判断を下す ── 撤退・拡大・ピボットの論理
ここまで、問いを立て、メトリクスを設計し、計測を仕込み、数字を読み、実験し、因果を推定してきた。データは揃った（あるいは、完璧には揃わないことも分かった）。
最後に残るのが、判断そのものである。続けるか、撤退するか、拡大するか、ピボットするか。
ここで多くの組織が躓く。データは揃ったのに動けない。あるいは、データがなくても動かなければならない。本章では、判断のための思考フレームを扱う。
判断は、データが下すものではない
最初に、この章で何度も戻ってくる原則を置く。
❌ 「データが判断を下す」
→ データは材料。判断するのは人間。
✅ 「データが判断の質を上げる」
→ データは前提を揃える、視点を広げる、不確実性を減らす
→ しかし最終的に「動く / 動かない」を決めるのは人間これは Ch.1 で見た「データ駆動の誤解」の続きである。データを積み上げても、判断の決定権が移るわけではない。判断の重みを人間が引き受ける覚悟が要る。
判断のタイプを分類する
判断には種類がある。タイプを取り違えると、使う道具も誤る。
Type 1 / Type 2：不可逆性
Jeff Bezos が広めた分類。
Type 1（不可逆）：
元に戻せない、あるいは戻すコストが極端に高い
例：会社の買収、大きな人員削減、基盤技術の全面刷新
Type 2（可逆）：
やってみて違ったら戻せる
例：UI の細かな変更、機能のリリース、実験的施策タイプ別の判断方針
Type 1 の判断：
✅ 分析を厚く、時間をかける
✅ 複数のシナリオを検討する
✅ 慎重な合意形成
✅ 「確信の水準」が高くないと動かない
Type 2 の判断：
✅ 素早く動く、動きながら学ぶ
✅ 「70% の確信」で動く
✅ 間違えたらすぐ戻す
✅ 完璧なデータを待たないType 2 を Type 1 のように扱うと、組織は動けなくなる。逆に Type 1 を Type 2 の軽さで扱うと、取り返しがつかない事故が起きる。
現場で頻発する失敗：
失敗①：Type 2 を Type 1 扱い
「UI 文言の変更」で半年の議論
→ やれば 1 日で戻せる話に、組織が硬直する
→ 「データが揃うまで判断しない」症候群
失敗②：Type 1 を Type 2 扱い
「主力機能の全面リプレース」を軽く判断
→ データが不完全なまま動いて爆死
→ 「動きながら学ぶ」の過信戦略判断と戦術判断
Ch.2 で触れた三層（戦略・戦術・運用）を、判断の文脈で再訪する。
戦術判断：
例：この機能を続けるか撤退するか
データの役割：中心的
技法：A/B テスト、DiD、コホート分析
戦略判断：
例：この事業を続けるか、ピボットするか
データの役割：一材料
技法：データ + ビジョン + 市場 + チーム
ここを混同しない戦略判断にデータだけで結論を出そうとする罠
❌ 「この事業の先月の数字が悪いから撤退」
→ 先月の数字は戦略判断の材料にはなるが、
それだけで決めてはいけない
戦略判断に必要な他の情報：
- 市場の方向性（拡大中か縮小中か）
- 競合状況（強力な新参者はいるか）
- 組織のコアコンピタンス
- 投資家・ステークホルダーの期待
- チームの状態（モチベーション、スキル）
- 長期のビジョン
データが赤でも続ける判断は、戦略的にありうる
データが黒でも撤退する判断も、戦略的にありうる逆に戦術判断を戦略情報で決めようとするのも問題。「会社のビジョンだから」と、効いていない機能を続ける判断は、戦術の層ではデータに負ける。
sunk cost と正しく向き合う
最も強力で、最も広く知られている判断バイアス。
Sunk Cost Fallacy（埋没費用の誤謬）：
既に投じたコストが、将来の判断を歪める
典型例：
「3 ヶ月かけて開発した機能。数字は悪いが、
せっかく作ったのだから続けたい」
→ 「3 ヶ月」は既に消費された。
将来の判断には無関係であるべき。
でも、ほとんどの人間はこれに引きずられる。sunk cost を超えて判断する思考法
問いを立て直す：
❌ 「これまで頑張ってきたから続ける？」
✅ 「今この機能が存在していない状態だとして、
今から 3 ヶ月かけて作る価値があるか？」
→ 後者の問いに「No」なら撤退が論理的
→ 「既に作った」は判断に入れない組織的な sunk cost
個人だけでなく、組織全体が sunk cost に縛られる。
組織的 sunk cost の症状：
- 「この機能は社長の肝いりだったから…」
- 「前任者が作ったものを自分が潰すのは…」
- 「プレスリリースで発表してしまったから…」
- 「投資家に説明してしまったから…」
どれも「既に起きたこと」で、将来の判断を歪めている対策：意思決定を切り離す仕組み
対策 ①：判断のレビュー会議を定期化する
→ 四半期に一度、「この機能を今から作るか」で評価する
→ 組織的 sunk cost を解除する儀式
対策 ②：判断を「別の人」が下す
→ 作った人が撤退を判断するのは心理的に難しい
→ 別の意思決定者が冷静に判断する
対策 ③：事前に撤退基準を宣言する
→ Ch.2 の「閾値の事前宣言」
→ 「30 日後、KPI が X 未満なら撤退」を最初に決める
→ 時が来たら機械的に実行する「データが薄いとき」の判断
完璧なデータは存在しない。データが薄いまま判断する場面は必ず来る。
データが薄い状況の分類
① 根本的にデータが少ない
例：スタートアップで月 100 ユーザーしかない
→ 実験は成立しない、判断はビジョンと小さな実験の積み重ね
② まだデータが集まる前の初期
例：リリース直後、まだ 1 週間
→ 慌てて判断しない、もう少し待つ選択肢
→ ただし致命的な兆候はすぐ止める
③ 計測が仕込まれていなかった
例：過去の施策を後追いで評価したい
→ 後悔しても遅い。似た状況のデータから推定
→ Ch.7 の観察研究技法を使う
④ データが取れない領域
例：「ユーザーがこの機能を気に入ったか」の感情
→ 定性調査・インタビュー・NPS など他手段と併用データが薄いときの判断ガイド
✅ 「これまでの類似事例」を参照する
→ 自社の過去の類似機能、競合、別業界の事例
✅ 小さく試して、素早く学ぶ
→ Type 2 の判断として扱う
→ 完璧なデータを待つより、動いてデータを作る
✅ 定性情報を厚くする
→ 5 人のユーザーインタビューのほうが、
100 人の曖昧なアンケートより情報価値が高いことも
✅ 「エイヤ」を恥じない
→ データが薄いときの判断は常に不確実
→ 完璧に見せようとすると、判断そのものを避けてしまう
✅ 判断の根拠と確信度を明記する
→ 「データは不十分だが、A の選択肢を採る。
理由は… 確信度は中程度。」
→ 後から振り返れる形で残す「判断しない」は判断である
「データが揃うまで判断を保留」というスタンスは、
暗黙のうちに「現状維持」という判断を下している
現状維持もまた判断、機会コストを払っている
→ 「判断しないこと」に対しても、
「いつまで保留するか」を決める拡大の判断
施策が成功したとき、次の問いは「どう拡大するか」である。
拡大判断の 3 つの問い
問い ①：「効いた」は本物か？
- 新規性バイアスで上振れていないか（Ch.6）
- 外部要因（季節性、キャンペーン）の影響ではないか
- A/B テスト結果が実装時に再現するか
問い ②：拡大しても効果は維持されるか？
- 全ユーザーに展開しても同じ率で効くか
- 対象セグメント以外で副作用はないか
- スケールして運用コストが増えないか
問い ③：他の施策を押しのける価値があるか？
- リソースには限りがある
- この施策を拡大することで、他の何を諦めるか拡大の段階設計
Ch.6 の段階ロールアウトを、拡大フェーズでも使う：
実験（5%）で勝ち
↓
対象セグメント全量（全体の 30%）に展開、観察
↓
全ユーザーに展開、長期観察
↓
他領域への横展開（別プラン、別地域、別プロダクト）
各段階で問い ① 〜 ③ を問い直すピボットの判断
最も重い判断。戦略層の話。
ピボットとは何か
ピボット（Pivot）：
プロダクトの根幹を変える判断
ただし「全部捨てる」ではなく「軸足を変える」
例：
- 対象ユーザー層を変える（個人 → 法人）
- 収益モデルを変える（広告 → 課金）
- 提供する価値を変える（情報提供 → ツール提供）
- 提供形態を変える（アプリ → SaaS → Embed）ピボットのシグナル
ピボットを検討すべきシグナル：
① 主要指標が長期で改善しない
→ 何を施策しても刺さらない
→ 根本的な仮説が間違っている可能性
② ユーザーインタビューで「別のニーズ」が見える
→ 「この機能より、こっちが欲しかった」の声
→ 本来のターゲットがずれているサイン
③ 特定セグメントだけ異常に刺さる
→ ヘビーユーザー分析で想定外の層が浮かぶ
→ そこに寄せる可能性
④ ユニットエコノミクスが改善しない
→ LTV < CAC が続く
→ ビジネスモデル自体の検討ピボットの罠
罠 ①：データに振り回される
「今週は数字悪いからピボット」は反射的すぎる
→ 四半期単位以上のトレンドで判断
罠 ②：ピボット疲れ
頻繁にピボットすると組織が疲弊する
→ 1〜2 年に 1 度が最大値と心得る
罠 ③：「全部捨てる」衝動
ピボットは「軸足を変える」であって「全部捨てる」ではない
→ 既存の資産（顧客、技術、ブランド）を活かすピボットの判断に必要な情報
戦略層の判断なので、データだけでは足りない：
✅ 市場の方向性（拡大 / 縮小）
✅ 競合の動き
✅ チームの得意領域
✅ 資本の残存期間（runway）
✅ ステークホルダーの合意
✅ ビジョンとの整合性
Ch.2 で見た「三層の問い」の最上位
データは補助的判断のコミュニケーション
判断を下しても、組織に伝わらなければ意味がない。
判断を共有する三要素
判断共有に必ず含める 3 要素：
① 結論
「機能 X を撤退する」「A プランを継続する」
② 判断の根拠
「AB テストの結果、主指標が有意に改善しなかった」
「カウンターメトリクスが悪化した」
「ユーザーインタビューで代替ニーズが見えた」
③ 確信度と不確実性
「この判断の確信度は中程度」
「ただし、特定セグメントでは効いている可能性」
「半年後に再評価する」判断の記録
判断を「未来の自分」に残す：
- 何を判断したか
- なぜ判断したか（使ったデータ・根拠）
- どの不確実性を残したか
- いつ再評価するか
3 ヶ月後、6 ヶ月後、1 年後に振り返れる形で残す
→ 判断の質を継続的に改善する素材になる判断のアンチパターン
Ch.9 の前振りとして、判断にまつわる典型的なアンチパターンを列挙する。
❌ 分析麻痺（Analysis Paralysis）
完璧なデータを待ち続けて判断しない
→ 機会コストを払い続ける
❌ HiPPO の復活
「データはこう言ってるけど、偉い人はこう言ってる」
→ データを飾りにしてしまう
❌ データショッピング（Cherry Picking）
自分の主張に合うデータだけ拾う
→ 判断の客観性を損なう
❌ 一回の成功を過度に一般化
1 つの施策が効いたからと、似た施策を乱発
→ 個別の文脈を無視
❌ 一回の失敗を過度に一般化
1 つの撤退で「データ駆動はダメ」と結論
→ 手法と実行の区別がついていない
❌ 責任回避のデータ
「データがそう言っている」と判断を放棄
→ 最終責任は常に人間にあるこれらは次章で深掘りする。
判断のチェックリスト
最後に、判断を下す前に自分に問う実用チェックリスト。
✅ この判断は Type 1 か Type 2 か？
✅ 戦術層か戦略層か？
✅ 判断の根拠となるデータは何か？
✅ データの限界は何か？
✅ sunk cost に引きずられていないか？
✅ 「今から始める」視点で価値があるか？
✅ 判断しないコストは？
✅ 確信度は？
✅ いつ再評価するか？
✅ 判断を記録したか？このチェックを習慣化すると、判断の質が目に見えて上がる。
本章のまとめ
✅ データは判断を下さない。人間が下す
データは前提を揃え、視点を広げる材料
✅ 判断タイプを分類する：
Type 1（不可逆）：分析を厚く、時間をかける
Type 2（可逆）：素早く動く、動きながら学ぶ
✅ 戦術と戦略を混同しない
戦略判断をデータだけで決めない
戦術判断をビジョンで決めない
✅ sunk cost は個人・組織の両方で起きる
「今から始める」視点で問い直す
事前の撤退基準、別の意思決定者、定期レビュー
✅ データが薄いときの判断ガイド：
類似事例参照、小さく試す、定性を厚く、
「エイヤ」を恥じない、根拠と確信度を残す
✅ 拡大の 3 問い：
本物か、維持できるか、押しのける価値があるか
✅ ピボットは戦略層の判断
データだけでは決められない
1〜2 年に 1 度が上限
✅ 判断の共有：結論 + 根拠 + 確信度・不確実性
✅ 判断を記録する：未来の自分に残す判断の論理を見てきた。だが現場では、分かっていても繰り返す失敗がある。次章では、データ駆動の現場で繰り返されるアンチパターンを、症状・根本原因・脱出法の形で分類する。