ポートフォリオ確率管理 — パイプライン全体をベイズで読み解く

"木を見て森を見ない営業は、全体を見失う。森全体を確率で俯瞰した時、初めて戦略が見えてくる。"

序論: 個別案件からパイプライン全体へ

シリーズ1編では、個別の案件の受注確率P(Win)がどのように計算されるかを見てきた。しかし、現実の営業組織は1つの案件だけを管理しているわけではない。営業本部長の机の上では、数十、数百の案件が同時に進行している。

「今四半期の売上目標500億円。今パイプラインにある案件で達成可能か？」

この質問に対する伝統的な答えは、各営業担当者の自己評価を単純に合算することだ：

案件	担当者予想確率	案件価値	予想貢献売上
A社 ERP構築	80%	120億円	96億円
B社クラウド移行	60%	80億円	48億円
C社セキュリティソリューション	90%	50億円	45億円
合計		250億円	189億円

189億円？目標の500億円には遠く及ばない。しかし、この数字をどれだけ信頼できるのか？ A社の「80%」は誰が決めたのか？その80%は過大評価なのか、過小評価なのか？

ベイズポートフォリオ管理は、これらすべての質問に数学的に正直な答えを提供する。

Part 1: 期待売上のベイズ計算

1.1 基本公式: 確率加重売上

各案件 $i$ に対してEXAWinのP(Win)が計算されている場合、パイプライン全体の期待売上（Expected Revenue）は：

E[\text{Revenue}] = \sum_{i=1}^{N} P_i(\text{Win}) \times V_i

ここで、 $V_i$ は案件 $i$ の予想契約金額である。

1.2 不確実性を反映した3段階予測

しかし、P(Win)だけでは不十分だ。シリーズ1編で学んだ信用区間（Credible Interval）を活用すれば、パイプライン全体の不確実性を反映した3段階の予測が可能になる。

各案件の95%信用区間 $[P_{i,lower}, P_{i,upper}]$ を利用して：

\text{保守的予測} = \sum_{i=1}^{N} P_{i,lower} \times V_i

\text{期待予測} = \sum_{i=1}^{N} P_i(\text{Win}) \times V_i

\text{楽観的予測} = \sum_{i=1}^{N} P_{i,upper} \times V_i

1.3 シナリオ: 5案件のパイプライン

案件	案件価値	P(Win)	α + β	CI Lower	CI Upper	成熟度
A社 ERP	120億	78.5%	41.0	66.1%	91.0%	🌳 Mature
B社クラウド	80億	62.3%	12.5	35.8%	88.8%	🌿 Growing
C社セキュリティ	50億	85.2%	55.0	75.9%	94.5%	🌳 Mature
D社 AI	200億	45.1%	8.0	15.6%	74.6%	🌱 Early
E社保守	30億	91.3%	120.0	86.2%	96.4%	🌳 Mature

3段階売上予測:

\text{保守的} = 120 \times 0.661 + 80 \times 0.358 + 50 \times 0.759 + 200 \times 0.156 + 30 \times 0.862

= 79.3 + 28.6 + 38.0 + 31.2 + 25.9 = \textbf{203.0億円}

\text{期待} = 120 \times 0.785 + 80 \times 0.623 + 50 \times 0.852 + 200 \times 0.451 + 30 \times 0.913

= 94.2 + 49.8 + 42.6 + 90.2 + 27.4 = \textbf{304.2億円}

\text{楽観的} = 120 \times 0.910 + 80 \times 0.888 + 50 \times 0.945 + 200 \times 0.746 + 30 \times 0.964

= 109.2 + 71.0 + 47.3 + 149.2 + 28.9 = \textbf{405.6億円}

経営陣への報告: 「現在のパイプライン基準で、今四半期の期待売上は304億円です。保守的に見て203億円、楽観的に見て406億円の水準です。目標の500億円達成のためには、追加で約100〜200億円規模の新規案件の確保が必要です。」

これが数字1つ（「304億円」）ではなく、不確実性の幅を共に報告するベイズ方式である。経営陣は保守的シナリオ（203億円）と楽観的シナリオ（406億円）の間で、リスクを認識した意思決定を下すことができる。

Part 2: 案件優先順位マトリックス — どこにエネルギーを注ぐか

2.1 P(Win) × 案件価値マトリックス

営業リソースは有限だ。5人の営業担当者が50の案件を同時に管理することはできない。核心はどの案件に集中するかだ。

2次元マトリックスで分類する：

	案件価値高 (≥ 100億円)	案件価値低 (< 100億円)
P(Win) 高 (≥ 70%)	🔴 最優先: 没入投資	🟡 効率: 迅速なクロージング
P(Win) 低 (< 70%)	🟠 戦略: 集中育成 or 放棄	🟢 観察: 最小限の管理

上記の5案件に適用すると：

A社 ERP (120億, 78.5%) → 🔴 最優先
D社 AI (200億, 45.1%) → 🟠 戦略 (価値は最大だが確率が低い → 集中育成が必要)
C社セキュリティ (50億, 85.2%) → 🟡 効率 (迅速に契約をまとめる)
B社クラウド (80億, 62.3%) → 🟡/🟠 境界 (追加のシグナルが必要)
E社保守 (30億, 91.3%) → 🟡 効率 (ほぼ確定、最小限の管理)

2.2 証拠の成熟度を考慮した優先順位調整

P(Win)が高くても、証拠の成熟度が 🌱 Early であれば、その確率は不安定だ。D社 AI案件（200億、45.1%、🌱 Early）のCIは [15.6%, 74.6%] と範囲が極端に広い。

\text{Expected Value} = P(\text{Win}) \times V = 0.451 \times 200 = 90.2億円

しかし、保守的シナリオでは：

\text{Conservative} = P_{lower} \times V = 0.156 \times 200 = 31.2億円

期待値90.2億と保守的31.2億のギャップが59億円。このギャップが大きいほどリスクが大きいことを意味する。

EXAWinはこれを期待値ボラティリティ（Expected Value Volatility）として表示する：

\text{EVV} = (P_{upper} - P_{lower}) \times V

案件	EVV	解釈
D社 AI	(0.746 - 0.156) × 200 = 118.0億円	非常に不安定、追加の証拠が急務
B社クラウド	(0.888 - 0.358) × 80 = 42.4億円	不安定、証拠の収集が必要
A社 ERP	(0.910 - 0.661) × 120 = 29.9億円	安定、クロージングに集中
C社セキュリティ	(0.945 - 0.759) × 50 = 9.3億円	非常に安定、仕上げの段階
E社保守	(0.964 - 0.862) × 30 = 3.1億円	確定的、管理のみ

戦略的インサイト: D社 AI案件は期待値が90億だが、EVVが118億だ。これは「この案件一つが四半期の実績を左右する可能性があるが、まだ証拠が少なすぎる」という強力な警告である。最高の営業人材をD社に投入し、証拠の成熟度を 🌱→🌿→🌳 へと急速に引き上げなければならない。

Part 3: リソースの最適配分 — 限られた時間の数学

3.1 限界期待値（Marginal Expected Value）

営業担当者の時間1時間が各案件に及ぼす限界期待値を計算できる。P(Win)が50%付近の案件は、1時間の追加活動が確率を3〜5%p上げる可能性があるが、すでに90%の案件は1時間を追加しても1%pも上がらない。

これは収穫逓減の法則（Law of Diminishing Returns）と一脈通じている：

\text{MEV}_i = \frac{\partial P_i}{\partial t} \times V_i

P(Win)が中間帯（40〜60%）にある案件でMEVが最も高い。すでに確実な案件や、すでに放棄した案件に時間を投じるのは非効率である。

3.2 実践的な配分例

週40時間のうち、営業活動に使える時間が30時間だとした場合：

案件	P(Win)区間	配分時間	戦略
D社 AI	45.1% (中間帯)	12時間	集中育成 — 技術検証、意思決定者とのミーティング
B社クラウド	62.3% (中間帯)	8時間	シグナル収集 — 追加デモ、見積もりの調整
A社 ERP	78.5% (高い)	5時間	クロージング — 最終条件の交渉
C社セキュリティ	85.2% (高い)	3時間	仕上げ — 契約書の確認
E社保守	91.3% (ほぼ確定)	2時間	管理 — 署名スケジュールの確認

核心原則: 「確実な案件に時間を費やすな。不確実な案件の中で価値の大きいところに投資せよ。」これが確率に基づくリソース配分の本質である。

Part 4: パイプラインの健康指標

4.1 加重パイプラインカバレッジ（Weighted Pipeline Coverage）

伝統的なパイプラインカバレッジは、単純に「パイプライン総額 / 目標」の比率だ：

\text{単純 Coverage} = \frac{\sum V_i}{\text{目標}} = \frac{480億}{500億} = 0.96x

しかし、これはP(Win)を無視した数字だ。ベイズ加重カバレッジは：

\text{加重 Coverage} = \frac{\sum P_i \times V_i}{\text{目標}} = \frac{304.2億}{500億} = 0.61x

そして保守的カバレッジ：

\text{保守的 Coverage} = \frac{\sum P_{i,lower} \times V_i}{\text{目標}} = \frac{203.0億}{500億} = 0.41x

経営陣の解釈: 単純カバレッジ0.96xは「ほぼ達成可能」に見えるが、加重カバレッジ0.61xは「大きなギャップの存在」、保守的カバレッジ0.41xは「深刻なリスク」を意味する。現実は数字ではなく確率が語っている。

4.2 目標達成確率（Goal Achievement Probability）

さらに精巧に、「目標の500億円を達成する確率」を直接計算できる。各案件が独立していると仮定すると、総売上の分布は個々のベルヌーイ確率変数の和になる。

モンテカルロシミュレーションで10,000回繰り返すと：

各シミュレーションにおいて、案件 $i$ は $P_i$ の確率で成約（売上 $V_i$ ）、 $(1 - P_i)$ の確率で失注（売上 0）
10,000回のうち、売上合計 ≥ 500億円となる回数の割合 = 目標達成確率

現在のパイプラインでの500億円達成確率 = 約 12.3%

「どうすれば達成確率を50%以上に引き上げられるか？」 → D社 AI案件のP(Win)を 45% → 70% に引き上げる = 34.7% → + 100億円規模の新規案件2件追加（P(Win) 50%） = 51.2%

Part 5: ポートフォリオのリバランス — いつ諦め、いつ押し進めるか

5.1 損切り基準（Cut-off Threshold）

すべての案件を最後まで推進することはできない。P(Win)が持続的に下落し、証拠の成熟度が 🌳 Mature であるにもかかわらず30%を下回る案件は、事実上の失注である。

EXAWinの放棄勧告条件：

P(Win) < 25% AND 証拠の成熟度 ≥ 🌿 Growing
3回連続のミーティングで S⁻ > S⁺（否定的なシグナルが肯定を圧倒）
Momentum P(Win) が基本のP(Win)より15%p以上低い（最近の傾向が悪化）

5.2 集中育成基準（Nurture Priority）

逆に、P(Win)はまだ低いが成長の可能性が大きい案件がある：

P(Win) = 30〜50% AND 証拠の成熟度 🌱 Early（まだ証拠収集の初期）
案件価値が上位20%
最近のミーティングで SA 5.0 シグナルが1回以上

これらの案件は、1〜2回の重要なミーティングでP(Win)が急上昇する可能性がある。ベイズの核心的な特性 — 初期の一つの証拠が確率に大きな変化をもたらす — を戦略的に活用するのだ。

Part 6: 時系列ポートフォリオの追跡 — 森の健康を毎週診断する

6.1 週間パイプラインダッシュボード

毎週月曜日、営業本部長は次の指標を1つの画面で確認する：

指標	今週	先週	変化	シグナル
総案件数	48	45	+3	🟢 新規流入
加重パイプライン	304.2億	287億	+17.2億	🟢 成長
保守的パイプライン	203.0億	198億	+5.0億	🟡 微増
目標達成確率	12.3%	10.8%	+1.5%p	🟡 改善中
平均 P(Win)	58.2%	56.7%	+1.5%p	🟢 健康
P(Win) < 30% の案件数	8	7	+1	🔴 放棄候補の増加
沈黙ペナルティ警告	5件	3件	+2	🔴 フォローアップ急務

6.2 トレンド分析: パイプラインは健康になっているか？

4週間の加重パイプラインの推移：

Week 1: 245億
Week 2: 267億
Week 3: 287億
Week 4: 304億

線形トレンド: 毎週約 +20億。この傾向が維持されれば8週間後に約460億。目標の500億に近づくが未達。

戦略的判断: 「現在のトレンドは良好だが、目標達成には追加の刺激が必要だ。D社 AI案件のP(Win)上昇、または大型の新規案件の流入が核心的な変数となる。」

結論: 森を見る目

個別の案件のP(Win)は、一本の木の健康状態である。しかし、営業本部長に必要なのは森全体の健康である。

ベイズポートフォリオ管理は次のことを可能にする：

正直な売上予測: 期待値だけでなく、保守的／楽観的な範囲を共に提示
リソースの最適配分: 限界期待値が最も高い案件にエネルギーを集中
リスクの早期検知: EVV（期待値ボラティリティ）で不安定な案件を識別
戦略的な意思決定: 放棄、育成、クロージングの客観的基準を提供
経営陣の信頼構築: 勘ではなく確率で対話する文化

シリーズ3編では、条件付き確率を利用した競合分析 — 「競合がこの案件に参入した場合、我々のP(Win)はどれくらい変化するのか？」を扱います。

著者: EXA Bayesian Research Lab
発行: EXAWin Technical Series — Vol. 2
キーワード: #BayesianPortfolio #PipelineManagement #SalesForecast #ResourceOptimization #EXAWin

BA04-3. [シリーズ2編] ポートフォリオ確率管理 — パイプライン全体をベイズで読み解く

ポートフォリオ確率管理 — パイプライン全体をベイズで読み解く

序論: 個別案件からパイプライン全体へ

Part 1: 期待売上のベイズ計算

1.1 基本公式: 確率加重売上

1.2 不確実性を反映した3段階予測

1.3 シナリオ: 5案件のパイプライン

Part 2: 案件優先順位マトリックス — どこにエネルギーを注ぐか

2.1 P(Win) × 案件価値マトリックス

2.2 証拠の成熟度を考慮した優先順位調整

Part 3: リソースの最適配分 — 限られた時間の数学

3.1 限界期待値（Marginal Expected Value）

3.2 実践的な配分例

Part 4: パイプラインの健康指標

4.1 加重パイプラインカバレッジ（Weighted Pipeline Coverage）

4.2 目標達成確率（Goal Achievement Probability）

Part 5: ポートフォリオのリバランス — いつ諦め、いつ押し進めるか

5.1 損切り基準（Cut-off Threshold）

5.2 集中育成基準（Nurture Priority）

Part 6: 時系列ポートフォリオの追跡 — 森の健康を毎週診断する

6.1 週間パイプラインダッシュボード

6.2 トレンド分析: パイプラインは健康になっているか？

結論: 森を見る目

Bayesian EXAWin-Rate Forecaster

Comments0

More in Bayesian

ラインのPQC事案：不良を断定せず、証拠で管理する方法

一つのPOP入力が出荷までつながる瞬間：ライン実行統制の一日

1階入庫から外部完成品倉庫まで：在庫が会社資産として残る方式

Products

Knowledge System

Blog / Research

Company