第9章 数字を意思決定に変える

第8章では、外部資料を探索し、比較可能な証拠へ変えました。外部資料にも社内データにも、数字が含まれます。顧客数、初期設定完了率、解約率、売上、支援工数。数字は曖昧な議論を具体化しますが、数字があるだけで判断が客観的になるわけではありません。

たとえば、初期設定完了率が 60% から 75% へ上がったとします。「15% 改善した」と報告してよいでしょうか。実際には 15 パーセントポイントの増加であり、元の 60% に対しては 25% の相対的な増加です。対象が 10 社なら、完了企業は 6 社から 7 社または 8 社へ変わった程度かもしれません。対象期間や顧客構成が違えば、支援の効果ではない可能性もあります。

数字を意思決定に使うには、指標の値だけを見ても足りません。定義、分母、比較基準、分布、時間、データ品質を一緒に読みます。

今回の意思決定は、引き続き「どの顧客群へ、どの初期支援を試すか」です。分析の目的は、きれいなダッシュボードを作ることではありません。支援対象を選び、必要な人員を見積もり、試行の継続・変更・中止を判断することです。

本章の顧客数、割合、工数は、考え方を説明するための仮想データです。実在案件の結果ではありません。

決定と比較を定める
  ↓
指標の仕様を固定する
  ↓
絶対数・比率・分布を見る
  ↓
セグメントと時間で分ける
  ↓
不確実性とデータ品質を確認する
  ↓
選択肢と次の行動へ戻す

小さな試行なら、最初からすべての分析を行う必要はありません。最低限、次の 5 点を確認します。

1. 分子、分母、対象期間
2. 平均だけではなく分布と件数
3. 行動を変える主要な顧客群
4. 成果指標と、工数・安全などのガードレール
5. 結果によって選ぶ次の行動

9.1 指標より先に決定を置く

「どの KPI（重要業績評価指標）を見ればよいですか」という質問から分析を始めると、一般に重要とされる数字を並べるだけになりがちです。先に、誰が、いつ、どの選択肢を比較するかを書きます。

指標は、選択肢を評価するための観測方法です。同じ「初期設定完了率」でも、支援対象を選ぶ分析と、支援の効果を評価する分析では、必要な比較が違います。

支援対象を選ぶなら、過去の顧客について未完了と解約の関係を調べます。支援の効果を評価するなら、支援を受けた顧客と受けなかった顧客を、比較可能な条件で見る必要があります。目的を混ぜると、関連がある顧客群を見つけただけで、支援に効果があると結論してしまいます。

分析前に、行動を変える閾値も仮置きします。たとえば、「14 日以内完了率が非支援群より 10 パーセントポイント以上高く、1 社あたり支援時間の 90% が 60 分以内なら継続する」のように、成果と運用条件を対にします。結果を見た後で閾値を変える場合は、変更理由を記録し、新しい仮説として次のデータで確かめます。

結果が確定する時期も分けます。

9.2 指標を一文で定義する

指標名だけでは、同じ数字を再現できません。次の要素を一文にします。

誰について
何を数え
何で割り
いつからいつまでを対象にし
どの時点で判定し
何を除外するか

初期設定完了率なら、次のように定義できます。

2026 年 1 月から 6 月に有料契約を開始した顧客企業のうち、契約開始から 14 日以内に必須 5 項目をすべて完了した企業数を、同期間の有料契約開始企業数で割る。試用のみ、社内テスト、契約取消は除外する。

指標仕様を表にすると、定義変更を追いやすくなります。

指標定義が途中で変わった場合、変更前後を同じ系列として単純比較できません。旧定義で再計算する、新定義へ遡及する、系列を分ける、のいずれかを選びます。再計算できないなら、グラフに切断を示します。

定義を変えたら、変更理由、承認者、適用日、影響するレポートを記録し、利用者へ通知します。指標名が同じまま意味だけが変わる状態を避けます。

9.3 絶対数と比率を一緒に見る

比率だけでは規模が分かりません。絶対数だけでは、対象全体に占める大きさが分かりません。原則として、分子、分母、比率を一緒に示します。

本章では、次のように用語を使います。

• 比: 2 つの数量を割って比べた値。分子が分母の一部とは限らない
• 割合: 分子が分母に含まれる値。0〜1 またはパーセントで表す
• 率: 一定時間または人時間などの曝露量あたりの発生を表す値

「完了率」「解約率」はビジネスで定着した名称なので本書でも使いますが、ここで計算している多くは対象企業に占める割合です。名称だけでなく、分子、分母、期間、単位を指標仕様へ書きます。

小規模顧客の完了率は低く、未完了は 48 社です。中規模顧客の未完了は 4 社です。率の差は支援対象の候補を示し、絶対数は必要な支援量を示します。

分母が小さい比率は、少数の変化で大きく動きます。2 社中 1 社なら 50% ですが、1 社の結果で 0% または 100% になります。「50%」だけを大きな標本の 50% と同じ確かさで扱いません。

パーセントとパーセントポイントを分ける

60% から 75% への変化は、次の 2 通りに表せます。

差 = 75% - 60% = 15 パーセントポイント

相対変化 = (75% - 60%) ÷ 60% = 25%

どちらも計算できますが、意味が違います。「15% 上昇」のように曖昧に書かず、パーセントポイント差か相対変化かを示します。相対変化は大きく見えやすいため、変化前後の値も併記します。

9.4 変化は比較基準で意味が変わる

数字の増減を述べるには、何と比べたかが必要です。

初期設定完了率が前月より上がっても、獲得経路が変わり、もともと完了しやすい顧客が増えただけかもしれません。比較基準とともに、同じ時期に変わった条件を書きます。

基準値が極端に小さい場合、相対変化は大きくなります。1 社から 2 社への増加は 100% 増ですが、増えたのは 1 社です。変化率、差、絶対数を組み合わせます。

9.5 平均値だけでは分布が見えない

本節でいう算術平均は、全体の合計を件数で割った値です。全体の資源量を見るには有用ですが、典型的な顧客やばらつきを必ずしも表しません。

5 社の支援時間が次の値だったとします。

30 分、35 分、40 分、45 分、250 分

平均は 80 分です。中央値は 40 分です。どちらかが正しく、どちらかが誤りなのではありません。

• 平均: 5 社全体の必要時間を見積もるときに役立つ
• 中央値: 順番の中央にある、典型的な位置を見るときに役立つ
• 最大値: 極端な負荷と停止条件を考えるときに役立つ
• 分位点: たとえば 90% の顧客が収まる範囲を見るときに役立つ

この例で「通常は 40 分程度」と言うだけでは、250 分かかった顧客を運用計画から消してしまいます。反対に、平均 80 分だけを使うと、大半の顧客に必要な時間を過大に見積もります。人員計画には合計と平均、運用設計には中央値と上位側の分布、例外対応には最大値と事例の中身が必要です。

ヒストグラム、箱ひげ図、点図などで分布を確認します。件数が少ない場合は、複雑な図より全データを点で示す方が分かりやすいことがあります。外れ値を見つけても、すぐ削除しません。入力誤り、単位違い、重複、実在する例外のどれかを確認し、除外するなら規則と影響を残します。

9.6 セグメントは平均の違いを見つける道具

全体平均の背後で、顧客群ごとに異なる動きが起きます。プラン、企業規模、獲得経路、業種、利用目的、地域などで分けると、支援対象の候補を絞れます。

ただし、切り口を増やすほど、偶然に大きな差が見つかります。データを見た後で都合のよい群だけを選ぶと、その差を再現できない可能性が高まります。

セグメント分析では、次を決めます。

1. その切り口が、どの行動を変えるか
2. 分類は互いに重複するか
3. 各群の分母は十分か
4. 他の条件が群ごとに偏っていないか
5. 分析前に想定した群か、分析後に見つけた群か

表中のパーセントは、小数第 1 位を四捨五入した整数です。判断に必要な精度に応じて桁を決め、分子と分母は丸めません。

この表から、小規模で広告経由の顧客が候補に見えます。しかし、広告経由では契約時期やプランも違うかもしれません。セグメント差は原因の確定ではなく、追加確認や試行対象を選ぶ手がかりです。

全体値だけでは、顧客構成の変化を施策の変化と取り違えることがあります。たとえば、小規模と中規模の両方で完了率が上がっていても、完了しにくい小規模顧客の比率が大きく増えれば、全体の完了率は下がる場合があります。反対の向きも起こります。これは集計による逆転として知られる現象です。全体と、意思決定に重要なセグメントの両方を見て、構成比も併記します。

個人や企業を細かく分けると、少数でも特定できる危険が高まります。分析に必要な粒度、アクセス権、表示する最小件数を決めます。差別や不公平な扱いにつながりうる分類では、法務・倫理・事業上の妥当性を確認します。

9.7 コホートで同じ時間軸にそろえる

コホートは、同じ時期または同じ出来事を起点にした集団です。SaaS では、契約月、初回利用週、支援開始月などで顧客をまとめます。

全顧客の解約率を月ごとに見ると、古い顧客と新しい顧客が混ざります。新規契約が急増した月は、まだ解約する機会の少ない顧客が増えるため、全体率がよく見えることがあります。

契約月コホートなら、それぞれを「契約から 30 日」「60 日」「90 日」の同じ経過時間で比較できます。次の仮想表は、2026 年 8 月 10 日時点で、各月の全顧客が所定の日数を経過した列だけを確定しています。

5 月・6 月コホートの未確定欄を 0% として扱いません。まだ観察期間が終わっていない状態は、統計では右側打ち切りと呼ばれます。観察期間が揃うまで待つか、各コホートで確定した範囲だけを比較します。

確定済みの顧客だけを抜き出す方法にも注意が必要です。早く契約した顧客だけが残り、製品、獲得経路、市場の条件が新しい顧客と違う可能性があります。どのコホートがどこまで観察済みかを表に残します。

コホートを作るときは、起点、対象への加入条件、経過時間、途中での対象変更を固定します。支援開始月コホートと契約月コホートは答える問いが違うため、同じ表へ混ぜません。

9.8 欠損とデータ品質を分析結果に含める

欠損は、単なる空欄ではありません。なぜ欠けたかによって、結論への影響が変わります。

• 設定イベントの送信障害で、特定期間だけ欠けた
• 解約顧客だけアンケートに答えにくい
• 古いプランでは獲得経路を記録していない
• 担当者が忙しい案件ほど工数入力が抜けた

欠損のある行を削除すると、残った顧客だけの結果になります。欠損率を全体と主要セグメントで示し、欠損を含めた場合と除いた場合で判断が変わるかを確かめます。

分析前に、判断を誤らないための基本的な確認を行います。

データを修正したら、元の値を失わない形で、修正規則、件数、実施者、実施日を残します。手作業で表計算シートのセルを上書きするだけでは、再現とレビューが難しくなります。

点の値と不確実性を分ける

観測した 60% を、将来も変わらない真の値とみなしません。同じ条件で別の顧客を観測すれば、割合は動きます。特に件数が少ないほど、ありうる範囲は広くなります。

推定値を示すときは、分子と分母に加え、可能なら信頼区間などの区間も示します。区間は「真の値が必ずこの中にある確率」を直接表すものではなく、使った方法と前提のもとで推定の不確実性を表す道具です。分析方法に応じた解釈を確認します。

少数の試行で区間が判断閾値の両側へ広がるなら、「差がない」と結論せず、現時点では方向や大きさを絞れないと報告します。追加データを待つか、失敗費用が小さければ条件付きで試行を続けます。

9.9 差があっても原因とは限らない

支援を受けた顧客の継続率が高くても、支援が継続を生んだとは限りません。担当者が成功しそうな顧客を選んだ、熱心な顧客ほど支援を希望した、同じ時期に製品が改善された、といった別の説明があります。

数字から言える範囲を分けます。

因果効果を知りたい場合は、比較群の作り方、対象者の割り当て、同時期の変化、観察期間を設計します。厳密な因果推論が期限内にできない場合も、関連を因果と呼ばず、仮説として小規模な試行へつなぎます。

統計的に差が検出されたことと、事業上重要な差であることも別です。顧客が非常に多ければ、ごく小さな差でも統計的に検出されることがあります。反対に、少数の試行では、重要な差があっても不確実性が大きくなります。差の大きさ、可能な範囲、意思決定の閾値を一緒に見ます。

9.10 AI に集計させても再計算する

AI は、列の意味の整理、集計式やコードの下書き、グラフ候補、異常値候補、別の切り口の提案に使えます。しかし、元データを見せただけで、業務上の定義やデータ生成過程まで理解するわけではありません。

依頼には、意思決定と指標仕様を含めます。

意思決定:
初期設定未完了の顧客へ、4 週間の手動支援を試すか決める。

分析単位:
顧客企業。利用者単位にはしない。

指標:
契約開始から 14 日以内に必須 5 項目を完了した企業数 ÷
対象期間の有料契約開始企業数。

確認:
1. 分子、分母、除外件数を先に示す
2. 全体と、企業規模・獲得経路別を示す
3. 各群の件数を必ず併記する
4. 平均だけでなく中央値、範囲、分布を確認する
5. 欠損、重複、定義変更の候補を一覧にする
6. 関連と因果を分け、別の説明を挙げる
7. 実行した計算式またはコードを示す

AI の出力は、次の順で検証します。

1. 元データの行数、期間、一意な顧客数と一致するか
2. 分子、分母、除外条件が指標仕様と一致するか
3. 小さな標本を手計算し、集計式と照合する
4. 合計と内訳が一致するか
5. 欠損が自動的に 0 へ置換されていないか
6. コードを保存し、同じ入力から同じ結果を再現できるか
7. 別の実装または既知の集計値で主要結果を再確認する

AI が示した「異常値」は、統計的に珍しい値の候補です。業務上の誤りとは限りません。原記録と担当者へ戻り、修正、除外、別群として扱う、残す、のいずれかを決めます。

重要な推奨を支える集計は、AI を使ったかどうかにかかわらず、必要に応じて別の担当者が確認します。指標仕様、コード、分子・分母、除外、元記録の標本をたどり、同じ入力から主要結果を再現します。レビュー担当が同じ出力だけを見るのではなく、計算過程へ戻れるようにします。

個人情報や機密情報を入力する前に、利用が承認された環境かを確認します。顧客名を削除しても、少数の属性の組み合わせから再識別できる場合があります。必要な列と粒度に絞り、アクセスと出力の共有範囲を管理します。

9.11 分析結果を選択肢へ戻す

最終成果物は、グラフの枚数ではなく、数字が選択へどう関係するかで構成します。

数字が判断閾値をまたがない場合、追加の小数点やグラフを増やしても選択は変わりません。反対に、結論が分母、除外、外れ値の扱いで変わるなら、単一の数字にまとめず、条件ごとの結果を示します。

最終判断では、各結果を事前条件へ戻します。完了率と支援時間が継続条件を満たせば継続候補、成果は満たすが工数上限を超えれば対象または手順を変更、成果条件を満たさなければ中止または別仮説へ移ります。重大な苦情、権限逸脱、安全上の問題のようなガードレール違反は、成果指標がよくても停止を優先します。

分析は、次のいずれかで止めます。

• 主要指標とガードレールが、事前に置いた行動条件のどちら側か判断できる
• 合理的な欠損・除外・外れ値の扱いを変えても、選択が変わらない
• 残る不確実性は、既存データの追加分析ではなく試行やインタビューで確認すべきである
• 期限または分析上限に達し、条件ごとの結論と未確認事項を示した

考えてみる問い

最近見た「平均」または「○% 増」という数字を一つ選び、分子、分母、件数、比較期間、分布を確認してください。その情報を加えると、同じ判断をするでしょうか。

数字を意思決定に変えるとは、値を複雑に加工することではありません。何を決めるかに合わせて指標を定義し、絶対数と比率、中心と分布、全体とセグメント、暦時間と経過時間を読み分け、データの限界を選択へ織り込むことです。

数字は、何が起きているか、どこで差があるかを示します。しかし、記録されていない経験や、なぜその行動を取ったかまでは十分に語りません。第10章では、インタビューを使い、数字だけでは見えない理由と未知の論点を探ります。

参考資料

最終確認日: 2026 年 7 月 15 日。本章の指標仕様、比較表、分析確認手順は、以下の資料を踏まえた本書独自の整理です。

• NIST/SEMATECH e-Handbook of Statistical Methods ― Measures of Location ― 算術平均、中央値など中心を表す指標の性質を確認
• NIST/SEMATECH e-Handbook of Statistical Methods ― Measures of Scale ― 範囲、分散、標準偏差など、ばらつきの指標を確認
• CDC ― Principles of Epidemiology: Lesson 3, Measures of Risk ― 比、割合、率とリスク指標の定義を確認
• UK Statistics Authority ― Code of Practice for Statistics: Quality ― 適切なデータと方法、品質保証、説明の原則を確認