受注予測がいつも外れる ― 「その場しのぎ」を卒業するフォーキャスト設計

1. 実例：会議のたびに帳尻合わせ、期末には未達が見えてくる

先日、あるBtoB企業の営業マネジャーの方からこんな相談をいただきました。

「毎月の経営会議で受注予測を報告しているんですが、正直その場でそれらしい数字を作っている感じで。メンバーから数字を集めても、みんな楽観的な見込みを出してくるし、それをそのまま上に報告すると毎回下振れしてしまう。期末が近づくと未達が見えてきて、メンバーのモチベーションも自分のモチベーションも上がらない。予測を科学的にやる方法があれば教えてほしいです。」

実際に12ヶ月分のデータを見せていただくと、こんな状況でした。

12ヶ月すべてで予測が実績を上回っています。平均乖離率は約-14%。「毎回下振れする」というパターンが明確に存在しています。これは偶然ではなく、予測の設計に構造的な問題があります。

2. 解決策：3ステップで「科学的なフォーキャスト」を設計する

Step1: 乖離率の傾向を把握する(記述統計)

まず12ヶ月の乖離率の平均と標準偏差を計算します。

• 乖離率の平均: -14.0%
• 乖離率の標準偏差: 4.1%
• 最小乖離: -5%(3月・9月)
• 最大乖離: -18%(1月・10月)

標準偏差が4.1%と比較的小さいことから、「毎回14%前後下振れする」という一貫したパターンがあります。これはメンバーが構造的に楽観的な予測を出していることを意味します。

この段階でできる即効策: 予測値に0.86(=1-0.14)を掛けることで、より現実的な予測値に補正できます。

Step2: 回帰分析で「実績を予測する式」を作る

過去12ヶ月のデータから、予測値と実績値の関係を単回帰分析で求めます。

• $\hat{y}$: 補正後の予測実績(万円)
• $x$: メンバーが申告した予測値(万円)
• 決定係数(R²): 0.94

決定係数が0.94と高く、この式でメンバーの予測値から実績をかなり精度よく推定できます。

例えばメンバーが「来月1,300万円いけます」と報告してきた場合:

経営会議には1,300万円ではなく1,075万円を報告する方が現実的です。

Step3: 予測区間を使って「誤差の幅」を経営に伝える

単一の数字だけ報告すると、それが外れたときの信頼失墜が大きくなります。代わりに予測区間を使って「この範囲に収まる確率が95%」という形で報告する方が、マネジャーとしての信頼性が上がります。

来月の予測値が1,300万円の場合:

• 補正後予測値: 1,075万円
• 95%予測区間: 990万円〜1,160万円

経営会議での報告:「来月の見込みは1,075万円、95%の確率で990〜1,160万円の範囲に収まります。」

面談・会議での声かけ例

メンバーへの声かけ

「みんなの予測と実績を12ヶ月分分析したところ、平均して14%下振れするパターンが出ています。これはみんなが頑張っていないわけではなく、見込み案件の確度判定の基準が少し楽観的になっている可能性があります。来月から確度A(90%以上)・確度B(60%以上)・確度C(30%以上)で分類してもらえますか。そのデータをもとに精度を上げていきます。」

経営会議での報告

「過去12ヶ月のデータ分析から、予測値に対して平均14%の下振れ傾向があることが分かりました。この傾向を補正した来月の予測は1,075万円、95%予測区間は990〜1,160万円です。単一の数字ではなく範囲でお伝えすることで、より現実的な資源配分の判断材料になればと思います。」

3. なぜ回帰分析なのか：選定理由と計算式

選定理由

フォーキャストの問題には2つのアプローチがあります。

1. 補正係数を使う(簡易版)
2. 回帰分析を使う(精密版)

今回は両方を組み合わせています。補正係数は今すぐ使え、回帰分析は中長期で精度を高めるためのツールです。

単回帰分析の計算式

回帰係数$b$と切片$a$は最小二乗法で求めます。

• *決定係数(R²)**はモデルの精度を示します。

R²が1に近いほど予測精度が高く、今回の0.94は「メンバーの申告値から実績の94%を説明できる」ことを意味します。

よくある誤解

「回帰分析で精度が上がった=予測が完璧になる」ではありません。回帰分析はあくまで「過去のパターンが続く」という前提に立っています。大型案件の急浮上・突然の失注など、構造的な変化には対応できません。だからこそ予測区間(誤差の幅)をセットで伝えることが重要です。

また「予測が外れた=マネジャーの責任」という文化を変えることも大切です。予測は当てるためではなく、意思決定の精度を上げるためのツールです。

4. 生成AIとの対話例：このプロンプトで誰でも同じ分析ができます

実際にこの分析をする際、生成AIに以下のように依頼すると、計算と解釈をまとめて出力してくれます。

あなたは営業データ分析の専門家です。
以下は12ヶ月分の営業予測値と実績値のデータです(万円)。

月: 1〜12月
予測: 1200, 1100, 1500, 1200, 1300, 1400, 1300, 1100, 1500, 1400, 1500, 1800
実績: 980, 950, 1380, 1050, 1100, 1250, 1080, 920, 1420, 1150, 1280, 1550

以下を行ってください。
1. 月別乖離率を計算し、平均と標準偏差を求める
2. 予測値と実績値の単回帰分析を行い、補正式と決定係数を求める
3. 来月の予測値が1,300万円の場合、補正後の予測値と95%予測区間を計算する
4. 楽観的予測が生まれる構造的な原因と、メンバーへの確度基準の設計方法を提案する
5. 経営会議で使える報告文を作成する

出力は、営業マネジャーがそのまま経営会議前に読めるよう、簡潔な日本語でまとめてください。