営業データで予測する｜売上予測・成約確度・需要予測の3つで営業精度を高める方法

パイプライン上の案件金額は一覧で見えているのに、月末の着地がいつも読めない。上振れした月も下振れした月も、後から理由をうまく説明できない。営業マネージャーや営業企画がぶつかるこの壁は、多くの場合「予測」を1つのものとして扱っていることが原因です。

この記事では、営業データを使った予測を「売上予測」「成約確度」「需要予測」の3種に分け、それぞれで必要なデータ・算出手順・精度の上げ方を実務レベルで整理します。予測を含む営業データ活用の全体像は営業データ活用とはで扱っているので、本記事は「予測」の領域に絞って深掘りします。

営業データで予測するとは｜3つの予測を分けて考える

営業データを使った予測は、対象と目的が異なる3種に分けて考えると精度が上がります。組織・期間の着地を読む「売上予測」、案件ごとの受注見込みを読む「成約確度」、商品・市場の先行きを読む「需要予測」です。

この区別を曖昧にしたまま「予測」とひとまとめにすると、必要なデータも打ち手もぶれてしまいます。3つは営業生産性の方程式（商談数×受注率×単価÷工数）の異なる部分に効くため、まずどの未来を読みたいのかを決めることが出発点になります。以下、3種の違いと、混同しやすい「予測と目標」の違いを先に整理します。

3つの予測の違い

売上予測は、組織や期間を単位に、今期・今月がいくらで着地するかを読むものです。主に使うのはマネージャーや経営層で、リソース配分や上方修正・下方修正の判断に使います。改善に効くのは受注率と単価の見通しです。

成約確度は、個々の案件を単位に、この案件が受注できそうかを読むものです。使うのは案件を担当する営業とそのマネージャーで、どの案件に時間を割くかという優先順位づけに直結します。ここが磨かれると受注率、つまり生産性の分子が上がります。

需要予測は、商品や市場を単位に、将来どれだけの引き合いが発生するかを読むものです。営業だけでなく、在庫や仕入れ、人員配置を計画する部門も使います。効くのは工数の配分と、機会損失を防ぐことによる商談数の維持です。対象単位・使う人・意思決定の種類がこれだけ違うため、同じ手順や同じデータで一度に済ませようとすると、どれも中途半端になります。

予測と目標の違い

予測でつまずく手前でよく起きるのが、売上予測と売上目標の混同です。売上予測は、いまのパイプラインと過去の実力から見て「このまま進むといくらで着地するか」という実力ベースの着地見込みです。売上目標は「到達したい水準」であり、意思や計画から決まる数字です。

この2つを取り違えると、実力より高い目標を予測の欄に書き込んでしまい、月末に必ずズレます。予測はあくまで現実の見込みとして出し、目標との差分を埋める打ち手を別で考える。この線引きを最初に引いておくことが、後段のすべての手順の前提になります。

予測に使う営業情報やデータの種類

予測の精度は、手法よりも先に入力データの質で決まります。最低限そろえたいのは、過去の売上実績、パイプライン（案件金額・ステージ・受注確度）、活動記録（架電・商談・提案内容・失注理由）の3系統です。

多くの組織は前者2つはあっても、失注理由と活動記録が欠けています。結果がなぜその結果になったのかを説明するデータがないため、予測が外れたときに原因を特定できず、次に活かせません。まずこの3系統がそろっているかを点検することが、精度改善の最初の一歩です。

過去実績データ

過去の売上実績は、季節変動やトレンドを読むための土台です。月別・四半期別の売上推移が数年分あれば、繁忙期と閑散期の波、伸びている商材と落ちている商材の傾向が見えます。これがないと、いま出ている数字が「季節的にこの水準なのか」「実力が変わったのか」を切り分けられません。

読むうえで大事なのは、単月の増減に一喜一憂せず、前年同月と比べることです。売上には周期性があるため、前月比だけを見ると季節要因を実力の変化と勘違いします。

パイプラインデータ

パイプラインデータは、進行中の案件の金額・ステージ・受注確度をまとめたものです。売上予測を積み上げで出すときの中核になり、成約確度を案件単位で読むときの材料にもなります。案件金額だけでなく、いまどのステージにいるか、受注確度が何%かがそろっていることが条件です。

ここで問題になりやすいのが、確度の付け方が担当者ごとにばらついていることです。同じ「確度70%」でも、ある担当は「見積提示済み」を指し、別の担当は「感触が良い」程度を指していると、積み上げた数字は信用できません。パイプラインは金額の一覧としてだけでなく、確度の定義がそろっているかまで含めて見る必要があります。

活動・失注理由データ

活動記録と失注理由は、結果の背景を説明するデータです。架電や商談の件数、どんな提案をしたか、そしてなぜ失注したかが残っていると、「受注率が下がったのは提案の質か、そもそもの商談数か」を切り分けられます。予測が外れたときに原因を突き止められるのは、この層のデータがあるからです。

失注理由は特に欠けやすい情報です。受注は記録しても失注は放置されがちで、結果として「勝った理由」しか蓄積されません。負けパターンが見えないと、成約確度の予測も片肺になります。

データがそろっているかを点検する

手法に入る前に、いま手元のデータが予測に耐えるかを点検します。次の観点でチェックすると、精度を下げている箇所が見つかります。

• 欠損：案件金額・受注確度・失注理由に空欄がどれくらいあるか
• 入力ルールのばらつき：受注確度やステージの定義が担当者間でそろっているか
• 更新頻度：パイプラインの確度やステージが最新の状態に保たれているか（古い確度のまま放置されていないか）
• 粒度のそろい：金額の入力単位、期間の区切り方が統一されているか
• 失注の記録：失注案件に理由が残っているか、勝ちだけでなく負けも蓄積されているか

この点検で欠損や定義のばらつきが多く見つかった場合は、どんな高度な手法を使っても精度は出ません。先に入力ルールをそろえるほうが、遠回りに見えて効果が大きいことがほとんどです。

売上予測｜組織・期間の着地を読む

売上予測には、過去実績から読む方法と、パイプラインから積み上げる方法があります。どちらか一方では精度が頭打ちになるため、両方を出して突き合わせるのが基本です。

ここでは各手順に加え、受注確度で案件金額を重みづけする加重予測の考え方まで示します。パイプラインの金額を単純合計しても、確度の低い案件まで満額で数えてしまい過大な見込みになるため、確度による重みづけが着地を読むうえで欠かせません。

過去の売上実績から予測する

過去実績から予測する手順は、まず月別・四半期別の売上を数年分並べ、季節変動とトレンドを分けることから始まります。前年同月と比べて何%の水準か、そこにトレンド（全体として伸びているか落ちているか）を掛け合わせて、今期の水準感を出します。

季節変動の扱いがポイントです。決算期に売上が偏る商材、年度初めに動きにくい商材など、業種ごとに波があります。この波を無視して直近数か月の平均で延長すると、繁忙期の手前で低く見積もり、閑散期の手前で高く見積もるという誤差が出ます。過去実績予測は、あくまで「例年どおりに進んだ場合の水準」を出すものと捉えるのが妥当です。

パイプラインから積み上げる

パイプライン積み上げは、進行中の案件を1件ずつ足して着地を読む方法です。ここで単純合計をしないのが加重予測です。各案件の金額に受注確度を掛け、その加重見込み額を合計します。確度90%で100万円の案件は90万円、確度30%で200万円の案件は60万円として数えることで、確度の低い案件を過大に見込むことを防げます。

手順としては、対象期間中にクローズ予定の案件を洗い出し、案件ごとに「案件金額×受注確度」を計算し、その合計を期の売上予測とします。ステージが進むほど確度を上げるルールをそろえておくと、パイプラインの進捗がそのまま予測の更新につながります。

2つの予測を突き合わせて精度を上げる

過去実績予測とパイプライン加重予測には、それぞれ死角があります。過去実績はいま進行中の案件の増減を反映できず、パイプラインは入力の抜けや確度のばらつきに影響されます。だからこそ両方を出し、差が開いたときにその理由を掘ることに価値があります。

たとえばパイプライン積み上げが過去実績を大きく上回るなら、確度が水増しされていないか、大型案件に依存していないかを疑います。逆に下回るなら、まだ登録されていない案件があるか、期後半に商談が偏っていないかを確認します。2つの予測の差分は、パイプラインの健全性を点検するアラートとしても使えます。

成約確度の予測｜案件ごとに受注の見込みを読む

成約確度の予測は、案件単位で「この案件は受注できそうか」を読むもので、受注率という生産性の分子に直結します。従来はヨミ、つまり担当者の主観確度に頼りがちですが、それだけでは粒度がそろわず、楽観的な担当と慎重な担当で確度の意味が変わってしまいます。

過去の類似案件データや、蓄積したデータからのAIの示唆を併用することで、主観の偏りを補えます。ここでは主観とデータの併用、勝ち負けパターンの抽出、AIによる示唆の順に見ていきます。こうした案件ごとの読み解きは、データドリブン営業とは何かという考え方と地続きです。

ヨミとデータの併用

ヨミ（担当者が付ける主観的な受注確度）は、現場の肌感覚を反映できる貴重な情報です。顧客の温度感や決裁の空気は、データに現れる前に担当者が察知します。ただしヨミだけに頼ると、確度の基準が人によってずれ、積み上げた予測が信用できなくなります。

対策は、ヨミを消すことではなく、粒度をそろえて併用することです。「確度70%とはどの状態を指すか」を組織で定義し、そのうえで担当者のヨミを乗せます。主観とデータのどちらかではなく、定義された確度の上に現場感覚を重ねる形が、案件単位の予測を安定させます。

過去の類似案件から確度を読む

過去の受注・失注データがそろっていれば、いま進行中の案件と条件が近い過去案件を探し、その勝敗から確度を読めます。業種・規模・提案内容・商談期間などが似た案件が過去にどう決着したかは、担当者の勘よりも客観的な材料になります。

ここで効くのが、勝ちパターンと負けパターンの両方を蓄積していることです。勝った案件だけを見ると「この条件なら受注できる」と楽観に振れます。同じ条件で負けた案件も見ることで、確度の付け方が現実的になります。失注理由データが欠けていると、この負けパターンの抽出ができません。

AIによる次アクションの示唆

主観と過去データを併用しても、案件が増えるほど1件ずつ突き合わせる手間は大きくなります。ここを補うのが、蓄積した営業情報やデータを使ったAIの示唆です。近い条件の過去案件をAIが照合し、確度や次に取るべきアクションを提示する仕組みは、担当者の記憶だけに頼らない判断を助けます。

例えば Mazrica Sales のような SFA/CRM（営業支援・顧客管理システム）では、蓄積した営業データからAIが受注確度や次に取るべきアクションを示唆する機能もあります。こうしたAIの示唆はあくまで推定であり、最終的な確度の判断は現場の情報を持つ人が行う前提で使います。

需要予測｜商品・市場の先行きを読む

需要予測とは、商品や市場について将来の引き合い量を読むことです。これは在庫管理・人員配置・仕入れの計画に効き、機会損失（足りずに逃す）と過剰在庫（余らせる）の両方を防ぎます。

営業データの中では、受注推移や引き合い件数、失注が起きた時期の分布などが材料になります。売上予測が組織や期間の金額を読むのに対し、需要予測は商品・市場という別の単位で先を読む点が異なります。以下、役立つ場面、時系列分析の考え方、外部要因との掛け合わせを整理します。

需要予測が役立つ場面

需要予測が効くのは、供給側の準備にリードタイムがある場面です。在庫を持つ商材なら、引き合いが増える時期を先読みして仕入れを調整できます。人員が必要な商材なら、繁忙期の手前で人を配置できます。読めていないと、足りずに商談を取りこぼすか、余らせてコストを抱えるかのどちらかになります。

営業組織にとっては、商談数を維持するための下準備という意味も持ちます。引き合いが増える時期に対応リソースが足りなければ、せっかくのリードが失注に変わります。需要予測は、その取りこぼしを防ぐための計画材料です。

時系列分析の考え方

時系列分析とは、過去の推移データを時間の並びで捉え、そこから先の動きを読む方法です。需要予測では、受注件数や引き合い件数の月別推移を並べ、周期性（季節ごとの波）とトレンド（全体の増減傾向）に分けて先を読みます。

考え方としては、まず過去データから繰り返し現れる波を見つけ、そこに全体の傾向を重ねます。毎年第4四半期に引き合いが増える商材なら、その季節性を前提に来期を読む。ただし過去の延長だけでは、市場の急な変化を捉えられないため、外部要因との掛け合わせが必要になります。

営業データと外部要因の掛け合わせ

営業データだけの時系列予測は、過去の延長線上でしか未来を描けません。実際の需要は、季節性に加えて市場動向や競合の動き、法改正などの外部要因で変わります。自社の受注推移という内部データに、こうした外部要因を掛け合わせることで、過去にない変化にも備えられます。

実務では、営業データの推移をベースにしつつ、市場が拡大・縮小しそうな兆候があれば予測に補正を加えます。内部データが「例年どおりならこうなる」を示し、外部要因の判断が「今年はそれとどう違うか」を上乗せする。この2段構えが、需要予測を現実に近づけます。

予測精度を高める4つの勘所

予測の精度は、手法の高度さより運用の質で決まります。効くのはデータ品質、主観を排する仕組み、複数手法の突き合わせ、継続的な見直しの4点です。

特に入力ルールがばらつくと、どんな手法を使っても土台が崩れ、精度は出ません。ここまで扱った各手法を、この4つの観点で運用に落とすと、予測が単発の作業ではなく回り続ける仕組みになります。

入力ルールを統一しデータ品質を保つ

最初にそろえるべきは入力ルールです。受注確度の定義、ステージの区切り、案件金額の入力単位、失注理由の選択肢を組織で統一し、誰が入力しても同じ意味になる状態を作ります。ここがばらつくと、集計した数字が実態を表さず、予測の前提が崩れます。

ルールは決めるだけでなく、守られているかの点検までがセットです。前段の点検チェックリストを定期的に回し、欠損や古い確度が増えていないかを見ます。データ品質は放置すると必ず劣化するため、維持する運用まで含めて設計します。

主観だけで判断しない

案件単位の確度は、担当者の主観に偏りやすい部分です。楽観的な担当は高めに、慎重な担当は低めに付けるため、そのまま積み上げると組織全体の予測が歪みます。ヨミの粒度をそろえ、過去の類似案件という客観材料と併用することで、主観の偏りを抑えます。

主観をなくす必要はありません。現場の感覚は先行指標として価値があります。定義された基準の上に主観を乗せる形にして、確度の意味が人によって変わらない状態を保つことが狙いです。

複数の予測手法を突き合わせる

1つの手法だけに頼ると、その手法の死角がそのまま予測の弱点になります。売上予測なら過去実績とパイプライン加重の両方を出し、差が開いた理由を掘る。この突き合わせが、単独の手法では気づけない異常を早期に見つけます。

手法が複数あることで、片方が示す数字を疑う視点が生まれます。過去実績が示す水準とパイプラインが示す水準の間で、どちらがより実態に近いかを毎回問い直すことが、精度を底上げします。

予測と実績のズレを振り返り、モデルを更新する

予測は出して終わりではなく、実績と照らして振り返るまでが一連の流れです。予測がいくらで、実績がいくらだったか、なぜズレたかを毎期記録します。この振り返りがないと、同じ原因で外れ続けます。

振り返りで見つかった原因は、次の予測のやり方に反映します。特定の商材で常に上振れするなら確度の付け方を見直す、季節要因の読みが甘いなら過去実績の重みを調整する。予測の精度は一度で完成せず、ズレの記録を積み重ねることで少しずつ上がります。

予測が外れる原因と、ズレを検知する仕組み

予測は当てて終わりではなく、実績とのズレを早く検知して手を打つことに価値があります。外れる典型原因は、データの鮮度切れ、確度の水増し、一部の大型案件依存の3つです。

この3つを知っておくと、予測を見た瞬間にどこを疑うべきかが分かります。加えて、ズレに早く気づく仕組み（アラートや定例レビュー）まで用意すると、外れを次の行動に変えられます。以下、原因、検知の仕組み、行動への戻し方の順で示します。

予測が外れる典型原因

1つ目はデータの鮮度切れです。パイプラインの確度やステージが古いまま放置されていると、実態と乖離した数字で予測を組んでしまいます。すでに失注した案件が確度70%のまま残っていれば、予測は当然上振れます。

2つ目は確度の水増しです。担当者が受注したい気持ちから確度を高めに付けると、積み上げた予測が実力より膨らみます。特に期末が近づくと、目標達成のために確度を上げる圧力がかかりやすい点に注意が必要です。

3つ目は一部の大型案件への依存です。予測金額の大半が数件の大型案件で占められていると、その1件がずれるだけで全体が大きく外れます。予測を見るときは、金額だけでなく「何件でその金額に達しているか」も確認すると、この脆さに気づけます。

ズレを早期に検知する仕組み

外れる原因が分かっても、気づくのが月末では手が打てません。予実の乖離が一定を超えたら早めに気づける仕組みを用意します。ダッシュボードで予測と実績、そしてパイプラインの確度分布を並べて表示し、乖離が広がったタイミングで検知できる状態を作ります。こうした数字を見える状態にしておくことは、営業データの可視化そのものです。

運用としては、定例レビューで「予測と現時点の進捗の差」「確度70%以上の案件が期初からどう動いたか」「大型案件の状況」を毎回確認します。乖離が一定を超えたらアラートとして扱い、原因の点検に入る。この検知の仕組みがあると、予測のズレを月末に発見するのではなく、期の途中で軌道修正できます。

予測を営業行動に戻す

検知したズレは、営業行動に戻して初めて価値になります。予測が下振れしそうなら、確度の高い案件を前倒しできないか、停滞している案件のどれをリカバリー対象にするかを決めます。予測は、どの案件に時間を割くかという優先順位づけの材料です。

このとき、なぜ特定の案件が停滞しているのかを掘るには顧客の状況を見る必要があり、営業データ 顧客分析の観点が接続します。予測でズレを見つけ、顧客分析でその原因を掘り、次の行動を決める。予測を単体で終わらせず、行動につなげる流れを作ることが、予測を実務に効かせる条件です。

予測を支えるツール

予測の土台になるのは Excel、CRM・SFA、BIツールの3系統です。まずデータを一元管理する仕組みが土台で、その上に集計・分析が乗ります。

Excelは手軽ですが更新・共有と加重予測の維持に手間がかかり、CRM・SFAはパイプライン加重や確度管理の自動化に強く、BIは複数データの統合と可視化に向きます。規模や運用体制で使い分けるのが基本で、どれが優れているという話ではありません。以下、それぞれの向き不向きを整理します。

Excelでの予測

Excelは、すぐ始められる手軽さが最大の利点です。案件金額に受注確度を掛けて加重見込みを出す程度なら、表計算で十分に組めます。少人数のチームや、まず予測の考え方を試したい段階では現実的な選択肢です。

限界が出るのは、案件数が増え、複数人で更新するようになってからです。最新の確度を全員が入力し続ける運用は崩れやすく、誰かの手元のファイルが正になったり、加重の計算式が壊れたりします。共有とリアルタイム更新、確度管理の維持という点で、規模が大きくなるほど手間が増えます。

CRM/SFAでの予測

CRM/SFA（顧客管理・営業支援システム）は、パイプラインの加重予測や確度管理を自動で回すのに向いています。案件金額と受注確度を入力すれば加重見込みが自動集計され、ステージの進捗に応じて予測が更新されます。Excelで人手をかけていた部分が仕組みで維持される点が違いです。

確度やステージの定義をシステム側でそろえられるため、入力ルールのばらつきも抑えやすくなります。案件数が多く、複数人で予測を回す組織では、この自動化の効果が大きくなります。

BIツールでの予測・可視化

複数のデータを統合して多面的に分析したい段階では、BIツール（データを集約・可視化して分析する基盤）が候補になります。予実管理や売上分析、要因分析を役割ごとに可視化し、予測と実績の乖離をダッシュボードで追う用途に向きます。

こうした用途では、例えば Mazrica BI のようなBI製品もあります。予実管理・売上分析・要因分析を役割ごとに可視化できますが、Mazrica BI は Mazrica Sales の利用が前提の製品である点に注意が必要です。まずデータを一元管理する仕組みを土台に置き、その上に分析を乗せる順序で考えると、ツール選びの判断がしやすくなります。

まとめ｜自社が読みたい未来から予測を始める

予測は3種あり、どれから着手すべきかは読みたい未来で決まります。期の着地がいつも読めないなら、パイプラインの加重予測を軸にした売上予測から始めます。商談はあるのに受注が読めないなら、案件単位の成約確度の予測から。在庫や人員配置を計画したいなら、需要予測から入るのが妥当です。

最初の一歩は小さくて構いません。まず自社のパイプラインで、案件金額に受注確度を掛けた加重見込み額を一度出してみることから始めると、いまの予測がどれだけ実態から離れているかが見えます。そこで確度の付け方がばらついている、失注理由が残っていないといった土台の弱さに気づけば、次に何をそろえるべきかが定まります。このように小さく着手する営業データ活用の始め方は、予測に限らず有効です。

予測を含む営業データ活用全体の進め方は営業データ活用の全体像で体系的に整理しています。予測はその一領域であり、可視化や顧客分析と組み合わせることで、営業判断の精度はさらに上がります。

よくある質問

Q 売上予測と売上目標は何が違いますか。

A

売上予測は、いまのパイプラインと過去の実力から見て「このまま進むといくらで着地するか」という実力ベースの見込みです。売上目標は「到達したい水準」で、意思や計画から決まる数字です。予測は現実の見込みとして出し、目標との差分を埋める打ち手は別で考えます。この2つを混同すると、予測欄に目標を書き込んでしまい、月末に必ずズレます。

Q 予測に必要な過去データはどのくらいの期間分が必要ですか。

A

季節変動を読みたいなら、最低でも1年分、できれば2〜3年分あると波をつかめます。1年未満だと繁忙期と閑散期の区別がつかず、直近の動きを実力の変化と誤認しやすくなります。ただしデータが少なくても始められないわけではなく、期間が短いうちはパイプラインからの積み上げ予測を主軸にし、実績が積み上がるにつれて過去実績予測を組み合わせる進め方が現実的です。

Q 成約確度は担当者の勘だけで決めてよいですか。

A

勘、つまりヨミは現場の温度感を反映できる貴重な材料ですが、それだけに頼ると確度の基準が人によってずれ、積み上げた予測が信用できなくなります。「確度70%とはどの状態か」を組織で定義して粒度をそろえ、過去の類似案件という客観材料と併用するのが妥当です。主観を消すのではなく、定義された基準の上に現場感覚を乗せる形にします。

Q データが十分そろっていなくても予測は始められますか。

A

始められます。完璧なデータを待つ必要はなく、まず手元のパイプラインで加重見込み額を出してみることから着手できます。その過程で欠損や入力ルールのばらつきが見つかるので、そこを1つずつそろえながら精度を上げていきます。予測とデータ整備は並行して進めるほうが、実務では前に進みます。

Q 需要予測と売上予測はどう使い分けますか。

A

売上予測は組織や期間を単位に金額の着地を読むもので、リソース配分や上方・下方修正の判断に使います。需要予測は商品や市場を単位に将来の引き合い量を読むもので、在庫・仕入れ・人員配置の計画に使います。読みたい対象単位と、その結果で下す意思決定が違うため、どちらか一方ではなく目的に応じて選びます。

Q AIによる予測は人の判断より正確ですか。

A

AIは、蓄積したデータから近い条件の過去案件を照合し、確度や次アクションを示唆するものです。これは推定であり、顧客の温度感や決裁の空気といった、データに現れていない情報までは反映できません。AIの示唆を材料の1つとして使い、最終的な判断は現場の情報を持つ人が行う前提で組み合わせるのが現実的です。