前回（第1回）では「統計的問題解決の全体像」を学びました。課題設定→データ収集→分析→結論という流れがあることを押さえましたが、その最初の一歩である課題設定を誤ると、その後の流れ全体が的外れになってしまいます。

データ分析を始めるときにありがちな失敗は、「とりあえずデータを見てみたけれど、結局何を知りたいのか分からない」という状態です。実は、統計的問題解決の成否は 最初の課題設定にかかっている といっても過言ではありません。問いが曖昧なままでは、どんなに高度な分析をしても、使える結論にはつながらないのです。そこで、今回は『課題設定』について、やさしく解説していきたいと思います。

---

良い課題設定の条件

「良い課題設定」にはいくつかの条件があります。

• 具体的：あいまいな表現ではなく、誰が見ても同じ意味に取れること。
• 測定可能：数値や指標で確認できること。
• 改善に直結：結論を行動につなげられること。

例えば、「売上が低迷している」という漠然とした問いを「売上低迷の原因は 客数減 か 客単価減 か？」と具体化すれば、データ収集や分析の方向性が一気に明確になります。

---

事例紹介

シナリオ：コンビニ店長が売上低迷に悩んでいるケース

• 店長：「最近売上が落ちてるんだけど、原因が分からない…」
• スタッフ：「まずは売上を客数と客単価に分けてみましょう」
• 店長：「なるほど。客数が減っているのか、客単価が減っているのかを見ればいいんだな」

👉 このように問いを具体的に立てるだけで、分析の道筋が見えてきます。

---

似ているKPIツリーとロジックツリーについて

ここでよく混同されるのが、KPIツリーとロジックツリーです。見た目は似ていますが、目的と使いどころはまったく異なります。

---

1. KPIツリーとは

• 目的：最終的な成果指標（KPI＝Key Performance Indicator、主要業績評価指標）を分解して、成果に影響を与える要因を整理する。
• 構造：「売上 → 客数 × 客単価」といった 数式的な分解 が基本。
• 活用場面：
  • 売上目標を達成するために「どこを伸ばせば良いか」を探る
  • 経営指標と現場指標のつながりを明確にする
• 特徴：数値で管理できる因数分解型のツリー。

例）
売上
├─ 客数（＝来店頻度 × 新規顧客数）
└─ 客単価（＝購入点数 × 商品単価）

👉 「どの数字を改善すればゴールに近づくか」が明確になります。

---

2. ロジックツリーとは

• 目的：原因や解決策を網羅的・論理的に整理する。
• 構造：Whyツリー（原因分析） と Howツリー（施策検討） が代表的。
• 活用場面：
  • 売上低迷の原因を特定する
  • 改善策を漏れなく考え出す
• 特徴：数値に限らず「考え方・要因」を広げるブレインストーミング型のツリー。

例）
売上低迷
├─ 客数減少（原因：競合増加、店舗立地、広告不足…）
└─ 客単価減少（原因：価格競争、購買意欲低下…）

👉 「なぜそうなったのか？」「どう改善できるか？」を体系的に洗い出せます。

---

3. 違いを一言でまとめると

• KPIツリー：数値を分解し、「どの数字を動かすか」を特定するツール
• ロジックツリー：要因や施策を網羅的に考え、「なぜ？どうする？」を整理するツール

---

💡イメージすると：

• KPIツリーは 数値での「因数分解」
• ロジックツリーは 思考の「マインドマップ」

---

まとめ

• 課題設定は統計的問題解決の第一歩。
• 良い問いが立てば、分析は半分成功している。
• KPIツリーやロジックツリーで整理すると、問いが明確になる。

しかし、課題設定を無視してしまうとどうなるでしょうか。例えば、ある企業が「売上が下がった」という事実だけに注目し、闇雲に広告費を増やした結果、実際には『客数』ではなく『顧客単価の低下』が原因だったため、改善効果がほとんど得られなかったというケースがあります。このように、問いがズレたまま進めてしまうと、時間もお金も無駄にしてしまうリスクが高まります。

だからこそ、まずは課題を正しく設定することが不可欠です。

次回は 「データ収集の基本」 に進みます。どんなデータを集めれば課題解決につながるのかを学び、その次の第3回では 「分析の基本ステップ」 を扱います。統計的問題解決の流れがさらにクリアになるはずです。

<文/綱島佑介>