経営ダッシュボード設計術
経営が見るべきKPIを3層に整理する
ダッシュボードは“なんとなく便利な指標の集合”ではなく、意思決定の順路を写す設計図です。まずはKPIを3層に分けます。北極星指標（最終成果）、成長レバー（操作可能な因子）、健全性（壊れていないかの監視）です。例として、北極星は「月次売上総利益（税・送料・ポイント控除後、出荷確定ベース）」、成長レバーは「新規顧客数（過去24か月未購入を新規と定義）」「平均注文単価」「在庫回転日数」「広告後粗利＝粗利−広告費」、健全性は「欠品率」「返品率」「配送遅延率」「解約率」「CS対応工数」などが候補になります。
北極星指標、成長レバー、健全性の3層
- 北極星指標：経営会議で1枚目に置く。定義はSQLレベルで明文化（例：currency=JPY、注文取消除外、計上日は出荷確定日）。
- 成長レバー：ドライバーツリーで因数分解。「売上総利益＝売上−原価−物流費−販促費」。各因子に担当部署と改善手段をひも付ける。
- 健全性：異常を早期検知する下限/上限の範囲管理。追うだけで施策が遅れるものはアラート化が前提。
各KPIに「意思決定の粒度（全社/事業/カテゴリ/SKU）」「計測単位（円、件、%）」「閲覧者（CEO/CFO/事業責任者/在庫担当）」を明記し、ダッシュボード上に定義ツールチップを出します。略語や暗黙の前提をなくすことが、会話の速度を上げます。
データ粒度と更新頻度の合意が9割
“どの頻度で、どの時刻の事実を確定と呼ぶか”の合意がダッシュボードの信頼性を決めます。注文は「出荷確定D+1」、在庫は「15分遅延の近似リアルタイム」、広告は「当日推定と翌日確定」の二層など、対象ごとに粒度を切り分けます。遅延到着データはリビルド窓（例：過去7日を再集計）を設け、再計算の影響範囲を可視化します。スナップショットテーブル（日末の在庫残高）と累積ファクト（受注明細）を併用し、週次・月次の締め直しにも耐えられるようにします。
日次/週次/リアルタイムの使い分け
- リアルタイム（〜15分）：在庫・障害・広告入札。意思決定は即時のスイッチング。
- 日次（D+1）：売上・粗利・解約。施策の継続/停止判断。
- 週次：採算・在庫適正在庫・人員計画。配分の見直し。
しきい値とアラート設計
単純な前日比ではノイズに弱いので、7日移動平均や季節性補正を前提にします。例：広告後粗利が「カテゴリAで連続2日マイナス」なら入札自動停止、粗利率が「3日連続で35%未満」なら価格/仕入を要因分解して対処。アラートには“説明責任者・対応SOP・許容期間”を紐付けます。
視覚設計の原則とアンチパターン
視覚は「一画面・二スクロール以内」を基本に、最上段は北極星と差分（前週/前年同週）、中段はドライバーのスモールマルチ、下段は異常リスト。色は意味を固定（緑＝良化、赤＝悪化、灰＝基準）、円グラフは避け、率は分子分母を併記します。更新時刻と定義へのリンク、元クエリへのトレースを常設。SQL定義の雛形レビューはCopilot、用語集の草案整備はChatGPTに下書きを手伝ってもらうと、非属人化が進みます。外れ値の説明文生成にGeminiやClaudeを補助として使うのも現実的です。
- アンチパターン1：PVやフォロワーなど虚栄指標を先頭に置く → 粗利や解約の実害指標を優先。
- アンチパターン2：累積グラフだけで推移を見る → 日次差分と目標線を併記。
- アンチパターン3：単位・通貨が混在 → 通貨は基軸に統一、換算レートを明記。
- アンチパターン4：平均値だけで判断 → 分位点やカテゴリー別ヒストグラムでばらつきを出す。
活用例：中堅アパレルEC、失敗からの再設計
最初のダッシュボードはPV/セッション/ROAS中心で、在庫や返品は別システム任せ。結果、広告強化でトラフィックは伸びたものの、人気SKUの欠品が増え、粗利率が低下。週次会議は数字の食い違いで時間を浪費していました。
再設計では、北極星を「月次売上総利益」に一本化。成長レバーに「新規顧客数」「平均注文単価」「在庫回転日数」「広告後粗利」「リピート率」、健全性に「欠品率」「返品率」「配送遅延率」「CS対応工数」を設定。定義は「売上＝出荷確定、キャンセル除外、ポイント控除、JPY固定」、新規顧客は「過去24か月未購入」。受注・WMS・広告APIを統合し、売上はD+1確定、在庫は15分更新、広告は当日推定と翌日確定で2レイヤー表示。アラートは「在庫余命3日未満のSKU」「カテゴリ別広告後粗利が2日連続マイナス」を自動通知。カテゴリ別スモールマルチと要因分解表で、価格/原価/販促/配送の寄与を色分けしました。
導入2か月で、広告費は18%削減、粗利率は+4.2pt、在庫回転は6日短縮、返品率は1.1pt改善。週次会議は30%短縮され、意思決定は「何を止め、どこに振るか」に集中。SQLのレビューにCopilot、定義書の整備にChatGPT、簡易需要予測の仮説作成にGemini、会議要点の要約にClaudeを使い、属人化のボトルネックも下がりました。
良いダッシュボードは、良いデータ解析プラットフォームの上でしか動きません。信頼できるスキーマ、遅延到着への耐性、血統（リネージ）とカタログ、権限と監査、そして定義のバージョン管理。土台が整えば、経営は数字で速く深く対話できます。それこそが、データ解析プラットフォーム事業が提供すべき実装価値だと考えます。
