時系列の数字は、グラフにすると説得力が出やすい。
上がっている／下がっているが、一目でわかる。
だから会議では、こう言いやすい。
「施策の効果だ」
「このまま続ければいい」
ただ、その結論は後から崩れることがあります。
数字が間違っているわけではない。
それでも、判断としては危うい。
この記事では、時系列の数字を意思決定に使うときの
「どこまで言ってよいか／どこから危ないか」を整理します。
時系列の数字は、いちばん簡単に“結論”を作れます
時系列の数字は、見た目がきれいです。
グラフにすると、上がっている／下がっているが一目でわかる。
だから会議では、こう言いやすい。
「施策を始めてから改善している」
「このまま続ければもっと良くなる」
ただ、その結論は、数字の見え方に引っ張られていることがあります。
“増えた／減った”をそのまま判断の根拠にする前に、
一度だけ立ち止まって整理した方が安全です。
差分を取らないと、変化の“正体”が混ざる
時系列データで危ないのは、
変化が見えたときに「理由まで見えた気になる」ことです。
そのまま数字を見ると、
ひとつの変化の中に、だいたい次のものが混ざります。
- 長期の流れ（もともとの上昇・下降）
- 季節性や周期（毎年起きる揺れ）
- 外部環境（景気、制度、市場の変化）
そこに施策を重ねると、
「施策の効果」に見える変化が簡単に作れてしまいます。
数字は正しい。
それでも、結論としては危うい。
この構造が、差分を取らない判断を事故につなげます。
実務でありがちな例（差分を取らない判断が生む事故）
差分を取らないまま時系列の数字を見ると、
長期の流れや季節性、外部環境の影響が混ざったまま、結論が強くなります。
実務でよく見る「事故の形」は、だいたい次の3つです。
例1：施策開始と同時に上がった → 効果だと断言
施策を始めた翌月からKPIが上がる。
会議ではこう言いやすい。
「効いています」
でもこのとき、上がった理由が施策だけとは限りません。
季節性や市場環境、たまたまの波が重なっていることがあります。
断言した瞬間に、後から説明が難しくなります。
例2：前年同月比で改善 → いまは安全だと判断
前年同月比で改善している。
だから「このままで大丈夫」と結論を強める。
ただ、前年比は便利な一方で、
基準となる前年の特殊要因や、景気局面の揺り戻しに引っ張られます。
“改善”は見えても、判断材料としては弱いことがあります。
例3：2つの指標が連動 → 因果だと誤解
時系列で並べると、2つの指標がきれいに連動して見えることがあります。
でも、同じ外部要因に一緒に引っ張られているだけ、ということも多い。
「だからAを増やせばBが増える」と言った瞬間に、事故が起きます。
線引き：どこまで言ってよく、どこから危ないか
時系列の数字で危ないのは、
「見えている変化」から、いきなり原因まで言ってしまうことです。
ここは、結論の強さを三段階に分けておくと安全です。
言ってよい（事実）
- 「この期間で上昇（下降）が見られる」
- 「施策開始と同じ時期に変化が起きている」
条件付きなら言える（暫定）
- 「季節性や外部環境の影響を切り分けたうえで、効果の可能性がある」
- 「“混ざり”を減らして見ても変化が残るなら、効果の説明はしやすくなる」
言うと危ない（断言）
- 「施策の効果で改善した」
- 「来期も同様に改善する」
- 「Aを増やせばBが増える」
時系列の結論は、
“言い切るほど”後から崩れます。
判断に使うなら、どこまで言うかを先に決めておく方が安全です。
あなたの“変化”は、本当に構造変化ですか？
最後に一つだけ、確認させてください。
あなたが見ているその“変化”は、本当に構造変化と言い切れるでしょうか。
- その変化は、季節や外部環境が変わっても残りますか。
- 「施策の効果」と言う前に、崩れる条件を言えますか。
- その結論は、議事録に残っても耐えますか。
もしここで少しでも引っかかるなら、
問題は分析力ではなく、
判断に使うための整理がまだ終わっていないだけかもしれません。
分析やKPIを、
「このまま意思決定に使ってよいか」
判断に迷う場合は、
設計段階から一緒に整理します。
具体的な相談の進め方は、「相談について」のページにまとめています。
コメント