会計

数字は雨を止めない – 相関に踊る会社と、因果をつかむ投資家

みなさん、おはようございます！こんにちは！こんばんは。Jindyです。 

会議で数字が出た瞬間、空気が変わる。

出社率が高い部署ほど業績がいい。
研修を多く受けた社員ほど評価が高い。
会議の多い案件ほど、受注額も大きい。

数字が並ぶと、話は急にそれらしくなる。

そして、こう続く。

では、出社日数を増やそう。
研修を義務化しよう。

ここ、落とし穴です。

数字が一緒に動いていることと、片方を動かせばもう片方が変わることは、まったく別の話だ。雨の日ほど傘を持つ人は増える。だからといって、傘を取り上げても雨はやまない。

職場のデータも同じである。

この違いを理解すると、仕事で数字を見る目が変わる。KPIが成果の原因なのか、成果に伴って動いただけなのかを疑える。管理職なら、効かない施策へ人と予算を突っ込む事故を減らせる。投資家なら、会社の成長ストーリーを因果の線で読み直せる。

決算書の数字にも効く。

売上と広告費が伸びた。だから広告が売上を作ったのか。
人件費率が下がり、利益率が上がった。だから人を減らせば利益が増えるのか。

そんなに簡単なら、経営は表計算だけで終わる。

この記事では、職場の出社データを題材に、会社が数字を読み違える理由、研究から分かること、経営者や投資家が見るべき点まで掘り下げる。

数字は嘘をつかない。

ただし、数字にしゃべらせる人間は、平気で物語を足す。

相関は事実、因果は設計図 – 同時に動いた。それだけでは、何も動かせない

相関とは、二つの数字が一緒に動く関係だ。

一方が上がると、もう一方も上がる。あるいは、一方が上がると、もう一方が下がる。ここまでは観察された事実である。

因果はもっと厳しい。

片方を意図的に変えたとき、もう片方がどう変わるかを問う。

出社率と業績が一緒に上がっていても、出社率を上げれば業績が伸びるとは限らない。相関は現状を映す写真にはなるが、経営を動かすレバーかどうかは分からない。

因果が逆向きなら、施策は空振りする

雨が降るから傘を持つ。

この順番を逆にして、傘を持つから雨が降ると考える人はいない。ところが会社のデータでは、同じ間違いが毎日のように起きる。

たとえば、業績が悪化した部署に対して、経営陣が出社を増やし、管理を強化していたとする。この場合、観察されるのは出社率が高い部署ほど業績が悪いという関係だ。

だが実際の矢印はこうなる。

業績悪化 → 出社要請の強化

出社が業績を悪くしたのではない。悪くなったから出社を増やしただけだ。

逆もある。成長している部署では採用が増え、若手の教育や顧客対応のために出社が増えるかもしれない。その場合は、

成長局面 → 出社率上昇
成長局面 → 業績上昇

となる。

見た目は出社率と業績がきれいに並ぶ。それでも、出社そのものが原因とは限らない。

因果推論では、ある対象が施策を受けた場合と、同じ対象が受けなかった場合を比べたい。だが、同じ部署を同じ期間に二つの世界へ置くことはできない。この観察できないもう一つの結果を反実仮想と呼ぶ。因果を語る難しさは、最初からここにある。

第三の変数が、もっともらしい物語を作る

出社率と業績の両方を動かす第三の要因を、交絡要因と呼ぶ。

職場なら、候補はいくらでもある。

業務内容。
管理職の能力。
年齢構成。
繁忙期。
採用の増減。
評価制度。
本人が出社を選べるかどうか。

営業部は対面機会が多く、開発部は個人作業が多い。営業部の利益率が高くても、開発部を毎日出社させれば同じ利益率になるわけではない。

箱の中身が違うからだ。

さらに厄介なのが自己選択である。在宅でも成果を出せる経験者が在宅を選び、まだ相談が多い若手が出社を選んでいるなら、出社組と在宅組は最初から同じ集団ではない。単純平均を比較しても、働く場所の効果と人の違いが混ざる。

変数をたくさん集め、回帰分析に放り込めば解決するわけでもない。何を調整するかは、因果の構造で決める。施策の結果として生じた変数まで機械的に調整すると、本来測りたかった効果を消したり、逆に新しい偏りを作ったりする。データ量より先に、矢印を描く必要がある。

相関は捨てなくていい。ただ、使い道を間違えない

相関は無価値ではない。

雨が降る日に傘の販売数が増えるなら、傘の販売数は天候を推測する材料になり得る。職場でも、出社率の低下が退職や案件遅延の前触れなら、管理上のアラートとして役立つ。

ここで分けたいのは、予測指標と操作指標だ。

予測指標は、未来を当てるための数字。
操作指標は、動かすことで未来を変える数字。

この二つを混ぜると、KPI経営が壊れる。

離職しそうな社員ほど面談が多くても、全員の面談を増やせば離職が減るとは限らない。問題があるから面談が増えただけかもしれない。

それでも会社は、測りやすい数字を動かしたくなる。

出社率。
会議回数。
商談件数。
研修時間。

成果より集計が簡単だからだ。

すると社員は計測方法に適応する。入館だけする。薄い商談を増やす。研修動画を流しながら別の仕事をする。

数字は改善する。

会社は改善しない。

相関は地図であり、アクセルではない

相関は、何かありそうな場所を示す地図だ。

因果は、どのレバーで何が動くかを示す設計図である。

地図を見て現場へ行くのは正しい。地図そのものを踏んで目的地へ行こうとするから、おかしくなる。

欲しいのは、きれいな相関係数ではない。

介入したら、何が変わるのか。

この一問だ。

出社率という数字に、会社の全部を背負わせない – 出社か在宅か。二択にした瞬間、議論が雑になる

働く場所の研究を読むと、出社派にも在宅派にも都合のいい結果が見つかる。

在宅で生産性が上がった。
ハイブリッドで離職が減った。
対面で若手への助言が増えた。
オンラインでは組織横断のつながりが弱くなった。

どれも研究で報告されている。

矛盾しているように見えるが、実はそうでもない。測っている仕事、対象者、成果、期間が違うからだ。

在宅勤務は、集中作業と定着率で強みを持つ

中国の旅行会社CTripのコールセンターで行われたランダム化実験では、在宅勤務者の業務成果が13％増えた。主な内訳は、休憩や病欠の減少による実働時間の増加と、静かな環境による一分当たりの処理件数の増加だった。満足度が上がり、離職も減った一方、成果を調整しても昇進率は低かった。

これは、在宅勤務が必ず生産性を上げるという話ではない。

成果を測りやすく、個人で完結しやすい仕事では、通勤や雑音を減らす効果が出やすい。逆に、評価者との接点が昇進に影響するなら、生産性が高くてもキャリアでは不利になり得る。

別のランダム化比較試験では、中国のテクノロジー企業Trip.comの1,612人を対象に、週2日の在宅を含むハイブリッド勤務を検証した。退職率は約3分の1低下し、満足度は改善した。一方、業績評価や昇進について有意な悪化は確認されなかった。

退職が減れば、採用費、立ち上がり、引き継ぎ、周囲の負担が減る。損益計算書に退職損という一行はない。離職コストは各科目へ薄く散るため、見落とされやすい。

対面勤務は、若手育成と創造で別の価値を持つ

物理的な近さには、個人の処理件数とは違う価値がある。

米国大手企業のソフトウェアエンジニアを追った研究では、近くで働くチームほどコードへの助言が多く、オフィス閉鎖でその差が18.3％縮小した。恩恵は若手に大きい一方、経験者のコード生産量は減った。

これは、かなり経理泣かせの構造だ。

先輩が後輩を教える時間は、短期的には生産量の減少に見える。だが後輩が育てば、将来の処理能力と品質は上がる。実態は投資でも、会計上は当期の人件費だ。

短期利益だけで管理すると、育成は削られやすい。

オンライン会議と対面を比べた実験では、ビデオ会議は創造的なアイデアの生成を抑えた一方、出された案から実行案を選ぶ場面では明確な劣位が確認されなかった。

つまり、企画の発散は対面。
資料の作成は在宅。
案の評価はオンラインでも進められる。

仕事を場所で一括管理するより、工程で分けた方が筋がいい。

平均生産性だけを見ると、会社の将来を費用扱いする

Microsoftの米国従業員61,182人を分析した研究では、全社的なリモート勤務への移行後、社員間のネットワークが固定化し、組織をまたぐつながりが減った。同期型の会話が減り、非同期型のやり取りが増えたことも報告されている。

ここで測られたのは、売上や利益そのものではない。

情報がどこを流れるかだ。

組織横断のつながりが減っても、今月の売上は落ちない。だが、新規事業や問題の早期発見には後から効く可能性がある。

会計には、時間軸の偏りがある。

目の前の売上と人件費は見える。
偶然の会話から生まれた知識移転は見えない。
退職しなかった人の採用費は見えない。
若手が一年早く育った価値も見えない。

見えないものは、会議で弱い。

すると経営は、出社率や一人当たり処理件数のように計測しやすい数字へ寄っていく。だが企業価値を作るのは、計測しやすいものだけではない。

出社義務と企業業績を扱ったS&P500企業の観察研究では、従業員満足度の低下が報告された一方、企業業績や企業価値の改善は確認されなかった。ただし、これはランダム化実験ではない。出社命令を出す会社には、もともと業績や組織に問題があった可能性も残る。因果の強さを、研究デザインに応じて割り引いて読む必要がある。

出社率は答えではなく、配分問題の入口

在宅が勝ちでも、出社が勝ちでもない。

個人作業、若手育成、創造、顧客対応、情報共有。それぞれに最適な場所が違う。

経営が決めるべきなのは、週何日を一律に出社させるかではない。

誰が、誰と、何をするときに、同じ場所へ集まるのか。

出社率という一つの数字に、組織設計の全部を背負わせてはいけない。

因果をつかむ会社は、KPIより先に仮説を置く – データ分析の前に、施策の矢印を書く

因果を確かめるなら、統計ソフトより先に、どの行動がどの経路で成果を変えるのかを書く。

共通出社日を作る。
相談回数が増える。
手戻りが減る。
納期が短くなる。
顧客満足度が上がる。

この線が書けないなら、出社施策の狙いが曖昧なままである。

施策を、比べられる形まで具体化する

出社という言葉は粗すぎる。

各自が好きな日に来る。
チーム全員が同じ日に来る。
週一回だけ企画会議を対面にする。
若手と指導担当者だけ曜日を合わせる。
顧客訪問の日だけ集まる。

同じ出社でも、中身は別物だ。

一人で出社してオンライン会議を続けるなら、通勤コストだけ増えて対面の便益は薄い。介入を具体化しなければ、結果の理由が分からない。

可能なら、似たチームを分けて制度をランダムに割り当てる。難しければ、段階導入を使い、導入前後の変化を未導入チームと比べる。大事なのは、施策を受けなかった場合の姿に近い比較対象を作ることだ。

CTripやTrip.comの研究が強いのは、在宅勤務を選んだ人と選ばなかった人を後から比べただけではなく、ランダム化によって比較可能性を高めた点にある。

成果指標を一つにすると、別の場所で赤字が出る

一人当たり売上だけを見れば、教育時間はムダに映る。
満足度だけを見れば、品質低下を見落とす。
出社率だけを見れば、オフィスで何をしたかが消える。

成果は少なくとも、五つに分けたい。

・短期成果　売上、処理件数、納期
・品質　エラー、手戻り、苦情
・人的資本　若手の立ち上がり、レビュー、知識共有
・人材　退職、欠勤、採用力、満足度
・総コスト　賃料、通勤、採用、引き継ぎ、管理負担

一つの施策は、複数の科目へ散って表れる。

在宅で賃料が下がっても、情報共有が弱くなるかもしれない。出社で教育が進んでも、通勤負担から退職が増えるかもしれない。利益は一つでも、経路は一本ではない。

短期の損益、将来の能力、社員の定着を同じ画面に置く。これで経営判断になる。

投資家は、数字より経営者の因果モデルを見る

投資先を見るときも同じだ。

優れた経営者は、売上が伸びましたで終わらない。

どの顧客層が増えたのか。
単価と数量のどちらが効いたのか。
一時的な値上げか、継続的な競争力か。
広告費を増やした結果なのか、市場そのものが伸びたのか。
人員削減で利益が出たのか、業務設計が改善したのか。

数字の背後にある矢印を説明する。

逆に危ない会社は、相関を成果として語る。

DX投資額が増えた。
研修時間が増えた。
店舗数が増えた。
会員数が増えた。
AIの利用者が増えた。

それで、キャッシュはどう増えるのか。

投資家が見るべきは、数字の大きさだけではない。入力から利益、利益からキャッシュ、キャッシュから再投資へつながる因果の鎖だ。

会計は過去を記録する。
投資は未来を買う。

その間をつなぐのが、経営者の因果モデルである。

業績説明で都合のいい相関だけを並べる会社は、環境が変わった瞬間に理由を失う。因果を理解している会社は、前提が崩れたとき、どのレバーを引き直せばいいか分かる。

この差は、平時より逆風で出る。

KPIは目的ではなく、仮説の検査装置

KPIは多いほど賢く見える。

だが、因果仮説のないKPIは、数字を眺めるためのダッシュボードにすぎない。

何を変えたいのか。
なぜ変わるのか。
副作用はどこか。
いつまで見るのか。

ここまで決めて、数字を置く。

KPIは人を動かす命令ではない。

経営の仮説が間違っていないかを検査する装置だ。

結論　数字の向こう側に、人と時間がある

雨の日に傘が増える。

その景色を見て、傘が雨を降らせているとは誰も思わない。

ところが仕事になると、私たちは急に数字へ素直になる。出社率、会議数、商談件数、研修時間。動かしやすい数字を原因だと思い込み、現場へ目標として渡してしまう。

すると、現場はその数字を達成する。

そして、本当に欲しかった成果から遠ざかる。

数字は冷たいようで、人間の都合に弱い。切り取り方次第で、経営者の希望にも、投資家の期待にも寄り添ってしまう。

だからこそ、数字を見る側に姿勢が要る。

一緒に動いたからではなく、なぜ動いたのか。
今月の利益だけでなく、誰が育ち、誰が疲れ、何が来年へ残るのか。
測れたものだけでなく、測れなかった価値はどこにあるのか。

その問いを持つ人は、数字に騙されにくい。

数字を使って、人を雑に扱わなくなる。

会計は、企業活動を数字へ変換する仕事だ。
投資は、その数字から未来を想像する仕事である。

どちらにも必要なのは、数字を信じ切ることではない。

数字の向こう側にある人、時間、選択を見ることだ。

傘を数えるだけでは、雨の理由は分からない。

それでも空を見上げ、風を読み、地面の濡れ方を確かめる。
そのひと手間が、ただの集計を判断に変える。

数字は雨を止めない。

けれど、数字を正しく読める人は、雨の中で進む方向を間違えない。

数字に騙されないために読んでおきたい5冊

相関と因果の違いは、言葉だけなら数分で理解できる。

難しいのは、実際の仕事で使うことだ。

売上が増えたのは広告のおかげなのか。
利益率が上がったのは生産性が改善したからなのか。
出社率の高い部署が好調なのは、出社したからなのか。

数字を見た瞬間、人は無意識に理由を作ってしまう。

ここから紹介するのは、統計用語を覚えるためだけの本ではない。数字の裏側にある構造を読み、施策と成果の間に本当に矢印があるのかを考えるための5冊だ。

データ分析を担当する人だけでなく、経営企画、マーケティング、経理、投資に関わる人にも役立つ。全部を一気に読む必要はない。今の自分に近い一冊から手に取れば、会議で数字を見たときの景色が少し変わるはずだ。

1．『正しいデータ分析でビジネスを加速する 因果推論入門』和から株式会社・川原祐哉

因果推論という言葉は気になる。でも、数式だらけの専門書を開く勇気はまだない。

そんな人が最初に手に取りやすい一冊だ。

朝食を食べる子どもは成績が高いという身近な例などを使いながら、相関関係をそのまま原因と結果に置き換える危険を説明している。ビジネス上の施策を、なんとなく効いた気がするで終わらせず、何が結果を生んだのかまで考える入口になる。

この本を読んでから社内の資料を見ると、売上が増えた、利用者が増えたという報告だけでは、少し物足りなくなる。

何を変えたから増えたのか。
何もしなかった場合と比べてどうなのか。

その一歩先を聞けるようになるからだ。

難しい分析手法より先に、数字を使った意思決定の型を身につけたい人に向いている。


2．『はじめての統計的因果推論』林 岳彦

相関と因果の違いは分かった。

では、交絡、反実仮想、因果ダイアグラムとは何なのか。ここから一段深く入りたい人に合う。

因果推論の基本を、図と言葉、シンプルな事例を使って直感的に説明している。数式を追うことよりも、推定された数字をどう解釈するか、どんな前提が隠れているかに重点が置かれた本だ。

データ分析では、結果の数字が細かいほど正確に見える。

小数点以下まで計算された効果。
きれいに右肩上がりになったグラフ。
もっともらしい回帰分析。

けれど、前提が崩れていれば、計算だけ正確で結論は間違っていることもある。

数字の計算方法だけでなく、その数字をどこまで信じていいのかを学びたい人におすすめしたい。分析をする側にも、分析結果を受け取る側にも効く一冊だ。

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

はじめての統計的因果推論 [ 林 岳彦 ]
価格：3,190円（税込、送料無料) (2026/7/30時点)


3．『マーケティングのための因果推論 偶然と相関の先へ進む因果思考』漆畑 充・五百井 亮

広告を出したら売上が増えた。

一見、分かりやすい成功に見える。だが、広告を出さなくても季節要因や市場の成長によって売れていたかもしれない。

マーケティングの難しさは、施策と結果の間に、競合、景気、価格、季節、顧客属性といった要素が大量に入り込むことにある。

本書は、広告やキャンペーンがどれだけ成果を生んだのかという問いを題材に、実験、因果ダイアグラム、傾向スコアなどの考え方を解説する。マーケティングを舞台にしているため、因果推論が現場の意思決定とどうつながるのかをイメージしやすい。

これはマーケティング担当者だけの本ではない。

投資家が企業の広告宣伝費を見るときにも使える。広告費が増え、売上も伸びたとして、本当に広告の投資対効果が高かったのか。それとも市場全体の追い風に乗っただけなのか。

費用を使った事実と、費用が価値を生んだ事実は違う。

施策の費用対効果を、雰囲気ではなく構造から考えたい人に刺さる一冊だ。


4．『Excelによる統計的因果推論』杉原哲朗

因果推論の考え方を読んだ後、多くの人が次の壁にぶつかる。

理屈は分かった。
では、自分の手元にあるデータで何をすればいいのか。

本書は、身近なExcelを使いながら、平均処置効果、相関分析、質的変数、因果探索などを学べる実践寄りの入門書だ。薬、試験の点数、運動と体重、不良品の原因といった具体的な題材を通して、原因と結果をデータで考える流れを追える。

PythonやRを覚えるところから始めると、それだけで止まってしまう人は多い。

この本の魅力は、普段使っている道具の延長で試せることにある。高度な分析を完全に代替するものではないが、データを眺めるだけの状態から、自分で仮説を検証する状態へ進むきっかけになる。

経理や営業企画など、すでにExcelで数字を扱っている人ほど入りやすい。読むだけで終わらず、手を動かしながら理解したい人に向いている。


5．『因果推論の科学 「なぜ？」の問いにどう答えるか』ジューディア・パール、ダナ・マッケンジー

最後は、因果推論を単なる統計手法ではなく、人間の思考そのものとして捉える一冊。

著者のジューディア・パールは、観察、介入、反実仮想という三段階を因果のはしごとして整理している。

データから何が起きたかを知る。
ある行動を取れば何が起きるかを考える。
別の行動を取っていたらどうなったかを想像する。

企業経営も投資も、本当に知りたいのは三段目だ。

あの値上げをしなかったら。
あの投資を見送っていたら。
競合が参入していなかったら。
経営者が交代していなかったら。

決算書に記録されているのは、実際に起きた一つの世界だけである。投資家は、そこから起きなかった世界まで想像しなければならない。

本書は、統計学だけでは扱いにくかった、なぜ起きたのかという問いを、AIや人間の思考と結びつけて解説している。

気軽に一晩で読み切る本ではない。

ただ、読み終えた後は、データが多ければ真実に近づけるという素朴な考えが揺さぶられる。数字を集める力と、原因を考える力は別物だからだ。

分析手法を覚えるだけでなく、数字で世界を理解するとはどういうことかまで考えたい人に読んでほしい。


仕事で使える全体像を早くつかみたいなら、
『正しいデータ分析でビジネスを加速する 因果推論入門』

数式を抑えながら、考え方を丁寧に理解したいなら、
『はじめての統計的因果推論』

広告や施策の費用対効果を見抜きたいなら、
『マーケティングのための因果推論』

手元のデータで実際に試してみたいなら、
『Excelによる統計的因果推論』

因果という考え方を根本から掘り下げたいなら、
『因果推論の科学』

がおすすめだ。

数字を読む力は、計算の速さだけでは決まらない。

その数字はなぜ生まれたのか。
別の選択をしていたら、何が起きたのか。
数字の裏に、どんな人や制度や時間が隠れているのか。

一冊読むだけでも、この問いを持てるようになる。

そして、その問いこそが、数字を眺める人と、数字から未来を考えられる人を分ける。

それでは、またっ！！

引用論文・参考文献

  1. Hernán, M. A. & Robins, J. M.（2020）
    Causal Inference: What If. Chapman & Hall/CRC.
    反実仮想、交絡、ランダム化実験、観察データによる因果推論を体系的に整理した文献。
  2. Pearl, J.（1995）
    Causal Diagrams for Empirical Research. Biometrika, 82（4）, 669–688.
    統計データと現場知識を因果ダイアグラムで統合し、因果効果を識別する考え方を示した代表的研究。
  3. Bloom, N., Liang, J., Roberts, J. & Ying, Z. J.（2015）
    Does Working from Home Work? Evidence from a Chinese Experiment. The Quarterly Journal of Economics, 130（1）, 165–218.
    中国のコールセンターを対象に、在宅勤務の生産性、離職、満足度、昇進への影響を検証したランダム化実験。
  4. Bloom, N., Han, R. & Liang, J.（2024）
    Hybrid Working from Home Improves Retention without Damaging Performance. Nature, 630, 920–925.
    Trip.comの従業員1,612人を対象に、週2日の在宅勤務を含むハイブリッド制度を検証したランダム化比較試験。
  5. Emanuel, N., Harrington, E. & Pallais, A.（2026）
    The Power of Proximity to Coworkers. The Quarterly Journal of Economics, 141（3）, 1825–1870.
    物理的な近さが若手への助言、人的資本形成、経験者の生産量に与える影響を分析した研究。
  6. Brucks, M. S. & Levav, J.（2022）
    Virtual Communication Curbs Creative Idea Generation. Nature, 605, 108–112.
    対面とビデオ会議を比較し、アイデアの生成と選択では働き方の影響が異なることを示した実験研究。
  7. Yang, L. et al.（2022）
    The Effects of Remote Work on Collaboration among Information Workers. Nature Human Behaviour, 6, 43–54.
    Microsoftの従業員61,182人のデータを使い、全社リモート勤務が組織内ネットワークやコミュニケーションへ与えた影響を分析。
  8. Ding, Y. & Ma, M.
    Return-to-Office Mandates. Working Paper.
    S&P500企業の出社義務化と従業員満足度、企業業績、企業価値との関係を分析した観察研究。査読済み論文ではないため、因果関係の解釈には注意を要する。

コメントを残す

メールアドレスが公開されることはありません。 ※ が付いている欄は必須項目です

RECOMMENDこちらの記事も人気です。