第２章「原因」と「結果」を数字で考える
結果は数字で報告できるが、原因を数字で語れない人■「結果」から「原因」を語れるか■「結果」から「原因」を導けない理由データはあるのにどうしたらいいかわからない症候群■あなたは健康ですか？■「データの海」で溺れる人たち「数字で考える」の９割は、数字を触る前にある■顧客満足度90％は、果たしてすごいか？～数字の裏を読み解く～■「掛け算の分解」と「足し算の分類」～数値分析の基本は分けること～傾向と異物を探せ～データ分析の専門家は何をしているのか？～「数字に強いのに成果が出ない人」に足りないもの■なぜＰＤＣＡは回らないのか？■「回さない」と「回せない」は違う■「回せない」人が見落としていること仮説を立てられない人に足りないたったひとつのこと■「ひとつに決める勇気」が、仮説を作る
■「複合的要因」という言葉を捨てるファクトベースで仕事ができるようになる13の質問
結果は数字で報告できるが、原因を数字で語れない人「結果」から「原因」を語れるか第１章で、ファクトベースとは、事実（＝数字）にもとづくことだといいました。
この「事実」とは「結果」という表現に置き換えられます。
あなたが勤める会社の売上高は「事実」であり、「結果」と同義です。
「事実」＝「結果」こう定義すると、ファクトベースで考えるとは得られた結果（＝数字）にもとづいて考えることとなります。
ビジネスの結果とはたいてい数字で手元にあるものです。
例えば昨年の売上高、先月の退職者数、昨日実施した顧客満足度調査……など。
あなたはこれらの結果を難なく数字で用意することができるはずです。
しかし当然ながらこれらの数字を揃えることがファクトベースで考えるということではありません。
「事実」を数字で語るだけなら、小学生でもできることです。
ビジネスパーソンが目指すものはこれとは違います。
「結果」から「原因」を数字で導き出す。
これが正しい「ファクトベースで考える」という行為の定義であり、私たちビジネスパーソンの仕事なのです。
「結果」から「原因」を導けない理由しかし現実はこの数字のファクトベースで考えることができなくて悩んでいるビジネスパーソンが多いのです。
もしかすると、あなたもそうかもしれません。
なぜできないのか。
その理由はこうです。
結果（数字）から原因（数字）を導く方法を知らないから。
例えば、次の例を見てください。
・売上高０・２億円ダウン・退職者14名・顧客満足度５ポイント減少この０・２億円という表面上の数字をただじっと見ていても、「原因」という欲しい情報は永久に手に入りません。
つまり、０・２億円という数字の裏側を読まないといけないのです。
退職者14名も顧客満足度５ポイント減少も同じこと。
「結果」という数字の裏側を読むことが、原因を探ることに直結するのです。
具体的な手法はのちほど一緒に考えていきたいと思います。
その前に、どうすればファクトベースで仕事ができるようになるのか。
それを理解し実践するために、「現代のビジネスパーソンがかかってしまう病」の解説をしていきます。
データはあるのにどうしたらいいかわからない症候群あなたは健康ですか？私はビジネス数学教育家としてさまざまなビジネスパーソンの研修に登壇してきましたが、そこで発見した事実があります。
「結果」から「原因」を導けない理由は、多くのビジネスパーソンがかかってしまう病のせいです。
あなたはいったいどんな症状を想像するでしょうか。
その症状とは、次のものです。
データはあるのにどうしたらいいかわからない症候群ファクトベースで考え、「結果」から「原因」を導き出し、動かしたいものを動かす。
そんな仕事をするにあたり、大きな障害になっている病です。
ひょっとしたらあなたも罹患しているかもしれません。
そこでここからはこの病の正体を明らかにし、それに連動させながらファクトベースで考える具体的な手法をご紹介してまいります。
「データの海」で溺れる人たちデータはあるのにどうしたらいいかわからない症候群。
このネーミングは、私が研修などの現場で実際に耳にしてきた、多くのビジネスパーソンが発する言葉そのものです。
ここでご紹介するのは、ある研修でお会いした片瀬さん（仮名）という男性と私との会話です。
まずはいったん最後まで流し読みしてみてください。
片瀬「いや～、数字ってなんか苦手なんですよね」深沢「例えばどういうときにそう感じますか？」片瀬「どういうとき、ですか？」深沢「ええ。
皆さん苦手とざっくりおっしゃるのですが、具体的にどういうときに、なぜそう思うのでしょう」片瀬「うーん……」深沢「これは私の勉強のためですので、思ったことを率直におっしゃってください」片瀬「社内には仕事に役立ちそうなデータがいっぱいあるんですよ。
データベースを開いたり、過去の会議資料を引っ張り出せば、いくらでもデータはあるんです」深沢「ええ」片瀬「で、それをいったいどうしたらいいかがわからなくて……」この片瀬さんの悩み、あなたも共感する部分があるのではないでしょうか。
ではもうひとつ、別の研修でお会いした本田さん（仮名）という女性と私の対話もご紹介します。
こちらも流し読みしてみてください。
本田「私、こう見えて、意外と数字好きなんですよ」深沢「おお、すごいじゃないですか」本田「いろいろ本とか読んだり、ネットで調べたりして、エクセルの関数でパッとデータを加工したりするのが好きなんです」深沢「ご自分で勉強するなんて、素晴らしいです！」本田「でもね、先生……」深沢「？」本田「エクセルとかでデータをいろいろ触っているんだけど、ひと通り知っている関数とかテクニックで数字を触り終えると、手が止まっちゃうんですよね」深沢「おや」本田「で、そこから何をしていいかわからなくなっちゃう感じ。
わかります？」深沢「ええ、とてもよくわかりますよ（笑）」確かにエクセルなど表計算ソフトの使い方を知っていれば、データを触ることはできます。
しかし重要な「成果物」がなぜか作れない。
これもまた、ビジネスパーソンの皆さんからよく聞く症状なのです。
片瀬さんと本田さんに共通していること。
もうおわかりですね。
せっかく十分なデータが手元にあるのに、どうしたらいいかがわからないのです。
私はこの症状を「データの海で溺れる」と表現しています。
どういうことか、具体例を使ってご説明します。
次にある２種類のデータをご覧ください。
どちらも我が国の高齢者に関するデータです。
ビッシリ並んだ数字。
眺めているだけで不快になってしまう方もいるかもしれません。
とてもではありませんが、これをすべて読んで記憶することなど不可能です。
さて、いまから私がひとつあなたにお願いをします。
とてもシンプルなお願いです。
「これらのデータを複合的に使って、何かしてください」おそらくあなたは戸惑うはずです。
なぜかというと、いきなりこんなたくさんのデータを使って何かしろと言われても、何をしていいかわからないからです。
仮にあなたがデータを眺めることにストレスがなく、表計算ソフトを操れる人だとします。
おそらくこれらのデータを〝なんとなくいじくる〟ことはできるでしょう。
しかし考えられる作業を一通り終えてしまうと、そのあとに何をしたらいいか困ってしまうのではないでしょうか。
同じようなことは専門家の仕事においても言えます。
ある日、データ分析のコンサルタントとお話をする機会があり、とても印象に残っているエピソードがあります。
「クライアントにヒアリングするんですけど、だいたい言われるのが〝ウチの会社に蓄積されているデータを使って何かできませんか？（何かわかりませんか？）〟というセリフなんです。
何をしたいのか、目的は何か、何もビジョンがないんです。
そんな中で〝何かできませんか？〟って、ムチャクチャな相談ですよね（苦笑）」彼が言ったことは、私が感じていることと同じでした。
つまり、これが先ほどの片瀬さんと本田さんの症状です。
では、もし私がしたあなたへのお願いがこの内容だったらいかがでしょうか。
「この中で都道府県別のデータのみ使い、地域ごとの傾向がないか調べてください」おそらくあなたは都道府県別データ以外を捨てるはずです。
そして数字の大小から、何らかの傾向を探るでしょう。
傾向が見つかれば、あなたはひとつ仕事をしたということになります。
扱うデータを特定し、さらに何をするのかをはっきり定義することで、具体的に仕事をすることができました。
「このデータを複合的に使って何かしてください」というのは、広大な海の中で適当に泳いでくださいと言っているようなもの。
そんなこと言われても困るし、どうしたらいいかわからない。
「この中で都道府県別のデータのみ使い、地域ごとの傾向がないか調べてください」これなら簡単にできるはずです。
もしあなたもデータの海で溺れているとしたら、しなければならないことは次のステップを踏んで数字を読み解くことです。
ステップ１いまから何をするのかを定義するステップ２そのために必要なデータを特定し、ほかは捨てるステップ３必要なデータだけを読み解き、成果物を作る先に挙げた高齢者に関するデータの例においては、このようなプロセスで仕事をします。
ステップ１仕事を「地域ごとに傾向がないかを分析」と定義するステップ２都道府県別のデータだけを扱い、あとは捨てるステップ３○○○○○という傾向があることを発見する片瀬さんと本田さんに身につけてほしいのは、この仕事術なのです。
「数字で考える」の９割は、数字を触る前にある時代は変わりました。
いまはさまざまなものが簡単にデータで把握できる時代。
極論、仕事で必要なデータが手元になくて困ることはなくなるでしょう。
ではいったい何で困るのか。
膨大なデータを前に何をしていいかわからなくなってしまうこと。
だからこそ、私たちに求められるのは、どのデータを使い、どのデータは捨てるのかを考え、判断する力です。
そこで、先ほどご紹介した仕事術をもう少しだけ深掘りしてみます。
あらためて、流れを整理します。
ステップ１いまから何をするのかを定義するステップ２そのために必要なデータを特定し、ほかは捨てるステップ３必要なデータだけを読み解き、成果物を作るここで気づいていただきたいことがひとつあります。
それは、本書の主役でもある「数字」を触る仕事は最後のステップ３だけということです。
ステップ１、２はそもそも数字を触っていません。
これはすなわち、数字を触る前にすることで溺れるか溺れないかが決まるということになります。
大げさではなく、「数字で考える」仕事の９割は、数字を触る前にあるのです。
顧客満足度90％は、果たしてすごいか？～数字の裏を読み解く～ご紹介した３つのステップのうち、ステップ１がしっかりできれば、おのずとステップ２も問題なくクリアできます。
あとはステップ３の数字を読み解く作業だけがあなたに残ります。
先ほどの例でもそうでしたが、このステップ３に難しい理論や専門知識はいりません。
四則演算（＋－×÷）ができれば十分です。
では、どういう視点で四則演算をすればいいのか。
パターンがいくつかありますので、その代表的なものをご紹介します。
まずは「％」という数字を読むときのコツです。
当たり前の話ですが、「％」という数字は分母と分子。
もう少し具体的に言えば、もととなる数字に対して比べる数字の２つから成り立っています。
パーセンテージというのは、２つの数字の比率（割合）を表したものだからです。
つまり、「～％」という数字を読むときには、その裏側にある２つの数字は何かを考えればいいのです。
例えば顧客満足度90％が示すことを正しく把握するためには、誰に調査したのか、そしてその人数は何名なのかを把握しなければなりません。
そうすることで、その90％を95％に増加させるためにはどうすればいいかも具体的に検討することができます。
単に「５％増やしましょう」だけでは何をどうしたらいいかわかりません。
実際、「顧客満足度90％」という表現、これは果たしてすごいのでしょうか。
ここで考えなければいけないのは、この90％の裏にある２つの数字です。
ランダムに１０００名の購買経験者に質問したうちの９００名なのか。
５年以上そのサービスを利用している超優良顧客10名のうち９名なのか。
もし前者なら「概ねご満足いただけている」とポジティブな評価ができるかもしれませんが、もし後者なら１名が満足と答えなかった事実を問題視するネガティブな評価が妥当かもしれません。
この感覚を身につけていただくため、ひとつエクササイズをご用意しました。
〈エクササイズ〉店Ａ昨年と同じ価格帯の商品で商売をし、今年の実績は前年比20％増だった。
店Ｂ昨年より扱う商品の価格帯を10％上げ、今年の実績は前年比30％増だった。
さて、店Ａと店Ｂはどちらが営業を頑張って数字を伸ばしたと評価しますか。
この例から、％の裏にある２つの数字を読み解いてみましょう。
まず、店Ａの前年比20％増という数字を「売り上げ１００を１２０に増やした」と変換してみます。
つまり20の営業努力ということです。
店Ａ：１００→１２０一方、店Ｂはこうなります。
店Ｂ：１００→１３０しかし、こちらは扱う商品の価格帯を10％上げたうえでの結果と考えられます。
30の増加のうちいくらかは価格が増加したことが理由と考えられないでしょうか。
そこで、価格の上昇分は割り引いて考えることにします。
つまり、上昇した１３０を１１０％にあたる１・１という数値で割るのです。
130÷1.1＝118.18・・・つまり、およそ１１８が価格上昇という要素を除去した実績ということになります。
増加30のうち営業努力で伸ばした数字がおよそ18。
残り12が価格帯を上げたことで積み上げられた数字とも考えられます。
この考え方をもとに店Ａの１２０、店Ｂの１３０という数字の中身を掛け算で分解して表現すると次のようになります。
店Ａ：120＝100×1.20昨年より営業を20％頑張った店Ｂ：130≒100×1.18×1.10昨年より営業を18％頑張った真の意味で営業を頑張ったのは店Ｂではなく店Ａという評価も考えられます。
表面上の増加率だけで判断するのではなく、その裏にある数字を気にして読むことで違った説明ができたりする。
これが、数字の裏を読むということです。
この机上のエクササイズに正解はありません。
解釈の仕方はほかにもあるでしょう。
私がここで重要としたいのはあくまで「％」という数字を読み解くコツを掴むこと。
コツとはその裏にある分母と分子の２つを明らかにすること。
これだけです。
「掛け算の分解」と「足し算の分類」～数値分析の基本は分けること～次に身につけていただきたいコツは、「分ける」ということです。
具体的には、この２つです。
・掛け算で分解する・足し算で分類するいずれにも共通するのは、もとの「大きい数」を「小さい数」に細分化するという考え方です。
この第２章ではファクトベースで考え、「結果」から「原因」を語れるようになることをゴールにしていますが、そのために極めて重要な視点です。
例えば、精密機械が誤動作を起こしたとしたら、その原因はたいていどこかのある小さな部品が不具合を起こしているケースが多いのではないでしょうか。
不具合が結果。
原因がある小さな部品。
結果から原因を探るためには細部を確認する必要があり、そのためには細分化して確認できる状態にしないといけない。
「数字を読む」という行為も、まったく同じなのです。
先ほど登場した店Ｂの数字を思い出しましょう。
店Ｂ：130≒100×1.18×1.10これは、１３０という数字を１００と１・18と１・10という３つの数字の掛け算に分解した結果と言えます。
適当に数字をいじくりまわして得た結果ではなく、１３０を分解するという発想で行った計算なのです。
具体的には、次のような掛け算の分解をしています。
（今年の売り上げ）＝（昨年の売り上げ）×（営業の頑張り）×（製品の価格上昇）ほかにも、ビジネスでは掛け算で分解することで、数字の裏が読み解ける例はいくらでもあります。
・（売上高）＝（平均単価）×（客数）＝（平均単価）×（来店者数）×（成約率）・ＲＯＥ（自己資本利益率）＝（当期純利益）÷（自己資本）＝（当期純利益÷売上高）×（売上高÷総資産）×（総資産÷自己資本）＝（売上高純利益率）×（総資産回転率）×（財務レバレッジ）ＲＯＥという数字の裏を読み解きたいときは、ご覧のような掛け算に分解することで、それが増えた（減った）のはなぜか、売上高純利益率、総資産回転率、財務レバレッジ、どれに大きな理由があるのかを把握できるでしょう。
足し算で分類することについてもメリットは同じ。
細分化して確認できる状態にすることで、その結果になった原因を特定しやすくします。
先ほどは「売上高」というものを掛け算で分解しましたが、例えばこのような分類で考えることも可能ではないでしょうか。
分類するとき、私たちは足し算を使います。
・売上高＝（新規客の売上高）＋（既存客の売上高）そこで、先ほどの掛け算の分解も混ぜて考えるとさらに売上高という数字を深く読み解くことができそうです。
便宜上、新規客を意味する文字を「Ｓ」、既存客を意味する文字を「Ｋ」とするなら、・売上高＝（新規客の売上高）＋（既存客の売上高）＝（Ｓ平均単価）×（Ｓ来店者数）×（Ｓ成約率）＋（Ｋ平均単価）×（Ｋ来店者数）×（Ｋ成約率）なぜ売上高が増えたのか（減ったのか）、理由を明確にするために有効であろうことは容易に想像がつくことでしょう。
あなたが頻繁に仕事で使っている数字は、どんな掛け算に分解できるでしょうか。
あるいはどんな足し算に分類できるでしょうか。
「結果」から「原因」を明らかにできていない理由は、意外にもこんな簡単なことなのかもしれません。
現象には必ず理由があるのです。
傾向と異物を探せ～データ分析の専門家は何をしているのか？～最後にご紹介するコツは、いわゆるデータサイエンティストといったデータ分析の専門家も行っている方法です。
それは次の２つです。
・「傾向」と「異物」を探す・そのためにまずはデータをビジュアル化してしまう私たちはデータ分析の専門家になることを目指しているわけではなく、彼らと同じことができるようになる必要はありません。
でも、彼らがしていて私たち素人でもできるビジネスに役立つデータ分析法があるなら、ぜひ盗みたい。
そうは思いませんか。
さっそくこの２つについて解説をします。
あなたがファクトベースで考えるとき、そこには必ず結果を表す数字やデータがあります。
そして数字を読み解く行為は、その数字から何らかの情報を見つけ出す行為にほかなりません。
ではプロフェッショナルはそんな場面でどんな情報を見つけようとしているのか。
それが、「傾向」と「異物」です。
「傾向」の説明は不要でしょう。
・売上高が増大（減少）している・社歴が長いほど残業時間が長い・男性社員より女性社員のほうが退職率は高いこのような情報が「傾向」であり、重要な示唆を与えてくれる可能性があります。
次に「異物」についてです。
異物は、「異常値」や「外れ値」とも言い換えられ、明らかにほかとは数字の大きさや特徴が異なるものを指します。
なぜ「異物」の存在があるかどうかを把握する必要があるかというと、あなたの導く結論に大きく影響するからです。
抽象的な説明なので、具体例を挙げます。
次の表は、何度も話題にしている高齢者に関するデータ。
まずは「欧米諸国と我が国で何か違いがないかを確認する」と仕事を定義します。
当然ながら「世界の高齢化率の推移」のデータのみ対象とするわけですが、ここでビッシリ書かれている数字を黙々と読み続けるのはとても大変なことです。
そうではなく、もっと簡単に傾向を掴める方法があります。
それは、「グラフにする」ことです。
いちいち細かい数字を見なくとも、このようにグラフにすれば一目瞭然。
各国とも上昇傾向であり、日本が特にその傾向が顕著であることが一目でわかります。
続いて「高齢者の地域差について傾向を探る」と仕事を定義します。
当然ですが扱うデータは「都道府県別高齢者の数」のみ。
２種類の数字から65歳以上の人口率をすべての都道府県で算出し、そのデータを縦軸、各都道府県の人口を横軸にしてデータをプロットすると、次のようなグラフになります。
明らかにひとつだけ「異物」が存在します。
人口が極めて多くかつ高齢者率が低い。
ご想像の通り、このデータは東京都です。
つまり地域差という切り口で日本の高齢者について論じるときは、極めて特殊な東京都のデータは例外として扱うべきだと考えられます。
「外れ値」である東京都と比較することにあまり意味はありません。
「異物」を把握する目的は、こういうところにあります。
この例からわかるように、データ分析の基本は「傾向」と「異物」を見つけることです。
そして「傾向」と「異物」を見つけるコツは、データをビジュアル化すること。
そうすることで視覚的に見つけることができるようになります。
先ほどご紹介したデータ分析の専門家のお話で、その方がおっしゃっていたことでもうひとつ印象に残っていることがあります。
それは「データ分析はまず目でするのです」という言葉です。
まさに本書で説明していることであり、誰でもできる基本中の基本です。
ぜひ実践してみてください。
ステップ３であなたがする代表的なこと。
ここまでご紹介した３つを整理します。
・「％」の数字を読むコツ・分解の掛け算、分類の足し算・「傾向」と「異物」をビジュアルで掴むもちろん私もデータを目の前にしたときに必ずすることです。
これだけでもファクトベースで考えることは十分に可能といえます。
これに加えて、ステップ１としていまから何をするのかを定義し、ステップ２としてそのために必要なデータを特定し、あとは捨てる。
これを一連の流れとして実践すれば、あなたがデータの海で溺れることはなくなります。
「数字に強いのに成果が出ない人」に足りないものなぜＰＤＣＡは回らないのか？データや結果から原因を導き出す方法についてご紹介してきました。
ただ、私たちの仕事はそれで終わりではありません。
原因と思われるものを発見したら、それを改善するためのアクションを行い、本来の目的を達成することまでが仕事です。
つまり、導き出した原因となる数字をＰＤＣＡで回していくことです。
しかし、この当たり前のことを実際に行うとき、私たちの前にある壁が立ちはだかります。
「ＰＤＣＡサイクルが回らない」念のため解説しておきますと、このＰＤＣＡサイクルとはPlan（計画）・Do（実行）・Check（評価）・Action（改善）を繰り返すことによって、生産管理や品質管理などの管理業務を継続的に改善していく手法のことです。
「ＰＤＣＡサイクルを回しましょう」ビジネスパーソンで、この言葉を聞いたことがない人はおそらくいないでしょう。
誰もが知っている、仕事で大事なこと。
ビジネスセミナーに行けばかなりの確率で講師が口にする言葉。
書店のビジネスコーナーに行けば、この言葉がタイトルに入っている本が目に入ります。
それほど言われ続けているのに、この言葉がこの世から消えることはありません。
今日も明日も、誰かが「ＰＤＣＡサイクルを回しましょう」と声高に語る。
いったいなぜビジネスパーソンはＰＤＣＡサイクルを回すことができないのでしょう？本書はいまから、その答えを示します。
結論はこうです。
「めんどくさいから」ビジネス数学教育家の結論っぽくないでしょうか。
もっと崇高な、さすがと思えるような答えを期待しましたか。
ごめんなさい。
ではなぜ、「ＰＤＣＡサイクルを回しましょう」ができない理由が「めんどくさいから」になるのか？その理由をお伝えします。
例えば私に対してウェブサイト経由でセールスのメールを送ってくる会社があります。
毎月１度か２度、必ずその会社から営業メールが届きます。
毎回まったく同じ内容。
変えているのは担当者名だけ（そこじゃないだろうと突っ込みたくなりますね）。
反応がなければ内容を変えて再アプローチする。
営業の素人である私でも知っているセオリーです。
しかし、毎回まったく同じ内容の営業メールを送りつけるだけ。
いったいなぜか。
それは、いちいち検証して内容を変えて送ることが「めんどくさい」からです。
例えばYahoo!（ヤフー）のようなＷＥＢ媒体。
あのような媒体にはたくさんのテキストリンクがあります。
ユーザーはその短い文章だけで、その記事を読むかスルーするかを判断します。
当然、媒体側はどんな表現をするとクリック数が上がるのか検証していくことが求められます。
しかし、それはおそらくとてもめんどくさいことだと想像します。
そんなプロセスを踏まず、「こういう型でテキストリンクの文章を作ればクリック率は○％以上を獲得できる」という方程式があればそれを使うだけでいい。
しかし現実はそうはいきません。
「めんどくさい」に立ち向かう覚悟を決め、トライ＆エラーをしながら、クリック率を上げていく必要があります。
だからＷＥＢマーケティングの世界で活躍されている皆さんは今日もＰＤＣＡサイクルを回し、正解のない問いに答えを出そうとしているのでしょう。
「回さない」と「回せない」は違う「回さない」と「回せない」は違う。
まるで言葉遊びのようですが、この２つはまったく違います。
やったほうがいいのはわかっているけれど、それでもやらないのが「回さない」。
やる意思はあるけれど具体的にどうすればいいかがわからないのが「回せない」です。
私が救えるのはもちろん後者です。
私はあくまでビジネススキルや思考法を指導する専門家であって、めんどくさがってやる気が起きない人のモチベーションを上げる専門家ではないからです。
誤解のないようにお伝えしておきますと、私は「回さない」人を否定するつもりはありません。
ひとりのビジネスパーソンとして、やったほうがいいことだとわかっていてそれでもやらないなら、それも立派な選択であり生き方です。
もしあなたが「回せない」人、つまり「めんどくさい」が理由ではない人であれば、ここから先の内容はとても重要になります。
「回せない」人が見落としていること「回せない」人に必要なことをお伝えします。
具体例で説明していきます。
次の表は、あるビジネスの５月と６月の比較です。
・総売上高＝（新規客の売上高）＋（既存客の売上高）＝（Ｓ平均単価）×（Ｓ来店者数）×（Ｓ成約率）＋（Ｋ平均単価）×（Ｋ来店者数）×（Ｋ成約率）６月の総売上高が５月に比べて減少しています。
何が起きているのでしょうか。
売上高という表面上の数字だけではそれはわかりませんが、このように掛け算で分解、足し算で分類することではっきりします。
６月新規の来店者が増えたにもかかわらず、成約率を落としています。
せっかく来店いただいた新規客候補をうまく初回の成約に結びつけられなかった。
ここに課題が潜んでおり、改善するポイントだと仮説を立てます。
そして具体的な策を実行し、７月の数字を検証する。
これが数字を使ってＰＤＣＡサイクルを回すことです。
ではここから本題。
この例を振り返りながら、「回せない」人に必要なことをお伝えしていきます。
ここで重要なのは、売上高をこのような数式（文章）で表現するなら、当然ながらこれらすべてを数字で把握できることが前提だということです。
来店者数をカウントできる環境にないのであれば、そもそもＰＤＣＡサイクルが回せません。
当たり前と思うかもしれません。
しかし実は意外にここを見落としてしまうケースが少なくないようです。
成果を出したい、新しいことをやりたい、そんな人ほど、計画し、実行することまでは難なくできます。
しかし実行した結果（事実）が数字で残っていなければ、それが良かったのか悪かったのか、改善すべきことがあるのかないのか、判断できません。
ファクトベースで考える私たちは、ここで数字がしっかり揃っているかが重要になるのです。
つまり、数字で評価（Check）できるような準備と環境を整えておくこと。
これがとても重要です。
これがクリアされていれば、評価（Check）をするときに手元に事実が数字で示されているはずです。
そこで次に必要なことはそれらの数字を読み解く作業。
本書ではその方法として基本的なものをすでに３つご紹介しています。
あらためて確認しておきます。
・「％」の数字を読むコツ・分解の掛け算、分類の足し算・「傾向」と「異物」をビジュアルで掴む先ほどの例では分解の掛け算、分類の足し算を活用し、そして最後に「新規客の対応に課題あり」といった仮説を立てました。
シンプルですが、整理するとこのような流れになります。
まず、事実を数字で揃える↓次に、数字を読み解く（主に３つの手法）↓最後に、仮説を立てる意外と最初の段階に落とし穴があること、次のステップは簡単な手法でできること、それがここまでの内容です。
最後に残っているのが「仮説を立てる」という仕事ですが、これについては少しここから深掘りしていくことになります。
仮説を立てられない人に足りないたったひとつのこと「ひとつに決める勇気」が、仮説を作る仮説を立てる。
これもまた、ビジネス関連の書籍やセミナーでよく見聞きする言葉です。
大切であることも、必要であることも、誰もがわかっているでしょう。
にもかかわらず、なかなかこれがうまくできない。
私は「回せない」の最も根深い原因は、この仮説を立てることができないことにあると思っています。
ここにもまた大きくて目に見えない「壁」が存在します。
なぜ目に見えないか。
この「壁」が、人間の心の中にあるからです。
どういうことなのか説明します。
例えば恋愛でＰＤＣＡサイクルを回すとどうなるか。
仮にある男性がある女性に想いを寄せているとします。
気になる女性ともっと仲良くなりたい↓「趣味」をキーワードに会話をしてみよう（Plan）↓実際にやってみた（Do）↓相手の反応が悪かった（Check）↓仲良くなるまでは「趣味」で会話をするのは避けることにした（Action）↓では「仕事」をキーワードに会話をしてみよう（Plan）↓実際にやってみた（Do）このプロセスの中で、仮説を立てるとはどこに該当するか。
それは（Action）と２度目の（Plan）です。
相手の反応が悪かったので、おそらく相手は「趣味」というテーマの会話はあまり心地よくないのだろうという仮の事実。
そしてもしかしたら相手は「仕事」というテーマの会話ならポジティブに反応してくれるのではという仮の事実。
仮の事実を作ることが仮説を立てるということです。
しかし、もしこの場面で男性が「いや、会話の内容云々ではなく、何かほかに理由があって私との会話をつまらなそうにしているのではないだろうか？」と考え始めてしまったらどうなるでしょう。
「ほかの理由ってなんだろう？場所がいけないのか？ここに来るまでの間に何か失礼なことを言ったか？ひょっとして俺の口臭が気になるのか？それとも……」キリがありませんよね。
こんなことを考えていると、この女性と会話をするのが億劫になってしまうかもしれません。
彼に必要なことは、色々と考えられる原因をこの場で特定することではありません。
正解かどうかはわからないけれど、〝エイヤ！〟と「会話の内容が理由だ」と決めて、次のアクションをすることです。
それをしない限り相手の女性を口説き落とすことはもちろん、距離を縮めることすら難しいでしょう。
その間にほかの男性が彼女をさらってしまう。
これが世の中に多く存在する「敗者」の構図です。
仮説を立てるとは、〝エイヤ！〟と何かひとつに決めること。
つまり、ほんの少しの「勇気」がいる仕事なのです。
先ほどの新規・既存の売上高の例も同じこと。
事実を数字で揃え、読み解き、仮説を立てたなら、いったんそれを〝エイヤ！〟の直感で決める。
ここで、「いや、もしかしたら外部環境が変わったかもしれないし」「商品ラインナップが変わったし」「競合会社が新サービスを出したし」……などと始まってしまうと、何もできなくなります。
何もできなくなるということは、何も改善できなくなることと同義。
それはすなわち、衰退を意味するわけです。
結論です。
仮説を立てられない人に足りないことは、「ひとつに決める勇気」です。
私はあなたに、いくつか原因として考えられるものの中から、ほんの少しの勇気を持ってひとつに絞り、残りはすべて捨ててはどうかと提案します。
「ビジネスではハラをくくった人が成果を出す」なんて青臭い感情論を耳にします。
でも、これは真理なのかもしれません。
「病は気から」と言います。
克服するためのキーは、あなたの心にあるのです。
「複合的要因」という言葉を捨てる原因として可能性があるものの中から、実際に改善に向けてアクションするものをひとつに絞り、残りは捨てる。
これがとても重要です。
先ほどの例であれば、５月よりも６月の売り上げが下がった要因は、新規来店者に対する対応が悪かったことだとひとつに決めることです。
結果売上高585,000円→413,250円↓原因新規の成約率0.5→0.3原因と結果をそれぞれ１種類の数字だけで表現し、その２者を仮の因果関係（原因と結果の関係）として結びつける。
こうすることで次にするアクションが１種類になり、実際に行動に移せます。
ところが、私がこう推奨すると、次のような反論をいただくことがあります。
「しかし、そんなに単純な話なのでしょうか。
その結果の原因がいろんなものが複合的に絡み合った結果ということも考えられませんか。
ひとつに絞ってほかは捨てる。
そんな簡単な話ではないと思うのですが」よくわかります。
鋭い論考であり、そうかもしれません。
しかし、それでも私は「ひとつに絞ってあとは捨てなさい」と申し上げます。
別に意地になっているわけではなく、論理的な理由があります。
仮にあなたの仕事において、ＰＤＣＡサイクルを回したいものがあるとします。
いまあるその結果は、いろんなものが複合的に絡み合った結果なのかもしれません。
では、その複合的な要因は何と何がどう絡み合って、どのような構造になっているのか。
それをはっきりさせる必要があるのでしょうか。
その分析に３カ月かけるのであれば、３日で仮説を立てて次のアクションにつなげてまた新たな結果を得たほうが、正解に近づくスピードは速いでしょう。
これだけスピードが要求されるビジネスの世界において、じっくり時間をかけて何かを分析検証する時間はないはずです。
研究機関や犯罪捜査など特殊なケースを除けば、「そんなことはいいから、さっさと仮説を立てて次のアクションを１日でも早く行う」が正解なのです。
ではそのために何が必要か。
私の答えは、「複合的」という考え方を捨てることです。
「ひとつに絞ってほかは捨てる」ができる人は、この「複合的という考え方」を捨てている人です。
ひとつに絞れば、次のアクションもひとつになります。
人間はまとめていくつものことをできるような生き物ではありません。
ひとつのことしかできないのです。
〈ＢＡＤ〉原因がたくさんあり、複雑に絡み合っている↓次のアクションもたくさんしなければならず、複雑になる↓それが正しい解決策だとしても、実際にはできない↓何も変化しない〈ＧＯＯＤ〉原因をひとつに絞る↓次のアクションもひとつ↓それが正しい解決策かどうかわからないけれど、確実にできる↓確実に何かしらの変化を起こすことができる日本の実業家・稲盛和夫氏の言葉にこのようなものがあります。
バカな奴は単純なことを複雑に考える。
普通の奴は複雑なことを複雑に考える。
賢い奴は複雑なことを単純に考える。
表現は少々キツイですが、きっとあなたも頷く真実でしょう。
複雑なものをはっきりさせることと、複雑なものを単純化することは違います。
「それをはっきりさせる必要があるのか」は極めて重要な問いです。
常に自分自身に問いかけることを習慣にしてみてください。
「しかし、そんなに単純な話なのでしょうか？」という問いに私は研修の現場ではこう答えています。
「複雑な話かもしれませんね。
でも、その複雑なことをシンプルに考えるのが私たちの仕事ではないでしょうか」と。
ファクトベースで仕事ができるようになる13の質問第２章の最後にまとめとして、あなたがファクトベースで考え、さらにＰＤＣＡサイクルを回す仕事をするときに役立つチェックリストをご用意しました。
これらの問いに答えていくことがすなわちそのままファクトベースで考え、数字を使ってＰＤＣＡサイクルを回すということです。
【ファクトベースで仕事ができるようになる13の質問】１あなたが改善したいことはなんでしょうか？２それは数字で把握できるものでしょうか？（ＮＯであるなら、まずは事実を数字で把握する環境を用意する）３ＹＥＳであれば、改善されたことを示す数字Ａはなんでしょうか？４その数字Ａがどれくらいになれば「改善された」と定義できるでしょうか？５その数字Ａはどんな読み方が妥当でしょうか？（％の読み方？掛け算の分解？足し算の分類？傾向と異物？）６その数字Ａを増やす（あるいは減らす）ためには、どの数字Ｂを増やす（あるいは減らす）のが現実的に可能でしょうか？（仮説を立てる。
ただし数字Ｂはひとつに絞ること）７その数字Ｂがどれくらい増える（減る）ことを目指しますか？８それが達成できたとき、数字Ａの変化はあなたが定義する「改善された」を実現しますか？９数字Ｂを増やす（減らす）ために具体的に何をしますか？（必ず現実的にできることを）10それは誰が、いつ、どのように実行するのでしょうか？11実行した結果も数字Ｃとして手元に残る環境にあるでしょうか？12数字Ｃを評価し、次のＰＤＣＡサイクルを回す責任者が誰か決めていますか？13この仕事を進めるにあたり、直面する「めんどくさい」に負けない強い意志はありますか？ここまでお読みのあなたはおそらくこの13の質問を「めんどくさい」とは思わないはずです。
ぜひご自身のリアルな課題をテーマに設定し、やってみてください。
例えば会社の営業部門であればこの13の質問をどう活用するのか、最後にご紹介しておきます。
参考にしてください。
１あなたが改善したいことはなんでしょうか？→当社の営業部門の生産性を上げたい。
２それは数字で把握できるものでしょうか？→ＹＥＳ。
各営業マンの実績と勤務時間を長期的に数字で把握していく。
３ＹＥＳであれば、改善されたことを示す数字Ａはなんでしょうか？→（生産性）＝（営業マンの実績）÷（勤務時間）と定義し、この数字の増加を生産性向上とする。
４その数字Ａがどれくらいになれば「改善された」と定義できるでしょうか？→（生産性）が現状の10％増になればＯＫとする。
５その数字Ａはどんな読み方が妥当でしょうか？→営業部の全体的な傾向と、特に生産性が良い（悪い）人物の把握。
６その数字Ａを増やす（あるいは減らす）ためには、どの数字Ｂを増やす（あるいは減らす）のが現実的に可能でしょうか？→（勤務時間）を減らす。
７その数字Ｂがどれくらい増える（減る）ことを目指しますか？→（勤務時間）を15％削減することを目指す。
８それが達成できたとき、数字Ａの変化はあなたが定義する「改善された」を実現しますか？→ＹＥＳ。
（生産性）を現状の10％増にすることは可能と考える。
９数字Ｂを増やす（減らす）ために具体的に何をしますか？→客先での商談時間を25％短縮する（１時間だったものは45分で終える）。
10それは誰が、いつ、どのように実行するのでしょうか？→営業部全員。
来月から勤務内容の内訳と所要時間を記録して部内で共有する。
11実行した結果も数字Ｃとして手元に残る環境にあるでしょうか？→ＹＥＳ。
（改善後の生産性）＝（改善後の営業マンの実績）÷（改善後の勤務時間）。
12数字Ｃを評価し、次のＰＤＣＡサイクルを回す責任者が誰か決めていますか？→営業部長が必ず定期的にチェックし、月例の部内会議で数字を共有。
13この仕事を進めるにあたり、直面する「めんどくさい」に負けない強い意志はありますか？→ＹＥＳ。
営業部における今年度の最重要テーマとし、社長にも改善をコミットする。
多くのビジネスパーソンが、結果は数字で語れるのに、原因を数字で語れません。
原因を語れないから改善ができません。
改善ができないから成果が出ません。
その理由がある病にあること。
そしてその克服方法と真の原因にたどり着き、改善を図るまでの仕事術を余すところなくお伝えしたつもりです。
実は、ファクトベースのお話はここまでが半分。
このあとに続く第３章で、ファクトベースの仕事術に深みを持たせるための数学的な思考法と数値化する技術をご紹介していきます。
今日からすぐに使えるパワフルなツールであり、徹底的に数字で考えるビジネスパーソンになる方法です。
ぜひこのままページをめくってみてください。
コメント