中小企業のデータドリブンな意思決定｜数字を行動に変える実務の進め方

ダッシュボードを作っても、判断が変わらなければ成果は変わらない

数字を見る環境は、以前よりずっと簡単に整うようになりました。アクセス解析、売上の表、予約の管理、広告の管理画面。専任の担当者がいない会社でも、見ようと思えば見られる数字は十分にあります。

それでも、「で、来週は何を変えるのか」で止まることがあります。データが足りないのではありません。数字を判断に変える手順が、決まっていないのです。グラフが増えても、決め方が変わらなければ、次の行動は変わりません。

この記事では、分析の専門家がいない中小企業でも回せる形として、次のことを説明します。新しいツールを増やす話ではなく、判断を残して改善する話です。

• 判断のテーマの絞り方
• KPI（目標の指標）を4つの層に分ける方法
• データの品質の確かめ方
• 「事実 → 仮説 → 次の一手 → 担当・期限 → 見直す日」の判断メモ

データドリブンな意思決定とは、数字に従うことではない

データドリブンという言葉は、「勘や経験を捨てて、数字の言うとおりにする」と受け取られがちです。でも、数字は起きた結果の記録です。なぜそうなったかまでは教えてくれません。

実務でのデータドリブンは、もう少し地道です。次のことをくり返します。

1. 判断のテーマを1つ決める
2. 目的に使える品質のデータかを確かめる
3. 事実と仮説を分けて記録する
4. 次の判断を更新する

経営者の経験や勘は、「仮説の材料」として残します。長年見てきたお客様の反応や、季節ごとの動き方は、データだけではとらえにくい情報です。捨てるのではなく、「本当にそうか」を確かめられる言葉に変えるのが実務的です。

OECDは2024年に、中小企業のデジタル化についての報告を出しています。データを意思決定に使っている企業は、使っていない企業より、デジタル化の結果への満足度が高い傾向でした（74%対67%）。ただしこれは調査の上での関連です。データを使えば満足度が上がる、という因果を示したものではありません。

出典：OECDが2024年に公表した中小企業のデジタル化に関する報告

指標より先に「何を決めるか」を1つに絞る

データ活用を始めるとき、「何を指標にすべきか」から考えがちです。でも指標は、決めたいことが決まって初めて選べます。順番が逆になると、見る数字だけが増えていきます。

まず、今決めたい判断を1つ書き出します。たとえば次のような形です。

• 広告を続けるか、止めるか
• 商品ページを直すか、別の集客に時間を回すか
• 問い合わせの数より、問い合わせの質を優先するか

判断のテーマが複数あっても構いません。ただし、一度に確かめるテーマは1つにします。同時にたくさん追うと、どの変更が結果に効いたのか分からなくなるからです。

もう1つ、最初に分けておきたいのが、「見たい数字」と「変えられる数字」です。

• 見たい数字：売上や、中身のある問い合わせの数。明日から直接は動かせない
• 変えられる数字：CTA（「資料を見る」など、次の行動を促すボタンや導線）の言葉、並べる順番、フォームの項目数など、手元で変えられる要素

判断のテーマを1つに絞ると、必要な指標も自然に減ります。最初は3〜6個くらいを目安に、判断に直結するものから選びます。指標を減らすのは手抜きではありません。次の一手を決めやすくするための整理です。

KPIは「成果・要因・行動・副作用」の4つの層で見る

指標を並べるときは、層を分けると話がかみ合いやすくなります。この記事では、成果・要因・行動・副作用の4つの層で整理します。同じ「増えた」でも、どの層の話かで意味が変わります。

会議で起きがちなのは、行動の層の数字を、成果として扱うことです。記事を作った、SNSに投稿した、営業リストを増やした。どれも必要な行動ですが、返信や中身のある問い合わせ、契約とは別の層です。

副作用を最初から入れておくのも大切です。問い合わせが増えても、その多くが売り込みだったら、どうでしょう。対応の負担だけが増えたなら、事業として前に進んだとは言い切れません。「増やしたい数字」だけでなく、「増えてほしくないもの」も一緒に見ます。

通知の多くが売り込みだった例は、Nutritsの自社フォームにもあります。Nutritsでは、フォームの通知を中身で分けて数えています。2026年10月10日〜17日の週は、24件の通知が届きました。内訳は次のとおりです。

• 売り込み：22件
• 意味のない文字列：1件
• テスト：1件
• 中身のある相談：0件

通知の数だけを見れば、反応の多い週に見えます。成果の層で数え直すと、この週は0件でした。

数字を信じる前に確かめたい、データの品質の5項目

数字をもとに判断する前に、その数字が判断に使えるかを確かめます。イギリス政府のData Quality Frameworkは、データの品質を「目的に対して十分か」で考えます。完璧なデータをそろえるのではなく、使い道に足りる品質かを確かめる考え方です。

出典：Data Quality Framework

中小企業の実務では、判断に使う指標について、次の5つを確かめます。

1. 完全性：測れていない部分や、集計から漏れた期間・経路がないか
2. 正確性：管理画面の数字と、元のデータ（フォームの記録や受注の台帳）が一致しているか
3. 一貫性：「問い合わせ」の定義が、部署や月によって変わっていないか
4. 適時性：判断したいタイミングに間に合う新しさで見られるか
5. 責任：その数字を誰が管理し、ずれたときに誰が直すか

Nutritsも、自社の数字でこの確認を続けています。2026年5月から、毎週土曜の朝に、営業や問い合わせなどの数字を集計するレポートを作っています。取れなかったデータは「未取得」と書き、0件とは扱いません。0件と書いてしまうと、測れなかった週と、本当に0件だった週の区別がつかないからです。

一貫性でも、ずれが出たことがあります。2026年5月23日〜30日の週の営業メールの送信数は、その週のレポートでは8件でした。翌週のレポートでは、同じ週が11件になっています。数えた方法が違ったためです。条件をそろえないと、同じ週の数字でさえ比べられません。

Web集客では、コンバージョン（成果の地点）の計測を優先して確かめます。GA4の推奨イベント generate_lead は、フォームや資料請求の送信を表します。ただし、推奨イベントは自動では送られません。必要な設定と確認がいります。

出典：推奨イベントは自動送信ではなく、必要な実装と確認が必要

会社向けの商売のように、商談が段階的に進む場合もあります。GA4には、見込み客の状態を表す推奨イベントも用意されています。qualify_lead、disqualify_lead、working_lead、close_convert_lead などです。使う場合は、社内で使う「中身のある見込み客」の定義とそろえます。

事業で大事なイベントは、キーイベントとして設定できます。ただし、設定は過去のデータにはさかのぼって当てはまりません。判断のテーマを決めたら、必要な計測が動いているかを早めに確かめましょう。

出典：キーイベントとして設定

リクマ

ダッシュボードを整えたとき、見た目は完成していても、主要な数字が元データと一致しているか確信を持てないことがありました。そこで、まず判断に使う主要数字を3つだけ元データと照合する方針にしました。可視化できたことと、数字が正しいことは別だと痛感した場面です。

数字を次の一手に変える「判断メモ」5項目

数字を見たあとは、次の5項目を1枚に残します。紙でも、共有のドキュメントでも構いません。

1. 事実：何が、いつと比べて、どれだけ変わったか
2. 仮説：なぜ変わったと考えるか。別の可能性も1つ残す
3. 次の一手：一度に1つ、何を変えるか
4. 担当・期限：誰が、いつまでにやるか
5. 見直す日：いつ、どの指標で、続ける・止める・もう一度確かめるを決めるか

このメモは、あとで効いてきます。同じ議論が起きたとき、「前回は何を仮説にして、何を試し、どう判断したか」が残っていれば、一から話し直さずに済みます。担当者が替わったときの引き継ぎにも使えます。

特に、事実と仮説は分けて書きます。「アクセスが前の月より増えた」は事実です。「記事が検索エンジンに評価された」は仮説です。ここを混ぜると、確かめていない解釈が、翌月には事実として扱われてしまいます。

見直す日も、必ず入れます。日付を決めない改善は、続けるとも止めるとも決められないまま残りがちです。見直す日は「うまくいったか」を評価するだけの日ではありません。「続ける・止める・試す」のどれを選ぶかを決める日です。

Web集客の例：アクセスは増えたのに、問い合わせが増えない

「記事を増やして閲覧数は伸びたが、中身のある問い合わせは増えていない」。この状況を、4つの層に当てはめます。

• 成果：中身のある問い合わせの数（売り込みやテストの送信を除いた件数）
• 要因：資料ダウンロードのページへの到達、フォームの入力開始、generate_lead、流入の経路
• 行動：よく見られているページのCTAを、1か所だけ変える
• 副作用：売り込み・テストの送信の増加、対応の負担

仮説は、「閲覧数ではなく、読んだ人が次の行動に進む導線が弱いのではないか」と置けます。同時に、別の可能性も残します。「流入したキーワードが検討の段階より手前で、今は問い合わせない読者なのかもしれない」。

GA4の数字を見るときにも、注意があります。

• ユーザー獲得：新しいユーザーを起点にした、ユーザー単位の数字
• トラフィック獲得：新しいセッションを起点にした、セッション単位の数字

この2つの数値をそのまま比べて、増減の原因を言い切らないようにします。

出典：ユーザー獲得は新規ユーザーを起点とするユーザースコープ、トラフィック獲得は新しいセッションを起点とするセッションスコープ

エンゲージメント率は、関心のきざしとして参考になります。でも、問い合わせや売上そのものではありません。パスデータ探索（人がたどった経路を見る機能）も、仮説を見つけるのには使えますが、原因を証明するものではありません。

出典：エンゲージメント率、パスデータ探索

見直す日は、翌週か、判断できるだけの数がたまる時点に置きます。数日・数件の変化だけで方向を変えると、たまたまのばらつきに振り回されます。数が少ないうちは結論を急がず、次に試すことを決める材料として使います。

ページそのものの設計や見せ方に課題がありそうなら、次の記事もあわせて見ると、改善の出発点を整理しやすくなります。

あわせて読みたい小さなお店がホームページで集客するために必要なこと→

リクマ

フォーム送信件数が増えたとき、内容を分類すると、見込み客の相談ではなく営業・売り込みだったことがありました。送信数だけを成果としていたら、判断を誤ります。問い合わせ導線の改善では、CTAを一か所だけ変え、次回のフォームログで確かめる形にしました。

最初の30日で小さく始める手順

最初から全社の仕組みを作ろうとすると、運用が重くなります。最初の30日を、次のように週ごとに分けます。

1週目：判断のテーマを決める

決めたい判断を1つ選び、4つの層のKPIを紙1枚に書きます。指標は3〜6個くらいに絞り、それぞれどこから取るか（GA4、フォームの記録、受注の台帳など）も書いておきます。

2週目：データの品質を確かめる

先ほどの5項目を、判断に使う数字だけに絞って確かめます。特に、成果に当たるコンバージョンの計測が動いているか、必要なキーイベントが設定されているかを確かめます。

3週目：判断メモを1件書き、一手だけ変える

5項目のメモを1件書き、変えるのは1か所だけにします。担当、期限、見直す日まで、その場で決めます。いくつも同時に変えると、4週目に何が効いたのか判断できません。

4週目：続ける・止める・試すを決める

見直す日に数字を確かめ、3つのうちどれかを選びます。「もう少し様子を見る」場合も、次に見直す日をその場で決めます。決めた内容はメモに書き足し、判断の履歴として残します。

2周目からは、週に1回、「事実の確認 → 仮説の更新 → 次の一手」を回します。15〜30分くらいが目安です。議論を長くするより、判断と次回の確認を残すところまで続けるほうが、運用しやすくなります。

データ活用でよくある5つの失敗

1. 指標を増やしすぎる：見られる数字を全部並べると、どれが動いても都合よく解釈できてしまいます。判断のテーマに関係する数字に絞ります
2. 一度にいくつも変える：何か所も同時に直すと、効いた要因が分かりません。結果が良くても、再現しにくくなります
3. 少ないデータで言い切る：数日・数件の変化を傾向として扱うと、判断が毎回ぶれます。必要な数や期間を先に決めます
4. 見たい数字と変えられる数字を混同する：売上の目標だけを見ても、翌日の行動は決まりません。手元で変えられる要素まで落とし込みます
5. 判断の記録が残らない：結論が口頭だけだと、あとで同じ議論が最初から始まります。事実、仮説、行動、見直す日を一緒に残します

リクマ

記事、SNS、営業リストなどの活動量が増えると、前に進んでいる感覚は出ます。でも、返信や有効問い合わせが増えていないなら、成果に近づいたとは言い切れません。私は週次レビューで、作った数や投稿数と、返信・問い合わせ・商談を分けて見るようにしています。

よくある質問

分析の専任の担当がいなくても始められますか？

判断のテーマを1つに絞れば始められます。必要なのは、高度な分析より、判断メモを残す習慣です。ただし、数字を確かめて管理する責任者は、兼任でも決めておきましょう。

勘や経験は使ってはいけませんか？

仮説の材料として使います。「この時期は反応が鈍い」という感覚も、対象の期間や比べる相手を決めれば確かめられます。避けたいのは、確かめないまま結論として扱うことです。

データが少ない事業でも意味がありますか？

あります。ただし、データが少ないうちは、統計的な結論より「次に何を試すか」を決める用途に向いています。数が少ないほど、言い切りを避けます。

AIはどこまで使えますか？

数字の整理、問い合わせの分類、仮説の洗い出しに使えます。一方で、計測の条件や現場の事情をふまえた事実の確認と、最後の判断は人が受け持ちます。AIの解釈も、元のデータと照らし合わせるまでは仮説です。

ツールは何から入れるべきですか？

新しいツールより先に、今ある数字が判断に使える品質かを確かめます。計測が正しくないままツールを増やすと、疑わしい数字も増えます。

まとめ：数字を見たら、次の判断と見直す日まで決める

データドリブンな意思決定は、数字に従うことではありません。判断のテーマを1つ決め、使える品質のデータかを確かめ、事実と仮説を分けて、次の判断を更新する運用です。

• KPIを、成果・要因・行動・副作用の4つの層で見る
• 判断メモに「事実・仮説・次の一手・担当と期限・見直す日」の5項目を残す
• 変えるのは一度に1つ
• 見直す日には「続ける・止める・試す」のどれかを選ぶ

まずは、最近見た数字を1つ選び、その横に「次の一手」と「見直す日」を書き足してみてください。数字を見るところで終わらせないことが、感覚だけに頼らない経営の第一歩です。

参考情報

• OECD「SME digitalisation to manage shocks and transitions」（2024年）
• GOV.UK「The Government Data Quality Framework」
• GOV.UK「The Government Data Quality Framework: guidance」
• Google アナリティクス ヘルプ「推奨イベント」
• Google アナリティクス ヘルプ「キーイベント」
• Google アナリティクス ヘルプ「獲得レポート」
• Google アナリティクス ヘルプ「エンゲージメント率」
• Google アナリティクス ヘルプ「パスデータ探索」

数字を見て終わらせないWeb改善へ

自社サイトの課題の整理、改善の優先度、次の打ち手を考えたい方へ、Nutritsのサービス資料をご案内しています。