はじめに
「来月の売上見込みは？」——この質問に対する回答の精度が、経営判断の質を左右します。在庫の発注量、人員配置、キャッシュフロー計画、投資判断——すべてが売上予測の上に成り立っています。
中小企業の売上予測は、大きく分けて3つのアプローチがあります：AI予測、Excel分析、営業マンの勘。
「AI一択でしょ」と思うかもしれませんが、実はそう単純ではありません。データの蓄積量、予算、業界特性によって最適な選択肢は異なります。この記事では、3つのアプローチを定量的に比較し、御社に最適な選択肢を見極める判断基準を提示します。
アプローチ1: 営業マンの勘
やり方
営業マネージャーが各案件の状況をヒアリングし、経験と直感で「今月は○○万円くらいいけるだろう」と予測。週次の営業会議で状況を確認し、月末に着地見込みを更新。
精度の実態
| 指標 | 数値 |
|---|---|
| 予測誤差 | ±30〜50% |
| 楽観バイアス | 営業マンは自分の案件を楽観視（実績は予測の60〜70%に着地） |
| 外れる方向 | ほぼ常に上振れ予測（「いけると思ったんですが…」） |
メリット・デメリット
| 項目 | 評価 | コメント |
|---|---|---|
| コスト | ◎ ゼロ | 追加投資不要 |
| 導入スピード | ◎ 即座 | 今日から可能 |
| 精度 | ✕ 低い | 経営判断の根拠としては不十分 |
| 客観性 | ✕ 属人的 | 担当者の性格（楽観/悲観）に依存 |
| スケーラビリティ | ✕ | 案件数が増えると対応不能 |
| 再現性 | ✕ | トップセールスが退職すると予測精度が激減 |
こんな企業に向いている
- 創業初期でデータがほとんどない
- 月間案件数が10件以下
- まず営業活動を安定させることが最優先
アプローチ2: Excel分析
やり方
過去の売上データをExcelで集計・グラフ化し、移動平均や前年比較でトレンドを分析。VLOOKUP、ピボットテーブル、FORECAST関数、回帰分析を活用して予測値を算出。
精度の実態
| 指標 | 数値 |
|---|---|
| 予測誤差 | ±15〜30% |
| 季節変動の反映 | ○ 過去パターンから対応可能 |
| 外部要因への対応 | △ 手動で調整が必要 |
メリット・デメリット
| 項目 | 評価 | コメント |
|---|---|---|
| コスト | ◎ ほぼゼロ | Excel（Office 365）のみ |
| 導入スピード | ○ 数日〜数週間 | シートの設計が必要 |
| 精度 | △ 中程度 | 「勘」の2倍の精度 |
| 客観性 | ○ データベース | ただし分析者の解釈に依存 |
| スケーラビリティ | △ 限界あり | 変数が増えると管理が困難 |
| 再現性 | △ | シートを作った人しか更新できない問題 |
Excel分析の3つの課題
| 課題 | 詳細 |
|---|---|
| 属人化リスク | Excelの予測シートを作った「Excelの達人」が異動・退職すると破綻 |
| リアルタイム性の欠如 | データの入力・更新が手動のため、常に「少し前のデータ」で予測 |
| 複雑な変数の限界 | 天候、競合動向、マクロ経済等の外部変数を組み込むのが構造的に困難 |
こんな企業に向いている
- 1年以上の売上データが蓄積されている
- Excel操作に慣れた担当者がいる
- AI投資の予算はまだないが、「勘」からは脱却したい
アプローチ3: AI予測
やり方
過去の売上データ、パイプラインデータ、外部データ（市場動向、天候、経済指標等）をAIが統合分析し、機械学習モデルで将来の売上を自動予測。データが蓄積するほどモデルが自動で改善。
精度の実態
| 指標 | 数値 |
|---|---|
| 短期予測（1ヶ月先） | 誤差±5〜10% |
| 中期予測（3ヶ月先） | 誤差±10〜15% |
| 長期予測（6ヶ月先） | 誤差±15〜25% |
| 外部要因への対応 | ◎ リアルタイムで適応 |
メリット・デメリット
| 項目 | 評価 | コメント |
|---|---|---|
| コスト | △ 初期投資あり | 50万〜200万円（初期）+ 月3万〜15万円 |
| 導入スピード | △ 1〜3ヶ月 | データ整備とモデル構築が必要 |
| 精度 | ◎ 高い | 条件が整えばExcelの2〜3倍の精度 |
| 客観性 | ◎ データベース | 人間のバイアスを排除 |
| スケーラビリティ | ◎ | 案件数や変数が増えても対応可能 |
| 再現性 | ◎ | 担当者に依存しない |
AI予測の前提条件
| 条件 | 詳細 |
|---|---|
| 2年以上のデータ | 最低24ヶ月分の売上データが必要 |
| データの質 | CRMに正確なデータが入力されていること |
| 安定したビジネスモデル | 事業の大幅な転換期には精度が低下 |
| 運用体制 | 予測結果のフィードバックと改善サイクルが必要 |
こんな企業に向いている
- 2年以上の売上・パイプラインデータがある
- CRMを活用しており、データ品質が一定以上
- 予測精度の改善が経営に直結する（在庫管理、人員計画等）
3つのアプローチ総合比較
| 項目 | 勘 | Excel | AI |
|---|---|---|---|
| 初期コスト | 0円 | 0円 | 50万〜200万円 |
| 月額コスト | 0円 | 0円 | 3万〜15万円 |
| 予測精度 | ±30〜50% | ±15〜30% | ±5〜15% |
| 更新頻度 | 随時（口頭） | 手動（週次〜月次） | リアルタイム |
| 外部要因の反映 | ✕ | △ | ◎ |
| 属人化リスク | 高い | 中程度 | 低い |
| 必要なデータ量 | なし | 1年分 | 2年分以上 |
| 導入期間 | 即日 | 数日〜数週間 | 1〜3ヶ月 |
予測精度と経営インパクトの関係
予測精度は「数字の問題」ではなく経営判断の質に直結します。
年商3億円の企業で予測精度が改善した場合のインパクト:
| 予測精度 | 発注・在庫の無駄 | 機会損失（売り逃し） | 人員の過不足 | 合計ロス |
|---|---|---|---|---|
| ±40%（勘） | 約1,200万円 | 約800万円 | 約300万円 | 約2,300万円 |
| ±20%（Excel） | 約600万円 | 約400万円 | 約150万円 | 約1,150万円 |
| ±10%（AI） | 約300万円 | 約200万円 | 約50万円 | 約550万円 |
勘→AIの移行で年間約1,750万円のロス削減。AI導入コスト（年間200万円程度）を差し引いても1,550万円のコスト改善効果。
どのアプローチを選ぶべきか——判断フローチャート
| 質問 | YES → | NO → |
|---|---|---|
| 2年以上の売上データがある？ | AI導入を検討 | まずExcelから |
| CRMにデータが正確に入力されている？ | AI導入可能 | データ整備が先 |
| 月間売上が5,000万円以上？ | AI投資のROIが高い | Excelで十分な可能性 |
| 在庫管理や人員計画に予測が必要？ | AI投資推奨 | Excelで対応可能 |
推奨ステップ
| ステップ | 期間 | 内容 |
|---|---|---|
| 1 | 即日〜 | まずCRMにデータを正確に入力する習慣をつける |
| 2 | 1ヶ月〜 | Excelで過去データの可視化とトレンド分析を開始 |
| 3 | 6ヶ月〜 | データが蓄積されたらAI予測の導入を検討 |
| 4 | 1年〜 | AI予測の本格運用とモデルの継続的改善 |
まとめ
売上予測の最適解は「AI一択」ではなく、自社のデータ成熟度と予算で決まります。
- データがない → まず「勘」+CRMへのデータ蓄積
- 1年分のデータがある → Excelで可視化・トレンド分析
- 2年以上のデータがある → AI予測の導入を検討
📩 売上予測のAI化について相談したい方へ
ProductXでは、AI DXに関する無料相談を承っています。御社のデータ状況に合った最適な予測手法をご提案します。
💡 関連記事: AI売上予測はどこまで当たるのか？導入前に知るべきこと / 営業DXの費用対効果｜どの業務から始めるべきか / 「Excelの達人」に依存する組織のリスク / AI DXとは？