営業領域における構造化データと非構造化データとは｜営業データ基盤で扱う2種類のデータの違いと活用の考え方

受注金額やフェーズはSFA（営業支援システム）で集計できるのに、「なぜこの商談は失注したのか」を振り返ろうとすると、商談メモや議事録がバラバラで理由が追えない。そんな経験はないでしょうか。営業で扱う情報を「構造化データ」と「非構造化データ」の2種類で捉え直すと、いま判断に使えている情報と、現場に眠ったまま使えていない情報がはっきり分かれて見えてきます。この記事では、この2種類のデータが営業の現場で具体的に何を指し、どう違い、どう統合すれば判断・行動に使えるのかを、営業実務の目線で整理します。集めた営業情報やデータを統合・分析する仕組みの体系的な全体像は営業データ活用基盤の全体像で解説しています。ここでは、そこで扱う2種類のデータの違いと活用の考え方に絞って掘り下げます。

営業データを構造化データと非構造化データで捉え直す

営業で扱う情報やデータは、そのまま集計できる「構造化データ」と、自由形式で集計できない「非構造化データ」の2種類に大きく分かれます。SFAに入力する受注金額やフェーズは前者、商談中に書き留めたメモや通話の録音は後者にあたります。そして、営業の判断材料の多くは後者に眠っています。失注した理由やキーマンの反応といった「次に動くための材料」は、数値の列ではなく文章や音声のなかにあるからです。ここでは、それぞれの定義と営業での具体例を掘り下げ、両者の中間にある半構造化データにも触れます。

構造化データとは（表形式で集計できるデータ）

構造化データとは、あらかじめ列（項目）が決まっていて、表形式で整理されるデータのことです。営業では、受注金額、受注確度、フェーズ、活動日、担当者、業種、リードソースなどが典型例です。いずれも「金額は数値」「フェーズは決まった選択肢」というように、格納する値の型と場所が定まっています。

この形式の強みは、そのまま集計・並べ替え・条件抽出ができる点です。「今月の受注金額合計」「フェーズ別の案件数」「リードソース別の受注率」といった問いに、加工なしで答えられます。BIツールでグラフ化しやすいのも、値が整った列に収まっているからです。SFAの案件一覧がそのまま分析の土台になるのは、この構造化データを扱っているためです。

非構造化データとは（自由形式で集計できないデータ）

非構造化データとは、決まった形式を持たず、そのままでは集計できない自由形式のデータを指します。営業では、商談メモ、議事録、通話の録音や文字起こし、顧客とやり取りしたメール本文、提案資料、名刺画像、問い合わせフォームの自由記述などが該当します。

このデータには、現場のリアルな文脈が詰まっています。顧客の温度感、失注に至った本当の理由、キーマンがどの提案に反応したか、競合とどう比較検討していたか。構造化データが示す数値の背後にある「事情」は、ほぼすべてここに含まれます。ただし、形式がそろっていないため、そのままでは集計も比較もできません。同じ「失注理由」でも、ある担当者は「予算」、別の担当者は「金額が合わず」と書けば、機械的に数えることはできません。

半構造化データという中間の形

構造化と非構造化のあいだには、半構造化データという中間の形があります。完全な表形式ではないものの、一定の規則やタグを持ち、機械が構造を読み取れるデータです。JSON形式のデータ、システムのログ、メールのヘッダ情報などが代表例です。営業では、外部ツールとの連携で受け渡しされるデータや、Webフォームから送られてくる一部のデータがこれにあたります。

実務では半構造化データを厳密に区別する必要はほとんどありません。「そのまま集計できるか、それとも変換が必要か」という基準で捉えれば、営業の判断には十分です。

構造化データと非構造化データの違い（営業の視点で比較）

両者の違いは、「集計できるか」「規則性があるか」「保存・検索のしやすさ」「含まれる情報の性質」の4点に集約されます。営業目線でいちばん重要なのは最後の点です。構造化データは「何が起きたか（結果）」を持ち、非構造化データは「なぜそうなったか（理由・文脈）」を持ちます。だからこそ、どちらか片方だけでは営業の判断は完結しません。以下の比較表で4つの観点を整理し、営業がこの2つをどう突き合わせるかを掘り下げます。

4つの観点での比較

営業の具体例で見ると、構造化データは「A社の案件は800万円、フェーズは最終提案、確度は50%」という事実を示します。非構造化データは、その商談メモに書かれた「決裁者が価格に難色。競合B社の見積もりと比較中」という文脈を持ちます。前者は一覧で並べて集計でき、後者は一件ずつ読まないと意味が取れません。

営業では結果と理由の両輪で見る

営業の判断は、この2つを突き合わせて初めて成り立ちます。たとえば構造化データを集計して「今四半期は最終提案フェーズからの受注率が落ちた」という事実が分かったとします。しかし、なぜ落ちたのかは数値だけでは分かりません。落ちた案件の商談メモ（非構造化データ）を読んで初めて、「価格で競合に負けているケースが多い」といった理由が見えてきます。

結果の数値だけを見れば「受注率が下がった」で止まり、理由の文章だけを読めば「なんとなく価格で苦戦している気がする」という感覚で終わります。両方を突き合わせるからこそ、「価格提示の見直し」「値引き承認フローの整備」といった次のアクションに落ちます。これが、営業データを構造化・非構造化の両面で捉える最大の理由です。

営業で扱う非構造化データが持つ価値と、活用が難しい理由

一般に、企業が持つデータは非構造化データが大きな割合を占めます。営業でも事情は同じで、日々の商談メモ、議事録、通話、メールといった非構造化データにこそ、現場の知見が詰まっています。ここに価値がある一方で、そのままでは集計・比較ができず、担当者個人の頭のなかや個別のファイルに閉じたまま組織に共有されないという難しさもあります。この「価値の大きさ」と「活用の難しさ」は表裏一体です。以下で、何が眠っているのか、なぜ活用しにくいのかを具体的に見ていきます。

非構造化データに眠る営業の知見

非構造化データには、営業の勝ち負けを左右する情報が集まっています。失注した本当の理由、顧客社内の意思決定プロセス、競合との比較検討の状況、キーマンがどの論点に反応したか。こうした情報は、SFAの構造化フィールドには収まりにくいものです。

たとえば「顧客が価格よりも導入後のサポート体制を重視していた」という気づきは、確度や金額の列には書けません。しかし、この一文が次の提案の勝率を大きく変えます。トップ営業の勝ちパターンは、多くがこの非構造化データのなかに埋もれています。

活用が難しい3つの理由（営業特有）

非構造化データが活かしきれないのには、営業ならではの事情があります。ひとつは、集計できない形式のまま散在することです。メモはSFA、議事録は共有ドライブ、通話は録音ツールと、置き場所も形式もばらばらで、横断して見られません。ふたつめは、入力や記録が担当者任せで、表記や粒度がバラバラになることです。同じ失注理由でも書き方が人によって違い、まとめて数えられません。みっつめは、個人のメモや記憶に閉じ、組織に引き継がれないことです。担当者が異動・退職すると、その知見はそのまま失われます。

この3つ目は、営業でよく語られる属人化の問題と直結します。属人化の解消は、データを一元化することと、誰がやっても一定の質で記録・活動できるように標準化することの、両輪で成り立ちます。非構造化データは「一元化」だけでなく「記録の型をそろえる標準化」まで踏み込まないと、集めるだけで使えないままになります。

非構造化データを構造化して営業の判断に使う活用の考え方

非構造化データを活かす基本は、そこに含まれる価値ある文脈を、集計できる構造化データに「変換・付与」して統合することです。たとえば商談メモから「失注理由：価格」というラベルを付ければ、失注理由別の集計ができるようになります。最近はAIが議事録の要約や項目の抽出を担い、この変換の手間を下げつつあります（AIによる要約・抽出は推定を含むため、結果をそのまま断定しない前提です）。以下で、活用の流れとAI活用の注意点を整理します。

集める、構造化する、統合して見るの流れ

非構造化データを判断に使えるようにするには、大きく3つの段階を踏みます。第1に、非構造化データを一箇所に集めます。商談メモ、通話記録、メールをSFA/CRM（顧客関係管理）上の案件に紐づけ、散在をなくします。第2に、必要な項目を構造化データとして付与します。メモの内容から「失注理由」「次アクション」「確度」といった決まった項目を切り出し、集計できる形にします。第3に、構造化データと突き合わせて分析します。付与した失注理由と、受注金額やフェーズといった既存の構造化データを組み合わせ、「どのフェーズで、どの理由で失注が多いか」を見ます。この非構造化データから分析用のデータを作る考え方は、営業データの生成と分析の基本用語でも整理しています。

この流れの肝は2段階目です。すべてのメモを構造化する必要はありません。いま知りたい問いに答えるために必要な項目だけを、非構造化データから引き出して構造化すれば十分です。

AIによる変換の広がりと注意点

これまで人が手作業で行っていた「メモから項目を切り出す」作業を、AIが支援できるようになってきました。議事録の要約、文章からのテキスト抽出、翻訳といった処理でAIが非構造化データを構造化データに変換し、入力の負担を下げられます。名刺画像や紙の資料も、OCR（文字のデータ化）でテキスト化すれば構造化・活用の対象に載せられます。

例えばMazrica DataHubのようなデータ連携基盤では、OCRで名刺や書類を読み取り、AIがテキスト抽出・要約する機能で、非構造化データの構造化を自動化する例があります。こうしたデータ連携基盤は「つなぐ」役割を担い、SFA/CRMの営業・顧客データを起点に動くのが基本です。同種の機能は他のツールにも存在します。

ただし注意点があります。AIが抽出・要約した結果は推定を含みます。失注理由の分類をAIが誤ることもあり、変換結果をそのまま正しいものとして扱うと、誤った集計に基づいて判断してしまう危険があります。重要な項目は人が確認するプロセスを残し、AIを「下書きを作る役」として使うのが現実的です。

自社の営業データを棚卸しするチェックリスト

営業データ活用の第一歩は、自社のデータを構造化／非構造化で棚卸しし、「集計に使えている情報」と「眠っている情報」を分けることです。これは大がかりなシステムがなくても、営業担当が今日から着手できる作業です。難易度は低く、まずは1つの案件を例に、自分の手元にある情報を「表で集計できるもの」と「文章や音声のまま残っているもの」に振り分けるところから始められます。以下の項目で、いまの状態を確認してみてください。

構造化データとして揃っているか確認する項目

次の情報がSFAに入力され、集計できる状態になっているかを確認します。

• 受注金額・受注確度が案件ごとに入っているか。
• フェーズが決まった選択肢で記録されているか。
• 活動履歴（訪問・架電・メールの記録）が残っているか。
• リードソース（どこから来た商談か）が入っているか。

非構造化データがどこに眠っているか確認する項目

次の情報が、担当者個人の手元に留まったり、共有されずに散在したりしていないかを確認します。

• 商談メモが個人のノートやローカルファイルに閉じていないか。
• 議事録や通話記録が案件と紐づかず、探せない状態になっていないか。
• 提案資料や顧客とのメールが、案件ごとにまとまっていないか。

棚卸し後に決める1つのこと

棚卸しをすると、非構造化データの多さに圧倒されがちです。ここで全部を一気に構造化しようとすると挫折します。決めるべきは1つだけです。「どの非構造化データを構造化すれば、いま一番知りたい問いに答えられるか」を選ぶことです。

たとえば「失注が続く理由を知りたい」なら、まず失注案件の商談メモから失注理由をラベル付けする、という一点に絞ります。対象を狭く取ることで、負荷を抑えながら最初の成果を出せます。

まとめ｜構造化と非構造化の違いを押さえて営業データを活かす

構造化データは「結果」を、非構造化データは「理由」を持ちます。営業の判断は、この2つを突き合わせて初めて完結します。数値だけでは何が起きたかしか分からず、文章だけでは感覚に頼ることになるからです。

打ち手は組織の状況で変わります。まず失注理由を組織で把握したい組織なら、非構造化データである商談メモに「失注理由」のラベルを付ける、小さな標準化から始めるのが現実的です。集計そのものが手作業で苦しい組織なら、先に構造化データの入力ルールを統一し、そのまま集計できる状態を整えるところから着手します。

最初の一歩は小さくて構いません。前章のチェックリストを使い、1件の案件から棚卸しを試してみてください。集めた営業情報やデータを統合・分析する仕組み全体は営業データ活用基盤の全体像で解説しています。非構造化データからどう分析用のデータを作るかは営業データの生成と分析の基本用語、蓄積の仕組みは営業データ基盤におけるDWHの基本、蓄積したデータの可視化は営業データ基盤におけるBIの基本と例を合わせてご覧ください。

よくある質問

Q 半構造化データは構造化・非構造化のどちらに含めればよいですか？

A

構造化と非構造化の中間に位置づけられます。JSONやログのように一定の規則を持ちながら完全な表形式ではないデータが該当します。営業の実務では厳密な分類にこだわる必要はなく、「そのまま集計できるか、それとも変換が要るか」で判断すれば十分です。

Q 営業データはどちらの割合が多いのですか？

A

一般に、非構造化データが大きな割合を占めます。商談メモ、議事録、通話記録、メールといった日々の記録の多くは自由形式で残るためです。SFAの案件フィールドに入る構造化データは整って見えますが、営業活動全体で生まれる情報量で見ると、非構造化データのほうが圧倒的に多いのが実情です。

Q Excelで管理している営業データは構造化データですか？

A

列が定義され、そのまま集計できる状態であれば構造化データにあたります。金額やフェーズを列で管理している一覧表は構造化データです。ただし、同じ表のなかに自由記述の「備考欄」があると、そこには非構造化データが混在します。集計に使いたい情報が備考欄に文章で書かれている場合は、独立した列に切り出す必要があります。

Q 非構造化データを構造化するのに専門知識やエンジニアは必要ですか？

A

必ずしも必要ありません。入力ルールを統一する、商談メモに決まったラベルを付ける、といった標準化は非エンジニアでも始められます。処理量が増えてきたら、AIによる要約・項目抽出やOCRでのテキスト化を使って自動化する方法もあります。まず人手でルールを決め、負担が大きくなった部分から自動化を検討するのが進めやすい順序です。

Q 名刺や紙の資料も営業データとして活用できますか？

A

活用できます。名刺や紙の書類はそのままでは非構造化データですが、OCRでテキスト化すれば会社名・氏名・部署といった項目に切り出せ、構造化データとして扱えます。テキスト化したうえでSFA/CRMの顧客情報に紐づければ、他の営業データと同じように検索・集計の対象にできます。

Q まずどこから手をつければ営業データを活用できますか？

A

全社的な基盤づくりに着手する前に、1つの問いに絞ることをおすすめします。「失注が多いのはなぜか」「どのリードソースが受注につながるか」など、いま一番知りたい問いを1つ決め、その問いに答えるために必要なデータだけを棚卸しします。対象を狭く取ることで、小さく始めて早く成果を確認できます。