営業データ品質診断｜欠損・重複・不整合の3軸で現状のデータ品質を可視化する
公開日 ・ 更新日 ・ 読了 11分
SFAを入れたのに、営業レポートの数字がどうも信用できない。BIでダッシュボードを作ったものの、元データに欠損や重複があって示唆にならない。こうした行き詰まりの多くは、分析手法ではなく、その手前にある「データそのものの品質」が原因です。営業データ活用に踏み出す前に、手元のデータを欠損・重複・不整合の3軸で診断すれば、どこから直すべきかが見えてきます。整備の体系的な全体像は営業データ活用前の情報整備で解説しています。本記事はその前工程となる品質診断だけを深掘りします。
営業データの品質とは何か｜活用の前提になる状態
営業データの品質とは、分析・予測に使える状態にそろっていることを指します。量が多いか、項目が細かいかではなく、その数字を信頼して意思決定できるかで決まります。品質が低いままだと、SFA（営業支援システム）のレポートやBI（ビジネスインテリジェンス：データを集約・可視化して意思決定を支援する仕組み）で作った可視化が、そのまま誤った示唆になってしまいます。たとえば受注率を集計するときに、失注理由が未入力だったり、同じ案件が重複計上されていたりすると、算出される数字が実態からずれます。ここでは「品質が高い状態」とはどういう状態を指すのかを整理し、次章の3軸の診断へつなげます。
品質を判断するうえで前提になるのが、SFA・CRMという2つの仕組みの違いです。営業プロセスを前に進める仕組みがSFA、顧客との良好な関係を長期に築く仕組みがCRMで、いずれも顧客・案件のデータを土台にします。土台となるデータの品質が低ければ、どちらの仕組みも本来の力を発揮できません。
品質が低いと何が起きるか
データ品質の低さは、営業成果を測る指標そのものを狂わせます。営業生産性は「（商談数×受注率×単価）÷工数」で表せますが、この式を構成する各指標がデータ品質に依存しているためです。
欠損があれば、集計対象が減って受注率や単価が偏ります。重複があれば、同じ案件が二重に数えられて商談数やパイプラインが水増しになります。不整合があれば、そもそも集計の軸がそろわず分析ができません。結果として、実態より良く見えたり悪く見えたりする数字をもとに、売上予測や人員配置の判断を下すことになります。品質診断は、この「誤った前提」を取り除くための最初の作業です。
品質を診断する3軸｜欠損・重複・不整合
営業データの品質は、「欠損（あるべき値がない）」「重複（同じ実体が複数ある）」「不整合（同じ意味の値の表記や内容が食い違う）」の3軸で切ると、点検が漏れなく回ります。この3軸は、見つけ方も原因も直し方も異なります。まとめて「データが汚い」と捉えるのではなく、分けて診ることで、どの軸の問題が自社で深刻なのかがはっきりします。以下では各軸のチェック観点と、点検に使える簡易指標を示します。
欠損｜必須項目が埋まっているか
欠損は、あるべき値が入っていない状態です。診断の観点は、顧客名・業種・案件フェーズ・受注予定日・失注理由といった、分析に使う必須項目の空欄率にあります。簡易指標としては、項目ごとの入力率（値が埋まっている件数÷全件数）を出します。
集計に使う項目ほど、入力率が低いと数字が偏ります。たとえば失注理由の入力率が半分しかなければ、失注分析の結論は残り半分だけを見たものになり、実態を代表しません。欠損の主な原因は、入力の負荷が高いことや、そもそも「どの項目を必ず埋めるか」のルールがないことです。新規に入るデータの欠損を防ぐルール整備は、営業データの入力ルールで扱います。
重複｜同じ顧客・案件が二重に存在していないか
重複は、同じ実体（顧客や案件）がレコード上に複数存在する状態です。診断の観点は、法人名の全半角違い・部署違いで作られた重複した顧客レコードや、担当者ごとに別々に作成された同一案件にあります。簡易指標は、名寄せ候補の件数を総件数で割った比率です。
営業データで重複がやっかいなのは、件数がそのまま水増しになる点です。同じ企業が別法人として2件登録されていれば、受注件数もパイプライン金額も実態より多く見えます。原因の多くは、登録時のチェックがなく、クレンジング（重複や誤りの整理）が行われていないことにあります。重複レコードの実際の統合・修正手順は営業データのクレンジングで解説しています。
不整合｜表記ゆれ・値の食い違い
不整合は、同じ意味の値が、表記や内容で食い違っている状態です。診断の観点は2つあります。1つは表記のゆれで、業種区分・フェーズ名・金額単位（千円か円か）・日付形式がレコードによって統一されていないケースです。もう1つは値どうしの論理矛盾で、フェーズが「受注済み」なのに受注予定日が未来の日付になっている、といった食い違いです。
簡易指標としては、選択肢で入力するはずの項目（業種やフェーズなど）で、実際に登録されている値の種類数を数えます。想定より種類が多ければ、表記ゆれが混入している疑いがあります。不整合は集計の軸そのものを崩すため、放置すると業種別・フェーズ別の分析が成り立たなくなります。
営業データ品質を診断する手順
品質診断は、「診断する範囲を絞る→3軸で点検する→問題を件数と率で記録する→深刻度で優先順位をつける」の順で進めます。最初の一歩は全件・全項目ではなく、直近で分析に使う予定の主要項目だけに絞ることです。範囲を欲張ると着手のハードルが上がり、診断そのものが頓挫します。以下、各ステップの具体を示します。
1. 診断する範囲を絞る
いきなり全項目を診るのではなく、直近で分析に使う指標から逆算して対象項目を決めます。受注率を見たいなら案件フェーズ・受注日・失注理由、売上予測を精緻にしたいなら受注予定日・金額・確度、というように、出口の指標に必要な項目だけを対象にします。これが多くの担当者がすぐ着手できる現実的な第一歩です。
2. 3軸ごとに点検し件数と率で記録する
対象項目が決まったら、欠損・重複・不整合の3軸で点検し、結果を感覚ではなく数値で残します。「失注理由の入力率は48%」「重複候補は120件」「業種欄の値の種類は想定20に対し実際57種類」といった具合です。点検には、表計算ソフトのフィルタや重複チェックの関数、SFAの一覧・レポート機能を使うと、手作業より漏れなく機械的に洗い出せます。数値で記録しておくと、後で改善したときの効果も測れます。
3. 問題を一覧化して深刻度を判定する
洗い出した問題を一覧にして、深刻度を判定します。集計に直結する項目の欠損や、受注件数を歪める重複は高い深刻度に、影響の小さい表記ゆれは低い深刻度に分けます。ここで深刻度を決めておくことで、次章の優先順位づけがそのまま進みます。全項目を横並びに扱わず、活用への影響で重みづけするのがポイントです。
診断結果の可視化と優先順位のつけ方
診断結果は「軸×項目×深刻度」の一覧、いわば診断シート1枚にまとめ、活用の出口に直結する問題から着手します。すべてを一度に直そうとしないことが、診断を整備につなげ、定着させるコツです。ここでは診断シートの作り方と、どこから直すかの判断基準を示します。
診断シートの作り方
診断シートは、対象項目・軸・件数と率・深刻度・想定原因・対応先の6列で作ります。対応先の列には、その問題をどの整備工程に渡すか（クレンジングなのか入力ルールの整備なのか）を書きます。この列があることで、診断がそのまま整備計画に接続します。
どこから直すか｜優先順位の判断基準
優先順位は、活用への影響の大きさで決めます。最優先は、売上予測・受注率など経営判断に使う指標に直結する欠損・重複です。ここが狂うと判断そのものが誤るためです。次に優先するのは、営業現場が日々参照する項目の不整合で、現場の使い勝手と入力精度に影響します。表記ゆれの美化は、集計の軸を崩していない限り後回しで構いません。
すべての項目を完璧にそろえることを目標にすると終わりが見えなくなります。「経営判断に響くか」「現場が毎日使うか」で線を引くと、限られた工数を効果の大きい修正に集中できます。
品質診断に使えるツールと自動化の考え方
品質診断に使うツールは、データの規模と、点検を継続するかどうかで選びます。小規模で一度きりの点検なら表計算ソフトのフィルタや重複チェックで足ります。件数が多い、あるいは継続的に品質を監視したいなら、SFA/CRMの一覧やレポート、BIツールのダッシュボードで機械的に可視化する方が現実的です。ツールの優劣ではなく、役割で選ぶ観点を持つことが重要です。
表計算ソフト・SFA/CRM・BIの役割の違い
3種類のツールは、担う役割が異なります。表計算ソフトは、少数のデータを手元でフィルタ・関数を使って点検するのに向きます。SFA/CRMは、日々の入力データを蓄積しながら一覧で確認できるため、欠損や重複に運用の中で気づけます。BIは、複数のデータを横断して集約・可視化するのに向き、部門をまたいだ品質の偏りを俯瞰できます。
なお表計算ソフトも外部連携や拡張の機能を持つため、「点検に使えない」ということはありません。データ量と運用の継続性に応じて、これらを組み合わせるのが実務的です。
診断・整備を自動化で回す考え方
継続的に品質を見張るなら、点検を自動化で回す発想が有効です。よく利用される受け皿として、蓄積した案件データをレポートで一覧化できるSFA/CRMがあります。たとえば Mazrica Sales のような SFA/CRM では、案件データを標準レポート（売上予測・ファネル分析など8種）で一覧化でき、数字の欠損や偏りに気づきやすくなります。
さらに、収集したデータの整形や重複・表記ゆれの処理を継続的に自動化したい場合は、データ連携・整形を担う「つなぐ」製品を組み合わせる考え方もあります。たとえば Mazrica DataHub のような基盤では、AI・API・RPA・OCRを使ってデータの整形や自動化を回せます。診断で見つけた問題を毎回手作業で直すのではなく、仕組みで整え続けたい組織にとって選択肢になります。
重複や表記ゆれの実際の修正手順は営業データのクレンジング、新規データの品質を保つルール整備は営業データの入力ルール、全社での品質維持の仕組みはデータガバナンスで解説しています。
品質診断でつまずきやすい点と回避策
品質診断が空回りするパターンは、大きく3つあります。「完璧を目指して全件から着手する」「診断だけで終わり整備につなげない」「診断結果を現場に共有せず入力が改善しない」です。いずれも診断のやり方ではなく、範囲設定と出口設計の欠落が原因です。以下、それぞれの回避策を示します。
全件を一度に診ようとして頓挫する
全項目・全レコードを一度に診ようとすると、作業量が膨大になり、途中で止まります。回避策は、分析の出口から逆算して対象項目を絞ることです。まず受注率や売上予測など、直近で使う指標に必要な項目だけを診断対象にし、そこで成果を出してから範囲を広げます。
診断で終わり、整備につながらない
問題を洗い出しただけで、修正や運用改善に渡らず終わってしまうケースです。回避策は、診断シートに「対応先（クレンジング／入力ルール）」の列を必ず持たせることです。各問題を、修正で直すのか、今後の入力ルールで防ぐのかに振り分けておけば、診断結果がそのまま整備の作業計画になります。
現場に共有されず入力が改善しない
診断結果が担当者の手元にとどまり、実際に入力する営業現場に届かないと、欠損や不整合は繰り返し発生します。回避策は、欠損率などの診断結果を現場に見える形で返し、なぜその項目を埋める必要があるのかを合わせて示すことです。「この項目が埋まっていないと受注率が正しく出ない」と理由まで伝えると、入力の意味が現場に伝わります。全社での品質維持の仕組みづくりはデータガバナンスで扱います。
まとめ
営業データの品質診断は、活用に進む前に「どこから直すべきか」を見極めるための作業です。整備の体系的な全体像は営業データ活用前の情報整備にゆずり、本記事では前工程の診断に絞って観点と手順を示しました。
最初の一歩は、分析に使う主要項目だけを欠損・重複・不整合の3軸で点検し、診断シート1枚にまとめることです。全社のデータを一気に整えたい組織なら、診断結果をもとに整形・自動化の受け皿を整えていく方向へ、まず一部門で始めるなら表計算ソフトでの点検から着手すると無理がありません。診断で問題と対応先を明らかにしたら、クレンジングや入力ルールの整備（兄弟クラスター）に渡し、そのうえで分析・活用へ進みます。この順序を守ることが、信頼できる数字にたどり着く近道です。
よくある質問
Q 営業データの品質診断と、データクレンジングは何が違うのですか？
品質診断は、データにどんな問題がどれだけあるかを把握する「現状把握」の作業です。一方でクレンジングは、その問題を実際に修正する作業を指します。診断で「重複が120件、失注理由の入力率が48%」と現状を可視化し、その結果をもとにクレンジングで重複を統合し、欠損を補います。診断を飛ばしてクレンジングに入ると、どこを直すべきかの基準がないまま作業することになります。
Q データ品質は数値でどう測ればよいですか？
3軸それぞれに簡易指標があります。欠損は項目別の入力率（値が埋まっている件数÷全件数）、重複は名寄せ候補件数の割合、不整合は選択肢項目に登録されている値の種類数で測ります。想定した種類数より実際が多ければ表記ゆれの疑いがあります。感覚で「汚い」と判断せず、これらを数値で記録しておくと、改善後の効果も比べられます。
Q どのくらいの頻度で品質診断をすべきですか？
初回は分析に使う範囲を対象に全体を点検し、以後は主要項目を定期的に点検する、という考え方が現実的です。とくに入力率や重複件数は、新しいデータが入るたびに変動します。売上予測や受注率など経営判断に直結する指標に使う項目は、集計サイクルに合わせて定期的に見直すと、数字のずれを早めに発見できます。
Q 少人数・少データでも品質診断は必要ですか？
必要です。むしろ規模が小さいほど、表計算ソフトのフィルタや目視での点検で十分に着手でき、負荷なく始められます。データ量が少ない段階で欠損や重複を防ぐ習慣をつけておくと、件数が増えてから一括で直す手間を避けられます。小規模なうちに3軸の観点を運用に組み込むことが、後の品質を左右します。
Q SFAを導入すれば品質診断は自動で済みますか？
導入するだけでは自動的には済みません。SFAは案件データを蓄積し、一覧やレポートで確認しやすくする仕組みですが、どの項目をどんな観点で点検するか、埋まっていない項目をどう扱うかといった運用は人が設計する必要があります。SFAのレポート機能は診断を効率化する助けになりますが、点検の観点と運用ルールをそろえて初めて、継続的に品質を保てます。