データドリブン意思決定の落とし穴——数値化できない価値をどう扱うか

「データで決める」組織が静かに失うもの

「勘と経験ではなく、データで決める」という命題は、組織運営の常識として定着しつつある。A/Bテスト、KPI設定、ダッシュボード化——これらのツールと思想は、過去の非合理な意思決定の多くを改善してきた。

しかし、この思想が組織に深く浸透するにつれて、別の問題が静かに発生している。「データで証明できないものは意思決定の根拠にならない」という規範が強化され、数値化できない価値が組織の判断から排除されていく。

この現象は一見合理的に見える。だが長期的に見ると、組織の本質的な競争力——ブランド・文化・人材の動機・長期的な顧客信頼——を徐々に劣化させる機構として機能する。

Goodhartの法則が組織に起きること

経済学者Charles Goodhartが指摘した「ある指標が目標になると、その指標は良い指標でなくなる」（Goodhart’s Law）は、データドリブン組織の中核的な問題を予言している。

具体例として、あるメディア企業がコンテンツのKPIを「月間PV」に設定したとする。編集チームはPVを最大化するために、クリック誘導型の見出し、センセーショナルな内容、短期的に人気を集めるトレンドトピックを選ぶようになる。PVは上昇する。

一方、読者の信頼・ブランド・長期的な購読意向・広告主の評価は静かに低下していく。これらは月次のダッシュボードに現れない。測定可能な指標が最大化されるほど、測定不能な本質的価値が削られていく——この構造が、多くのデータドリブン組織で作動している。

数値化の失敗パターン——4つの典型

失敗パターン1：「結果指標」への過集中

売上・利益・顧客獲得数などの結果指標は、行動の結果として後から観測されるものだ。これらをKPIとして設定すると、「結果を最大化するために何をするか」ではなく「結果の数値を短期的に最大化する行動」が選択される。

顧客獲得コスト（CAC）を下げるためにターゲット品質を落とす。売上数値を達成するために長期的な顧客関係を損なう値引きを行う。四半期業績のために投資を先送りする——これらはすべて「数値の最大化」と「本来の事業価値の最大化」がずれた時に発生する典型的な行動だ。

失敗パターン2：「測定できないもの」の予算からの排除

組織がデータドリブンの方向に進むと、予算審議においても「効果を数値で証明できない施策」が削られる傾向が強まる。ブランド投資、文化醸成プログラム、長期的な人材育成、研究開発における探索的投資——これらは短期的なROIを数値で示しにくい。

欧州マネジメントジャーナルに掲載されたLochの研究（Loch, Christoph H. “Tailoring Product Development to Strategy,” European Management Journal, 2000）では、探索的投資を定量的ROIで評価することが、長期的なイノベーション能力を損なうことが示されている。「証明できないから切る」という意思決定の積み重ねが、組織の長期的な競争力の劣化を生む。

失敗パターン3：「データ文化」による現場知識の無効化

現場の実務者が長年の経験から蓄積した「このお客様は短期的な購買はしないが長期的に重要」「このパートナーとの関係は数値に現れない信頼がある」という文脈知識が、「データで証明できないから根拠にならない」として排除される。

Michael Polanyi（“The Tacit Dimension,” 1966）が「暗黙知（tacit knowledge）」と呼んだこの種の知識は、言語化・数値化が難しいが組織の実際のパフォーマンスを支えている。データ文化の過剰な浸透は、暗黙知の担い手（ベテラン実務者）の判断力を組織内で無価値化し、実質的な知識の廃棄を引き起こす。

失敗パターン4：「平均の専制」——ロングテール価値の見落とし

データは平均的なパターンを見つけることに強い。多数の顧客に共通する行動を発見し、最大公約数的な施策を設計するのに優れている。

一方、イノベーションは往々にして「平均から外れた少数の事例」から生まれる。新製品の最初の使用者、通常と異なる使い方をしている顧客、他の顧客が抱えていない固有の課題を持つパートナー——これらは統計的には「外れ値」として処理されるが、次の事業機会を指し示していることが多い。

データドリブンの組織では、外れ値は「ノイズ」として除去される傾向がある。この除去が、イノベーションのシグナルを消すことになる。

「数値化できない価値」を組織的に扱う3つのアプローチ

アプローチ1：先行指標の設計——結果指標の手前を測る

結果指標（売上・利益）の代わりに、それを生み出す原因となる「先行指標（leading indicators）」を設計する。顧客満足度、従業員エンゲージメント、エコシステムの健全性、技術的負債の水準——これらは結果指標よりも早く劣化のシグナルを発する。

先行指標は完全な予測精度を持つわけではないが、「数値化できないものを追い詰める」のではなく「数値化できる問いに変換する」ことで、組織の議論を「感覚vs.データ」の対立から解放する。

Jeff Bezos（Amazon）が提唱した「入力指標（input metrics）」の発想は、この延長線上にある。「何をすれば結果が改善するか」を測る指標を設計し、結果を直接追うことをやめることが、Goodhartの法則を部分的に回避する手段だ。

アプローチ2：定性的評価の「構造化」——感覚を廃止するのではなく設計する

「感覚による判断をやめる」のではなく、「感覚的判断を構造化する」アプローチがある。評価軸を事前に定義し（例：「顧客との信頼関係」「チームの活力」「技術的な革新性」）、複数の観察者が独立して評価し、議論によって合意に至るプロセスだ。

これは科学的な数値ではないが、「一人の感覚」より再現性があり、「感覚を持つ個人の力関係」による歪みを減らす効果がある。完全な客観性は持てなくても、「合意された評価軸」があることで、定性的判断の説明責任を組織的に持てる。

Clayton Christensen（“Competing Against Luck,” Harper Business, 2016）が論じる「ジョブ理論（Jobs to Be Done）」における「顧客が片付けたいジョブ」の特定は、数値化困難な顧客の動機を構造化する方法論の一つだ。

アプローチ3：「実験の二重構造」——最適化と探索の予算分離

データドリブンの意思決定が最も有効なのは「既存の方向性の最適化」だ。何が機能するかはある程度わかっており、それをより効率的に行う。A/Bテストの本来の用途はここにある。

一方、「まだ何が機能するか不明な探索」は、測定不能な仮説のもとで動く必要がある。この2つの活動を同じ予算フレームで評価すると、「探索」は常に「最適化」に敗れる。短期ROIが見えない活動は、見えるものとの比較で常に劣位に立つ。

Amazon の「BetとRun」モデル（探索プロジェクトと既存事業を別の予算・評価軸で管理する）は、この問題への実践的な解だ。探索に定量的ROIを求めない設計が、長期的なイノベーション能力を保護する。

データドリブンの適切な「射程」を知る

データドリブンの意思決定は否定されるべきものではない。「勘だけ」より「構造化されたデータに基づく判断」が優れていることを示す事例は多数存在する。

問題は、データドリブンという思想の「射程の過拡張」だ。過去のデータは過去の観察から生まれる。まだ存在しない市場・未だ生まれていない顧客のニーズ・前例のないイノベーション——これらはデータが定義上存在しない領域だ。

この射程を理解せず、「すべての判断をデータで」という信念を組織に植え付けると、組織は「測定可能な既知の空間の最適化機械」になる。競合他社も同様に最適化を進める中で、測定不能な未知の空間への挑戦が組織から消え、長期的な差別化の源泉が失われる。

データは道具だ。道具の射程と限界を知った上で使う組織だけが、データドリブンの恩恵を受けながらイノベーションの能力を保ち続ける。

---

参考文献

• Goodhart, Charles A.E. “Problems of Monetary Management: The U.K. Experience,” Papers in Monetary Economics, Reserve Bank of Australia (1975)
• Christensen, Clayton M.; Hall, Taddy; Dillon, Karen; Duncan, David S. Competing Against Luck: The Story of Innovation and Customer Choice, Harper Business (2016)
• Polanyi, Michael. The Tacit Dimension, Doubleday (1966)
• Loch, Christoph H. “Tailoring Product Development to Strategy: Case of a European Technology Manufacturer,” European Management Journal, Vol.18, No.3 (2000)
• O’Neil, Cathy. Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy, Crown Publishers (2016)