パレート分析:優先順位付けのための80対20の法則
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
パレート分析とは、問題の大部分を引き起こしているごく少数の原因を特定するための体系的な意思決定手法です。すべての課題を同等に緊急なものとして扱うのではなく、最初にどこへ注力すべきかを示してくれるため、プロセス改善において最も実用的なツールの一つとされています。
品質問題、顧客からの苦情、業務上の不具合のほとんどは、偏った分布に従います。ごく一部の根本原因が損害の大半を占め、残りの多数の軽微な問題が寄与する割合はわずかです。パレート分析は、この偏りを可視化し、実行可能な形にします。
パレート分析とは何ですか?
パレート分析とは、80対20の法則に基づく優先順位付けの手法です。おおよそ結果の80%は、原因の20%から生じるという考え方です。目的は、重要な少数(今すぐ対応すべき価値のある20%)を些細な多数(重要度が低い80%)から切り分け、チームが最も効果の高い部分に努力を集中できるようにすることです。
この原理は、イタリアの経済学者ヴィルフレド・パレートにさかのぼります。彼は1906年、イタリアの土地のおよそ80%を人口の20%が所有していることを発見しました。自宅の庭のエンドウ豆でも同様の偏った分布パターンを見出し、この分布が偶然ではなく自然な傾向であることを示唆しました。
その後、品質管理の先駆者であるジョセフ・M・ジュランが、パレートの観察結果を品質管理に応用しました。ジュランは「重要な少数、些細な多数」という言葉を生み出し、パレートチャートを品質改善プログラムの標準ツールとして確立しました。これは後のシックスシグマや総合的品質管理(TQM)にもつながっています。
現在では、パレート分析は業務、カスタマーサポート、製品開発、財務、営業など、あらゆる部門で活用されています。
重要なポイント
- ジョセフ・ジュランは1950年代に「重要な少数、些細な多数」という考え方を提唱し、以来、品質管理の基盤の一つであり続けています。米国品質協会(ASQ)は、パレートチャートを品質管理の7つの基本ツールの一つに数えています。
- 80対20という比率は一般的な傾向であり、絶対的な法則ではありません。実際のデータでは70対30や90対10になることもあります。原則として重要なのは、少数の原因が大多数の結果を生み出すという点です。
- 「パレートの法則こそ、優先順位を定めるための鍵である」-- ジョセフ・M・ジュラン(『ジュランの品質管理ハンドブック』より、重要な少数の原則に関する決定的な指摘として広く引用されています)
パレートチャートとは何ですか?
パレートチャートとは、パレート分析の結果を可視化する特定の棒グラフです。次の2つの視覚要素を組み合わせています。
- 各原因カテゴリを表す降順の棒グラフ(頻度または影響度の高い順に並べたもの)
- 左から右へ上昇していく累積パーセンテージ線。カテゴリを進むごとに、全体の結果に占める割合がどれだけカバーされているかを示します。
累積線が80%のラインを超える地点が視覚的なサインです。その交点より左側にあるものが、重要な少数に当たります。
これが、パレートチャートと通常の棒グラフとの違いです。通常の棒グラフは相対的な大きさを示すだけですが、パレートチャートには累積線が加わっているため、計算をしなくても80対20の境界線が一目でわかります。
以下は、カスタマーサポートの場面を単純化した例です。
| 苦情カテゴリ | 件数 | 累積% |
|---|---|---|
| 対応が遅い | 42 | 38% |
| 誤った情報を提供された | 31 | 66% |
| 問題が未解決 | 14 | 79% |
| 担当者の対応が失礼 | 8 | 86% |
| 何度もたらい回しにされた | 6 | 91% |
| その他 | 10 | 100% |
このケースでは、3つのカテゴリ(対応の遅さ、誤情報の提供、未解決の問題)が全苦情の約79%を占めています。チームはここに注力すべきです。
品質問題における因果関係の可視化についてさらに詳しく知りたい方は、特性要因図をご覧ください。根本原因の特定において、パレート分析と組み合わせて使うと効果的です。
パレート分析のメリット
最も重要な部分にリソースを集中できます。 チームの時間や予算には限りがあります。パレート分析を使えば、20個の問題を同等に緊急なものとして扱ってしまうという、よくある落とし穴を避けられます。実際にはそのうち3つが被害の大部分を占めていることが多いのです。
優先順位についての合意形成につながります。 何を先に解決すべきかでリーダー間の意見が分かれるとき、パレートチャートは客観的な根拠を提供します。政治的な駆け引きより先に、データが語ってくれます。
素早く実行できます。 不良品や苦情の件数を収集し、並べ替え、グラフ化するのに必要な時間は数週間ではなく数時間です。専門的なソフトウェアや統計の知識も不要です。
あらゆる階層で活用できます。 現場の監督者は日々の不良品についてパレート分析を行えますし、VPクラスであれば四半期の収益漏れの要因分析にも使えます。この手法は規模を問わず機能します。
他の改善ツールと自然に連携します。 パレート分析が重要な少数の問題を特定した後、根本原因分析やなぜなぜ分析がその原因を深掘りします。DMAICでは、測定(Measure)フェーズと分析(Analyze)フェーズでパレート分析が使われます。
限界とよくある間違い
パレート分析は強力な手法ですが、実際には限界もあります。それを理解しておくことで誤用を防げます。
80対20の分割は必ずしも正確ではありません。 実際のデータでは65対35や90対10になることもあります。重要なのは、偏りが存在するという原則そのものです。80対20ぴったりでなく72対28だったからといって、その結果を軽視してはいけません。
元データの質が悪ければ、結果の質も悪くなります。 パレート分析が機能するのは、元となるデータが正確である場合に限られます。不良の記録にばらつきがあったり、苦情のカテゴリが曖昧だったりすると、チャートは誤った結論を導きます。分析を始める前に、データカテゴリを整理しておくことが重要です。
労力やコストは考慮されません。 チャートが示すのは頻度や件数であり、各カテゴリを修正するコストではありません。不良の15%を占める原因が、実は最も安く解消できるケースもあります。リソースを投じる前に、必ずコストと影響度を基本的に比較検討してください。
あくまで出発点であり、完全な答えではありません。 パレート分析は何を優先すべきかを示しますが、なぜその問題が起きているのか、どう解決すべきかまでは教えてくれません。根本原因分析や、DMAIC、カイゼンといった体系的な改善手法を使って、対応を完結させる必要があります。
カテゴリが複雑さを覆い隠すことがあります。 多様な問題を「その他」や「雑多」といった単一のカテゴリにまとめると、そのカテゴリの規模が実際より大きく見えてしまいます。常に、具体的で明確に区別できるカテゴリ分けを心がけてください。
パレート分析の進め方(ステップバイステップ)
ステップ1:問題と対象期間を定義する
改善したい具体的な結果を選びます。シフトごとの不良件数、月間の顧客苦情件数、週間のサポートチケット件数などです。データの一貫性を保つため、期間を明確に定めましょう。範囲が曖昧だと、結果も曖昧になります。
ステップ2:測定指標を選ぶ
何を数えるかを決めます。選択肢には、頻度(各原因が発生する回数)、コスト(原因ごとの金額的影響)、時間(原因ごとの損失時間)、深刻度(重み付けしたスコア)などがあります。頻度が最も一般的な出発点です。下したい意思決定に合わせて指標を選んでください。
ステップ3:データを収集し、分類する
問題の発生事例をすべて洗い出し、それぞれを原因カテゴリに割り当てます。カテゴリは相互に重複せず、かつ網羅的であるべきです。ある不良が2つのカテゴリにまたがる場合は、判定ルールを決めて一貫して適用してください。カテゴリ数は5から15程度を目安にします。少なすぎるとばらつきが見えなくなり、多すぎるとパターンが見えにくくなります。
ステップ4:カテゴリを頻度の高い順に並べる
選んだ指標に基づいてカテゴリを順位付けします。最も頻度(または影響度)の高いカテゴリを先頭に配置します。これがチャート内の降順棒グラフの基礎になります。
ステップ5:累積パーセンテージを計算する
全カテゴリの合計を算出します。次に各カテゴリについて(上位から順に)、累積件数を全体の合計で割ります。100を掛けるとパーセンテージになります。これが累積パーセンテージの列です。
| 原因 | 件数 | 累積件数 | 累積% |
|---|---|---|---|
| A | 50 | 50 | 40% |
| B | 35 | 85 | 68% |
| C | 18 | 103 | 82% |
| D | 10 | 113 | 90% |
| E | 12 | 125 | 100% |
ステップ6:チャートを作成し、重要な少数に対して行動する
棒グラフを左から右(高い順から低い順)へプロットします。累積線を加え、80%のラインに水平の基準線を引きます。その線が80%を超える地点より左側にあるカテゴリが、重要な少数です。次に、それらのカテゴリに絞って改善計画を立てます。特性要因図、なぜなぜ分析、バリューストリームマッピングといったツールを使い、根本原因を見つけて排除しましょう。
パレート分析を入力として使う、より広範な改善フレームワークについては、PDCAやリーン手法をご覧ください。
パレート分析の実例
製造業の不良
ある工場長が30日間にわたって不良を記録した例です。
| 不良の種類 | 件数 | 累積% |
|---|---|---|
| 表面の傷 | 87 | 35% |
| 寸法誤差 | 74 | 65% |
| 部品の欠品 | 37 | 80% |
| 変色 | 20 | 88% |
| 梱包の損傷 | 16 | 95% |
| その他 | 14 | 100% |
3つの不良タイプ(表面の傷、寸法誤差、部品の欠品)が全不良の80%を占めています。チームはこの3つに絞って重点的な調査を開始し、それ以外への対応は後回しにします。これはシックスシグマや総合的品質管理(TQM)における典型的な適用例です。
カスタマーサポートのチケット
あるサポート部門の責任者は、3つのチケットカテゴリ(ログインの問題、請求エラー、連携の不具合)がエスカレーションの78%を占めていることを発見しました。人員を増やすのではなく、ログインフローを修正し、請求の照合作業を自動化し、連携状況を確認するダッシュボードを追加しました。その結果、人員を増やすことなく件数が減少しました。
営業アカウント
あるレベニューオペレーションチームは、アカウントの22%が年間経常収益(ARR)の76%を生み出していることを発見しました。チームはアカウント管理を再構築し、その22%には専任のカスタマーサクセスを、残りにはより軽量な自動化対応を割り当てました。結果として、高価値セグメントの継続率が向上しました。
在庫管理
ある物流マネージャーが、欠品事例に対してパレート分析を実施しました。3つのSKUが全欠品の81%を占めていることが判明しました。その3つのSKUに限定して発注点と安全在庫を調整したところ、全体の充足率が向上しました。
ベストプラクティス
推奨: まずは整理された正確なデータから始めましょう。曖昧なデータをもとに作ったパレートチャートは、チームを誤った方向に導いてしまいます。
推奨: パレート分析は根本原因分析と組み合わせましょう。重要な少数のカテゴリがわかれば「何を直すべきか」がわかります。根本原因分析は「なぜ壊れているのか」「どう恒久的に直すか」を教えてくれます。
推奨: 改善を実施した後は、分析をやり直しましょう。上位の原因を排除すると分布が変化し、新たな重要少数のカテゴリが現れます。
推奨: チャートをコミュニケーションのツールとして活用しましょう。3つの問題が苦情の80%を引き起こしているという一枚の図は、件数だけの表よりも経営会議での説得力があります。
非推奨: 80対20の分割を絶対的なものとして扱うこと。これはあくまで傾向であり、法則ではありません。偏りが見つかった場所には、それに応じて対応してください。
非推奨: 些細な多数をいつまでも無視すること。重要な少数への対応が終わったら、改めて評価しましょう。これまで軽微だったカテゴリが拡大している場合もあります。
非推奨: 労力の観点を省くこと。不良の15%を占めるが修正コストが5%で済むカテゴリは、大規模なプロセス見直しが必要な40%のカテゴリより先に着手する価値があるかもしれません。
よくある質問
80対20の分割は常に正確なのですか?
いいえ。80対20という比率は傾向を表すものであり、固定された法則ではありません。実際の分布はさまざまです。データによっては70対30や90対10になることもあります。重要なのは、偏りが存在するカテゴリを特定し、そこから優先的に対応することです。分布がほぼ50対50に近い場合、そのデータだけではパレート分析単独で十分な効果を得られないかもしれません。
パレートチャートはヒストグラムとどう違うのですか?
ヒストグラムは、サイクルタイムや測定値のような連続変数の頻度分布を、等間隔の区間ごとに示すものです。一方パレートチャートは、離散的なカテゴリごとの頻度を高い順に並べ、累積パーセンテージ線を加えたものです。ヒストグラムは分布の形状を明らかにし、パレートチャートは優先順位を明らかにします。
シックスシグマではパレート分析はどのように使われますか?
シックスシグマやDMAICでは、パレート分析は主に測定(Measure)フェーズと分析(Analyze)フェーズで使用されます。測定フェーズでは、不良の種類をグラフ化し、問題がどこに集中しているかを把握します。分析フェーズでは、より詳細な統計分析を行う前に、パレートチャートを使って根本原因の候補を絞り込みます。これは米国品質協会(ASQ)が認定する7つの基本的な品質ツールの一つです。
製造業以外でもパレート分析は使えますか?
もちろんです。この手法は、事象を分類し数えられる場面であればどこでも機能します。顧客からの苦情、IT障害、営業の失注、人事に関する苦情、請求書のエラー、プロジェクトの遅延などです。カテゴリは変わっても、ロジックは同じです。発生件数を集計し、明確な区分に割り当てられるのであれば、パレート分析は適用できます。
重要な少数を特定した後は何をすればよいですか?
パレート分析は焦点を絞り込むものであり、問題を解決するものではありません。次のステップとしては、通常、重要な少数の原因がなぜ発生するのかを理解することが挙げられます。特性要因図、なぜなぜ分析、根本原因分析などのツールを使って根本的な要因を見つけましょう。その後、PDCAやDMAICのような体系的な改善サイクルを使って対策を設計し、検証します。
パレート分析だけですべての優先順位付けの課題が解決するわけではありませんが、他の手法にはできないことを実現します。それは「集中する理由」を示すことです。すべての問題に均等に労力を分散させると、改善は遅く、成果もわずかなものになります。一方、重要な少数を特定し、そこに集中して取り組めば、同じリソースでも劇的に優れた成果を生み出せます。まずは整理されたデータから始め、誠実に分析を行い、チャートにレバレッジのありかを語らせましょう。
関連記事
Senior Operations & Growth Strategist