第8章　データで経営を改善する

意思決定の根拠：
- 経営者の直感
- 過去の経験
- 業界の常識
- 感覚的な判断

例：「この商品は売れそうな気がする」
→ 仕入れて販売
→ 結果：予想より売れなかった

意思決定の根拠：
- 売上データ
- 顧客行動データ
- 市場データ
- 実績の数値

例：「過去3ヶ月のデータで類似商品の売上が20%向上」
→ データに基づいて仕入れ量を決定
→ 結果：予測通りの売上達成

感情や先入観に左右されない
事実に基づいた冷静な判断
複数の人が同じ結論に到達

成功要因が明確
同じ方法で再現可能
他の人にも伝達可能
ノウハウの蓄積

効果の測定が可能
改善点の特定
PDCA サイクルの実践
長期的な成長

S - Specific（具体的）
M - Measurable（測定可能）
A - Achievable（達成可能）
R - Relevant（関連性）
T - Time-bound（期限付き）

例：
悪い例：「売上を増やす」
良い例：「3ヶ月後までに月間売上を20%向上させる」

- 日販（1日の売上）
- 客数（1日の来客数）
- 客単価（1人あたりの購入金額）
- 商品別売上ランキング

売上 = 客数 × 客単価
この関係式で売上向上の要因を分析

- レジ待ち時間
- 商品補充回数
- 在庫回転率
- 1時間あたりの接客数

効率向上 → コスト削減 → 利益改善

- お客様の待ち時間
- 商品の品切れ回数
- クレーム件数
- リピート来店率

満足度向上 → 売上向上 → 長期的成長

- 日次・月次売上
- 商品別売上
- 利益率
- コスト構造

活用例：
利益率の高い商品を特定
→ 重点的に販売促進
→ 全体利益の向上

- 購買履歴
- 来店頻度
- 年齢・性別
- 購買パターン

活用例：
よく買う商品の組み合わせを分析
→ セット販売やレイアウト変更
→ 客単価向上

- 在庫レベル
- 作業時間
- エラー発生率
- 設備稼働率

活用例：
作業時間の分析
→ 効率的な作業手順の確立
→ 人件費削減

- 業界売上動向
- 競合他社の価格
- 市場シェア
- 消費者トレンド

活用例：
業界平均と自社の比較
→ 改善すべき分野の特定
→ 戦略的改善施策

- 消費者物価指数
- 可処分所得
- 人口動態
- 天候情報

活用例：
天候と売上の関係分析
→ 天気予報を活用した仕入れ調整
→ 機会損失の削減

必要なデータの特定
収集方法の決定
システムの構築
継続的な収集体制

データのクリーニング
統一形式への変換
欠損値の処理
分析可能な形への加工

基本統計量の算出
トレンド分析
相関関係の発見
パターンの特定

データから読み取れる事実
改善すべき問題点
新たな機会の発見
仮説の立案

具体的な改善策の実施
効果の測定
継続的な改善
新たなデータの収集

商品分類（先月の実績）：
Aランク（売上構成比70%）：20商品
- 牛乳、パン、弁当、飲料など
- 重点管理商品

Bランク（売上構成比20%）：50商品  
- お菓子、調味料、日用品など
- 標準管理商品

Cランク（売上構成比10%）：130商品
- 季節商品、嗜好品など
- 簡易管理商品

売上金額：どの商品が売上に貢献？
販売数量：どの商品がよく売れる？
利益額：どの商品が利益に貢献？
利益率：どの商品が効率的？

例：商品比較
商品A：売上100万円、利益20万円、利益率20%
商品B：売上50万円、利益20万円、利益率40%

→ 売上重視ならA、効率重視ならB

ゲーム体験例：
朝（8-11時）：30%（通勤・通学客）
昼（11-14時）：25%（ランチ客）
夕方（17-19時）：35%（帰宅客）
夜（19-21時）：10%（追加購入客）

活用方法：
- 時間帯別の人員配置最適化
- 商品陳列の時間別変更
- 特売タイミングの調整

売上パターン例：
月曜：80（週明けで少なめ）
火曜：85
水曜：90
木曜：95
金曜：120（週末買い出し）
土曜：150（休日で最大）
日曜：130

活用方法：
- 仕入れ計画の精度向上
- シフト計画の最適化
- プロモーション日程の決定

季節要因の把握：
春：新生活関連商品が好調
夏：冷たい飲み物、アイス類が急増
秋：温かい商品への切り替え
冬：鍋用品、おでんなどが好調

月別トレンド：
12月：年末需要で売上最大
1月：正月明けで売上減少
3月：新生活準備で売上増加

年齢別：
10-20代：コンビニ系商品、単価低め
30-40代：ファミリー向け、まとめ買い
50代以上：品質重視、客単価高め

来店頻度別：
毎日来店：常連客、必需品中心
週2-3回：計画的買い物、単価高め
月1-2回：まとめ買い、冷凍品多め

R（Recency）：最近の購入
F（Frequency）：購入頻度
M（Monetary）：購入金額

例：顧客分類
優良客：R高、F高、M高
→ 特別サービスで維持

新規客：R高、F低、M低
→ 頻度向上の施策

休眠客：R低、F低、M低
→ 復活キャンペーン

　　　　　売上高　　売上低
利益高　　スター　　隠れた宝石
利益低　　問題児　　撤退候補

スター：売上も利益も高い主力商品
隠れた宝石：売上は少ないが利益率が高い
問題児：売上は高いが利益が少ない
撤退候補：売上も利益も少ない

スター商品：
- 品切れ絶対回避
- 最良の売場位置確保
- 競合価格の常時監視

隠れた宝石：
- 売場展開の拡大
- 販促強化で売上向上
- 類似商品の開発

問題児：
- 仕入価格の見直し
- 販売価格の調整
- 効率的な売場運営

撤退候補：
- 段階的な縮小
- 売場スペースの転用
- 新商品への入れ替え

Aランク顧客（上位20%）：売上の80%を占める
- VIP待遇
- 個別サービス
- 特別優待

Bランク顧客（中位30%）：売上の15%
- 標準サービス
- Aランクへの引き上げ施策

Cランク顧客（下位50%）：売上の5%
- 効率的なサービス
- 離反防止の最低限対応

商品：上位20%の商品が売上の80%を占める
顧客：上位20%の顧客が売上の80%を占める
時間：20%の時間で80%の成果を生む
問題：20%の問題が全体の80%の影響を与える

100商品を扱う店舗の場合：
上位20商品（20%）：売上構成比75%
中位30商品（30%）：売上構成比20%
下位50商品（50%）：売上構成比5%

→ 20商品に集中することで効率的な経営

限られた経営資源を重要な20%に集中：

商品管理：
上位20%商品の在庫・品質を重点管理
下位80%商品は簡易管理

顧客対応：
上位20%顧客には手厚いサービス
下位80%顧客には効率的なサービス

時間配分：
重要な20%の業務に80%の時間を投入

問題の20%を解決すれば80%の効果：

売上向上：
上位20%商品の販促強化
→ 全体売上の大幅改善

コスト削減：
主要20%のコスト要因を改善
→ 全体コストの大幅削減

品質向上：
重要20%の品質問題を解決
→ 顧客満足度の大幅向上

用途：商品別売上、月別売上など
特徴：数値の大小比較が容易

例：商品別売上
牛乳　　：■■■■■■■■ 80万円
パン　　：■■■■■■ 60万円
弁当　　：■■■■■ 50万円
お菓子　：■■■ 30万円

用途：時系列変化、トレンド分析
特徴：変化の傾向が分かりやすい

例：月次売上推移
1月 → 2月 → 3月 → 4月
100万 → 110万 → 105万 → 120万

用途：構成比、シェア分析
特徴：全体に占める割合が直感的

例：売上構成比
食品：60%
日用品：25%
雑貨：15%

用途：2つの要素の関係分析
特徴：相関関係が視覚的に理解

例：価格と売上数量の関係
価格が上がると売上数量が下がる傾向

比較：棒グラフ
変化：折れ線グラフ
構成：円グラフ
関係：散布図
分布：ヒストグラム

シンプルな色使い
適切なタイトル
軸ラベルの明記
データソースの記載

適切な軸の範囲設定
データの偏りに注意
グラフの種類による印象の違い
数値の正確な表示

朝一番で昨日の業績を確認
問題の早期発見
意思決定スピードの向上

スタッフ全員が目標を共有
進捗状況の見える化
チーム一体となった取り組み

財務指標（結果）：
- 売上
- 利益
- 客単価

非財務指標（プロセス）：
- 顧客満足度
- 従業員満足度
- 業務効率

先行指標（未来）：
- 新規顧客数
- リピート率
- 在庫回転率

遅行指標（過去）：
- 月次売上
- 月次利益
- 年次成長率

【売上関連】
今日の売上：28万円（目標30万円）
客数：140人（目標150人）
客単価：2,000円（目標2,000円）

【運営関連】
平均レジ待ち時間：2.5分（目標3分以内）
商品品切れ件数：3件（目標5件以内）
スタッフ稼働率：85%（目標80-90%）

【前日比較】
売上前日比：+5%
客数前日比：-3%
客単価前日比：+8%

【売上トレンド】
今週売上：210万円（先週：200万円）
週間成長率：+5%
月間目標達成率：70%

【商品分析】
売上Top5商品とシェア
新商品の売上状況
季節商品の動向

【顧客分析】
新規客数：50人
リピート客数：450人
顧客満足度スコア：4.2/5.0

【業績サマリー】
月間売上：900万円（目標：850万円）
月間利益：180万円（目標：170万円）
売上成長率：+12%（前年同月比）

【効率性指標】
在庫回転率：8.5回転
従業員一人当たり売上：60万円
売場面積当たり売上：15万円/㎡

【改善状況】
前月課題の解決状況
今月の新たな課題
来月の改善計画

Level 1：サマリー（一目で全体状況把握）
- 今日の売上：目標達成度
- 重要アラート：要注意事項

Level 2：分析（詳細な現状分析）
- 商品別売上内訳
- 時間帯別分析
- 前年同期比較

Level 3：詳細（具体的データ）
- 商品別詳細データ
- 顧客別詳細データ
- トランザクションログ

緑：良好、目標達成
黄：注意、目標近い
赤：警告、目標未達成
青：中立、情報

例：売上達成度
目標100%：105% →【緑】
目標100%：95% →【黄】
目標100%：85% →【赤】

大きな数字：視覚的インパクト
前年比：％での表示
トレンド：矢印や折れ線グラフ
達成度：プログレスバー

例：
売上　1,280,000円
前年比　↗ +12%
目標達成度　████████░░ 85%

リアルタイム（随時更新）：
- 現在の売上
- 在庫状況
- レジ待ち時間

日次更新：
- 前日売上
- 昨日の顧客数
- 日別比較

週次・月次更新：
- トレンド分析
- 前年同期比較
- 目標達成度

在庫切れ：主力商品の在庫ゼロ
システム障害：POSシステムダウン
異常売上：通常の50%以下の売上

対応：即座に担当者に通知
表示：赤色で点滅表示
音声：アラーム音

売上不振：目標の80%未満
客数減少：前日比20%減
レジ混雑：平均待ち時間5分超

対応：30分以内に確認
表示：黄色で常時表示
通知：メールやアプリ通知

天候変化：雨予報で売上影響予想
競合情報：近隣店の特売情報
市場動向：業界ニュース

対応：1日以内に確認
表示：青色で表示
通知：日次レポートに含める

過去データの分析：
平均値 ± 標準偏差の範囲外
過去90日の最低値を下回る
前年同期比で20%以上の乖離

例：客数アラート
過去30日平均：150人
標準偏差：20人
アラート基準：110人未満（平均-2σ）

目標値との比較：
売上目標の80%未満
利益目標の70%未満
顧客満足度スコア4.0未満

競合比較：
市場平均を20%下回る
競合店より売上が低い
業界標準に達していない

収集内容：
- 商品名・コード
- 販売時刻
- 販売価格
- 販売数量
- 顧客属性（年齢・性別）
- 天候情報
- 地域情報

データ量：
約21,000店舗 × 1日数百件
= 年間数十億件のトランザクション

商品ごとの詳細分析：
- おにぎり30種類を個別管理
- 時間帯別の売れ筋把握
- 天候による売上変動分析
- 地域別の嗜好性把握

例：おにぎりの時間帯分析
朝7-9時：ツナマヨ、鮭が人気
昼12-14時：唐揚げ、焼肉が人気
夜18-20時：赤飯、炊き込みご飯が人気

プロセス：
1. POSデータから仮説立案
   「健康志向が高まっている」
   
2. 仮説検証商品の投入
   「野菜を多く使った弁当」
   
3. データによる効果測定
   売上実績、顧客反応の分析
   
4. 改良・本格展開
   成功商品は全国展開
   失敗商品は早期撤退

多変量解析による予測：
- 過去の売上データ
- 曜日・季節要因
- 天候データ
- 地域イベント情報
- 競合店舗の影響

予測精度：
従来（経験ベース）：±30%
現在（データベース）：±10%

効果：
機会損失の削減：年間数十億円
廃棄ロスの削減：食品ロス50%減

本部から店舗への推奨：
「明日は雨予報のため、温かい商品を20%増量発注をお勧めします」
「近隣でイベントがあるため、弁当類の発注増加をお勧めします」

店舗の判断：
データ提案 + 店舗の独自判断
= 最終的な発注量決定

結果：
単純なデータ活用より10%売上向上

視聴行動：
- 視聴開始・停止時刻
- 一時停止・早送り回数
- 視聴完了率
- 評価・レビュー

デバイス情報：
- 視聴デバイス（TV、スマホ、PC）
- 視聴場所（GPS情報）
- 視聴時間帯

コンテンツデータ：
- ジャンル・キャスト
- 制作年・制作費
- 他ユーザーの評価

協調フィルタリング：
「あなたと似た嗜好の人が高評価した作品」

コンテンツベース：
「あなたが過去に高評価した作品と類似の作品」

ハイブリッド：
複数のアルゴリズムを組み合わせ

パーソナライズ：
時間帯、デバイス、気分に応じた推薦

レコメンド精度の向上：
推薦作品の視聴開始率：80%
推薦なしの視聴開始率：40%

継続課金率：
個人最適化により解約率50%削減
新規登録者の定着率30%向上

データドリブンな投資判断：
- どのジャンルが人気か？
- どの俳優が視聴率を高めるか？
- どの制作費レベルが最適か？

成功例：
「ハウス・オブ・カード」
→ データ分析により大ヒット確信
→ 2億ドルの大型投資を決断

需要データ：
- 配車リクエスト数
- ユーザーの位置情報
- 目的地情報
- 時間帯・曜日

供給データ：
- 利用可能なドライバー数
- ドライバーの位置情報
- 交通状況
- 天候情報

仕組み：
需要 > 供給 → 価格上昇（サージ発動）
需要 < 供給 → 通常価格

例：金曜夜の繁華街
通常価格：1,000円
サージ価格：1.5倍 = 1,500円

効果：
- 高価格で需要を抑制
- 高収入でドライバーを誘導
- 需給バランスの自動調整

利用者メリット：
確実に車を確保できる
待ち時間の短縮

ドライバーメリット：
効率的な収入確保
需要の高い場所への誘導

プラットフォームメリット：
取引量の最大化
市場シェアの拡大

交通データの活用：
渋滞情報のリアルタイム提供
最適ルートの提案
公共交通との連携

社会的効果：
タクシー待ち時間の削減
交通渋滞の緩和
CO2排出量の削減

改善施策の実施：
- 計画通りの実行
- 進捗状況の記録
- 問題発生時の対応

データ収集：
- 効果測定のための指標収集
- 定期的なモニタリング
- 副次的効果の記録

効果測定：
- 目標達成度の評価
- データによる客観的分析
- 想定外の影響の確認

要因分析：
- 成功要因の特定
- 失敗要因の特定
- 改善余地の発見

標準化：
- 成功した改善策の制度化
- 作業手順の見直し
- 教育・研修への反映

次のサイクル：
- 新たな課題の設定
- さらなる改善計画
- 継続的な向上

現状分析：
- 平均レジ待ち時間：5分
- ピーク時間：17-19時
- お客様クレーム：月10件

問題の原因：
- レジスタッフのスキルばらつき
- 商品バーコードの読み取りエラー
- お客様の支払い方法の多様化

目標設定：
- 平均レジ待ち時間：3分以内
- お客様クレーム：月5件以内
- 期限：3ヶ月後

改善策：
1. スタッフ研修の強化
2. セルフレジの導入
3. 商品バーコードの整備

1ヶ月目：スタッフ研修
- レジ操作の標準化
- 効率的な商品スキャン方法
- お客様対応の改善

2ヶ月目：セルフレジ導入
- 2台のセルフレジ設置
- 操作方法の案内
- 有人レジとの使い分け

3ヶ月目：システム改善
- バーコード読み取り精度向上
- 決済システムの最適化
- 待ち時間表示システム導入

効果測定（3ヶ月後）：
- 平均レジ待ち時間：2.8分→目標達成
- お客様クレーム：月3件→目標達成
- セルフレジ利用率：30%

副次的効果：
- スタッフの作業効率20%向上
- 人件費コスト5%削減
- 顧客満足度スコア向上

問題点：
- 高齢者のセルフレジ利用率低い
- 混雑時の案内スタッフ不足

成功要因の標準化：
- 研修プログラムの全店展開
- セルフレジ導入マニュアル作成
- 待ち時間管理の仕組み化

新たな課題設定：
- 高齢者向けサポート体制構築
- ピーク時案内スタッフの効率配置
- さらなる待ち時間短縮（目標2分以内）

次のPDCAサイクル：
新たな改善計画の立案開始

漏れなく、重複なく要因を分析

例：売上低下の要因分析
1. 外部要因
   - 競合店の出店
   - 経済状況の悪化
   - 天候の影響

2. 内部要因
   - 商品力の低下
   - サービス品質の低下
   - 価格競争力の低下

3. 顧客要因
   - 顧客ニーズの変化
   - 人口動態の変化
   - ライフスタイルの変化

定義：
2つの異なるパターンを同時にテストし、
どちらが良い結果を出すかを比較する手法

例：商品陳列方法のテスト
パターンA：従来の陳列方法
パターンB：新しい陳列方法

測定期間：2週間
測定指標：商品売上、顧客の立ち寄り率

1. 単一変数のテスト
   同時に複数の要素を変更しない

2. 十分なサンプル数
   統計的に有意な結果を得られる規模

3. 適切な期間設定
   季節要因や特別事情を考慮

4. 客観的な測定指標
   主観的判断ではなく数値で評価

直接効果：
- 売上の増減
- コストの増減
- 時間の短縮

間接効果：
- 顧客満足度の向上
- 従業員満足度の向上
- ブランドイメージの向上

ROI計算：
投資対効果 = (効果額 - 投資額) ÷ 投資額 × 100

例：
投資額：100万円
年間効果：150万円
ROI = (150 - 100) ÷ 100 × 100 = 50%

経営者：
- 改善の重要性を発信
- 改善活動への資源提供
- 成功事例の表彰

管理者：
- 部下の改善活動支援
- 改善提案の評価・実行
- 改善スキルの教育

現場スタッフ：
- 日常業務での問題発見
- 改善アイデアの提案
- 改善活動への積極参加

カイゼンの原則：
大きな変革より小さな改善
完璧を求めず、まず実行
失敗を恐れず、学習を重視

例：レジ業務の改善
- 商品の置き方を1cm調整
- 挨拶の言葉を1つ追加
- 作業手順を1秒短縮

効果：
小さな改善×継続×全員 = 大きな変化

改善提案の募集：
- 月間改善提案件数の目標設定
- 提案フォーマットの標準化
- 提案内容の評価基準明確化

インセンティブ：
- 採用された提案への報奨
- 改善効果に応じた表彰
- 提案者の成長機会提供

改善シート：
問題点・現状・目標・対策・効果

改善事例集：
成功事例の共有・横展開

改善スケジュール：
定期的な改善活動の計画

改善効果測定：
数値による客観的評価

店舗規模：売場面積100㎡
従業員数：8名（店長含む）
営業時間：7:00-22:00
主要顧客：近隣住民、通勤客
月間売上：1,200万円
月間利益：240万円

　　　4月　　5月　　6月　　7月　　8月　　9月
売上　1000　1100　1050　1300　1400　1200（万円）
客数　5000　5200　4900　5800　6200　5400（人）

商品別売上（9月、万円）：
食品　　：720（60%）
日用品　：240（20%）
雑貨　　：120（10%）
その他　：120（10%）

時間帯別売上構成比（9月）：
朝（7-11）：20%
昼（11-17）：40%
夜（17-22）：40%