# ビジネス分析のための概念モデル5例

> ER図からスタースキーマまで、ビジネス分析向けの概念モデル5例を紹介します。それぞれの活用方法も解説します。

Source: https://www.electe.net/ja/%E8%A8%98%E4%BA%8B/examples-of-conceptual-models

Site guide: https://www.electe.net/ja/llms.txt

小売の責任者から、同じプロモーションがある地域では成果を上げ、別の地域では失敗する理由を問われたとします。売上レポートには売上高、割引、販売数量が載っていますが、その差が顧客行動、商品の在庫状況、店舗での施策の運用方法のどれに由来するのかは、誰にも説明できません。ダッシュボードをもう1つ増やすこともできますが、関係性が不明確なままであることに変わりはありません。

問題はダッシュボードそのものではないことがほとんどです。足りないのは、データの裏にある設計図です。各レコードが何を表しているのか、どの要因が結果に影響しうるのか、アプローチを変えるにはどんな根拠が必要なのか。**概念モデル**は、レポートを自動化したりAIが生成した提案に基づいて動いたりする前に、こうした前提を明確にします。

ここで紹介する5つの**概念モデルの例**は、その設計図を作るためのさまざまな方法です。データの関係、プログラムの成果、事業戦略、分析の構造、テクノロジーの導入を扱います。それぞれが異なるビジネス上の問いに答え、無理なく始められる簡単なスケッチから着手でき、明確な限界もあります。データベースアーキテクトや研究者になる必要はありません。必要なのは、改善する価値のある意思決定と、その背後にある前提を検証する姿勢です。

## 1. エンティティ・リレーションシップモデルでビジネス分析の基盤データを明確にする

**ビジネス上の問い:** どの顧客がどの商品を購入しているのか。そして、それらのレコード間のつながりは信頼できるのか。

**エンティティ・リレーションシップモデル**(以下ER モデル)は、組織が管理する対象、その属性、対象間の関係を図式化したものです。[MariaDBの概念設計ガイド](https://mariadb.com/docs/general-resources/database-theory/database-design/database-design-phase-2-conceptual-design)では、ビジネス上の概念とデータベースの実装を切り分ける考え方が説明されており、任意・必須の関係や、さまざまなカーディナリティも取り上げられています。

オンライン小売業者であれば、まず**顧客、注文、注文明細、商品**から始めます。顧客が注文を行い、注文には注文明細が含まれ、各注文明細は商品を参照します。顧客は1回の注文で異なる商品を異なる数量で購入するため、注文明細を別のエンティティにしておくことには大きな意味があります。明細を注文レコードにまとめてしまうと、バスケット分析に必要な詳細が失われます。

### 取り込んだテーブルではなく、関係から始める

四角形を描く前に、関係を平易な言葉で書き出しましょう。営業や運用の担当者に内容を検証してもらいます。特に、キャンセル、ゲスト購入、返品、共有アカウントなどで状況が複雑になる部分は重点的に確認してください。ゲスト購入だけでも、顧客が特定されていない注文を認めるかどうかという判断が必要になります。

- **識別子を定義する:** 顧客、注文、商品をそれぞれ一意に識別するものを明確にします。システムを統合しても識別子が一意のままであることを確認してください。
- **参加の有無を明示する:** 顧客が特定されていない注文を認めるか、すべての注文に注文明細が必要かを決めます。
- **一連の流れをテストする:** 購入から支払い、出荷、キャンセル、返金までを追跡します。リレーションの欠落は、ここで最も早く見つかります。

次に、これらの平易な文章を、アナリストと開発者が一緒にレビューできる図に落とし込みます。ホワイトボード上で誤った箱を直すのは安価ですが、出荷済みのレポートで同じ誤りを直すには大きなコストがかかります。

**限界:** ERモデルが記述するのは構造です。顧客が商品を購入したことは記録できますが、メールがその購入を引き起こしたかどうかは因果分析が必要で、図からは分かりません。

> **実務上のルール:** 結合したレポートを信頼する前に、その結合が測定対象のイベントを重複させていないかを確認してください。注文明細をまたいで注文合計を合算すると、1つの注文が明細の数だけ計上され、気づかないうちに売上が水増しされます。

同じ手法は、患者、予約、医療提供者をつなぐクリニックや、アカウント、サブスクリプション、請求書をつなぐサブスクリプション企業にも使えます。個人情報や診療情報を扱う場合は、不要な識別子を分析用の抽出データに含めず、ロールごとにアクセスを制限してください。

## 2. ロジックモデルでプログラムの支出と測定可能な成果を結びつける

ロイヤルティキャンペーンは、顧客維持を改善しなくても、多くの activity を生み出せます。マーケティングチームがオファーを送り、顧客がメッセージを開封し、マネージャーはエンゲージメントを喜びます。しかし、それだけではキャンペーンが購買行動を変えたかどうかは分かりません。

**ロジックモデル**は、**インプット、活動、アウトプット、アウトカム、インパクト**を切り分けます。問いはシンプルです。**この投資はどのように有用な変化を生むはずで、その連鎖が機能していないことは何で分かるのか?**

小売業の場合、実際に使うモデルは次のようになります。

- **インプット:** 取引履歴、マーケティング予算、スタッフの工数、利用可能な顧客の同意。
- **活動:** 対象顧客を選定し、関連性の高いオファーを準備し、ターゲットを絞ったメッセージを送信する。
- **アウトプット:** 配信されたオファーと、リーチした顧客。
- **アウトカム:** リピート購入と、割引後の貢献利益。
- **インパクト:** より価値が高く、長続きする顧客関係。

### 実現したい変化から逆算して組み立てる

まず意図するアウトカムから始め、それが実現する前に変わるべき行動を特定します。そのうえで初めて、どの活動に予算を投じるかを決めます。

各ステージについて、指標、その定義、データソース、そして次のステージとの関係を示す前提を記録します。この**計測レイヤー**こそが、見栄えの良い図を実際に使える運用ツールへと変えます。[SBA Office of Advocacyによる企業のAI利用の分析](https://advocacy.sba.gov/wp-content/uploads/2025/09/Research-Spotlight-AI-in-Business-Small-Firms-Closing-In_-092425.pdf)では、AIを活用している小規模企業のユースケースは平均で約2件にとどまっていました。バラバラのアプリケーションを寄せ集めるのではなく、一貫した意思決定プロセスを構築すべきだという、有益な示唆です。

**限界となる点:**矢印で結ぶと、検証されていない説明が実証済みのように見えてしまうことがあります。オファーを利用する顧客は、もともとロイヤルティが高い可能性があります。また、見かけ上の改善が季節的な需要で説明できる場合もあります。

> アウトプットが示すのは、チームが何かを実行したということです。アウトカムが示すのは、何かが変化したかどうかです。

施策の開始前にベースラインを設定し、可能であれば、オファーを受け取る対象として割り当てた適格顧客を、適切な比較グループと比べます。割引が不採算な行動を覆い隠さないよう、リピート購入とあわせて利益率と返品も監視してください。

公衆衛生では、同じ構造が地域ワークショップを、検診の受診率や最終的な健康アウトカムに結びつけます。金融では、督促リマインドの実施を、支払い行動や売掛金の回収状況に結びつけます。これらは評価のためのフレームワークであり、臨床判断、財務アドバイス、コンプライアンスレビューの代わりになるものではありません。

## 3. ビジネスモデルキャンバスで戦略上の前提を可視化する

**ビジネス上の問い:**このオファーは、提供にかかるコストをまかないながら、顧客に価値を生み出せるか。

**ビジネスモデルキャンバス**(Alexander Osterwalder氏とYves Pigneur氏が提唱)は、事業の主要な構成要素を1枚のページにまとめます。その構成要素とは、顧客セグメント、価値提案、チャネル、顧客との関係、収益の流れ、主要リソース、主要活動、主要パートナー、コスト構造です。

ERモデルとは異なり、レコード同士のつながりを表すものではありません。顧客需要、オペレーション、収益性がどう噛み合うかを、経営陣が検討する助けになります。

### 各ブロックを検証可能な前提に変える

たとえばミールキット企業が、時短レシピを求める忙しい世帯をターゲットにしているとします。そのキャンバスでは、この約束を、注文チャネル、定期課金、食材サプライヤー、レシピ開発、梱包、配送、カスタマーサポートに結びつけます。

**最初の作成ステップは、顧客セグメントと価値提案を一緒に埋めることです。**「世帯」のような大まかな区分では不十分です。誰が購入するのか、どんな課題を解決したいのか、そしてなぜ自社のオファーが現在の代替手段より選ばれうるのかを具体的に示してください。

次に、意思決定を左右しうる前提には根拠を紐づけます。

- **顧客需要:**購入見込みのある人にインタビューし、関心の表明だけでなく購買行動を確認します。
- **チャネルの収益性:**マーケットプレイスの収益を評価する際は、手数料、フルフィルメント、返品、サポートを含めます。
- **提供能力:**需要のピーク時にも、サプライヤーとオペレーションが約束を支えられるかを確認します。
- **収益の質:**継続的な需要と、割引によって維持されている購入を切り分けます。

**限界:** 完成したキャンバスを、検証済みのビジネスと取り違えてしまうチームがあります。きれいに埋まったページがあっても、支払意思、採算の取れる獲得コスト、安定した提供体制が裏付けられたことにはなりません。

B2Bサブスクリプション企業がフリーミアムと直接販売を比較する場合は、それぞれ別のキャンバスを作成してください。フリーミアムではオンボーディング、サポート、コンバージョン、インフラの要件が変わります。直接販売では、人員体制、購買サイクル、顧客との関係が変わります。

運用上の事実が前提と食い違った場合は、各ブロックを見直します。キャンバスは簡潔に保ち、裏付けとなる計算は別に管理してください。こうした**概念モデルの例**は、図を議論の終点ではなく、検証の出発点として使うときに最も効果を発揮します。

## 4. スタースキーマで小売の売上とプロモーションを分析する

食料品店のマネージャーは、店舗、商品、取引期間をまたいでプロモーションの成果を比較する必要があります。基幹データベースには材料がそろっていますが、アナリストは結合を何度も作り直し、何を売上とみなすかで意見が分かれます。

**スタースキーマ**は、計測可能なイベントを持つ中心の**ファクトテーブル**と、その説明的な文脈を持つ周囲の**ディメンションテーブル**を軸に、分析を整理します。日付、店舗、商品、顧客、プロモーションが代表的なディメンションです。

厳密には、スタースキーマは単なる概念モデルではなく、通常は**論理的なディメンショナル設計**です。それでも概念レベルのスケッチは有用です。レポーティング構造を構築する前に、計測対象のイベントについて合意を取ることができるからです。

### 指標を選ぶ前にグレインを定義する

**ビジネス上の問い:** 売上、値引き、利益は、商品、店舗、プロモーション、時期によってどう変わるか。

最初の構築ステップは**グレイン**、つまり各ファクトレコードが何を表すかを正確に書くことです。小売の売上では、商品単位の数量、価格、値引きの詳細を保持できるため、取引明細行が適していることが多くあります。

ラルフ・キンボールとマージー・ロスは、ディメンショナルモデリングと深く結びつけられている人物です。チームにとっての実践的な教訓は、利用可能な指標をすべて同じテーブルに入れるのではなく、指標をグレインと整合させることです。

- **イベントを分ける:** 売上、在庫スナップショット、ウェブサイトのセッションは異なるイベントであり、それぞれに適したファクトテーブルが必要です。
- **ディメンションを共有する:** 売上と在庫を比較するときは、商品、店舗、日付の定義を統一します。
- **文脈を保持する:** 過去の分析に備え、該当する販売価格、値引き、商品分類を残します。
- **合計を突き合わせる:** モデル化した売上を、返品やキャンセルを含めて元のシステムと照合します。

**限界:** グレインを混在させると、もっともらしいのに誤った合計になります。たとえば、店舗単位の在庫を取引明細行に直接結合すると、在庫数量が重複して計上されることがあります。

> **設計上の注意:** 売上モデルでプロモーションの成果を説明できても、そのプロモーションが結果の原因だったことを証明できるわけではありません。

[小売のプロモーション最適化戦略](https://www.electe.net/post/promotion-optimization-in-retail)では、売上だけでなく、利益率、在庫状況、顧客行動を比較します。ECのコンバージョンモデルには、セッションや訪問の情報も必要です。販売取引のデータだけでは、購入せずに離脱した訪問者の数はわかりません。

## 5. 技術受容モデルで分析ツール導入の障壁を診断する

レポーティングプラットフォームは稼働し、ダッシュボードも表示されるのに、管理者はスプレッドシートにエクスポートし続けています。追加の研修を計画する前に、システムの価値を疑っているのか、使いこなせずに困っているのかを確認しましょう。

フレッド・デイビス(Fred Davis)に関連づけられる**技術受容モデル(Technology Acceptance Model、TAM)**は、**知覚された有用性**と**知覚された使いやすさ**を中心に据えています。これらの認識は、ユーザーがシステムを導入しようとする意図を説明する助けになりますが、継続的な利用やビジネス上の価値を保証するものではありません。

**ビジネス上の問い:**従業員が現在のやり方ではなく、この分析ワークフローを選ぶ理由は何でしょうか。

### アンケートとあわせて実際の業務を観察する

まず短いアンケートと業務の観察から始めます。システムが仕事に役立っているか、どこでつまずくかを従業員に尋ね、そのうえで売上サマリーの作成、在庫問題の調査、アラートの確認を行う様子を観察します。

製造業では、レポートのデモで、管理者がソースデータから実行可能な生産の議論へどう進むかを示す必要があります。小売業では、店舗マネージャーと需要予測を試験運用し、説明内容、手動での上書き、不足している文脈についてフィードバックを集めましょう。

対応する前に、障壁を切り分けます。

- **有用性が低い:**関連する意思決定を実演し、提供する情報を改善し、誰も必要としないレポートを廃止します。
- **使いやすさが低い:**ナビゲーションを簡素化し、役割別のガイドを提供し、アクセスの問題を解決します。
- **信頼が低い:**定義を説明し、不足している情報を明示し、従業員が出力結果に異議を唱える方法を示します。

[AI時代の中小企業支援に関するOECDレポート](https://www.oecd.org/content/dam/oecd/en/publications/reports/2026/04/empowering-smes-in-the-age-of-ai_7f58652c/bf5a9816-en.pdf)によると、調査対象の中小企業の56.6%が、AIを個別のタスクにしか使っていませんでした。この違いは重要です。単発の試行は、業務プロセスへの組み込みとは異なります。

**限界:**TAMだけでは、あらゆる制約を説明できません。従業員がシステムを気に入っていても、行動する権限がない場合があります。また、利用が義務づけられていると、成果が乏しくても導入の数字は良く見えてしまいます。

[欧州の中小企業向けELECTE分析](https://www.electe.net/post/ai-adoption-european-sme-barriers)を導入の議論の枠組みとして活用し、そのうえで完了したタスク、修正、継続利用を追跡してください。金融リスクのワークフローでは、人によるレビュー、意思決定の責任者、監査記録、適切なアクセス制御を維持します。自動アラートは、重大な措置を取る許可ではありません。

## 5つの概念モデルの比較一覧

項目考案者と発表年主な構成要素最適な用途代表的なビジネス活用例エンティティ・リレーションシップ(ER)モデルピーター・チェン、1976年エンティティ、属性、リレーションシップ、主キーデータ構造の設計と共有顧客・注文・商品の分析に向けたデータベース設計ロジックモデルW.K.ケロッグ財団が普及、2004年インプット、活動、アウトプット、アウトカム、インパクト、指標リソースや活動を測定可能な成果に結びつける施策の評価とプログラム成果の追跡ビジネスモデルキャンバスアレックス・オスターワルダーとイヴ・ピニュール、2010年顧客、価値、オペレーション、財務を網羅する9つのブロック事業が価値を生み出し獲得する仕組みの整理・検証ビジネスモデル、価格設定、チャネルの比較スタースキーマラルフ・キンボールとマージー・ロス、1996年に普及中心のファクトテーブルと周囲のディメンションテーブルビジネスデータの高速で扱いやすい分析商品別・店舗別・日付別・プロモーション別の売上分析技術受容モデルフレッド・デイビス、1989年知覚された有用性、知覚された使いやすさ、態度、意図技術の導入状況の理解と改善分析ツールの導入、トレーニング、展開の計画

## 5つのモデルを、より鋭い分析計画に変える

優れた**概念モデルの例**は、同じ役割を奪い合うのではなく、それぞれ異なる問いに答えます。ERモデルはデータ構造を明確にします。ロジックモデルはリソースや活動を成果に結び付け、ビジネスモデルキャンバスは戦略上の前提を可視化します。

スタースキーマは、売上比較のための一貫した構造をアナリストに提供します。TAMは、従業員が十分な価値、使いやすさ、信頼性を感じて、新しいワークフローを受け入れるかどうかを診断するのに役立ちます。適切なモデルを選べば、レポートに反映される前に避けられる意見の食い違いを減らせます。

### 主なポイント

- **まず意思決定を決める:** 地域限定のプロモーションを繰り返すべきかどうかなど、問いを平易な言葉で書き出します。
- **関係する要素だけを描く:** その問いに答えるために必要なエンティティ、成果、または認識だけを含めます。
- **根拠を添える:** 指標を定義し、元となるシステムを特定し、未検証の前提を記録します。
- **見直しの基準を設ける:** どのような根拠があればモデルを修正するか、あるいはその説明を退けるかを決めます。
- **責任者を決める:** 定義を管理する人、例外を確認する人、重要なアクションを承認する人を明確にします。

プロジェクトを文書作成作業にすることなく、複数のモデルを組み合わせることができます。たとえば小売業者なら、ERの図でソースレコードを整理し、スタースキーマで分析を構成し、ロジックモデルでキャンペーンを評価できます。課題が、インサイトを生み出すことから、マネージャーに活用してもらうことへ移ったら、TAMを加えます。

収益部門のリーダーにとっても、このアプローチは[最高収益責任者のデータ優先事項](https://www.revenuenomad.com/post/the-crucial-role-of-data-for-a-chief-revenue-officer-cro)に関する議論を深めます。まず商業上の意思決定から始め、次にそれを裏付ける根拠を確認します。顧客の定義が曖昧だったり、利益率の計算が一貫していなかったり、成長の前提が検証されていなかったりする場合、レポートを増やしても解決しません。

今週は、チームが何度も議論している経営上の問いを選び、その周りにモデルを描いてみてください。現場をよく知る人とレビューし、利用できる根拠をたどり、意思決定を最も左右しそうな前提を特定します。それが、より速く、より自信を持てる分析への実践的な土台になります。

---

中小企業向けのAI搭載データ分析プラットフォームであるELECTEは、ビジネスデータを予測、自動レポート、実行可能なインサイトにつなげます。モデルと具体的なビジネス上の問いをデモにお持ちいただければ、その構造がレポートのワークフローにどう反映されるかをご確認いただけます。[ELECTE](https://www.electe.net)にアクセスして、プラットフォームの仕組みをご覧いただき、個別デモをお申し込みください。
