の説明です。なぜ顧客数が減ったかを知るには、別の原因仮説が必要です。

過程

時間または仕事の順序で分けます。

広告を見る
─[次の工程]→ 資料を請求する
─[次の工程]→ 商談する
─[次の工程]→ 契約する
─[次の工程]→ 初期設定を完了する
─[次の工程]→ 継続利用する

過程分解は、どこで停滞や離脱が起きるか、誰が引き継ぐかを調べるときに向きます。現実の顧客は前後したり、工程を飛ばしたり、戻ったりします。図を標準的な流れとして使い、例外経路も確認します。

因果

ある要因の変化が、別の要因の変化を生むという仮説を結びます。

適合しない顧客の獲得増
          ↓
初期設定の未完了増
          ↓
価値を体験できない顧客の増加
          ↓
90 日以内解約の増加

矢印は、時間順や相関だけを意味しません。「前の要因へ介入したら、ほかの条件のもとで後の結果が変わる」という因果仮説です。Judea Pearl は、観測した条件付き確率と、外部から介入したときの結果を表すために異なる記法を導入し、統計的関連と因果的介入を区別しました。

因果図は、矢印を描くことで因果を証明するものではありません。時間順序、共通原因などの交絡候補、途中で働く媒介要因、測定の誤り、分析対象を選ぶ過程による偏りを確認します。必要な証拠を得られない矢印には、不確実性を残します。

因果関係は、分類のように重なりなく並ぶ必要はありません。複数の原因が同時に働き、同じ原因が複数の結果を生み、結果が原因へ戻ることもあります。木よりネットワークや因果ループ図が適する場合があります。

5.3 MECE は問いに対する点検基準

MECE は、Mutually Exclusive（互いに重ならない）、Collectively Exhaustive（合わせて全体を覆う）の略です。本書では、ある親集合に対して、子集合が互いに重ならず、定めた範囲を合わせて覆う状態とします。

MECE は、世界を唯一正しく分類する原理ではありません。親となる集合、分類軸、目的を決めたときに初めて判定できます。

分類を始める前に、母集団、基準時点、分類不能と欠損の扱いを決めます。「新規顧客全体」が、全契約データを指すのか、行動ログを取得できた顧客だけを指すのかで、網羅性の意味は変わります。分類不能を消さず、件数と理由を残します。

たとえば、顧客を「新規顧客」「既存顧客」に分けるとします。契約から何日までを新規と呼ぶか決めなければ、境界は曖昧です。「新規」「解約危険が高い」「大企業」なら、契約時期、危険度、規模という異なる軸が混ざり、重複します。

重複が問題になるのは、同じものを二重に数えたり、責任を二重に割り当てたりするときです。一方、原因仮説には重なりがあります。価格への不満と初期価値の不足が一緒に解約へ影響するかもしれません。ここで無理に排他的な箱を作るより、相互作用を残す方が正確です。

したがって、本書では MECE を分類に対して直接使います。イシューツリーでは、質問を集合のように扱って「MECE である」と断定せず、重複調査がないか、親の判断を変える重要論点が漏れていないかを点検します。原因候補では、重なりを消さず、主要な代替説明を残します。

「漏れなく」にも限界があります。考えうる原因をすべて列挙することはできません。実務で必要なのは、現在の意思決定を重大に変える候補を見落としていないことです。次の問いで点検します。

• 親の問いに対して、同じ種類・同じ抽象度で分けているか
• 重複によって二重計上や責任の曖昧さが起きないか
• 見落とすと判断を変える重要な項目がないか
• 「その他」が大きすぎて、主要な現象を隠していないか
• 分ける費用が、判断の改善に見合うか

「その他」は、判断に影響しないほど小さく、内容が安定している間は残せます。割合や重要な事例が増え、既存分類の結論を変えうるようになったら、中身を調べて分類軸を見直します。固定の数値基準ではなく、判断への影響で閾値を決めます。

分類、集計、責任分担では MECE を厳しく求める価値があります。探索初期の原因候補、顧客の語り、複雑なシステムでは、重なりや未知を残します。MECE にすることより、どこが重なり、どこが未確認かを明示する方が役立つ場合があります。

5.4 イシューツリーは質問を分ける

本書では、意思決定の問いを、答えられる下位の問いへ分けたものをイシューツリーと呼びます。名前や図形より、親子関係を文章で読めることが重要です。

よい親子関係は、次のように確認できます。

親の問いへ答えるには、子の問いへの答えを、依存関係と判断基準を踏まえて統合すれば十分か。

先ほどの例には、まだ飛躍があります。「どの顧客群で解約が増えたか」「原因は何か」「どの支援が可能か」が分かっても、支援案を比較する基準がありません。そこで、判断基準を含めて直します。

どの顧客群へ、どの初期支援を試すべきか
├─ 対象: 解約増加が集中し、支援で変えられる顧客群はどこか
├─ 効果: どの支援が原因仮説へ働きかけ、先行指標を変えうるか
├─ 危険: 顧客への不利益と停止条件は何か
├─ 実行: 既存人員と 4 週間で運用できるか
└─ 学習: 次の判断に使える証拠を得られるか

枝は、答えの候補ではなく質問です。「オンボーディング改善」「価格変更」「広告停止」と並べると、最初の施策案に分析が固定されます。選択肢を広げる段階では使えますが、原因を調べる問いと混ぜません。

イシューツリーを細かくしすぎると、末端の作業が増えます。各枝に対して、次を確認します。

• 答えが変わると、親の答えも変わるか
• 期限内に証拠を得られるか
• すでに十分な証拠がないか
• ほかの枝と同じ調査で答えられないか
• 重大な危険を先に確かめる必要がないか

答えが親の判断を変えない枝は削ります。重要でも期限内に答えられない枝は、不確実性として残し、判断を小さくするか延期します。

今回の 4 週間の案件では、まず低費用で H5「計測の変化」を確認します。定義に問題がなければ、既存データで対象顧客の枝を調べます。顧客への重大な危険を確認する枝は可能性が低くても先行します。

今回扱わないこととして、長期的なプロダクト改修の実行可能性は、追加開発なしという制約から除外します。枝の除外は意思決定者と合意し、理由と戻す条件を残します。短期支援で先行指標が動かない、重大な顧客事例が見つかる、追加開発の制約が変わる場合は、改修の枝を戻します。判断への影響、不確実性、確認費用、重大な危険を比べ、対象、危険、短期の効果と実行可能性へ時間を使います。

枝を作業へ移すときは、各枝の責任者に加え、共通データの定義と証拠の再利用を管理し、枝間の矛盾を統合するプロジェクト責任者を置きます。顧客分析と原因分析が同じログを使うなら、別々に抽出せず、定義、抽出日、加工、欠損、抽出履歴を一つの記録で共有します。

5.5 ロジックツリーと因果図を混同しない

「ロジックツリー」は、実務で広い意味に使われます。分類、計算、質問、原因候補のどれも、ロジックツリーと呼ばれることがあります。本書では曖昧さを避けるため、分類木、計算木、イシューツリー、因果図と呼び分けます。ここでは種類を再説明するのではなく、一つの図から別の図へ移るときに生じる推論の飛躍を確認します。

一つの案件では、複数の図をつなぎます。計算木で「解約顧客数の増加が売上減少へ大きく寄与した」と確認し、分類木で「特定の獲得経路に集中している」と見つけ、因果図で「適合しない顧客の獲得が初期未完了と解約を生んだ」という仮説を置き、イシューツリーで必要な調査を決めます。

ただし、4 種類すべてを成果物として作る必要はありません。現在の判断で関係を誤りそうな箇所にだけ使います。数値の寄与が不明なら計算木、対象が不明なら分類木、調査範囲が曖昧ならイシューツリー、介入の波及を考えるなら因果図を選びます。別の関係へ飛躍する必要が生じたときだけ、図を追加します。

図を移るたびに、推論の種類が変わります。計算上の寄与から原因へ移る場所、観測上の関連から介入案へ移る場所に、仮説と必要な証拠を記します。

5.6 木で表せない関係を残す

木は、一つの親から複数の子へ分かれる階層を見やすくします。しかし、組織や市場には、相互依存とフィードバックがあります。

たとえば、解約率が上がると、顧客対応者は解約防止へ時間を使います。新規顧客への支援が減り、初期設定の未完了が増え、さらに解約が増えるかもしれません。

解約増加
   ↓
解約防止対応の増加
   ↓
新規顧客への支援減少
   ↓
初期設定未完了の増加
   ↓
解約増加

これは、始点と終点が同じ強化ループです。各矢印は同時に起きるとは限らず、数日から数か月の遅れを含む仮説です。原因を一方向の木にすると、「担当者の支援不足」という一箇所だけを責める可能性があります。実際には、負荷が次の負荷を生む構造かもしれません。

経済協力開発機構（OECD）と国際応用システム分析研究所（IIASA）のシステム思考に関する報告は、複雑な政策課題で、要素だけでなく相互関係とフィードバックループを確認する必要性を示しています。企業のすべての案件に大規模なシステム分析が必要なわけではありませんが、部門をまたぐ問題、遅れて効果が出る施策、同じ問題が繰り返す状況では有用です。

木で始めても、次の合図があればネットワークやループへ移ります。

• 一つの要因が複数の枝へ現れる
• 原因と結果が時間の経過で入れ替わる
• 一部を改善すると別の場所が悪化する
• 部門ごとの最適化が全体を悪化させる
• 施策の効果が遅れて現れ、追加施策と干渉する

複雑な図を作ることが目的ではありません。意思決定に重要な関係だけを残し、矢印ごとに根拠と不確実性を示します。

5.7 AI が作る整った構造を疑う

AI は、箇条書きを分類し、ツリー形式へ整えるのが得意です。しかし、見た目の対称性と論理的な妥当性は別です。異なる軸を同じ階層へ並べ、存在しない因果関係を補い、「その他」を加えて MECE だと主張することがあります。

AI へは、ツリーを作らせるだけでなく、関係を明記させます。

親の問い:
どの顧客群へ、どの初期支援を試すべきか。

判断基準:
期待効果、顧客への危険、支援工数、実行可能性、学習価値。

依頼:
1. 親の問いを、答えられる下位の問いへ分ける
2. 各分解が、分類、計算、過程、因果、質問のどれかを明記する
3. 同じ階層で軸や抽象度が異なる箇所を指摘する
4. 重複、見落とし、「その他」が大きくなる箇所を示す
5. 子の問いへ答えても親へ答えられない飛躍を示す
6. 因果の矢印には、代替説明と必要な証拠を付ける

与えられていない事実を補わず、仮説は仮説と記すこと。

出力を確認するときは、各親子関係を文章で読み上げます。「なぜこの 3 項目なのか」「どの集合を覆っているのか」「この矢印は観測、計算、因果のどれか」と問い直します。

AI へ MECE と指示しても、完全性は保証されません。AI は、学習した典型的な分類を再現できますが、クライアント固有の例外や、まだ言語化されていない現場の関係を知りません。現場担当者、データ、一次資料で確認します。

機密情報を抽象化して入力した場合、重要な依存関係も消えることがあります。抽象化した条件と、AI が確認できなかった範囲を記録します。

5.8 分解を止める条件

ツリーは、細かくしようと思えば際限なく分けられます。分解は、末端の問いに対して、期限内に証拠を集め、上位の判断を変えられるところで止めます。

実務では、次の順で使います。

1. 親となる意思決定の問いを書く
2. 分類、計算、過程、因果、質問から関係を選ぶ
3. 同じ階層の軸、重複、重大な漏れを確認する
4. 各枝が親の判断を変えるか確認する
5. 優先する枝へ仮説と証拠を割り当てる
6. フィードバックや相互依存があれば、木以外の図へ移す
7. 証拠を得られる単位で分解を止める

小さな判断では、紙に図を描かなくてもかまいません。時間を決めて、「親の問い」「必要な下位の問い」「その関係」の 3 点を言葉で確認すれば始められます。大きな投資や部門横断の問題では、定義、責任、依存関係、因果仮説を図と文書で共有します。

考えてみる問い

最近見たロジックツリーを一つ選び、各枝が分類、計算、過程、因果、質問のどれを表しているか書いてください。一つの階層に複数の関係が混ざっていたら、どの判断を誤らせる可能性があるでしょうか。

よい分解は、枝の数や左右の対称性では決まりません。親の問いと子の問いがつながり、関係の種類が明確で、重要な重複と漏れを扱い、必要な証拠へ到達できることが条件です。

論点を分けたら、それぞれの答えを根拠から組み立てる必要があります。第6章では、事実、根拠、主張を区別し、結論の論理を作ります。

参考資料

最終確認日: 2026 年 7 月 15 日。本章の分解の 4 種類、図の対応表、分解を止める条件は、以下の資料を踏まえた本書独自の整理です。

• Barbara Minto ― The Minto Pyramid Principle
• Judea Pearl ― A Causal Calculus for Statistical Research
• OECD / IIASA ― Systemic Thinking for Policy Making