🏢 STEP 53: 業界別ダッシュボード事例研究

様々な業界でのBIツール活用事例から学ぼう！

📋 このステップで学ぶこと

業界	主要テーマ	核となるKPI
🛒 小売業	在庫管理・回転率最適化	在庫回転率、欠品率、廃棄ロス率
🏭 製造業	生産効率・品質管理	OEE、稼働率、良品率
💼 SaaS	継続収益・顧客維持	MRR、チャーン率、LTV/CAC
💰 金融業	リスク管理・リターン最大化	シャープレシオ、VaR、最大DD

学習時間の目安：4時間｜ゴール：業界特有のKPIを理解し、自社への応用ができるようになる

🛒 1. 小売業 – 在庫回転率ダッシュボード

業界背景

小売業では在庫が最大の資産であり、同時に最大のリスクです。過剰在庫はキャッシュフローを圧迫し、倉庫コストを増加させます。一方、欠品は販売機会を失い、顧客離れを引き起こします。適切な在庫管理がビジネス成功の鍵となります。

📊 小売業の主要KPI

KPI	計算式	目標値	重要性
在庫回転率	売上原価 ÷ 平均在庫金額	年12回転以上	資金効率の核心指標
在庫回転日数	365日 ÷ 在庫回転率	30日以内	在庫滞留期間の把握
粗利益率	(売上 – 原価) ÷ 売上 × 100	30%以上	収益性の基本指標
欠品率	欠品商品数 ÷ 総商品数 × 100	5%以下	機会損失の指標
廃棄ロス率	廃棄金額 ÷ 仕入金額 × 100	3%以下	過剰在庫リスク
ABC分類	売上貢献度でA/B/C分類	A品管理徹底	重点管理対象の特定

🔵 Tableau: 在庫管理ダッシュボード設計

【ダッシュボードレイアウト】

┌─────────────────────────────────────────────────────────────────┐
│  🛒 在庫管理ダッシュボード          [今月] ▼ [全店舗] ▼        │
├─────────┬─────────┬─────────┬─────────┬─────────┬─────────────┤
│ 在庫金額 │ 回転率   │ 粗利率   │ 欠品率   │ 廃棄率   │ ABC分析     │
│ ¥45.2M  │  14.2   │  32.5%  │  3.2%   │  1.8%   │ A:120品目   │
│   ↓5%   │   ↑1.2  │  ↑0.5%  │  ↓0.3%  │   →    │ B:350品目   │
├─────────┴─────────┴─────────┴─────────┴─────────┴─────────────┤
│                                                                 │
│  📈 在庫回転率推移（月次・カテゴリ別）                          │
│  ────────────────────────────────────────────────              │
│  16 ┤                    ╭─╮                                   │
│  14 ┤  ╭──╮    ╭───╮   │ │  ╭─╮                             │
│  12 ┤──╯  ╰────╯   ╰───╯ ╰──╯ ╰── ─ ─ 目標ライン           │
│  10 ┤                                                          │
│     └──────────────────────────────────────────────           │
│       1月  2月  3月  4月  5月  6月  7月  8月  9月              │
│                                                                 │
├────────────────────────────┬────────────────────────────────────┤
│                            │                                    │
│  📊 ABC分析               │  🗺️ 店舗×カテゴリ ヒートマップ    │
│  （売上×在庫 散布図）      │  （回転率を色で表現）              │
│                            │                                    │
│    在庫 ↑                  │       食品  衣料  雑貨  家電      │
│        │  ● C品            │  渋谷  ██   ██   ░░   ██         │
│        │     ● B品         │  新宿  ██   ░░   ██   ░░         │
│        │        ● A品      │  池袋  ░░   ██   ██   ██         │
│        └──────────→ 売上   │  ██ 高回転  ░░ 低回転            │
│                            │                                    │
├────────────────────────────┴────────────────────────────────────┤
│  ⚠️ 要注意商品リスト                                           │
│ ┌────────┬──────────┬─────────┬─────────┬───────────────────┐ │
│ │ 商品ID  │ 商品名    │ 在庫日数 │ 回転率  │ アラート種別      │ │
│ │ P001   │ 夏物Tシャツ │ 85日    │ 2.1    │ 🔴 過剰在庫       │ │
│ │ P002   │ 人気スニーカー│ 5日     │ 28.5   │ 🟡 欠品リスク     │ │
│ │ P003   │ 旧モデル家電 │ 120日   │ 1.2    │ 🔴 低回転         │ │
│ └────────┴──────────┴─────────┴─────────┴───────────────────┘ │
└─────────────────────────────────────────────────────────────────┘

🔵 Tableau: 計算フィールド

// ========================================
// 在庫回転率関連
// ========================================

// 在庫回転率
在庫回転率 = 
SUM([売上原価]) / 
((SUM([期首在庫]) + SUM([期末在庫])) / 2)

// 在庫回転日数
在庫回転日数 = 
365 / [在庫回転率]

// 粗利益率
粗利益率 = 
(SUM([売上金額]) - SUM([売上原価])) / SUM([売上金額])


// ========================================
// ABC分析
// ========================================

// ABC分類（売上貢献度で分類）
ABC分類 = 
IF RANK(SUM([売上金額]), 'desc') / 
   TOTAL(COUNTD([商品ID])) <= 0.2 
THEN "A: 上位20%（売上70%）"
ELSEIF RANK(SUM([売上金額]), 'desc') / 
       TOTAL(COUNTD([商品ID])) <= 0.5
THEN "B: 中位30%（売上20%）"
ELSE "C: 下位50%（売上10%）"
END

// ABC累積売上比率（パレート曲線用）
累積売上比率 = 
RUNNING_SUM(SUM([売上金額])) / TOTAL(SUM([売上金額]))


// ========================================
// アラート判定
// ========================================

// 在庫アラート
在庫アラート = 
IF [在庫回転日数] > 60 THEN "🔴 過剰在庫"
ELSEIF [在庫回転日数] < 7 THEN "🟡 欠品リスク"
ELSEIF [在庫回転率] < 6 THEN "🟠 低回転"
ELSE "✅ 正常"
END

// 発注推奨フラグ
発注推奨 = 
IF [在庫数量] <= [安全在庫] THEN "要発注"
ELSEIF [在庫数量] <= [発注点] THEN "発注検討"
ELSE "在庫十分"
END

🏭 2. 製造業 - 生産管理ダッシュボード

業界背景

製造業では生産効率と品質が競争力の源泉です。設備稼働率、不良率、リードタイムなどをリアルタイムで監視し、継続的改善（カイゼン）を実現します。特にOEE（総合設備効率）は世界標準の生産性指標として広く活用されています。

📊 製造業の主要KPI

KPI	計算式	目標値	世界クラス水準
OEE	稼働率 × 性能率 × 良品率	85%以上	90%以上
稼働率	実稼働時間 ÷ 負荷時間	90%以上	95%以上
性能率	理論CT × 生産数 ÷ 実稼働時間	95%以上	98%以上
良品率	良品数 ÷ 生産数 × 100	99%以上	99.9%以上
リードタイム	受注から納品までの日数	業界平均以下	50%短縮
MTBF	稼働時間合計 ÷ 故障回数	長いほど良い	計画停止のみ

📊 OEE（総合設備効率）の構造

【OEEの3要素】

総時間（例: 480分/日）
├─ 計画停止（休憩、計画保全）: 60分
└─ 負荷時間: 420分
    ├─ ダウンタイム（故障、段取り）: 42分
    └─ 実稼働時間: 378分
        ├─ 速度低下ロス: 19分相当
        └─ 正味稼働時間: 359分
            ├─ 不良ロス: 4分相当
            └─ 価値稼働時間: 355分

【計算例】

稼働率 = 378 ÷ 420 = 90.0%
     （ダウンタイムによるロス）

性能率 = 359 ÷ 378 = 95.0%
     （速度低下によるロス）

良品率 = 355 ÷ 359 = 98.9%
     （不良によるロス）

OEE = 90.0% × 95.0% × 98.9% = 84.6%

【6大ロス】

┌─────────────┬─────────────┬───────────────────────────┐
│ 影響要素     │ ロス種類    │ 具体例                     │
├─────────────┼─────────────┼───────────────────────────┤
│ 稼働率       │ 故障停止    │ 設備故障、緊急保全         │
│             │ 段取り調整  │ 型替え、材料交換           │
├─────────────┼─────────────┼───────────────────────────┤
│ 性能率       │ 空転・瞬停  │ ワーク詰まり、センサー異常 │
│             │ 速度低下    │ 摩耗、調整不良             │
├─────────────┼─────────────┼───────────────────────────┤
│ 良品率       │ 不良・手直し │ 寸法不良、外観不良         │
│             │ 立上りロス  │ 試運転、条件出し           │
└─────────────┴─────────────┴───────────────────────────┘

🟠 Power BI: 生産管理DAXメジャー

// ========================================
// OEE計算
// ========================================

// 稼働率
稼働率 = 
DIVIDE(
    SUM(生産実績[実稼働時間_分]),
    SUM(生産実績[負荷時間_分]),
    0
)

// 性能率
性能率 = 
DIVIDE(
    SUM(生産実績[理論サイクルタイム_秒]) * SUM(生産実績[生産数]),
    SUM(生産実績[実稼働時間_分]) * 60,
    0
)

// 良品率
良品率 = 
DIVIDE(
    SUM(生産実績[良品数]),
    SUM(生産実績[生産数]),
    0
)

// OEE（総合設備効率）
OEE = [稼働率] * [性能率] * [良品率]

// OEEランク
OEEランク = 
SWITCH(
    TRUE(),
    [OEE] >= 0.90, "🏆 世界クラス",
    [OEE] >= 0.85, "✅ 優良",
    [OEE] >= 0.65, "🟡 標準",
    "🔴 要改善"
)


// ========================================
// ダウンタイム分析
// ========================================

// 停止理由別ダウンタイム
ダウンタイム理由別 = 
CALCULATE(
    SUM(生産実績[ダウンタイム_分]),
    ALLEXCEPT(生産実績, 生産実績[停止理由])
)

// ダウンタイム構成比（パレート用）
ダウンタイム構成比 = 
DIVIDE(
    [ダウンタイム理由別],
    CALCULATE(SUM(生産実績[ダウンタイム_分]), ALL(生産実績[停止理由])),
    0
)


// ========================================
// 品質分析（パレート）
// ========================================

// 不良原因別累積比率
累積不良率 = 
VAR 現在行不良数 = [不良数]
VAR 累積 = 
    CALCULATE(
        SUM(品質[不良数]),
        FILTER(
            ALL(品質[不良原因]),
            [不良数] >= 現在行不良数
        )
    )
VAR 合計 = CALCULATE(SUM(品質[不良数]), ALL(品質[不良原因]))
RETURN
    DIVIDE(累積, 合計, 0)


// ========================================
// MTBF（平均故障間隔）
// ========================================

MTBF = 
DIVIDE(
    SUM(設備[稼働時間_時]),
    SUM(設備[故障回数]),
    BLANK()
)

💼 3. SaaS企業 - MRR・チャーン率管理

業界背景

SaaS（Software as a Service）ビジネスでは、継続的な収益（MRR）と顧客維持（チャーン率低下）が最重要です。単発売上ではなく、長期的な顧客関係が企業価値を生みます。投資家もこれらの指標を重視するため、正確な把握と可視化が不可欠です。

📊 SaaSの主要KPI

KPI	計算式	健全な目標	重要性
MRR	月次経常収益の合計	前月比+5%以上	成長の核となる指標
ARR	MRR × 12	前年比+50%以上	年間予測収益
チャーン率	解約顧客数 ÷ 期首顧客数	月次2%以下	顧客維持の指標
NRR	(MRR+拡張-縮小-解約)÷前月MRR	110%以上	既存顧客からの成長
LTV	ARPU × 平均契約期間	CAC×3以上	顧客生涯価値
CAC	営業マーケ費用÷新規顧客数	LTV/3以下	獲得効率
LTV/CAC	LTV ÷ CAC	3.0以上	ビジネスの健全性

📊 MRRの構成要素

【MRRの5つの構成要素】

今月MRR = 前月MRR + 新規MRR + 拡張MRR - 縮小MRR - 解約MRR + 復帰MRR

┌─────────────────────────────────────────────────────────────────┐
│                                                                 │
│  前月MRR: ¥10,000,000                                          │
│      │                                                          │
│      ├─ + 新規MRR: ¥800,000（新規契約）                        │
│      │                                                          │
│      ├─ + 拡張MRR: ¥500,000（アップグレード、追加購入）        │
│      │                                                          │
│      ├─ - 縮小MRR: ¥200,000（ダウングレード）                  │
│      │                                                          │
│      ├─ - 解約MRR: ¥300,000（解約）                            │
│      │                                                          │
│      └─ + 復帰MRR: ¥100,000（再契約）                          │
│      │                                                          │
│      ▼                                                          │
│  今月MRR: ¥10,900,000（+9%）                                   │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘


【Net Revenue Retention (NRR) の計算】

NRR = (前月MRR + 拡張MRR - 縮小MRR - 解約MRR) ÷ 前月MRR

例:
NRR = (10,000,000 + 500,000 - 200,000 - 300,000) ÷ 10,000,000
    = 10,000,000 ÷ 10,000,000
    = 100%

※ 新規MRRは含まない（既存顧客からの成長を測定）
※ 110%以上が優良SaaSの目安（既存顧客だけで成長）

🟠 Power BI: SaaS KPI DAXメジャー

// ========================================
// MRR関連
// ========================================

// アクティブMRR
MRR = 
CALCULATE(
    SUM(契約[月額料金]),
    契約[ステータス] = "アクティブ"
)

// 新規MRR
新規MRR = 
CALCULATE(
    SUM(契約[月額料金]),
    契約[契約タイプ] = "新規",
    契約[契約開始日] >= STARTOFMONTH(TODAY()),
    契約[契約開始日] <= EOMONTH(TODAY(), 0)
)

// 拡張MRR（アップグレード）
拡張MRR = 
CALCULATE(
    SUM(契約変更[金額差分]),
    契約変更[変更タイプ] = "アップグレード",
    契約変更[変更日] >= STARTOFMONTH(TODAY())
)

// 解約MRR
解約MRR = 
CALCULATE(
    SUM(契約[月額料金]),
    契約[解約日] >= STARTOFMONTH(TODAY()),
    契約[解約日] <= EOMONTH(TODAY(), 0)
)


// ========================================
// チャーン率
// ========================================

// 顧客チャーン率
顧客チャーン率 = 
VAR 期首顧客数 = 
    CALCULATE(
        COUNTROWS(契約),
        契約[ステータス] = "アクティブ",
        契約[契約開始日] < STARTOFMONTH(TODAY())
    )
VAR 解約顧客数 = 
    CALCULATE(
        COUNTROWS(契約),
        契約[解約日] >= STARTOFMONTH(TODAY()),
        契約[解約日] <= EOMONTH(TODAY(), 0)
    )
RETURN
    DIVIDE(解約顧客数, 期首顧客数, 0)

// MRRチャーン率
MRRチャーン率 = 
DIVIDE([解約MRR], [MRR] + [解約MRR], 0)


// ========================================
// LTV/CAC
// ========================================

// LTV
LTV = 
VAR ARPU = DIVIDE([MRR], [アクティブ顧客数], 0)
VAR 平均契約月数 = AVERAGE(契約[契約期間_月])
RETURN
    ARPU * 平均契約月数

// CAC
CAC = 
DIVIDE(
    CALCULATE(SUM(費用[金額]), 費用[カテゴリ] IN {"営業", "マーケティング"}),
    [新規顧客数],
    0
)

// LTV/CAC比率
LTV_CAC比率 = DIVIDE([LTV], [CAC], 0)

// LTV/CAC判定
LTV_CAC判定 = 
SWITCH(
    TRUE(),
    [LTV_CAC比率] >= 5, "🏆 非常に健全",
    [LTV_CAC比率] >= 3, "✅ 健全",
    [LTV_CAC比率] >= 1, "🟡 要改善",
    "🔴 危険"
)

💰 4. 金融業 - ポートフォリオ分析

業界背景

金融業ではリスク管理とリターン最大化のバランスが重要です。ポートフォリオの構成、リスク指標、パフォーマンスをリアルタイムで監視します。規制対応のための正確なリスク計測も必須です。

📊 金融業の主要KPI

KPI	計算式・説明	目安	用途
トータルリターン	(期末評価額-期首+配当)÷期首	ベンチマーク超過	運用成績評価
シャープレシオ	(リターン-無リスク金利)÷標準偏差	1.0以上	リスク調整後リターン
最大ドローダウン	ピークからの最大下落率	-20%以内	下落リスク把握
VaR	一定期間・確率での最大損失	許容範囲内	リスク管理・規制対応
アルファ	ベンチマーク超過リターン	正の値	運用スキル評価
ベータ	市場感応度	戦略次第	市場リスク把握

🔵 Tableau: ポートフォリオダッシュボード設計

【ダッシュボードレイアウト】

┌─────────────────────────────────────────────────────────────────┐
│  💰 ポートフォリオ分析          [2024年Q4] ▼ [全資産] ▼        │
├─────────┬─────────┬─────────┬─────────┬─────────┬─────────────┤
│ 評価額   │ YTDリターン│ シャープ │ 最大DD  │ VaR(95%)│ リスク      │
│ ¥125.8M │  +12.5%  │   1.32   │  -8.2%  │ ¥3.2M  │ レベル     │
│  ↑8.2%  │ BM+2.3%  │  良好    │  許容内  │        │ ✅ 中      │
├─────────┴─────────┴─────────┴─────────┴─────────┴─────────────┤
│                                                                 │
│  📈 リターン推移 vs ベンチマーク（月次）                        │
│  ────────────────────────────────────────────────              │
│  +15% ┤                         ╭─────────── ポートフォリオ    │
│  +10% ┤         ╭───╮   ╭─────╯                                │
│   +5% ┤   ╭─────╯   ╰───╯                                      │
│    0% ┼───╯─────────────────────────────────── ベンチマーク    │
│   -5% ┤                                                         │
│       └──────────────────────────────────────────────          │
│        1月  2月  3月  4月  5月  6月  7月  8月  9月              │
│                                                                 │
├────────────────────────────┬────────────────────────────────────┤
│  🗺️ アセットアロケーション │  📊 セクター別構成比              │
│  （ツリーマップ）          │  （横棒グラフ）                    │
│                            │                                    │
│  ┌────────────┬──────┐    │  テクノロジー  ████████ 28%       │
│  │   株式     │ 債券 │    │  金融         ██████ 22%          │
│  │   60%     │ 25%  │    │  ヘルスケア   █████ 18%            │
│  ├────────────┼──────┤    │  エネルギー   ███ 12%              │
│  │ オルタナ  │ 現金 │    │  その他       ████ 20%              │
│  │   10%    │  5%  │    │                                    │
│  └────────────┴──────┘    │                                    │
│                            │                                    │
├────────────────────────────┴────────────────────────────────────┤
│  📊 リスク×リターン散布図（個別銘柄）                          │
│                                                                 │
│  リターン ↑                                                     │
│    +20% │              ● 銘柄A                                  │
│    +15% │         ● 銘柄B                                       │
│    +10% │    ● 銘柄C    ● 銘柄D                                 │
│     +5% │ ● 銘柄E                                               │
│      0% ┼────────────────────────────────→ リスク(標準偏差)    │
│         0%      5%     10%     15%     20%                      │
│                                                                 │
└─────────────────────────────────────────────────────────────────┘

🔵 Tableau: 金融指標計算フィールド

// ========================================
// リターン計算
// ========================================

// トータルリターン
リターン = 
([期末評価額] - [期首評価額] + [配当受取額]) / [期首評価額]

// ベンチマーク比較（超過リターン）
超過リターン = 
[リターン] - [ベンチマークリターン]

// 年率換算リターン
年率リターン = 
POWER(1 + [リターン], 12 / [保有月数]) - 1


// ========================================
// リスク指標
// ========================================

// シャープレシオ（テーブル計算）
シャープレシオ = 
(WINDOW_AVG(SUM([月次リターン])) - [無リスク金利]) 
/ WINDOW_STDEV(SUM([月次リターン]))

// 最大ドローダウン
ドローダウン = 
([現在評価額] - WINDOW_MAX(SUM([評価額]))) 
/ WINDOW_MAX(SUM([評価額]))

最大ドローダウン = 
WINDOW_MIN([ドローダウン])

// VaR（95%信頼区間、パラメトリック法）
VaR_95 = 
[ポートフォリオ評価額] * [標準偏差] * 1.65


// ========================================
// ポートフォリオ構成
// ========================================

// 資産クラス別構成比
構成比 = 
SUM([評価額]) / TOTAL(SUM([評価額]))

// セクター集中度（ハーフィンダール指数）
セクター集中度 = 
WINDOW_SUM(POWER([構成比], 2))


// ========================================
// ベータ・アルファ（高度な計算）
// ========================================

// ベータ（市場感応度）
// ※ 実際にはCOVARIANCE/VARIANCEで計算
// Tableauではテーブル計算で近似

// アルファ（超過リターン）
アルファ = 
[リターン] - ([無リスク金利] + [ベータ] * ([市場リターン] - [無リスク金利]))

📊 業界横断：KPI選定のポイント

📊 業界別KPIの特徴比較

業界	最重要KPI	時間軸	ビジュアル	ツール推奨
小売業	在庫回転率	日次〜月次	ヒートマップ、ABC散布図	Tableau（探索的）
製造業	OEE	リアルタイム〜日次	ゲージ、パレート図	Power BI（IoT連携）
SaaS	MRR、NRR	月次〜年次	コホート、ウォーターフォール	どちらでも可
金融業	シャープレシオ	日次〜月次	散布図、ツリーマップ	Tableau（ビジュアル）

💡 KPI選定のフレームワーク

【KPI選定の5つのステップ】

Step 1: 戦略目標の明確化
├─ 会社のビジョン・ミッションは？
├─ 今期の最重要目標は？
└─ 成功とは何か？

Step 2: 重要成功要因（CSF）の特定
├─ 目標達成に必須な要素は？
├─ 競争優位の源泉は？
└─ リスク要因は？

Step 3: KPIの設定
├─ CSFを測定可能な指標に変換
├─ 先行指標と遅行指標のバランス
└─ SMART原則（具体的、測定可能、達成可能、関連性、期限）

Step 4: 優先順位付け
├─ 重要度 × 影響度のマトリックス
├─ データ取得可能性
└─ 5〜7個に絞り込み

Step 5: 目標値の設定
├─ ベンチマーク（業界平均、競合）
├─ 過去実績からの改善目標
└─ ストレッチ目標と最低ライン


【よくある失敗パターン】

❌ KPIが多すぎる（20個以上）
   → 本当に重要なものに絞る

❌ 測定できない指標を設定
   → データ取得可能性を事前確認

❌ アクションにつながらない
   → 異常検知時のアクションまで設計

❌ 目標値がない
   → 必ず目標と現状のギャップを可視化

❌ 更新頻度が合っていない
   → ビジネスの意思決定サイクルに合わせる

📝 STEP 53 のまとめ

✅ このステップで学んだこと

小売業：在庫回転率、ABC分析、欠品/過剰在庫アラート
製造業：OEE（稼働率×性能率×良品率）、6大ロス分析
SaaS：MRR/ARR、チャーン率、NRR、LTV/CAC
金融業：シャープレシオ、VaR、最大ドローダウン
共通：KPI選定のフレームワーク、業界特性の理解

💡 最重要ポイント

業界ごとに「成功の定義」が異なります。

・小売業 → 在庫回転率（キャッシュ効率）
・製造業 → OEE（生産効率）
・SaaS → MRR・NRR（継続収益）
・金融業 → シャープレシオ（リスク調整後リターン）

自社の業界特性を理解し、本当に重要なKPIを5〜7個に絞ることが、価値あるダッシュボード作成の第一歩です。他業界の事例からもヒントを得て、自社に応用しましょう！

📝 実践演習

演習 1 基礎

自分の所属業界（または興味のある業界）の重要KPIを5つ選定し、それぞれの計算方法と目標値を定義してください。

【例: オンライン教育業界】

KPI	計算式	目標	重要性
受講完了率	完了者数÷登録者数	60%以上	学習効果指標
NPS	推奨者%-批判者%	+50以上	顧客満足度
月間アクティブ率	月1回以上ログイン÷総ユーザー	40%以上	エンゲージメント
LTV/CAC	顧客生涯価値÷獲得コスト	3.0以上	持続可能性
平均学習時間/週	総学習時間÷アクティブユーザー	3時間以上	学習習慣定着

ダッシュボード設計案：

完了率推移（折れ線グラフ）
コース別NPS（横棒グラフ）
学習時間分布（ヒストグラム）
コホート分析（ヒートマップ）

演習 2 応用

製造業のOEE計算を、TableauまたはPower BIで実装してください。稼働率、性能率、良品率の3要素を計算し、ゲージビジュアルで表示してください。

【Power BIでのOEE実装】

Step 1: サンプルデータ構造

生産実績テーブル:
├─ 日付
├─ 設備ID
├─ 負荷時間_分（計画稼働時間）
├─ 実稼働時間_分（実際の稼働時間）
├─ 理論サイクルタイム_秒（1個あたりの理論時間）
├─ 生産数（総生産数）
└─ 良品数（検査合格数）

Step 2: DAXメジャー作成

// 稼働率
稼働率 = 
DIVIDE(
    SUM(生産実績[実稼働時間_分]),
    SUM(生産実績[負荷時間_分]),
    0
)

// 性能率
性能率 = 
DIVIDE(
    SUM(生産実績[理論サイクルタイム_秒]) * SUM(生産実績[生産数]) / 60,
    SUM(生産実績[実稼働時間_分]),
    0
)

// 良品率
良品率 = 
DIVIDE(
    SUM(生産実績[良品数]),
    SUM(生産実績[生産数]),
    0
)

// OEE
OEE = [稼働率] * [性能率] * [良品率]

Step 3: ゲージビジュアル設定

ビジュアライゼーション → ゲージを選択
値: [OEE]
最小値: 0
最大値: 1
ターゲット: 0.85（85%目標）
条件付き書式:
- 85%以上: 緑
- 65-85%: 黄
- 65%未満: 赤

チャレンジ発展

SaaS企業のMRRウォーターフォールチャートを作成してください。新規MRR、拡張MRR、縮小MRR、解約MRRを可視化し、月次の増減要因を分析できるようにしてください。

【MRRウォーターフォールチャート】

完成イメージ

                    ┌───┐
                    │新規│ +80万
            ┌───┐   │   │   ┌───┐
            │   │   │   │   │拡張│ +50万
            │   │   │   │   │   │
            │前月│   │   │   │   │   ┌───┐縮小 -20万
            │MRR│   └───┘   └───┘   └───┘
            │1000万│                       │   │解約 -30万
            └───┘                       └───┘
                                            ┌───┐
                                            │今月│
                                            │MRR│
                                            │1080万│
                                            └───┘

Power BI実装手順

Step 1: DAXメジャー

// 前月MRR
前月MRR = 
CALCULATE(
    [MRR],
    DATEADD(カレンダー[日付], -1, MONTH)
)

// MRR変動タイプ別集計テーブル
MRR_Waterfall = 
UNION(
    ROW("順序", 1, "カテゴリ", "前月MRR", "金額", [前月MRR]),
    ROW("順序", 2, "カテゴリ", "新規", "金額", [新規MRR]),
    ROW("順序", 3, "カテゴリ", "拡張", "金額", [拡張MRR]),
    ROW("順序", 4, "カテゴリ", "縮小", "金額", -[縮小MRR]),
    ROW("順序", 5, "カテゴリ", "解約", "金額", -[解約MRR]),
    ROW("順序", 6, "カテゴリ", "今月MRR", "金額", [MRR])
)

Step 2: ウォーターフォールビジュアル設定

ビジュアライゼーション → ウォーターフォール
カテゴリ: カテゴリ（順序でソート）
Y軸: 金額
前月MRRと今月MRRを「合計」として設定
色設定:
- 増加（新規、拡張）: 緑
- 減少（縮小、解約）: 赤
- 合計: 青

分析ポイント

拡張MRR > 解約MRR → NRR 100%超（健全）
新規MRRの割合が高すぎる → 既存顧客維持に課題
縮小MRRが増加 → プラン変更の理由を調査

❓ よくある質問

Q1: 自社業界の事例がない場合はどうすればいいですか？

類似業界や汎用的なフレームワークから学びましょう。

アプローチ：
1. 類似業界を探す：ビジネスモデルが似ている業界（例：保険→SaaS、外食→小売）
2. 汎用フレームワーク活用：BSC（バランススコアカード）、KPIツリー
3. 競合調査：IR資料、年次報告書でKPIを確認
4. 業界団体の資料：業界標準のベンチマーク
5. コンサルタントに相談：専門家の知見を活用

最も重要なのは、自社の戦略と成功要因を明確にすることです。

Q2: KPIが多すぎて絞れません。どうすればいいですか？

KPIツリーで階層化し、最重要指標に絞りましょう。

KPI選定プロセス：
1. 戦略目標を明確化（何を達成したいか）
2. 目標達成の重要成功要因（CSF）を3〜5個特定
3. 各要因の測定指標（KPI）を設定
4. 優先順位付け（重要度×影響度×測定可能性）
5. 5〜7個に絞る

原則：ダッシュボードには最重要KPIのみ表示。詳細は別ページやドリルダウンで対応。

Q3: 他業界のKPIを自社に応用するコツは？

本質的な概念を抽出し、自社文脈に置き換えます。

応用例：
- SaaSのチャーン率 → 小売の顧客離脱率
- 製造業のOEE → サービス業の稼働率×品質×生産性
- 金融のシャープレシオ → 投資対効果（ROI÷リスク）

ステップ：
1. 他業界KPIの本質を理解（何を測定しているか）
2. 自社に類似の課題がないか検討
3. 計算式を調整して適用
4. 目標値は自社実績やベンチマークから設定

Q4: 業界標準のベンチマークはどこで調べられますか？

以下の情報源を活用しましょう。

情報源：
- 業界団体：業界統計、ベンチマーク調査
- コンサルファーム：業界レポート（McKinsey、BCGなど）
- 調査会社：Gartner、IDC、矢野経済研究所
- 上場企業IR：競合他社の開示情報
- 政府統計：経済産業省、総務省統計局
- 海外ベンチマーク：SaaStr（SaaS）、APICS（製造）など

注意：ベンチマークは参考値。自社の戦略と状況に合わせて目標設定を。

Q5: 経営層向けと現場向けでKPIは変えるべきですか？

はい、対象者によってKPIの粒度と視点を変えます。

経営層向け：
- 財務指標中心（売上、利益、ROI）
- 全社レベルの集計値
- 戦略目標との連動
- 更新頻度：月次〜四半期

マネージャー向け：
- 部門別KPI（部門売上、稼働率）
- 先行指標も含む
- 更新頻度：週次〜月次

現場向け：
- オペレーショナルKPI（生産数、エラー数）
- 個人/チームレベル
- 即アクションにつながる指標
- 更新頻度：リアルタイム〜日次

📝

学習メモ

BIツール入門 - Step 53

📋 過去のメモ一覧 ▼