フェルミ推定100選、データが無いところから数字を作る

序章 数字が無いから決められない、という状態をなくす

事業の判断が止まる理由は、二つに分けられます。ひとつは、判断に必要な数字が無いこと。もうひとつは、数字はあるがそれを信じてよいか分からないことです。前者は「調べてから決めよう」で先送りされ、後者は「もう少し精緻に」で先送りされます。どちらの先送りにも、待っている間のコストがかかっています。

概算は、この二つの先送りに対する道具です。手元に実績値が無くても、知っている数字と論理的な仮定を積み上げれば、桁を外さない見積もりは作れます。そして、他人から出てきた数字に対しては、独立した経路で概算して突き合わせることで、信じてよいかどうかの判断材料になります。

桁が合っていれば、たいていの判断はできる

概算の目標は、正確な値を当てることではありません。桁を外さないことです。この違いは実務では決定的です。

ある新規サービスの国内市場が100億円なのか1,000億円なのかが分かれば、自社が取りに行くべきかどうかは判断できます。それが980億円なのか1,020億円なのかは、着手するかどうかの判断を変えません。逆に、桁を一つ間違えると、投じる人数も、開発にかける期間も、想定する競合の顔ぶれも、全部変わってしまいます。

実務で本当に困るのは、精度が数パーセント足りないことではなく、桁が違っていることです。そして桁の誤りは、精緻な調査を積み上げても防げません。分解の仕方が間違っていれば、どれだけ丁寧に数えても答えは合いません。防ぐ方法は、独立した別の経路で解いて突き合わせることだけです。

調べるべきかどうかを、調べる前に決める

概算のもうひとつの使い道は、調査の投資判断です。

市場規模を知りたいとき、調査会社のレポートを買う、アンケートを実施する、実地で数える、といった手段があります。いずれも費用と時間がかかります。ここで先に概算をしておくと、そもそも調べる必要があるかどうかが分かります。

概算の結果が、判断の分かれ目から十分に離れていれば、調べる必要はありません。撤退ラインが年商10億円で、概算が100億円規模なら、精緻化しても結論は変わらないからです。逆に、概算が分かれ目のすぐ近くに来たときは、どの仮定が結果を動かしているかを調べれば足ります。全部を調べる必要はありません。第11章で扱う感度分析は、このための道具です。

この順序を逆にすると、調査費用が判断とは無関係に消えていきます。何を知れば決められるのかを決めないまま調べ始めると、集めた情報の量に対して、判断が前に進んだ量が釣り合わなくなります。

受け取る側に立ったときにいちばん効く

経営の立場で数字に触れる機会の多くは、自分で作るのではなく、上がってきたものを受け取る形です。事業計画の売上見込み、システム導入の効果試算、ベンダーからの提案に添えられた費用対効果。これらはすべて、誰かが仮定を置いて作った数字です。

受け取る側が概算の型を知っていると、資料の数字を見た瞬間に、どの分解で作られているかが読めます。読めれば、確かめるべき仮定がどれかも分かります。効果試算であれば、削減時間の見積もりよりも、適用範囲の置き方のほうが結果を大きく動かすことが多い。そこを一点だけ突けば、その数字が使えるかどうかは判断できます。

逆に、型を知らないまま数字を受け取ると、確かめる方法が「担当者に根拠を聞く」しかなくなります。聞かれた側は根拠として仮定を並べますが、その仮定が妥当かどうかを判断する物差しが受け取る側に無ければ、結局は人を信じるかどうかの話になります。数字の議論が人の議論に変わってしまう場面は、この構造から生まれます。

概算が独り歩きしないようにする

概算にはひとつ、扱いを誤ると実害の大きい性質があります。数値だけが独り歩きすることです。

仮定を三つ置いて出した「約50億円」という数字は、資料に載った瞬間に「50億円」になります。翌週の会議では出所が説明されず、翌月には前提として扱われ、半年後には実績値のように引用されます。作った本人が置いた仮定は、どこかで剥がれ落ちています。

これを防ぐ方法は技術ではなく運用です。概算を出すときは、必ず仮定の一覧と振れ幅を添えること。そして「この数字で何を決めてよく、何を決めてはいけないか」を書き添えること。この二つを習慣にするだけで、独り歩きはかなり止まります。本コラムで例題ごとに仮定を表の形で並べているのは、この作法をそのまま持ち帰れるようにするためです。

本コラムで扱う範囲

本コラムは、概算の技法そのものと、それを組織の意思決定に載せるための工程の両方を扱います。例題は100問あり、すべてに公表値との突き合わせを付けました。突き合わせに使った統計は2026年8月に一次情報で確認したもので、出典は記事の末尾にまとめています。

公表値が見つからなかった対象については、見つからなかったと明記しました。それらしい数字で埋めると、読者はそれを実績値として受け取ってしまうためです。概算の記事で最もやってはいけないことは、概算と実績の区別を曖昧にすることだと考えています。

Anagraftでは、AI・データ活用の構想づくりから、実際の分析・実装、そして現場で回る形に落とすところまで、一貫したご支援を行っています。会社概要・ご支援内容の詳細は、以下の資料からご覧いただけます。

全体の地図

本コラムは14の章で構成されています。前半の第1章から第4章が道具の説明、中盤の第5章から第10章が例題100問、後半の第11章から第14章が実務に載せるための工程です。

章	扱うこと	この章で持ち帰れるもの
第1章	フェルミ推定とは何か、使ってよい場面と使ってはいけない場面	概算を使う場面と使わない場面の切り分け
第2章	分解の型、五つの基本パターン	問いの形から分解の型を選ぶ手順
第3章	覚えておくと便利な数字、2026年に当たり直した版	概算の土台になる基礎数値と、その更新の作法
第4章	桁を外さないための検算とフィージビリティチェック	出した数字を独立に確かめる五つの経路
第5章	例題編1 店舗の1日の売上（Q1からQ15）	供給サイド分解の型
第6章	例題編2 日本にあるモノ・施設の数（Q16からQ35）	面積と密度で割り付ける型
第7章	例題編3 市場規模を推定する 前半（Q36からQ50）	需要サイド分解の型と、市場規模の物差しの違い
第8章	例題編4 市場規模を推定する 後半（Q51からQ65）	サービス業の市場規模と、取扱高型の扱い
第9章	例題編5 数量とボリュームを推定する（Q66からQ85）	ストックとフローの使い分け
第10章	例題編6 応用問題（Q86からQ100）	公表値が存在しない対象を複数経路で挟み込む型
第11章	どの仮定が効いているか、感度分析と幅で示す作法	調べるべき仮定を絞り込む方法と、幅で報告する型
第12章	実務での使いどころ、事業計画と投資判断とサイジング	六つの実務場面ごとの分解と、間違えたときの損失
第13章	フェルミ推定が失敗するとき、よくある崩れ方	概算が崩れる十の型と、その防ぎ方
第14章	採用と育成の場で使う、評価する側の視点	概算力の評価軸と、チームで型をそろえる進め方

例題編（第5章から第10章）は、問いの番号から引く使い方も想定しています。ただし各章の冒頭には、その章の20問前後に共通する分解の型を書いてありますので、まとめて読むほうが型は身につきやすい構成です。第2章で説明する五つの型と、例題編の各章は次のように対応しています。

分解の型	主に使う章	外しやすい点
供給サイド分解	第5章	稼働率を高く置きすぎる
需要サイド分解	第7章、第8章	利用率と頻度の置き方で桁が動く
面積・密度按分	第6章	密度が一様だと思い込む
ストックとフロー	第9章	滞留年数の置き方に答えが丸ごと乗る
既知の代表値からの相対推定	第10章	起点にした代表値が平均であることを忘れる

各章の末尾には、その章の内容を深めるための参考書籍を2冊ずつ挙げました。巻末には一覧をまとめてあります。突き合わせに使った統計の出典は、記事の最後の参考情報にすべて記載しています。

第1章 フェルミ推定とは何か、使ってよい場面と使ってはいけない場面

フェルミ推定は、統計も実績値も手元に無い量について、すでに知っている事実と、根拠を言葉にできる仮定だけを積み上げて、おおよその大きさを計算する技法です。答えは1つの数値として出ますが、その数値に求められている正確さは有効数字3桁ではありません。求められているのは桁です。1万なのか10万なのか100万なのかが決まれば、この技法は役目を終えています。

本章では、まず定義と精度の目標を置きます。次に、使ってよい場面と使ってはいけない場面を、判断の種類で切り分けます。そのうえで、統計学でいう推定とどこが違うのかを整理し、最後に、概算を出さないという選択がどういう損失を生むかを経営の側から見ます。第2章で扱う分解の型も、第5章から第10章までの100問の例題も、すべてこの章で引いた境界の内側の道具です。

定義、知っている事実と置いた仮定から桁を作る

この技法の中身は3つの動作です。第1に、直接は分からない量を、分かる量の掛け算と足し算に分解します。第2に、分解して現れた各項に、根拠を説明できる値を置きます。第3に、掛け合わせて答えを出し、その答えが実態と合っているかを、計算に使わなかった別の情報で確かめます。3つ目まで含めて初めて使える形になります。分解して掛けただけの数字は、思いつきと見分けがつきません。

ここで効いてくるのは、置いた値が正しいかどうかよりも、置いた値の根拠を他人に説明できるかどうかです。ラーメン店の席数を10席と置いたのなら、なぜ10席なのかを言えなければなりません。個人経営の店を思い浮かべた結果なのか、カウンターの長さから逆算したのか。根拠が言葉になっていれば、他人がそこだけを直せます。直せる形になっていることが、概算が個人の勘ではなく組織の道具になる条件です。

分解の骨格は、量を「単位あたりの量」と「単位の数」に割ることです。1日の売上なら、客1人あたりの単価と、1日の客数に割ります。客数はさらに、席数と、1席が1日に受け入れる人数に割れます。割っていくと、どこかで自分が知っている値、あるいは常識の範囲で置ける値に突き当たります。そこが分解の終点です。知らない値のまま残っている項があれば、まだ分解が足りていません。

この技法が扱えるのは、掛け算と足し算で組み上がる量に限られます。ある製品が来年どれだけ売れるかは、競合の動きや価格改定や景気に左右されるので、この技法だけでは決まりません。決まるのは、その市場に何人の買い手がいて、その人たちが年に何回買い、1回いくら使うか、という構造から出てくる上限の規模です。予測ではなく、規模の見積もりの道具だと位置づけると、期待の置き方を間違えにくくなります。

名前の由来として確認できること

この技法の名前は、物理学者エンリコ・フェルミに由来します。フェルミは1901年9月29日にローマで生まれ、1954年11月28日にシカゴで没した物理学者で、1938年のノーベル物理学賞を受賞しています。受賞理由は、中性子の照射によって新しい放射性元素が生じることを実証したこと、および遅い中性子による核反応を発見したことでした。授賞時の所属はローマ大学です。ここまではノーベル財団が公開している受賞者データで確認できます。

名前の由来としてしばしば引かれるのが、1945年7月16日のトリニティ実験での観測です。ここは一次資料に書かれていることと、伝えられていることを分けて扱います。一次資料にあたるのは、フェルミ自身が当日の観測を書き残した覚書です。そこには次のことが書かれています。爆心からおよそ10マイル、距離にして約16キロメートル離れた地点で、高さおよそ6フィートから小さな紙片を落とし、爆風が通過するあいだに紙片がどれだけ横へ流されたかを見た。ずれはおよそ2.5メートルだった。そこから、この爆発はTNT火薬1万トンに相当すると見積もった。

実際の威力の側も見ておきます。ロスアラモス国立研究所の解説によれば、実験直後の最初の見積もりは約18キロトンで、20%程度の不確かさが見込まれていました。戦後に計算し直されて21キロトンが公式の値となり、近年には岩石試料の分析から約24.8キロトンという再評価も出ています。フェルミが紙片から出した1万トンという値は、公式値の半分に届きません。それでも桁は合っています。数百トンでも10万トンでもなく、1万トンの桁だと当てている。この記事が扱うのは、まさにこの水準の当て方です。

広く語られている細部のうち、一次資料で確かめられなかったものは書きません。フェルミが計算に要した時間、周囲の反応、紙片の枚数といった描写は、そう伝えられてはいるものの、覚書からは読み取れませんでした。また「シカゴに調律師は何人いるか」という問いが、この技法の練習問題として世界中で使われていますが、フェルミ本人がこれを出題したことを示す一次資料は見つかりませんでした。確認できるのは、覚書に書かれた手順と数値、そして公式の威力評価との比較までです。

精度の目標は桁であって、正確な値ではない

この技法を使う前に、合意しておくべきことが1つあります。何をもって成功とするかです。ここを曖昧にしたまま概算を始めると、出てきた数字が実績と3割ずれていたときに、成功なのか失敗なのかを誰も判定できません。判定できない数字は、次に同じ手続きを使う根拠になりません。

基準は桁で、判定は三段階に分けます。真の値の3分の1から3倍のあいだに入っていれば成功で、そのまま意思決定に使えます。3倍を超えて10倍までのあいだは、桁としては合っているものの、どこかの仮定が一つ大きく外れている状態です。結論の向きは信じてよいのですが、使う前にどの仮定が効いているかを確かめる必要があります。10倍を超えて外れていれば、分解そのものが間違っています。本コラムの例題編では、この三段階で当たり外れを判定します。この基準は緩く見えますが、意思決定の多くは3倍の幅の中で結論が変わりません。年間1億円の市場か100億円の市場かで打ち手は変わります。しかし80億円か120億円かでは、参入するかどうかの判断はたいてい変わらないのです。

桁で足りるもう1つの理由は、誤差のふるまいにあります。5つの項を掛け合わせる概算で、各項を1.5倍あるいは3分の2の範囲で置き違えたとしても、置き違えの向きがばらついているかぎり、掛け算の中で一部が打ち消し合います。すべての項を同じ向きに置き違えたときだけ、誤差はまっすぐ累積します。したがって概算では、1つの項を精密にすることより、すべての項を同じ向きに楽観視していないかを点検するほうがよく効きます。

桁を目標に据えると、作業の進め方も変わります。1つの仮定を30分かけて詰めるより、全体を10分で通してから、答えを最も大きく動かしている仮定だけを詰め直すほうが、速くて正確です。どの仮定が答えを支配しているかを見つける手続きは第11章で扱います。桁を外さないための検算の型は第4章にまとめました。

使ってよい場面

この技法が働くのは、判断に必要な精度が桁の水準で足りる場面です。実務では次の5つに集約されます。

場面	問いの形	概算で足りる理由
意思決定の前に規模感を掴む	この事業はどれくらいの大きさになりうるか	進むか止まるかの判断は、桁が決まれば付くことが多い
複数の案を比べる	A案とB案では、効く量がどれだけ違うか	比較では両案に同じ仮定が乗るため、共通の誤差が相殺される
調べるべきものの優先順位を決める	どの数字を先に取りにいくべきか	答えを大きく動かす項が分かれば、調査の順序が決まる
提示された数字が妥当かを検算する	この見積もりは信じてよいか	桁が違えば、詳細を読む前に差し戻せる
データを取りに行くべきかを判断する	調査に投じる費用は見合うか	概算で結論が変わらないなら、調査そのものが不要になる

4番目の検算は、経営の立場でとくに使い出があります。事業部門から上がってくる市場規模や需要見通しは、たいてい根拠となる数字が添えられています。その根拠を1つずつ検証する時間は無くても、自分で30秒の概算を回して桁を突き合わせることはできます。桁が合っていれば、細部の議論に進む価値があります。桁が2つ違っていれば、細部を読む前に前提を問い直すべきです。この記事全体を貫く考え方は、自分で数字を作れるようになること以上に、他人が作った数字を疑えるようになることにあります。

5番目は、調査費用そのものの判断です。市場調査を発注するかどうかを決めるとき、先に概算を回しておくと、調査の結果がどちらに転んでも結論が変わらない場合が見つかります。結論が変わらないなら、その調査は情報としての価値がありません。逆に、概算の幅の中に判断の分かれ目が入っているなら、そこは実データを取りにいく価値のある領域です。概算は、調査をしないための道具ではなく、どこを調べるべきかを決めるための道具として使うと効きます。

使ってはいけない場面

使ってはいけない場面のほうが、実務では判断を誤りやすい領域です。次の4つに当てはまるなら、概算で済ませてはいけません。

場面	なぜ使ってはいけないか	代わりに何をするか
実績値がすでにあるとき	自社の売上や来客数のように、社内に事実がある量を推定するのは、事実を捨てて憶測に置き換える行為になる	基幹システムや会計データから実績を取り出す
桁ではなく数パーセントの差が判断を分けるとき	この技法の分解能は桁であり、数パーセントの差は誤差に埋もれる	実測、標本調査、A／Bテストで差を測る
対外的な約束の根拠にするとき	取引先や投資家への説明で使う数字は、置き値であることが相手に伝わらないまま独り歩きする	公表統計や監査を経た実績を根拠に置き換える
規制や会計の要件がある数字	財務諸表、税務申告、安全基準、環境報告などは、算定方法そのものが定められている	定められた算定方法に従い、根拠資料を残す

4つのうち、社内でもっとも頻繁に起きるのは1番目です。売上や稼働率のように社内に実績のある量を、担当者が手元の感覚で概算し、その値が資料に載ってそのまま流通する。実績を引くのに数日かかるという理由で概算が使われ、数日後も誰も引き直さない。この形は、概算の誤りというより、事実を確認する工程が省かれたという運用上の欠陥です。手元に実績があるかどうかを最初に確かめる手順を入れておけば防げます。

3番目については、概算そのものを禁じる必要はありません。禁じるべきは、概算であることを明示しないまま外に出すことです。社内資料では出所を「置き値」、つまり根拠なく自分で置いた数字だと書き、外部資料では公表統計に差し替えるという二段構えにしておけば、社内での速さと対外的な正確さを両立できます。仮定の出所を実績値、公表値、置き値の三つに分けて記録する作法は、第2章の最後で扱います。

統計的な推定との違い

統計学でいう推定は、母集団（調べたい対象の全体）から抽出した標本を使って、母集団の性質を推し量る手続きです。前提は、標本が母集団から適切に抽出されていることです。この前提が満たされていれば、点推定、つまり答えを1つの数値として出すことに加えて、信頼区間を計算でき、「同じ手続きを繰り返せば、そのうち95%の区間が真の値を含む」という形の保証を付けられます。保証の中身は確率です。

フェルミ推定は標本を持ちません。持っているのは仮定です。したがって、確率的な保証はいっさい付きません。出せるのは「この仮定を置いたとき、この値になる」という条件付きの結論だけです。この違いは、報告の書き方に直結します。統計的な推定は「信頼区間はいくらか」と問えますが、フェルミ推定に同じ問いを立てても答えは出ません。

ただし、幅を示すことはできます。各仮定に上下の幅を置いて掛け合わせれば、答えの幅が出ます。席数を8席から12席、稼働率を6割から8割と置けば、売上の幅が出ます。この幅は有用ですが、性質が信頼区間とは違います。これは「仮定が動いたら答えがどう動くか」という感度の幅であって、真の値がその幅に入る確率を意味しません。仮定そのものが全部ずれていれば、幅ごとずれます。

ここを混同すると、報告を受けた側が数字を過剰に信用します。幅が付いている数字は、幅の無い数字より信頼できるように見えるからです。したがって、幅を出したときは、その幅が何の幅なのかを必ず併記します。「仮定を上下に振ったときの振れ幅であり、統計的な信頼区間ではありません」という一文があるかどうかで、受け手の扱いが変わります。幅の作り方と示し方は第11章で詳しく扱います。

概算を出さないことのコスト

ここまでは、概算を出す側の話でした。最後に、概算を出さないという選択がどういう損失を生むかを見ます。この技法を組織に入れるかどうかの判断は、こちら側から見たほうが速く決まります。

失敗の形は2つです。1つ目は、数字が無いために意思決定が止まる形です。新しい領域に手を出すかどうかを検討していて、市場規模の公表統計が無い。無いから調べようという話になり、調査の見積もりを取り、費用の承認を得て、着手して、結果が出るまでに数か月が過ぎる。そのあいだ判断は保留のままです。しかしこの技法を使えば、参入するかどうかを分ける水準に対して市場がどちら側にあるかは、多くの場合その日のうちに言えます。数か月の遅れは、機会そのものを失わせることがあります。

止まっているあいだの損失は、会計には現れません。だから軽く見られます。決裁が1か月遅れたことによる損失を計上する科目はどこにもなく、慎重に検討したという記録だけが残ります。この見えなさが、判断の遅れを組織の癖として定着させます。概算を回す習慣は、この癖に対する直接の対策になります。

2つ目は、逆向きの失敗です。数字が無いまま、勘と勢いで大きく張る形です。市場の大きさを確かめずに人員を採り、在庫を積み、拠点を出す。数字が無いこと自体は同じなのに、こちらは止まらずに進みます。そして進んだぶんだけ、後戻りの費用が大きくなります。撤退の判断が遅れるのは、初期の投資額が大きいほど、失敗を認めるコストが上がるからです。

2つの失敗は正反対に見えて、原因は同じです。判断の基準になる数字が無い。数字が無い状態では、慎重な人は止まり、大胆な人は進みます。どちらを選ぶかは性格の問題になり、組織としての一貫性が失われます。概算は、この性格の問題を判断の問題に戻します。桁が分かれば、止まる理由も進む理由も、同じ土俵の上で議論できます。

経営の言葉に直すと、この技法の効用は次の3つです。第1に、判断までの時間が短くなります。第2に、判断の根拠が組織の中で共有できる形になります。第3に、後から検証できます。仮定を書き出してあれば、実績が出たあとにどの仮定が外れていたかを特定でき、次の概算の精度が上がります。3つ目は見落とされがちですが、概算を回し続ける組織と、そうでない組織の差は、ここに一番はっきり出ます。

この章のまとめ

フェルミ推定は、知っている事実と根拠を言える仮定から、桁を外さない概算を作る技法です。目標は正確な値ではなく桁であり、真の値の3分の1から3倍に入れば成功、3倍から10倍のあいだは桁は合っているが要点検、10倍を超えれば分解の誤り、と三段階で判定します。使ってよいのは、規模感を掴む、案を比べる、調べる順序を決める、他人の数字を検算する、調査の要否を決める、という5つの場面です。実績値がすでにあるとき、数パーセントの差が判断を分けるとき、対外的な約束の根拠にするとき、規制や会計の要件がある数字については使いません。統計的な推定と違って確率的な保証は付かないので、幅を示すときは感度の幅であることを明記します。そして、概算を出さないことにも損失があります。判断が止まるか、根拠なく大きく張るかのどちらかに寄り、その損失は会計に現れません。

次の章では、この技法の実体である分解に入ります。100問の例題はすべて、5つの型のどれかに当てはまります。型を知っていれば、初めて見る問いでも、どこから手を付けるかが決まります。

この章を深めたい方への参考書籍

• 『地頭力を鍛える』（細谷功、東洋経済新報社、2007年）
  フェルミ推定を採用試験の問題ではなく思考の型として扱い、結論から考える、全体から考える、単純に考えるの3つに整理した本です。この章で述べた、正確な値ではなく桁を合わせるという目標の背景にある考え方をたどれます。
  地頭力を鍛える（楽天市場で見る）
  
  
• 『現役東大生が書いた地頭を鍛えるフェルミ推定ノート』（東大ケーススタディ研究会、東洋経済新報社、2009年）
  問題を6つのパターンに分け、5つのステップで解く手順書です。この章で扱った使ってよい場面と使ってはいけない場面の判断を、実際に問題を解きながら確かめられます。
  現役東大生が書いた地頭を鍛えるフェルミ推定ノート（楽天市場で見る）
  
  

第2章 分解の型、五つの基本パターン

フェルミ推定の実体は分解です。分からない量を、分かる量の掛け算に組み替える。この組み替え方には決まった型があり、型を知っていれば、初めて見る問いでも最初の一手が決まります。逆に型を持たないまま取りかかると、思いついた順に数字を並べることになり、途中で単位が合わなくなるか、同じ量を二度数えるかのどちらかに落ちます。

本章では五つの型を扱います。供給サイド分解、需要サイド分解、面積と密度による按分、ストックとフロー、既知の代表値からの相対推定です。第5章から第10章までに置いた例題100問は、すべてこの五つのどれかに当てはまります。応用問題に見えるものも、分解の骨格は五つの中にあります。

各型について、どういう問いに効くか、式はどういう形になるか、どこで外しやすいか、外さないためにどうするかを順に扱います。あわせて、実際に一次情報で確認した値と突き合わせた計算例を1つずつ載せました。最後に、型をどの順序で選ぶか、そして仮定を置くときの作法を置きます。

型	求める量の形	中心になる問い	外しやすいところ
供給サイド分解	1つの拠点や設備が生む量	第5章のQ1からQ15	稼働率を高く置きすぎる
需要サイド分解	全国あるいは市場の総量	第7章のQ36からQ50、第8章のQ51からQ65	利用率と頻度の置き方で桁が動く
面積と密度による按分	空間に分布している物の総数	第6章のQ17からQ31	密度が一様だと思い込む
ストックとフロー	保有量と年間発生量の関係	Q16、Q23、Q80、Q84、Q96	滞留年数の置き方に答えが丸ごと乗る
既知の代表値からの相対推定	似た対象からの補正値	Q5、Q22、Q61、Q91	起点にした代表値が平均であることを忘れる

型1、供給サイド分解

供給サイド分解は、設備が持っている能力の上限から積み上げる型です。店なら席数、映画館ならスクリーンと座席、ホテルなら客室数、駐車場なら区画数。物理的に決まっている数から出発し、それがどれだけ使われるかを掛けていきます。

式の形は次のようになります。

\( S = C \times h \times r \times u \times p \)

ここで \( C \) は設備の数、たとえば席数です。\( h \) は営業時間、\( r \) は1時間あたりの回転率、\( u \) は稼働率、\( p \) は単価です。設備の種類によって項の名前は変わりますが、骨格は「能力の総量に、それがどれだけ使われたかの割合を掛け、単価を掛ける」で共通しています。

この型の強みは、上振れしにくいことです。席が10席しかない店に、同時に30人は座れません。能力の上限が物理的に決まっているので、答えが天井を突き抜けることがない。分解の出発点が観察できる数であることも利点で、席数や客室数は現地に行けば数えられます。

外しやすいのは稼働率です。稼働率を8割と置くか4割と置くかで答えは2倍動きます。そして頭の中で店を思い浮かべるとき、人は混んでいる時間帯を思い浮かべます。昼の12時台の店内が記憶に残っているので、それを1日の平均だと錯覚する。外さないための工夫は、時間帯を分けることです。昼の3時間は稼働率8割、夜の6時間は6割、それ以外は2割、というように分けて足すと、平均で置くより実態に寄ります。もう1つの工夫は、能力の上限をまず計算してしまい、そこから割り引く順序で考えることです。上限を先に置くと、割り引く幅が甘いときに気づけます。

コンビニエンスストア1店舗の1日の売上を、この型で解いてみます。レジは2台、1件の会計に45秒かかるとすると、レジ1台あたり毎時80件が処理能力の上限です。2台で毎時160件、24時間で3,840件が能力の天井になります。ここに通しの稼働率を置きます。深夜帯を含む24時間の平均ですから、2割としました。3,840件の2割で768件、客単価を700円と置けば、\( 768 \times 700 = 537{,}600 \) 円、およそ54万円です。

実際の値と突き合わせます。日本フランチャイズチェーン協会「コンビニエンスストア統計調査年間集計」の2025年1月から12月の集計によれば、同協会の正会員7社の全店年間売上高は12兆583億円、店舗数は12月末現在で56,054店でした。1店舗1日あたりに直すと \( 12{,}058{,}300{,}000{,}000 \div 56{,}054 \div 365 \approx 589{,}000 \) 円になります。同じ集計の年間来店客数は163億4,142万人で、1店舗1日あたり約800人、平均客単価は737.9円です。概算の54万円は実績の約59万円に対しておよそ9%低い水準で、桁は合っています。なお店舗数は期末の値なので、厳密には期中の平均店舗数で割るべきものです。桁の議論には影響しません。

型2、需要サイド分解

需要サイド分解は、人から積み上げる型です。市場規模、利用者数、消費量のように、答えが全国規模の総量になる問いに効きます。

式の形は次のようになります。

\( M = P \times a \times f \times p \)

\( P \) は対象人口、\( a \) はそのうち実際に利用する人の割合、\( f \) は1人あたりの年間利用回数、\( p \) は1回あたりの単価です。人口を起点にするので、日本国内の問いであれば出発点が動きません。

この型の弱点は、上限が無いことです。供給サイドでは席数が天井になりましたが、需要サイドには天井がありません。利用率を2割と置くか4割と置くかで答えは2倍になり、頻度を月1回と置くか月2回と置くかでさらに2倍になります。仮定が二重に効くので、置き方を間違えると簡単に桁を外します。

外さないための工夫は3つあります。第1に、利用率と頻度を別々に置かず、「1人あたり年間何回」という1つの量にまとめることです。項を減らせば、誤差が二重に乗るのを避けられます。第2に、置いた頻度を自分の生活と照らすことです。年間52回という頻度は週1回であり、その行動を自分が週1回しているかを考えると、無理のある値は弾けます。第3に、対象人口を年齢や地域で切ることです。全人口を分母にすると、実際には利用しない層まで含めてしまい、利用率という係数にすべてを押し込むことになります。

先ほどと同じコンビニエンスストアを、今度は需要サイドで解いてみます。総務省統計局「人口推計」の2026年8月1日現在の概算値によれば、日本の総人口は1億2,268万人です。コンビニを日常的に使う層を全人口の8割、9,814万人と置きます。頻度を週2回、年104回と置くと、延べ利用回数は \( 98{,}140{,}000 \times 104 = 10{,}206{,}560{,}000 \) 回、約102億回です。客単価を700円とすると、市場規模は約7.1兆円になります。

実績は前節の12兆583億円ですから、この概算は4割低く出ました。どこがずれたのかを見ます。同じ集計の年間来店客数163億4,142万人を総人口で割ると、1人あたり年間133回、週にして2.6回です。つまり頻度の置き方が低すぎました。頻度を週3回、年156回に直すと延べ153億回となり、客単価700円で約10.7兆円、実績の9割に届きます。

この例が示しているのは、需要サイドの怖さです。頻度という1つの仮定を1.5倍に変えただけで、答えが1.5倍動きました。しかも動いたことに気づく手がかりが計算の中には無い。供給サイドなら席数という天井が守ってくれますが、需要サイドには守るものがありません。だからこの型を使うときは、必ず別の型でも解いて突き合わせます。

型3、面積と密度による按分

面積と密度による按分は、空間に分布している物の総数を求める型です。施設の数、インフラの数、道路に沿って並んでいる物の数がここに入ります。

式の形は二通りあります。

\( N = A \times d \)

\( N = P \div m \)

前者は面積 \( A \) に単位面積あたりの密度 \( d \) を掛ける形、後者は人口 \( P \) を1施設あたりの商圏人口 \( m \) で割る形です。対象が土地そのものに張り付いているなら前者、人が集まる場所に張り付いているなら後者を使います。電柱や信号機や道路標識は前者、店舗や医院や美容室は後者が合います。

外しやすいのは、密度を一様だと思い込むことです。日本の国土は、国土地理院「全国都道府県市区町村別面積調」の令和8年4月1日現在の値で377,974.87平方キロメートルありますが、その大半は山林と原野です。全国を一様に割ると、人が住んでいない場所にも施設を配ってしまいます。外さないための工夫は、都市部と地方を分けて別々の密度を置き、最後に足すことです。人口の3割が都市部に住み、都市部の密度は地方の5倍、という置き方をすれば、一様に割るより実態に寄ります。

コンビニエンスストアの店舗数を、この型で解いてみます。1店舗が抱える商圏人口を2,500人と置きます。総人口1億2,268万人を割ると \( 122{,}680{,}000 \div 2{,}500 = 49{,}072 \) 店、およそ4.9万店です。実績は前述のとおり56,054店で、概算は12%低い値でした。実績から逆算すると、1店舗あたりの商圏人口は約2,188人になります。

ここで面積の形も試しておくと、この型の使い分けが分かります。国土面積377,974.87平方キロメートルを56,054店で割ると1店舗あたり6.7平方キロメートルですが、この数字から店舗数を推定しようとすると、山林にも店を置くことになって成り立ちません。コンビニは人に張り付く施設なので、人口で割る形が合います。どちらの形を使うかは、対象が土地に張り付いているか人に張り付いているかで決めます。

型4、ストックとフロー

ストックとフローは、いま存在している量と、1年間に発生する量をつなぐ型です。保有台数と新車販売台数、在庫と出荷、社員数と採用数のように、二つの量が同じ対象について並んで存在する場面で使います。

つなぐのは滞留年数です。式は次の形になります。

\( S = F \times L \)

\( S \) がストック、つまりいま存在している量、\( F \) が年間のフロー、\( L \) が1つの個体がストックに留まる年数です。片方が分かればもう片方が出るので、実務では手に入るほうから手に入らないほうを求めます。逆向きに \( F = S \div L \) と書けば、保有量と使用年数から年間の入れ替え量が出ます。

この型が成り立つ前提は、ストックが定常状態にあることです。毎年入ってくる量と出ていく量が釣り合っていれば、この式は正確に成り立ちます。急拡大している市場や急収縮している市場では成り立ちません。外しやすいのはここと、滞留年数そのものです。答えは滞留年数に比例するので、耐用年数を10年と置くか15年と置くかで、そのまま1.5倍動きます。

外さないための工夫は、滞留年数を製品の耐用年数ではなく、実際の使用年数で置くことです。この二つはしばしば大きく違います。もう1つは、対象の範囲と滞留年数の範囲をそろえることです。公表されている使用年数の統計は、対象の定義が限定されていることがあり、そこを見落とすと桁ではなく倍率でずれます。

日本の自動車保有台数を、この型で解いてみます。フローは新車販売台数です。日本自動車販売協会連合会と全国軽自動車協会連合会の調べによる登録車と軽自動車の合計で、2025年1月から12月の新車販売台数は4,565,503台でした。滞留年数は、自動車検査登録情報協会「平均使用年数」の令和7年3月末現在の値を使います。乗用車は軽自動車を除いて13.35年、貨物車は16.29年です。全体をならして15年と置くと、ストックは \( 4{,}565{,}503 \times 15 = 68{,}482{,}545 \) 台、およそ6,850万台になります。

実際の値は、同じ協会の「自動車保有台数」によれば令和8年5月末現在で83,001,877台です。概算は約18%低く出ました。なぜ低いのかを見ると、滞留年数の置き方に原因があります。実績から逆算すると \( 83{,}001{,}877 \div 4{,}565{,}503 \approx 18.2 \) 年です。公表されている13.35年という値は軽自動車を除いた乗用車のものであり、保有台数8,300万台のほうは軽自動車も小型二輪車も含んでいます。含まれている車種のほうが長く使われるため、全体の滞留年数は乗用車の値より長くなります。滞留年数を18年に置き直すと8,219万台となり、実績との差は1%以内に収まります。

この例が示しているのは、ストックとフローの型では、答えの精度がほぼ滞留年数だけで決まるということです。分解の骨格は単純で、掛け算の項も二つしかありません。だからこそ、滞留年数の定義が対象の範囲と合っているかを確認する工程が、この型では最も重要になります。

型5、既知の代表値からの相対推定

相対推定は、似た対象について公表されている実績値を起点にして、規模の比で補正する型です。ゼロから積み上げる代わりに、一次情報がある対象を足がかりにします。

式の形は次のようになります。

\( X = X_0 \times k_1 \times k_2 \times \cdots \)

\( X_0 \) が起点にする既知の値、\( k \) が補正の倍率です。人口比、面積比、店舗数比、座席数比など、対象に応じて何を比にするかを選びます。

この型の利点は、置く仮定の数が少ないことです。積み上げ型では5つも6つも仮定を置きますが、相対推定では補正倍率を1つか2つ置くだけで済みます。仮定が少なければ、誤差の入り口も少ない。実務では、公表統計がある領域の隣を推定するときに、この型がいちばん速く正確です。

外しやすいのは、起点にした代表値が平均であることを忘れる場合です。チェーン全体の売上を店舗数で割った1店舗あたりの値は、都心の大型店と郊外の小型店をならしたものです。この平均を特定の1店舗に当てはめると、立地の差がそのまま誤差になります。外さないための工夫は、起点にした値がどういう集団の平均なのかを言葉にしてから補正することです。もう1つは、補正倍率を1.5倍や2倍のような粗い刻みで置くことです。1.3倍のような細かい倍率は、根拠を説明できないまま精密に見えてしまいます。

東京都の自家用乗用車の普及台数を、この型で解いてみます。起点は全国の値です。自動車検査登録情報協会が令和7年8月25日に公表した集計によれば、令和7年3月末現在の自家用乗用車の保有台数は61,832,213台、令和7年1月1日現在の世帯数は61,287,994世帯で、世帯当たりの普及台数は1.009台でした。ここから東京都を推定します。東京は鉄道網が密で、駐車場の維持費が高く、車を持たなくても生活が成り立ちます。全国平均の4割から5割と置くと、\( 1.009 \times 0.4 \approx 0.40 \) 台から \( 1.009 \times 0.5 \approx 0.50 \) 台の範囲になります。

同じ資料の都道府県別の値によれば、東京都は0.405台で、全国で最も低い水準です。次いで大阪府が0.611台、神奈川県が0.664台と続きます。逆に高いのは福井県の1.670台、山形県の1.617台、富山県の1.616台です。概算の下限側がそのまま当たりました。積み上げ型でこの値を出そうとすれば、東京都の世帯数、駐車場の月額費用、鉄道の路線密度といった仮定をいくつも置くことになります。全国平均という一次情報を足がかりにしたことで、置く仮定が補正倍率1つに減りました。

型を選ぶ順序

問いを見てから型を決めるまでの手順を、順序として書きます。

1. 求める量の単位を書く。1日あたりの円なのか、台なのか、1年あたりの人数なのか、1年あたりのトン数なのかを最初に決める
2. その量が「1つの拠点や設備が生む成績」なのか「全国あるいは市場の総量」なのかを見る
3. 拠点や設備の成績なら、供給サイド分解を第一候補にする
4. 全国の総量で、対象が人の行動に張り付いているなら需要サイド分解を、空間に張り付いているなら面積と密度による按分を選ぶ
5. 「いま何台あるか」と「1年に何台売れるか」が同時に出てくるなら、ストックとフローでつなぐ
6. 似た対象の公表値が手元にあるなら、どの段階でも相対推定を優先する。仮定の数がいちばん少なくなる

ここまでで1つの型が決まりますが、決まった時点では終わりません。二つの型で解いて突き合わせるところまでが1回の推定です。本章でコンビニエンスストアを供給サイドと需要サイドの両方で解いたのは、この作法を示すためでもあります。

突き合わせた結果の読み方は次のとおりです。二つの答えが2倍以内に収まっていれば、桁は合っています。両方の型が同じ向きに同じだけ外れる可能性は低いので、この一致には意味があります。2倍から5倍の開きがあれば、どちらかの仮定に無理があります。このとき見るべきは、片方の型にしか出てこない仮定です。供給サイドなら稼働率、需要サイドなら頻度が候補になります。5倍以上開いたら、仮定ではなく分解そのものを疑います。同じ量を二度数えているか、単位を取り違えているかのどちらかである場合がほとんどです。突き合わせの具体的な手順と、実績値との照合のしかたは第4章で扱います。

仮定を置くときの作法

型が決まったら、各項に値を置きます。ここには守るべき作法が五つあります。

第1に、比率より絶対数を優先します。同じことを表すのに二通りの書き方があるなら、絶対数のほうを選びます。「利用率1%」と「利用率2%」は、並べて見ても差が小さく感じられますが、答えは倍違います。これを「1日に来る人は300人」と「600人」と書き直せば、差が身体感覚で分かります。人の判断は絶対数のほうが働くので、置き違えたときに気づける形にしておきます。

第2に、仮定は必ず紙に書き出します。式の中に埋め込まず、表にして並べます。項目名、置いた値、置いた理由の三列で十分です。書き出しておくと、後から実績が判明したときに、どの仮定が外れていたかを特定できます。特定できれば次の概算の精度が上がります。書き出さなければ、外れたという事実だけが残り、学習になりません。

第3に、仮定の出所を三段階に分けて記録します。実績値、公表値、置き値の三つです。実績値は自社のシステムや会計から取り出した事実、公表値は官公庁や業界団体や企業のIR資料に載っている数字、置き値は根拠なく自分で置いた数字です。三つを区別して記録しておくと、答えのうちどれだけが事実に支えられ、どれだけが置き値に支えられているかが見えます。掛け算の中で最も大きく効いている項が置き値だったなら、その概算はまだ人に見せる段階ではありません。

出所の段階	何を指すか	扱い方
実績値	自社の基幹システム、会計データ、実測	そのまま使う。ただし対象範囲と期間を明記する
公表値	官公庁の統計、業界団体の調査、企業のIR資料	いつ時点の値かを必ず併記する。孫引きせず発行元にあたる
置き値	根拠を持たずに置いた数字	後から差し替える前提で記録する。答えを支配していないかを確認する

第4に、有効数字は1桁で計算します。席数を12席ではなく10席、単価を780円ではなく800円と置きます。細かい値を持ち回ると、答えが精密であるかのような印象を与えてしまい、受け取った側が桁の概算だという前提を忘れます。計算そのものも暗算で追えなくなり、途中の誤りを見つけにくくなります。

第5に、単位と時間軸を必ず書きます。1日あたりなのか1年あたりなのか、1人あたりなのか1世帯あたりなのか。この二つを省略した数字は、次に読む人が必ず取り違えます。とくに1人あたりと1世帯あたりの取り違えは、日本の平均世帯人員が2人程度であることから、そのままおよそ2倍の誤差になります。

五つの作法は、どれも精度を上げるためというより、誤りを後から見つけられる形にするためのものです。概算は外れます。外れることを前提に、外れたときにどこが原因かを特定できる状態で残す。それがこの技法を組織で使うための条件です。次の第3章では、こうした仮定を置くときの土台になる基礎数値を、2026年時点の公表値に当たり直したうえで一覧にします。

この章を深めたい方への参考書籍

• 『ロジカル・シンキング』（照屋華子、岡田恵子、東洋経済新報社、2001年）
  漏れも重複もない分け方と、主張と根拠のつなぎ方を扱います。この章の5つの分解パターンが、なぜ漏れなく重ならないように作られているのかを言葉で説明できるようになります。
  ロジカル・シンキング（楽天市場で見る）
  
  
• 『意思決定のための「分析の技術」』（後正武、ダイヤモンド社、1998年）
  大きさを比べる、分ける、変化を追う、パターンを掴むという4つの見方で分析を整理した本です。この章の分解が何のための分解かを見失わないための足場になります。
  意思決定のための「分析の技術」（楽天市場で見る）
  
  

第3章 覚えておくと便利な数字、2026年に当たり直した版

フェルミ推定で手が止まる原因の多くは、分解の筋道が思いつかないことではありません。分解した先に置くべき数字が出てこないことです。日本の人口は何人か、世帯はいくつあるか、働いている人は何人いるか。この三つが即座に出てこないと、どれだけ整った分解を思いついても計算が前に進みません。逆に、この三つが頭に入っていれば、資料を開かずに市場の大きさの見当をつけられます。

ここで覚える数字に求められるのは、精度ではなく速度です。概算の目的は桁を合わせることなので、人口を1億2,305万人と覚えていても、1.2億人と覚えていても、最終的な答えの桁は変わりません。むしろ細かい値を覚えようとすると、思い出すのに時間がかかり、途中の掛け算も遅くなります。覚えるべきは、暗算の途中で止まらない粒度まで丸めた値です。だからこの章の表には、実測値と並べて「暗記用の丸めた値」の列を作りました。

ただし、丸めることと、古いまま使うことは別の話です。丸めた値は桁を保ちますが、古い値は桁ごと外れることがあります。しかも、覚えている数字が古いという自覚は本人には生まれません。誤りは自信をもって語られ、その場では誰も検算しません。だからこの章では、数値そのものに加えて、それぞれの数字がどれくらいの速さで動いているかを添えました。速く動く数字は毎年見直し、動かない数字は放置してよい。この切り分けができれば、暗記した値の賞味期限を自分で管理できます。数値はすべて2026年8月時点で公表されている一次情報に当たり直したもので、いつ時点の値かと発行元を各行に付けました。

日本の人口と世帯

すべての概算の出発点になる群です。2025年10月1日に実施された国勢調査の速報値が2026年5月29日に公表されたため、人口と世帯数についてはこの5年間で最も確かな数字が使える状態になっています。月次の最新値が必要な場合は、同じ総務省統計局の人口推計を見ます。

項目	2026年時点の値	暗記用の丸めた値	出典と時点
総人口	1億2,305万人（123,049,524人）	1.23億人	総務省統計局「令和7年国勢調査 人口速報集計結果」2025年10月1日現在
総人口（月次の最新）	1億2,268万人	1.23億人	総務省統計局「人口推計」2026年8月1日現在の概算値
日本人人口	1億1,898万9千人	1.19億人	総務省統計局「人口推計」2026年3月1日現在の確定値
外国人人口	382万1千人（前年同月比7.20%増）	380万人	総務省統計局「人口推計」2026年3月1日現在の確定値
2050年の総人口	1億468万6千人	1.05億人	国立社会保障・人口問題研究所「日本の将来推計人口（令和5年推計）」出生中位・死亡中位
世帯数	5,712万5千世帯	5,700万世帯	総務省統計局「令和7年国勢調査 人口速報集計結果」2025年10月1日現在
1世帯当たり人員	2.15人	2.15人	同上
15歳未満人口	1,331万9千人	1,300万人	総務省統計局「人口推計」2026年3月1日現在の確定値
15歳から64歳の人口	7,329万人	7,300万人	同上
65歳以上人口	3,620万2千人	3,600万人	同上
75歳以上人口	2,148万8千人	2,100万人	同上
高齢化率（65歳以上の割合）	29.4%	約3割	内閣府「令和8年版高齢社会白書」2025年10月1日現在
年間出生数	67万1,236人	67万人	厚生労働省「令和7年人口動態統計月報年計（概数）」2025年
年間死亡数	158万9,489人	159万人	同上
自然増減数	マイナス91万8,253人	マイナス92万人	同上
合計特殊出生率	1.14	1.1	同上
婚姻件数	48万9,119組	49万組	同上
平均寿命	男81.35年、女87.33年	男女あわせて84年	厚生労働省「令和7年簡易生命表」2025年
東京都の人口	1,424万6千人（全国の11.6%）	1,400万人	総務省統計局「令和7年国勢調査 人口速報集計結果」2025年10月1日現在
東京都特別区部（23区）の人口	995万3,160人	1,000万人	同上
東京圏（埼玉、千葉、東京、神奈川）の人口	3,698万6千人（全国の30.1%）	3,700万人、全国の3割	同上
三大都市圏の人口	6,597万9千人（全国の53.31%）	6,600万人、全国の5割強	総務省「住民基本台帳に基づく人口、人口動態及び世帯数」2026年1月1日現在
人口密度	329.9人／km²	330人／km²	総務省統計局「令和7年国勢調査 人口速報集計結果」2025年10月1日現在。分母は歯舞群島、色丹島、国後島、択捉島および竹島を除いた377,979.67km²
市町村数	1,718（市792、町743、村183）	市800、町750、村180	総務省「市町村合併」2026年8月28日時点
都道府県数	47	47	総務省統計局「令和7年国勢調査 人口速報集計結果」の都道府県別表による

市町村数には注意点が二つあります。東京23区は特別区であって市町村ではないため、総務省が公表する1,718には含まれていません。国勢調査が全国1,719市町村と表章しているのは、23区をまとめて1市として扱った結果です。また、政令指定都市は独立した区分ではなく792の市の中に入っています。人口と面積の両方が絡む概算では、この扱いの差が数%の食い違いを生みます。

世帯数についても、根拠となる調査によって値が変わります。国勢調査は2025年10月1日時点で5,712万5千世帯、1世帯当たり2.15人ですが、住民基本台帳は2026年1月1日時点で6,174万7千世帯、1世帯当たり2.00人です。国勢調査が実際に住んでいる場所を数えるのに対し、住民基本台帳は届出を数えるという違いによるものです。どちらが正しいという話ではないので、比較や時系列を作るときは同じ調査でそろえます。

同じ人口でも、公表値は一つではない

前の節で世帯数に触れましたが、これは世帯だけの話ではありません。人口も同じです。日本の総人口として引ける公表値は、少なくとも三つあります。どれも総務省が出している一次情報で、どれも正しく、それでいて値が違います。

統計	2026年時点の値	何を数えているか	更新の頻度
国勢調査	1億2,305万人（2025年10月1日現在の速報集計）	調査時点に実際に住んでいた人。外国人も含む	5年に1度
人口推計	1億2,268万人（2026年8月1日現在の概算値）	国勢調査を基準に、出生・死亡・出入国を加減して延長した値	毎月
住民基本台帳に基づく人口	1億2,376万7,642人（2026年1月1日現在）	住民票に記載されている人。届出のある人	年に1度

三つの差は最大で約109万人あります。人口の1%弱ですから、概算の答えの桁を変える大きさではありません。それでも、この差を知らないまま資料を作ると、別の人が別の統計を引いて「数字が違う」という議論が始まります。議論の対象が推定の中身ではなく出典の食い違いに移ってしまい、時間だけが消えます。

三つの使い分けは、次のように考えると迷いません。実態に基づく確かな数字が要るときは国勢調査を使います。5年に1度しか更新されませんが、実際に住んでいる人を数えた結果なので、市場の大きさや世帯単位のサービスの母数にはこれが向きます。直近の月次の動きを見たいときは人口推計を使います。国勢調査の間を埋める値なので、時系列の折れ線を作るならこちらです。住民登録に紐づく制度を扱うときは住民基本台帳を使います。行政手続き、住民税、選挙人名簿のように、届出そのものが対象になる話では、実態ではなく届出の数が母数になるためです。

世帯数も同じ整理になります。消費や世帯単位のサービスの概算では国勢調査の5,700万世帯を、住民登録に紐づく制度の概算では住民基本台帳の6,200万世帯を使います。本コラムの例題でも、扱う対象に応じてこの二つを使い分けています。

概算の目的に照らせば、暗記しておくのは人口1.23億人、世帯5,700万の二つで足ります。三つの統計が存在するという事実のほうを覚えておいて、精緻な資料を作る段になったら、そのとき扱う対象に合う統計を選び直せばよいという整理です。

日本の経済と就業

市場規模を推定するときに、上限の目安として効く群です。ある市場の推定額が名目GDPや家計の消費支出の総額に対してどのくらいを占めるかを見れば、桁を外した瞬間に気づけます。

項目	2026年時点の値	暗記用の丸めた値	出典と時点
名目GDP	672兆6,446億円	670兆円	内閣府「2026年4月から6月期四半期別GDP速報 1次速報値」2025年度の値
1人当たり名目GDP	519.0万円	520万円	内閣府「2024年度国民経済計算年次推計」2024年度の値
民間最終消費支出	353兆7,718億円	350兆円	内閣府「2026年4月から6月期四半期別GDP速報 1次速報値」2025年度の値
家計最終消費支出（持ち家の帰属家賃を除く）	282兆3,640億円	280兆円	同上
労働力人口	7,004万人	7,000万人	総務省統計局「労働力調査（基本集計）」2025年平均
就業者数	6,828万人	6,800万人	同上
雇用者数	6,185万人	6,200万人	同上
正規の職員、従業員数	3,708万人	3,700万人	同上
非正規の職員、従業員数	2,128万人（役員を除く雇用者の36.5%）	2,100万人、約3分の1	同上
完全失業率	2.5%	2.5%	同上
給与所得者数	6,077万人	6,000万人	国税庁「令和6年分民間給与実態統計調査」2024年12月31日現在
給与所得者数（1年を通じて勤務した人）	5,137万人	5,100万人	同上
平均給与	478万円（男587万円、女333万円）	480万円	同上、令和6年分
家計の消費支出（二人以上の世帯）	1か月平均314,001円	月31万円、年380万円	総務省統計局「家計調査」2025年平均
家計の消費支出（単身世帯）	1か月平均173,042円	月17万円、年210万円	同上
中小企業の数	336万5千者	340万社	中小企業庁「中小企業、小規模事業者の数」2021年6月1日現在
小規模事業者の数	285万3千者	285万社	同上
大企業の数	1万364者	1万社	同上
事業所総数	506万494事業所	500万事業所	総務省統計局「令和6年経済センサス（基礎調査）」2024年6月1日現在
インターネット利用率（個人）	85.7%	85%	総務省「令和7年通信利用動向調査」2025年8月末
スマートフォンの世帯保有率	91.8%	90%	同上
国の一般会計当初予算の規模	歳出総額122兆3,092億円	120兆円	財務省「令和8年度予算フレーム」令和8年度当初予算。令和8年4月7日成立

企業数と事業所数は、根拠となる調査の周期が長いことに注意が必要です。企業数の基礎になる経済センサス活動調査は5年に一度で、2026年8月時点で最新の集計は2021年6月1日現在のものです。つまりこの数字だけは、他の項目より5年ほど古い状態が続きます。中小企業白書は毎年出ますが、企業数の元データは同じ2021年の調査です。5年落ちの値を使っていると自覚したうえで使えば問題は起きませんが、自覚がないと「最新の白書に載っていた」という理由で最新の数字だと誤解します。

日本の施設と事業所

供給側から攻める推定で使う群です。店舗数や学校数を足がかりにするときは、1施設当たりの規模もあわせて覚えておくと、掛け算が一段で済みます。学校数は毎年5月1日現在で調査され、その年の8月に速報が出るため、この群の中では最も新しい値が手に入ります。

項目	2026年時点の値	暗記用の丸めた値	出典と時点
小学校の数	18,383校	1.8万校	文部科学省「令和8年度学校基本統計 速報値」2026年5月1日現在
中学校の数	9,761校	1万校	同上
高等学校の数（全日制、定時制）	4,751校	4,800校	同上
大学の数	816校（国立85、公立104、私立627）	800校	同上
短期大学の数	290校	300校	同上
高等専門学校の数	58校	60校	同上
専修学校の数	2,953校	3,000校	同上
幼稚園と幼保連携型認定こども園の数	幼稚園7,922園、認定こども園7,956園	それぞれ8,000園	同上
小学校の児童数	565万4,461人	570万人	同上
中学校の生徒数	306万31人	300万人	同上
大学の在学者数	300万542人	300万人	同上
国土面積	377,974.87km²	38万km²	国土地理院「令和8年全国都道府県市区町村別面積調」2026年4月1日時点
道路総延長	128万5,614km	130万km	国土交通省「道路統計年報2025」道路現況総括表、令和6年3月31日現在
道路実延長	123万1,333km	120万km	同上
高速自動車国道の延長	総延長9,317km	9,000km	同上
自動車保有台数	8,300万1,877台	8,300万台	自動車検査登録情報協会「自動車保有台数」令和8年5月末現在
自家用乗用車の保有台数	6,183万9,584台	6,200万台	自動車検査登録情報協会「自家用乗用車の世帯当たり普及台数」令和8年3月末現在
1世帯当たりの自家用乗用車の台数	1.001台	1台	同上、令和8年3月末の保有台数と令和8年1月1日の世帯数による
医療施設の総数	17万8,696施設	18万施設	厚生労働省「医療施設動態調査」令和8年5月末概数
病院の数	7,949施設、病院の病床数144万1,838床	8,000病院、140万床	同上
一般診療所の数	10万5,690施設	10万施設	同上
歯科診療所の数	6万5,057施設	6.5万施設	同上
コンビニエンスストアの店舗数	5万6,162店	5.6万店	日本フランチャイズチェーン協会「コンビニエンスストア統計調査月報」2026年7月、正会員7社の全店ベース

1世帯当たりの自家用乗用車の台数は、直感に反する動き方をする例です。自家用乗用車の保有台数そのものは前年から増えていますが、世帯数の増え方がそれを上回るため、1世帯当たりの台数は13年連続で減っています。令和8年3月末で1.001台と、1台を割り込む手前まで来ています。世帯単位で普及率を置く推定では、母数である世帯数が増え続けているという事実を先に押さえておかないと、数量の伸びと普及率の伸びを取り違えます。

1校当たりの規模は、学校数と在学者数を割るだけで出せます。小学校は565万人を18,383校で割って1校当たり約308人、中学校は306万人を9,761校で割って約314人です。この二つが頭に入っていると、たとえば学校向けの製品を1校1セットで売る場合と児童1人につき1つ売る場合で、市場の大きさが約300倍変わることがその場で分かります。学校数と学級数と児童数のどれを掛けるかで答えが変わるので、推定を始める前に単位を決めておきます。

世界の数字

日本の数字から世界の市場を推し量るとき、あるいはその逆をするときに使います。国連の推計は数年ごとに改訂されるため、どの改訂版に基づく値かを確認する必要があります。以下は2024年改訂版の中位推計に基づく値です。

項目	2026年時点の値	暗記用の丸めた値	出典と時点
世界人口	83億67万8千人	83億人	国連「World Population Prospects 2024」2026年7月1日の中位推計
2050年の世界人口	96億6,437万9千人	97億人	同上、2050年7月1日の中位推計
世界人口のピーク	2080年代半ばに約103億人	100億人強で頭打ち	国連「World Population Prospects 2024 Summary of Results」
人口最大の国	インド14億7,662万6千人	15億人	国連「World Population Prospects 2024」2026年7月1日の中位推計
人口第2位の国	中国14億1,291万4千人	14億人	同上
人口第3位の国	アメリカ3億4,903万5千人	3.5億人	同上
日本の順位	第12位	12位	総務省統計局「令和7年国勢調査 人口速報集計結果」2025年
日本が世界人口に占める割合	1.5%	1.5%	国連「World Population Prospects 2024」の2026年推計から算出
世界の人口密度	63.1人／km²、日本はその5.2倍	63人／km²	総務省統計局「令和7年国勢調査 人口速報集計結果」2025年。世界の値は同資料が引用する国連「World Population Prospects 2024」による
国連加盟国の数	193	190か国	国際連合公式サイト「About Us」2026年8月28日確認
世界の名目GDP	118兆3,502億米ドル	120兆ドル	世界銀行「World Development Indicators」2025年

日本が世界人口の1.5%を占めるという値は、それ自体が検算の道具になります。世界市場の規模が分かっている製品について、日本市場をその1.5%と置いて概算し、実際の日本市場の値と比べます。開きが大きければ、その製品は日本で普及が進んでいるか遅れているかのどちらかで、そこに事業の余地があるかどうかの手がかりが得られます。所得水準の違いがあるため、数量ベースの比率と金額ベースの比率は一致しません。どちらの比率で置いているかを毎回明示しておくと、後から見直すときに仮定の当否を検証できます。

世界人口の見通しについては、増え続けるという前提そのものを更新する必要があります。国連の2024年推計では、世界人口は2080年代半ばに約103億人でピークを迎え、その後は緩やかに減少する見通しです。2050年時点でも96億6千万人で、2026年の83億人から16%の増加にとどまります。人口の伸びを需要の伸びに直結させる事業計画は、もはや世界規模でも成り立ちにくくなっています。

身の回りのものの重さと大きさ

物流、在庫、輸送の概算で効く群です。トラックの積載量や倉庫の容積から逆算するときに、単位重量を1つでも覚えていれば計算が始まります。

項目	2026年時点の値	暗記用の丸めた値	出典と時点
1円硬貨	量目1g、直径20mm	1g	造幣局「現在製造している貨幣」現行の通常貨幣の仕様、2026年8月28日確認
5円硬貨	量目3.75g、直径22mm	3.75g	同上
10円硬貨	量目4.5g、直径23.5mm	4.5g	同上
50円硬貨	量目4g、直径21mm	4g	同上
100円硬貨	量目4.8g、直径22.6mm	5g	同上
500円硬貨	量目7.1g、直径26.5mm	7g	同上、令和3年発行のバイカラークラッド貨幣
鶏卵1個（Mサイズ）	58g以上64g未満、Lサイズは64g以上70g未満	60g	農林水産省告示「畜産物の価格安定に関する法律施行規則の規定に基づく鶏卵の規格」平成15年最終改正
A4用紙の寸法	210mm×297mm、面積0.06237m²	21cm×30cm	規格はJIS P 0138（紙加工仕上寸法）。寸法の表記はエーワンの製品仕様で確認、2026年8月28日確認
A4用紙1枚の重さ	約4.3g（坪量69g／m²の場合）	4g	坪量はリコー「複写機、プリンター用紙 再生紙」の仕様、2026年8月28日確認。重さは面積との積による算出値
500mLペットボトル飲料	中身500g＋容器約18g	520g、概算では500g	容器はPETボトルリサイクル推進協議会「PETボトルの軽量化」2024年度実績。無菌充填500mLの基準重量25.2gに対し70.8%。18gはこの積による算出値
スマートフォン	177g（iPhone 17）、206g（iPhone 17 Pro）、233g（iPhone 17 Pro Max）	200g	Apple「技術仕様」2026年8月28日確認
乗用車（普通車）	車両重量1,330kgから1,430kg（トヨタ カローラのハイブリッド）、1,360kgから1,570kg（トヨタ プリウス）	1.4t	各社の主要諸元表、2026年5月版および2026年7月版
軽自動車	車両重量880kgから980kg（ダイハツ タント）	1t	ダイハツ「主要諸元表」2026年8月28日確認

この群は他の群と性格が違います。人口や経済の数字は毎年更新されますが、硬貨の量目や鶏卵の規格やA4の寸法は規格そのものなので、規格が改定されない限り動きません。1円硬貨がちょうど1gであることは、手元に硬貨があれば秤の代わりになるという意味でもあります。

一方で、スマートフォンや自動車の重さは製品ごとに幅があるため、そもそも1つの値に決まりません。iPhoneひとつ取っても177gから233gまで3割の開きがあり、乗用車も軽自動車の880kgから普通車の1,570kgまで1.8倍の開きがあります。この種の数字は代表値と幅の両方で覚え、推定の最後にその幅がどれくらい効くかを確かめる形で使います。第11章で扱う感度分析は、この幅の扱い方の話です。

ペットボトルの容器重量には、もう一つの示唆があります。500mL無菌充填用の容器は2004年度に基準重量25.2gでしたが、2024年度実績はその70.8%まで軽くなっています。20年で3割の軽量化です。輸送コストや廃棄量を扱う推定で古い単位重量を使うと、この3割がまるごと誤差になります。物理的な大きさの数字であっても、技術で動くものは動くという例です。

数字が動く速さを知っておく

暗記した値の賞味期限は、項目によって10倍以上違います。数年から10年のあいだに3割動いた数字と、その間まったく動かなかった数字が同居しています。どれがどちらかを知らずに全部を等しく信じることが、古い数字による事故の入口になります。

項目	以前の値	直近の値	変化の速さ	暗記した値の賞味期限
年間出生数	91万8,400人（2018年）	67万1,236人（2025年）	年平均4.4%減	2年から3年で1割ずれる。毎年見直す
外国人人口	222万5千人（2018年10月1日）	382万1千人（2026年3月1日）	直近1年で7.20%増	毎年見直す
名目GDP	569兆9,444億円（2018年度）	672兆6,446億円（2025年度）	年2.4%増	4年で1割ずれる
平均給与	439万1千円（平成30年分）	477万5千円（令和6年分）	年1.4%増	5年に一度
家計の消費支出（二人以上の世帯）	1か月287,315円（2018年）	1か月314,001円（2025年）	年1.3%増	5年に一度
1世帯当たり人員	2.38人（2015年）、2.26人（2020年）	2.15人（2025年）	5年で0.11人減	国勢調査のたびに更新
総人口	1億2,614万6千人（2020年国勢調査）	1億2,305万人（2025年国勢調査）	5年で2.5%減、年平均0.50%減	丸めた1.2億人なら10年以上もつ
インターネット利用率	79.8%（2018年）	85.7%（2025年）	年約0.8ポイント増	5年に一度
平均寿命（男）	80.75年（2015年）	81.35年（2025年）	10年で0.60年	10年もつ
市町村数	1,718（2018年10月1日以降）	1,718（2026年8月28日時点）	変化なし	更新の必要なし
都道府県数	47	47	変化なし	更新の必要なし
国土面積	377,979.67km²（2025年10月1日）	377,974.87km²（2026年4月1日）	半年で4.80km²減、率にして0.001%	丸めた38万km²は数十年もつ

表の外国人人口は、総務省統計局の人口推計が公表している総人口から日本人人口を差し引いた値です。2018年10月1日現在は総人口1億2,644万3千人に対して日本人人口が1億2,421万8千人でしたので、差は222万5千人になります。2026年3月1日現在の確定値は382万1千人で、前年同月比7.20%増と公表されています。この伸びが続けば10年で倍になる速さで、日本の統計の中では最も動きの速い部類に入ります。

この表から読み取ってほしいのは、順位ではなく分かれ方です。出生数のように年4%以上動く数字は、3年放置すると1割ずれます。1割のずれは、フェルミ推定の結論の桁を変えるほどではありませんが、それを前提に置いた事業計画では初年度の売上見込みが1割変わるという意味になります。逆に、市町村数や都道府県数のように制度で決まっている数字は、8年間まったく動いていません。制度が変わらない限り動かない数字は、一度覚えれば更新の対象から外してよいものです。

もう一つ、動く速さと同じくらい重要なのが動く向きです。人口が減っているのだから世帯数も減っているだろう、働く人も減っているだろうと考えるのは自然ですが、実際には逆です。国勢調査では、2020年から2025年の5年間で人口が309万7千人減った一方、世帯数は129万4千世帯増えています。世帯の小型化が人口減少を上回っているためです。就業者数も、労働力調査の2025年平均で5年連続の増加、労働力人口は3年連続の増加となっています。人口が減れば全部が減るという直感で仮定を置くと、需要側の推定を系統的に低く見積もることになります。

数字の更新には、もう一段の落とし穴があります。同じ項目でも、根拠となる調査が違えば値が違うという点です。世帯数は国勢調査で5,712万5千、住民基本台帳で6,174万7千と、460万世帯の差があります。企業数は2021年の調査、学校数は2026年の調査で、5年の時差があります。更新するときは、前回自分が覚えた数字がどの調査のものだったかを確認し、同じ調査の最新値に置き換えます。調査をまたいで置き換えると、実際には動いていない数字が動いたように見えます。

覚えた数字から他の数字を導く

覚える数字を減らすいちばん確実な方法は、覚えた数字どうしを掛けたり割ったりして残りを作ることです。以下は、実際の概算で使用頻度の高い導き方です。

まず、単位の扱いです。万と万を掛けると億になります。5万人が年に2万円使う市場は、5万かける2万で10億円です。これを間違えると答えが1万倍ずれるので、桁の事故のうち最も多いものがここに集まります。慣れるまでは、万を10の4乗と読み替えて指数だけで先に計算し、最後に単位を戻すのが安全です。

次に、人口を年齢で割る導き方です。総人口を平均寿命で割ると、1歳当たりの人数の目安が出ます。1億2,305万人を84年で割ると約146万人です。この計算は素早く、覚える数字も二つで済むため便利ですが、2026年時点では実態からのずれがかなり大きくなっています。人口推計の2026年3月1日現在の確定値で年齢5歳階級別に見ると、0歳から4歳は374万5千人で1歳当たり約75万人、50歳から54歳は974万6千人で1歳当たり約195万人です。つまり、若い層と団塊ジュニア層とで1歳当たりの人数が2.6倍違います。均等分布を仮定した146万人は、高齢層では実態に近く、子ども向けの市場では2倍近く過大になります。子ども向けの推定では、割り算ではなく年間出生数67万人を出発点にしたほうが精度が上がります。

三つ目は、供給側と需要側の両方から攻めるやり方です。店舗の売上は席数かける回転率かける客単価という供給側の式で、市場規模は人口かける購買率かける単価かける頻度という需要側の式で組み立てます。同じ対象に両方を当ててみて、二つの答えが近ければ分解が妥当だった可能性が高く、大きく離れていればどちらかの仮定が誤っています。市場規模の推定では、需要側の答えが家計の消費支出の総額を超えていないかを見るだけでも、明らかな桁の誤りは弾けます。家計調査の二人以上の世帯の消費支出は1か月314,001円ですから、1世帯が年間に使う総額は約377万円です。ある商品に1世帯が年間10万円使うと仮定したなら、それは家計の支出の2.7%を1商品が占めるという意味になります。この比率が現実的かどうかを自問すれば、仮定の妥当性はその場で判断できます。

四つ目は、比率より絶対数を優先するという原則です。1%と2%では結果が2倍変わりますが、どちらがもっともらしいかを判断する手がかりは、比率のままではほとんどありません。一方で、絶対数には検算の足場があります。たとえば「20代の1割が使う」と置く代わりに、20歳から29歳の人口が1,271万8千人であることから「130万人が使う」と置き直せば、その130万人が東京23区の人口995万人の1割強に当たるといった対応がつけられます。人数で言い直せる仮定は、比率のままの仮定より格段に検証しやすくなります。

五つ目は、時間帯や曜日で分けることです。飲食店の売上を1日単位で推定すると、ランチとディナーで客単価も回転率も違うため、平均値がどこにも当てはまらない値になります。ランチは単価1,000円で回転3回、ディナーは単価3,000円で回転1.5回というように分けて足すと、各項の仮定を個別に検証できるようになります。分けることの本当の利点は精度そのものではなく、どの仮定が結論を動かしているかが見えるようになる点です。分けた項のうち1つが全体の8割を占めているなら、検証の労力はその項に集中させればよいことになります。

この章のまとめ

この章に並べた数字は、覚えることが目的ではありません。会議の場で計算を止めないための足場です。すべてを覚える必要はありません。総人口1.23億人、世帯数5,700万、就業者6,800万人、名目GDP670兆円、家計の消費支出が1世帯あたり月31万円という五つが入っているだけで、消費者向けの市場規模はたいてい2分で概算できます。残りは必要になったときに調べればよく、調べるときにどの統計を見ればよいかが分かっていることのほうが、値そのものを覚えていることより長く役に立ちます。

そして、覚えた数字には賞味期限があります。出生数のように年4%以上のペースで動く数字は毎年、名目GDPや平均給与のように年1%から2%で動く数字は数年に一度、市町村数や国土面積のように制度と地理で決まる数字は放置してよいものです。この切り分けを持っておけば、更新の手間は年に一度、数項目を見直す程度で済みます。逆にこの切り分けがないと、更新はいつまでも「そのうちやる」ままになり、8年前の数字を自信をもって語り続けることになります。

経営の場面で言えば、古い数字による損失は、誤った推定そのものよりも、その推定に基づいて配分された資源のほうに現れます。子ども向けの市場を8年前の出生数で見積もれば、市場は実際より4割近く大きく見え、その差は在庫と人員と広告費の過大な投入として計上されます。数字を当たり直す作業は地味ですが、投資判断の前に一度だけ行えば、その後の意思決定すべてに効きます。次章では、こうして組み立てた推定の桁が本当に合っているかを、公表値と突き合わせて確かめる手順を扱います。

この章を深めたい方への参考書籍

• 『日本国勢図会』（矢野恒太記念会、矢野恒太記念会、2026年）
  人口、産業、エネルギー、運輸などの基礎統計を1冊にまとめた年刊のデータブックです。この章で挙げた基礎数値を自分で引き直すときの出発点になります。ここで挙げたのは2026/27年版です。
  日本国勢図会2026/27　(日本がわかるデータブック)（楽天市場で見る）
  
  
• 『数に強くなる』（畑村洋太郎、岩波書店、2007年）
  桁の感覚、単位のつながり、身の回りの量を自分で測る習慣を扱います。覚える数字を増やす前に、数の大きさをどう掴むかを整理できます。

第4章 桁を外さないための検算とフィージビリティチェック

分解して数字を掛け合わせれば、概算の値は必ず出ます。問題は、その値が正しい桁に乗っているかどうかを、出した本人が判定できないところにあります。分解の筋が通っていることと、答えが実態に近いことは別の話です。筋が通った分解でも、途中の仮定が一つ二桁ずれていれば、結論も二桁ずれます。そして計算の過程を眺めているかぎり、そのずれは見えません。

フィージビリティチェックは、この見えないずれを外から照らす工程です。具体的には、出した概算を、その計算にいっさい使わなかった独立した情報源の実績値と突き合わせます。独立していることが条件です。同じ仮定から派生した数字を並べても、確認したことにはなりません。

この工程を省いた概算は、思いつきと区別がつきません。区別がつかない数字が会議に出ると、聞いた側は数字の見た目だけで判断することになります。桁を一つ外した市場規模で投資判断を通せば、必要な人員も、確保すべき在庫も、耐えられる固定費も、すべてその桁に引きずられます。概算の誤りは、概算を出した時点では損失になりませんが、その数字を前提に資源を配ってから損失になります。だからチェックは、数字を配る前に置きます。

検算の型1、単位を最後まで持って計算する

もっとも安く、もっとも早く効くのが単位の確認です。各項に単位を付けたまま計算し、最後に残った単位が知りたいものの単位と一致するかを見ます。単位が合わない式は、値がいくらもっともらしく見えても必ず間違っています。

飲食店の1日の売上を供給サイドから分解する場合、式はこう書けます。

\( 10\,[\text{席}] \times 4\,[\text{回転}/\text{日}] \times 1{,}000\,[\text{円}/\text{客}] \times 1\,[\text{客}/(\text{席}\cdot\text{回転})] = 40{,}000\,[\text{円}/\text{日}] \)

最後の項は自明に見えるので普通は省きますが、これを省いた瞬間に「席」と「回転」が消えずに残り、単位は円ではなくなります。省いてもよいのは、1回転で1席に1人が座るという換算を頭の中で置いているからです。この換算が実は成り立たない業態、たとえば相席や複数名での1席利用がある場合、省略が誤りの入口になります。

単位を追うと、二重計上も見つかります。席数と1日の来客数を掛けてしまう誤りは、単位で書けば \( [\text{席}] \times [\text{人}/\text{日}] = [\text{席}\cdot\text{人}/\text{日}] \) となり、円が出てこないので式の段階で止まります。値を眺めているだけでは、この誤りは数字の大きさとして現れるまで気づけません。

検算の型2、上限と下限で挟む

概算に入る前に、絶対にこれ以上にはならない値と、絶対にこれ以下にはならない値を先に置きます。両端を置いてから中を詰めると、途中の仮定が端を突き抜けた時点で気づけます。

たとえば国内の家計が1日に使う金額の総額を考えるとき、上限の目安になるのが家計最終消費支出です。内閣府「2024年度（令和6年度）国民経済計算年次推計」によれば、2024年度の家計最終消費支出は329.0兆円、持ち家の帰属家賃を除くベースでは270.5兆円です。持ち家の帰属家賃とは、自分の持ち家に住んでいる世帯が家賃を払っているとみなして計上する金額のことで、2024年度は58.5兆円ありました。実際に現金が動く支出だけを見たい場合は、除くベースを使います。

270.5兆円を1日あたりに直すと \( 270.5\,\text{兆円} \div 365 = 7{,}412\,\text{億円}/\text{日} \) です。ある商品の1日の国内販売額を積み上げた結果がこの値に近づいたら、途中で桁を一つ増やしています。国内の家計が使うお金のすべてが、その商品ひとつに向かわないかぎり届かない水準だからです。

下限も同じ要領で置きます。下限は、確実に存在すると分かっている部分だけを数えて作ります。ある地域向けサービスの利用者数を推定するなら、その地域の世帯数のうち、条件を満たすことが公表統計から確実に言える層だけを取り出して、それを下限とします。上限と下限の比が10倍以内に収まれば、その概算は意思決定に足りることが多く、100倍開いたままなら、分解の前に定義を詰め直す段階です。上下の幅は、概算の精度そのものではなく、いま自分が何を知らないかの大きさを表しています。幅が広いこと自体は失敗ではありませんが、幅を測らずに中央の1点だけを出すのは失敗です。

検算の型3、別の経路で解いて突き合わせる

同じ量を、まったく違う分解で二回解きます。両方が同じ答えに近づけば、少なくとも二つの分解が同時に同じ向きに外れてはいないことが確認できます。

家計の年間消費総額を二つの経路で出してみます。第一の経路は世帯からの積み上げです。総務省統計局「家計調査報告（家計収支編）2025年（令和7年）平均結果の概要」によれば、2025年平均の総世帯の消費支出は1世帯当たり1か月259,880円でした。世帯数は、総務省「住民基本台帳に基づく人口、人口動態及び世帯数」の令和8年1月1日現在で6,174万7,140世帯です。掛け合わせると次のようになります。

\( 259{,}880\,\text{円} \times 12 \times 61{,}747{,}140 = 192.6\,\text{兆円} \)

第二の経路は、前節で使った国民経済計算の家計最終消費支出（除く持ち家の帰属家賃）で、270.5兆円です。家計調査は持ち家世帯の帰属家賃を計上しないので、比べる相手は除くベースにそろえます。

二つの経路の比は \( 192.6 \div 270.5 = 0.71 \) で、およそ3割の開きが残りました。桁は合っていますから、概算としては合格の範囲です。ただし実額を議論する用途には、この差の説明が付くまで使えません。差の候補は、対象年次が2025年と2024年度でずれていること、世帯数の出所が住民基本台帳で家計調査の母集団とは定義が異なること、家計調査が施設等の世帯を対象に含まないことなどです。どれがどれだけ効いているかを一つずつ確かめないかぎり、この3割を正常とも異常とも言えません。「桁は合った、実額はまだ言えない」という中間状態を、そのまま中間状態として報告できることが、この検算の価値です。

検算の型4、大きな器で割ってみる

出した数字を、人口・世帯数・国内総生産といった大きな器で割り、1人あたり・1世帯あたりに直します。総額のままでは大きすぎて違和感が働きませんが、1人あたりに直すと自分の生活と比較でき、無理のある値は感覚で弾けます。年間1兆円という市場規模の妥当性は単独では判断しにくくても、\( 1\,\text{兆円} \div 1\text{億}2{,}268\,\text{万人} = 8{,}151\,\text{円} \) と直せば、国民1人が年間8千円あまりをその商品に払っている状態だと言えます。この言い換えができれば、自分や周囲の支出と照らして、多いか少ないかを判断できます。

1世帯あたりに直すのが向いているのは、住宅設備・回線契約・自動車・白物家電のように、購入や契約の単位が世帯になる財です。1人あたりに直すのが向いているのは、食品・飲料・衣料・通信端末のように、個人が単位になる財です。器を取り違えると、換算した瞬間に2倍前後ずれます。2026年1月1日現在の1世帯平均構成人員は2.00人ですから、世帯単位の財を人数で割ってしまえば、そのままおよそ半分の値になります。

換算に使う器の値を、一次情報で引き直したものが下の表です。統計は年次が命なので、いつ時点の値かを必ず併記します。

器となる値	値	時点	出典
総人口	1億2,268万人	2026年8月1日現在の概算値	総務省統計局「人口推計」
総人口（国民経済計算の1人当たり算出に使用）	1億2,377.6万人	2024年度の年度平均	内閣府「国民経済計算年次推計」参考表
世帯数	6,174万7,140世帯	2026年1月1日現在	総務省「住民基本台帳に基づく人口、人口動態及び世帯数」
1世帯平均構成人員	2.00人	2026年1月1日現在	同上
名目国内総生産	642.4兆円	2024年度	内閣府「国民経済計算年次推計」
1人当たり名目国内総生産	519.0万円	2024年度	同上
国民所得（要素費用表示）	452.0兆円	2024年度	同上
1人当たり国民所得	365.2万円	2024年度	同上
雇用者報酬	314.2兆円	2024年度	同上
雇用者数	6,203.5万人	2024年度	同上
家計最終消費支出	329.0兆円	2024年度	同上
家計最終消費支出（除く持ち家の帰属家賃）	270.5兆円	2024年度	同上
消費支出（総世帯、1か月）	259,880円	2025年平均	総務省統計局「家計調査報告（家計収支編）」
消費支出（二人以上の世帯、1か月）	314,001円	2025年平均	同上
消費支出（単身世帯、1か月）	173,042円	2025年平均	同上
実収入（二人以上の勤労者世帯、1か月）	653,901円	2025年平均	同上
可処分所得（二人以上の勤労者世帯、1か月）	532,408円	2025年平均	同上
平均給与（1年を通じて勤務した給与所得者）	478万円	2024年分	国税庁「民間給与実態統計調査」
平均給与（正社員）	545万円	2024年分	同上
平均給与（正社員以外）	206万円	2024年分	同上
1年を通じて勤務した給与所得者数	5,137万人	2024年分	同上
給与所得者数	6,077万人	2024年12月31日現在	同上
民間の事業所が支払った給与の総額	241兆4,388億円	2024年分	同上

表の一行目と二行目は、どちらも日本の総人口を表す値ですが、110万人ほど違います。時点が2024年度の年度平均と2026年8月1日でずれているためです。人口推計の2026年8月1日時点の総人口は前年同月比マイナス59万人、率にしてマイナス0.48%ですから、この差はおおむね2年ぶんの減少にあたります。

時点だけでなく、統計そのものの作り方の違いも効きます。表の世帯数と1世帯平均構成人員は住民基本台帳の値です。同じ住民基本台帳の令和8年1月1日現在で、総人口は1億2,376万7,642人と集計されています。人口推計の2026年8月1日時点の1億2,268万人とは百万人単位で違います。時点が7か月ずれていることに加えて、住民票に記載されている人を数えたものと、国勢調査を基準に出生・死亡・移動を加減して推計したものという、作り方そのものの違いがあるためです。どちらかが誤りなのではありません。概算に使うぶんにはこの程度の差はほとんど影響しませんが、どちらの人口を使ったかは必ず書き残します。後から誰かが再計算したときに、数字が一致しない理由が分からなくなるからです。

公表値をそのまま使うだけでなく、割り算で自分の相場感を作ることもできます。上の表から計算すると、次の値が得られます。いずれも本稿で計算したものです。

• 1世帯あたりの年間消費支出は、総世帯で \( 259{,}880 \times 12 = 3{,}118{,}560\,\text{円} \)、二人以上の世帯で \( 314{,}001 \times 12 = 3{,}768{,}012\,\text{円} \)、単身世帯で \( 173{,}042 \times 12 = 2{,}076{,}504\,\text{円} \)
• 1人あたりの雇用者報酬は \( 314.2\,\text{兆円} \div 6{,}203.5\,\text{万人} = 506\,\text{万円} \)
• 1人1日あたりの家計消費（除く持ち家の帰属家賃）は \( 270.5\,\text{兆円} \div 1\text{億}2{,}377.6\,\text{万人} \div 365 = 5{,}988\,\text{円} \)

1人あたりの雇用者報酬506万円と、国税庁の平均給与478万円は、6%ほど違います。どちらかが誤りなのではなく、定義が違います。雇用者報酬は公務員を含み、賃金・俸給に加えて雇主が負担する社会保険料を含みます。分母の雇用者数には短時間労働者も入ります。1人あたりの数字を借りてくるときは、値そのものより、その値がどの母集団を分母にしているかを先に確認します。この確認を飛ばすと、概算の結論が定義の違いのぶんだけずれます。

同じことが、一つの調査の中でも起こります。国税庁「民間給与実態統計調査」の2024年分では、民間の事業所が支払った給与の総額が241兆4,388億円、2024年12月31日現在の給与所得者数が6,077万人です。この二つを割ると \( 241\text{兆}4{,}388\text{億円} \div 6{,}077\,\text{万人} = 397\,\text{万円} \) になり、同じ調査が公表している平均給与478万円とは2割違います。478万円のほうは1年を通じて勤務した給与所得者5,137万人に限った値で、割り算のほうは年の途中で就職や退職をした人も分母に含んでいるためです。どちらを1人あたりの相場として借りるかで、概算の結論は2割動きます。正社員に限れば545万円、正社員以外に限れば206万円と、公表値の中でさらに開きます。どの層を対象にした概算なのかを決めてから、対応する値を選びます。

検算の型5、時間軸を変える

年間の値は1日あたりや1時間あたりに、全国の値は1店舗あたりや1拠点あたりに直します。人が体感で判定できる粒度に落とすことが目的です。

名目国内総生産642.4兆円は、1日あたりでは \( 642.4\,\text{兆円} \div 365 = 1.76\,\text{兆円} \)、1時間あたりでは \( 1.76\,\text{兆円} \div 24 = 733\,\text{億円} \) です。1人1日あたりに直すと \( 1.76\,\text{兆円} \div 1\text{億}2{,}377.6\,\text{万人} = 14{,}220\,\text{円} \) になります。日本にいる人が1日に生み出している付加価値がおよそ1万4千円という値は、生産性の議論をするときの基準線として使えます。「1人あたり月10万円の粗利改善」という目標が、この基準線に対してどれくらいの大きさかが即座に分かるからです。

合っていたときに、何を確認できたのか

概算と実績値が一致したとき、確認できたのは「最終的な積が近かった」ということだけです。分解が妥当だったことは保証されません。二つの仮定がそれぞれ逆向きに外れて打ち消し合った場合も、積は合います。この場合、次に同じ分解を別の条件で使った瞬間に、打ち消し合いが崩れて答えが飛びます。

したがって、一致したときこそ中間の値を突き合わせます。最終値だけでなく、途中で置いた各項が、それぞれ独立に確認できるかを見ます。

中間の突き合わせが機能している例を、公表統計の中に見ることができます。家計調査の2025年平均、二人以上の世帯の消費支出314,001円は、10の費目に分かれています。食料94,895円、住居18,678円、光熱・水道24,547円、家具・家事用品13,068円、被服及び履物10,063円、保健医療15,863円、交通・通信45,730円、教育11,939円、教養娯楽32,125円、その他の消費支出47,093円です。合計すると314,001円になり、総額と一致します。同様に、2024年度の名目国内総生産は、民間最終消費支出340.4兆円、政府最終消費支出129.1兆円、総資本形成178.7兆円、財貨・サービスの純輸出マイナス5.8兆円の合計として642.4兆円になります。

自分の概算にも同じ構造を作ります。総額だけでなく費目ごとの内訳を出し、内訳の一つ一つに独立した確認先を割り当てます。内訳のうち一つでも実績値と二桁ずれていたら、たとえ総額が合っていても、その概算はまだ使えません。合った理由が説明できないからです。

ズレたときの読み方

ずれの幅によって、疑うべき場所が違います。ずれを見た瞬間に全部を作り直すのではなく、幅から当たりを付けて、確認する順番を決めます。

ずれ方	まず疑う場所	確認の手順
桁が1つ以上ずれた	単位の取り違え、人数と世帯数の混同、年間と月間の混同、万と億の変換	式を単位付きで書き直す。仮定の値を一つずつ10倍・10分の1にして、どれを動かすと一致するかを見る
2倍から3倍ずれた	母集団の定義。対象に含めた範囲、稼働日数や営業日数の置き方、単価に税や手数料を含めたかどうか	実績値の定義を出典に当たって読み直し、自分の分解の定義とそろえてから再計算する
1割から2割ずれた	年次のずれ、季節性、地域構成の違い	概算の用途によっては、そのまま採用してよい。ずれの理由を注記して報告に残す
符号が逆になった	差し引きの向き、控除項目の扱い、増減率と水準の混同	式の構造そのものを疑う。値の調整では直らない

桁のずれは、たいてい機械的な取り違えなので、原因が特定できれば直ります。2倍から3倍のずれは定義の問題であることが多く、これは値をいじっても解消しません。前節の家計消費の3割の差も、定義差が疑われる例です。符号が逆になった場合は、値ではなく式の形が間違っているので、分解からやり直します。

チェックを工程として組み込む

ここまでの五つの型は、どれも数分で終わります。時間がかかるのは、突き合わせる相手の実績値を探すところです。したがって実務では、概算を出してから確認先を探すのではなく、分解を設計する段階で「この結果は何と突き合わせるか」を先に決めます。突き合わせる相手が見つからない分解は、検算できない分解です。その場合は、確認先のある切り口に分解を組み替えます。

組織として運用するなら、概算を提出するときの様式に、実績値との突き合わせ結果を書く欄を作るのがもっとも簡単です。欄があれば、埋まっていない概算が一目で分かります。埋まっていない概算を意思決定に使わないという運用ができれば、桁を外した数字が投資判断まで届く経路が閉じます。

この章を深めたい方への参考書籍

• 『統計でウソをつく法』（ダレル・ハフ、高木秀玄訳、講談社、1968年）
  平均の選び方、グラフの目盛り、母集団の取り方など、数字が誤解を生む典型を集めた古典です。検算のときに何を疑うかの一覧として使えます。
  統計でウソをつく法（楽天市場で見る）
  
  
• 『統計数字を疑う』（門倉貴史、光文社、2006年）
  公表統計と実感がずれる理由を、統計の作られ方までさかのぼって説明します。フィージビリティチェックで実際の値と合わなかったとき、どちらを疑うかの手がかりになります。
  統計数字を疑う（楽天市場で見る）
  
  

第5章 例題編1 店舗の1日の売上

この章では、店舗や車両1台といった「箱」の1日の売上を15問扱います。15問すべてに共通する分解の型は、供給サイドの分解です。式にすると、1日の売上は「席数×回転率×稼働率×客単価」の四つに分かれます。席数は同時に何人を受け入れられるかという物理的な上限、回転率は1席が1時間に何人を通すか、稼働率はその席が実際に埋まっている割合、客単価は1人がいくら払うかです。レジ台数や客室数、給油レーン数のように、席以外のものが上限を決める業種もありますが、構造は同じです。上限となる設備の数を置き、そこを1時間に何人通るかを置き、実際に埋まる割合を掛け、単価を掛けます。

需要サイド、つまり「商圏人口×来店率×頻度×単価」で攻める道もあります。それでもこの章で供給サイドを採るのは、店舗には物理的な天井があり、その天井は外から数えられるからです。席は数えられます。レジ台数も、客室数も、給油レーンも数えられます。数えられる量から出発すると、仮定の数が減り、誤差の出どころが特定しやすくなります。逆に商圏人口から入ると、「その店に来る人の割合」という、外からは絶対に見えない数字を置くことになります。

精度を上げる鍵は時間帯の分割です。飲食店の稼働率は昼と夜と深夜でまったく違い、一つの平均値で押し通すと桁を外します。以下の15問では、時間帯を分けた方がよい問いでは分けています。なお、各問の検算に使った「実際の値」は、2026年8月28日時点で官公庁統計、業界団体統計、上場企業の決算短信に当たり直しました。確認できなかったものは、確認できなかったと書いています。

Q1 ラーメン店の1日の売上は

供給サイドで分解します。ラーメン店は滞在時間が短く、席が空けばすぐ次の客が座るため、席数と回転率が売上の天井をほぼ決めます。逆に需要サイドで攻めると、商圏人口に対する来店率という見えない数字を置くことになり、10席の店と40席の店の違いを表現できません。

置いた仮定	値	その値を置いた理由
席数	10席	カウンターのみの個人経営店として、10坪前後の物件に入る席数
1席あたり回転率	1人／時間	着席から退店まで20分、次の客が座るまでの空き時間を含めて1時間に1人
営業時間	昼3時間、夜6時間	11時から14時、17時から23時の二部制
稼働率	70%	ピークは満席だが、開店直後と閉店前が空くため通し平均で7割
客単価	900円	ラーメン1杯に、トッピングや替え玉を含めた1人あたりの支払額

10席×9時間×1回転×70%＝63人。63人×900円＝56,700円。1日の売上はおよそ5万7,000円です。

日本政策金融公庫の「小企業の経営指標調査」2025年度版、2026年8月公表分で当たり直しました。中華そば店とぎょうざ店を含む「中華料理店」109社の集計では、1坪（3.3平方メートル）あたりの年間売上高は中央値2,248千円、平均2,660千円です。設問の10席は10坪程度に相当するので、中央値なら年商2,248万円、1日あたり6万2,000円。平均なら7万3,000円になります。推定値5万7,000円は中央値の9割で、桁も水準も合っています。合ったのは偶然ではなく、席数と回転率という物理的な上限から出発したためで、この型が小規模飲食店に対して素直に効くことを示しています。

別の分解として、従業者1人あたりで見る手もあります。同じ調査では飲食店・宿泊業全体の従業者1人あたり年間売上高が中央値6,504千円です。ラーメン店を3人体制とすれば年商1,951万円、1日あたり5万3,000円となり、席数から出した数字と1割の差に収まります。二つの独立な切り口が近い値を出したので、この推定は幅として5万円から7万円で語ってよいと判断できます。

実務では、飲食店の出店可否を判断する場面で使います。家賃が月30万円なら、日商5万7,000円の店は月商約171万円で、家賃比率は17.5%です。飲食店の家賃比率は10%前後が一つの目安とされるため、この物件は席数を増やすか客単価を上げないと成立しません。物件を見た瞬間に席数から日商の上限が出れば、賃料交渉に入る前に候補を落とせます。

Q2 コンビニの1日の売上は

コンビニに客席はありません。上限を決めるのはレジの処理能力です。したがって「レジ台数×1台あたり処理人数×営業時間×客単価」に分解します。棚の広さや品揃えの数ではなく、会計の速度が上限を決めるという見立てです。

置いた仮定	値	その値を置いた理由
レジ台数	2台	標準的な店舗のレジカウンター数
1台あたり処理人数	10人／時間	深夜の閑散時間を含めた24時間の平均。ピークは1台20人以上さばく
営業時間	24時間	24時間営業を前提
客単価	1,000円	弁当と飲料の組み合わせを想定

2台×10人×24時間＝480人。480人×1,000円＝480,000円。1日の売上はおよそ48万円です。

日本フランチャイズチェーン協会の「コンビニエンスストア統計調査 年間集計」2025年1月から12月分によれば、正会員7社の店舗数は12月末で56,054店、全店年間売上高は12兆583億円、全店年間来店客数は163億4,142万人、全店平均客単価は737.9円です。ここから1店舗1日あたりを出すと、売上は約59万円、来店客数は約800人になります。推定の48万円は実測の8割で、桁は合いましたが2割足りません。内訳を見ると誤差の方向が逆向きに二つあります。客単価は1,000円と置いたのに実測は737.9円で3割強の過大、客数は480人と置いたのに実測は約800人で4割の過小です。二つの誤りが打ち消し合って、結果だけが近くなりました。仮定を一つずつ検証しないと、当たったこと自体が危険な信号になる典型です。

別の分解として、経済産業省の「商業動態統計」2025年分ではコンビニエンスストアの販売額が13兆3,212億円、店舗数が56,659店で、1店舗あたり日商は約64万円になります。協会統計と経産省統計で5万円の差が出るのは、集計対象と売上の定義が異なるためです。同じ「コンビニの日商」でも出典によって59万円と64万円に割れるという事実は、単一の数字を持ち出して議論を締めるべきでないことを示しています。

実務では、出店判断の閾値として使います。コンビニのフランチャイズ収益は日商にほぼ比例するため、候補地の日商が全店平均の59万円を下回るかどうかが、契約を結ぶかどうかの分岐になります。1日あたり10万円の差は年間3,650万円の差で、これは店舗の粗利で見ればオーナーの手取りが成立するかどうかを分ける水準です。

Q3 カラオケボックス店の1日の売上は

渋谷の大型店を想定します。ルームが席の代わりになるので「ルーム数×稼働率×回転率×グループ人数×時間単価」に分解します。カラオケは時間帯によって客層も滞在時間も別物になるため、24時間を四つに割ります。深夜はオールナイトの長時間利用で回転が落ちる代わりに稼働が続き、昼は主婦や学生の短時間利用が入ります。

置いた仮定	値	その値を置いた理由
ルーム数	100室	ターミナル駅前のビル1棟を占める大型店の規模
時間単価	500円／人・時間	ドリンクバー込みの1人1時間あたり
深夜0時から6時	稼働20%、回転1／4、1.5人	オールナイト客が滞留し、回転はほぼ止まる
朝6時から13時	稼働10%、回転1、1人	ひとりカラオケ中心で最も閑散
昼13時から18時	稼働50%、回転1／2、3人	学生とファミリーのグループ利用
夜18時から24時	稼働80%、回転1／2、3人	宴会後の二次会需要で最も混む

延べ人時は、6時間×20%×1／4×1.5人＋7時間×10%×1×1人＋5時間×50%×1／2×3人＋6時間×80%×1／2×3人＝12。500円×100室×12＝600,000円。1日の売上はおよそ60万円です。

渋谷の大型店1店舗の日商は、公表値が見つかりませんでした。代わりに確認できたのは全国チェーンの平均です。コシダカホールディングスの2025年8月期決算短信では、カラオケセグメントの売上高が671億62百万円、期末店舗数は国内703店と海外25店です。単純に728店で割ると1店舗あたり年商は約9,200万円、1日あたり約26万円になります。推定の60万円はこの2.3倍です。ただしこの平均には郊外の小型店が多数含まれるため、都心一等地の100室店が平均の2倍から3倍になること自体は不自然ではありません。整合しているとは言えず、否定もできない、というのが正確な結論です。

別の分解として市場全体から攻めると、全国カラオケ事業者協会の「カラオケ白書2026」では2025年度のユーザー市場規模が5,108億円です。1日あたり14億円になります。コシダカの国内カラオケ売上をこの市場規模と突き合わせるとシェアはおよそ13%で、同社の国内703店から逆算すると全国のカラオケ店は5,000店台という桁が出ます。セグメント売上に海外が含まれるため粗い計算ですが、市場規模と店舗数と1店舗の日商が互いに矛盾しない範囲に収まるかを確かめる用途には足ります。

実務では、時間帯別の稼働率を動かせる事業かどうかの判断に使います。この分解では、売上の6割が夜の6時間から出ています。朝と深夜の稼働率を10ポイント上げるより、夜の1時間の単価を上げる方が効きます。時間帯別に分解した推定は、値上げをどの時間帯に打つかという意思決定にそのまま接続します。

Q4 映画館1スクリーンの1日の売上は

座席数が明確な上限で、1日の上映回数が回転率にあたります。したがって「席数×混雑率×上映回数×客単価」で分解します。映画館は物販の比率が高く、チケット代だけでは実態を外すので、単価にドリンクとフードを足し込みます。

置いた仮定	値	その値を置いた理由
席数	300席	シネコンの中型から大型スクリーン1面
上映回数	4回／日	2時間の作品を入替時間込みで回した場合の回数
混雑率	70%	話題作を休日に上映した想定
チケット単価	1,500円	一般料金
物販	ドリンク300円を50%、フード600円を30%	売店の購入率

客単価は1,500円＋300円×50%＋600円×30%＝1,830円。動員は300席×70%×4回＝840人。1,830円×840人＝1,537,200円。1日の売上はおよそ150万円です。

日本映画製作者連盟の「2025年（令和7年）全国映画概況」、2026年1月発表分で当たり直しました。2025年の興行収入は2,744億5,200万円、入場人員は1億8,875万6,000人、平均入場料金は1,454円、全国スクリーン数は3,697です。まず単価の仮定は的中しています。1,500円と置いたところ実測は1,454円でした。一方、動員はまるで合いません。1スクリーンあたりの1日平均入場者数は約140人、興行収入だけで見た1日平均売上は約20万円です。推定の840人は全国平均の6倍にあたります。

これは推定が間違っているのではなく、置いた条件が上位に寄っているためです。全国平均には平日の閑散時間帯、小規模館、動員の少ない作品がすべて入ります。設問は休日、話題作、300席の大型スクリーンという好条件を三つ重ねました。したがって150万円は「ありうる上限に近い1日」であり、平均的な1日ではありません。別の分解として、2025年の年間入場人員を営業日数365日と3,697スクリーンで割った140人を出発点に置き、休日は平日の3倍、大型スクリーンは平均の2倍と積むと840人に届きます。二つの経路が同じ数字に着地するので、条件付きの推定としては妥当だと判断できます。

実務では、条件を明示せずに1店舗あたりの数字を出す危うさを示す例として使えます。事業計画に「1スクリーンあたり日商150万円」と書けば、それは年商5億5,000万円を意味します。全国平均の7,400万円との差は7倍です。平均で語るのか、好条件で語るのかを明示しないまま数字だけが独り歩きすると、投資判断は簡単に壊れます。

Q5 マクドナルドの1日の売上は

ファストフードは着席を前提にしないため、席数ではなくレジの処理能力を上限に置きます。「レジ台数×1台あたり処理組数×営業時間×組単価」で分解し、24時間を三つの時間帯に割ります。

置いた仮定	値	その値を置いた理由
レジ台数	2台	標準店舗のカウンターレジ数
ピーク6時間	12組／時・台	昼と夕方の混雑時間帯
通常12時間	6組／時・台	アイドルタイム
深夜6時間	3組／時・台	24時間営業店の深夜帯
組単価	1,500円	単身のセットと家族のまとめ買いを混ぜた1会計あたり

1台あたり組数は6時間×12＋12時間×6＋6時間×3＝162組。2台で324組。324組×1,500円＝486,000円。1日の売上はおよそ49万円です。

日本マクドナルドホールディングスの2025年12月期決算短信で当たり直しました。システムワイドセールス、つまり直営店とフランチャイズ店の合計売上高は8,886億49百万円、期末店舗数は3,025店です。1店舗あたり年商は約2億9,400万円、1日あたりおよそ80万円になります。推定の49万円は実測の6割で、大きく下振れしました。

ズレの原因は「レジ台数が処理能力の上限を決める」という前提そのものにあります。実測の80万円を組単価1,500円で割ると1日533組です。時間帯別に置いた仮定ではレジ2台で324組にしかならず、実測に6割しか届きません。実際にはドライブスルー、モバイルオーダー、デリバリーという別チャネルが並行して動いており、店内レジは注文経路の一つにすぎません。別の分解として「チャネル数×チャネルあたり処理組数」に組み替えると、店内2台、ドライブスルー1レーン、モバイルとデリバリーを合わせて1レーン相当の計4系統となり、1系統あたり133組で計算が合います。分解の型を間違えると、仮定を細かく詰めても届きません。

実務では、既存事業の処理能力を見直す場面に直結します。もし店舗の売上が伸び悩んでいるとき、レジの回転を上げる施策に投資すべきか、注文チャネルを増やす投資をすべきかは、どの箱が上限になっているかで変わります。この推定の失敗は、上限だと思っていたものがすでに上限ではなくなっていた、という事業構造の変化を可視化します。

Q6 居酒屋の1日の売上は

居酒屋は滞在時間が長く、席の回転が明確に効くので供給サイドで分解します。「席数×稼働率×回転率×営業時間×客単価」の形です。ラーメン店と違い1組の滞在が2時間前後になるため、回転率は1時間あたり0.5回に落ちます。

置いた仮定	値	その値を置いた理由
席数	40席	25坪から30坪の中規模店
営業時間	7時間	17時から24時
回転率	0.5回／時間	1組の平均滞在時間を2時間と置いた逆数
稼働率	60%	金土は満席に近いが、平日前半が空くため週平均で6割
客単価	3,500円	飲み物3杯と料理を分け合う一般的な単価

40席×0.5回転×7時間×60%＝84人。84人×3,500円＝294,000円。1日の売上はおよそ29万円です。

日本政策金融公庫の「小企業の経営指標調査」2025年度版、2026年8月公表分の「酒場，ビヤホール」212社で当たり直しました。店舗面積1坪あたりの年間売上高は平均2,535千円、中央値1,865千円、1企業あたり店舗面積は平均132.1平方メートル、中央値99.7平方メートルです。平均どうしを掛けると40坪で年商1億140万円、1日あたり27万8,000円。中央値どうしなら30坪で年商5,632万円、1日あたり15万4,000円になります。推定の29万円は平均とほぼ一致し、中央値の1.9倍です。

この差は誤りではなく、分布の歪みそのものです。居酒屋の売上分布は右に長い裾を持ち、少数の大型店が平均を引き上げます。半数の店は中央値の15万円前後で営業しています。別の分解として、1人あたりの人件費から攻めることもできます。同調査の「酒場，ビヤホール」では従業者1人あたり年間売上高が中央値6,227千円なので、社員2人とアルバイト換算5人の計7人なら年商4,359万円、1日あたり11万9,000円です。席数から出した推定との差は、店の人員構成が薄いか厚いかを表しています。

実務では、居酒屋業態の投資判断で「平均で語らない」ことの重要性を示します。1店舗あたり日商29万円を前提に多店舗展開の計画を組むと、実際には半数の店が15万円前後にとどまるため、資金計画が中盤で破綻します。中央値と平均の両方を出し、どちらの世界で戦うのかを決めてから投資額を積むべきです。

Q7 回転寿司チェーンの1日の売上は

郊外型の大型店を想定します。席数が大きく、ランチとディナーで稼働が大きく変わるため、時間帯を二つに割った供給サイドの分解を採ります。回転寿司は提供が速く、滞在時間も1時間前後と短いので、回転率が高く設定できます。

置いた仮定	値	その値を置いた理由
席数	120席	カウンター40席とボックス80席の郊外大型店
営業時間	11時間	11時から22時
ランチ3時間	稼働90%、回転1回／時間	待ち列ができる時間帯
その他8時間	稼働50%、回転0.5回／時間	アイドルタイムとディナーの平均
客単価	1,200円	1人10皿前後を想定

延べ人数の係数は3時間×90%×1＋8時間×50%×0.5＝4.7。1,200円×120席×4.7＝676,800円。1日の売上はおよそ68万円です。

FOOD & LIFE COMPANIESの2025年9月期決算短信で当たり直しました。国内スシロー事業の売上収益は2,659億3百万円です。同社が公表する2025年9月期の月次店舗数によれば、2025年9月末の国内スシローは外食業態659店とテイクアウト専門店8店の合計667店です。1店舗あたり年商は約3億9,900万円、1日あたりおよそ109万円になります。推定の68万円は実測の6割です。

ズレの主因は客単価です。実測の109万円を、推定した1日564人で割ると1人あたり1,933円になります。1,200円という仮定は、100円均一を前提にした古い水準でした。別の分解として、客単価を1,900円に置き直すと同じ席数と回転で107万円となり、実測とほぼ一致します。席数と回転率の見立ては正しく、単価だけが外れていたことが分かります。フェルミ推定で外れたとき、四つの箱のどれが原因かを特定できると、次の推定の精度が一段上がります。

実務では、価格改定のインパクト試算に使えます。この構造では客単価が1割上がれば売上も1割上がり、客数が変わらなければそのまま粗利に乗ります。席数を増やす投資と単価を上げる施策のどちらを先に打つかを、同じ式の上で比較できます。

Q8 牛丼チェーンの1日の売上は

牛丼店は低単価で滞在時間が極端に短い業態です。1人あたり15分で席が空くため、回転率を1時間あたり4回まで引き上げられます。席数×回転率×稼働率×客単価の型を、24時間営業を前提に三つの時間帯へ割って使います。

置いた仮定	値	その値を置いた理由
席数	25席	カウンター中心の標準店
回転率	4回／時間	1人あたり滞在15分
ピーク6時間	稼働80%	昼と夕方
通常12時間	稼働40%	アイドルタイム
深夜6時間	稼働15%	深夜帯
客単価	500円	並盛単品を想定

稼働の係数は6時間×80%＋12時間×40%＋6時間×15%＝10.5。500円×25席×4回転×10.5＝525,000円。1日の売上はおよそ53万円です。

吉野家ホールディングスの2026年2月期決算短信で当たり直しました。吉野家セグメントの売上高は1,512億7百万円、同セグメントの店舗数は1,290店です。単純に割ると1店舗あたり年商は約1億1,700万円、1日あたり32万円になります。推定の53万円は実測の1.6倍に見えますが、この比較には注意が要ります。セグメント売上高にはフランチャイズ店の店頭売上が全額は計上されず、ロイヤリティなどの形でしか入りません。一方で店舗数1,290店にはフランチャイズ店が含まれます。したがってこの割り算は構造的に下振れします。店頭で実際に動いている金額は32万円より高く、53万円との差は見た目ほど大きくありません。

もう一つの誤差要因は客単価です。並盛単品500円という仮定は、価格改定とサイドメニューの拡充が進んだ現在の水準を反映していません。別の分解として、客単価を700円に置き直すと同じ席数と回転で73万5,000円となり、今度は上振れします。決算資料の数字を店舗単位に割り戻すときは、その売上に何が含まれ何が含まれないかを先に確認しないと、比較そのものが成立しません。

実務では、フランチャイズ比率の高いチェーンを外から評価する際の落とし穴として重要です。売上高を店舗数で割った値をそのまま「1店舗の実力」と読むと、直営中心のチェーンと比べたときに不当に低く見えます。比較するなら、システムワイドセールスのように店頭売上を合算した指標で揃える必要があります。

Q9 スーパーマーケットの1日の売上は

スーパーはレジの処理能力が上限を決めます。「レジ台数×1台あたり処理人数×営業時間×客単価」で分解し、夕方のピークとそれ以外を分けます。

置いた仮定	値	その値を置いた理由
レジ台数	8台	売場400坪前後の食品スーパーの標準的なレジ数
営業時間	11時間	10時から21時
ピーク3時間	20人／時・台	夕方の買い回り時間帯
通常8時間	10人／時・台	それ以外
客単価	2,500円	夕食1回分のまとめ買い

1台あたり人数は3時間×20＋8時間×10＝140人。8台で1,120人。1,120人×2,500円＝2,800,000円。1日の売上はおよそ280万円です。

全国スーパーマーケット協会、日本スーパーマーケット協会、オール日本スーパーマーケット協会の3団体による「スーパーマーケット販売統計調査」2026年7月実績速報版で当たり直しました。パネル270社、総店舗数8,614店の集計で、店舗平均月商は1億3,277万円です。7月は31日なので、1日あたりおよそ428万円になります。推定の280万円は実測の65%で、1.5倍の開きがあります。

原因はレジ台数です。同調査の総売場面積14,416,663平方メートルを店舗数で割ると1店舗の平均売場面積は約1,674平方メートル、約506坪です。同3団体の「2025年版スーパーマーケット年次統計調査」では売場1,000平方メートルあたりのレジ台数が平均6.9台なので、1,674平方メートルならおよそ11.5台になります。8台という仮定が3台以上少なかったことになります。別の分解として、実測の428万円を客単価2,500円で割ると1日1,712人、これを11.5台と11時間で割ると1台1時間あたり13.5人です。当初置いた10人から20人という幅の中に収まっており、レジ台数を正しく置けば元の分解でそのまま届きました。

実務では、売場面積からレジ台数を、レジ台数から日商の上限を出す連鎖が使えます。新規出店の売場面積が決まった時点で、レジの処理能力から売上の天井が見積もれるため、面積を増やすべきか、セルフレジで処理能力を上げるべきかを同じ土俵で比較できます。

Q10 ドラッグストアの1日の売上は

ドラッグストアもレジが上限を決める業態です。「レジ台数×1台あたり処理人数×営業時間×客単価」で分解します。スーパーより1回あたりの購入点数が少なく、レジ処理は速い一方、客単価は下がります。

置いた仮定	値	その値を置いた理由
レジ台数	4台	売場250坪前後の郊外型店舗
営業時間	12時間	10時から22時
ピーク3時間	15人／時・台	夕方から夜の帰宅時間帯
通常9時間	8人／時・台	それ以外
客単価	1,500円	日用品と食品の組み合わせ

1台あたり人数は3時間×15＋9時間×8＝117人。4台で468人。468人×1,500円＝702,000円。1日の売上はおよそ70万円です。

この問いについては、2026年8月28日時点でチェーン1店舗あたりの日商について公表値が見つかりませんでした。経済産業省の商業動態統計にはドラッグストアの業態別販売額と店舗数が収録されていますが、当該の年次集計を一次情報として取得できませんでした。日本政策金融公庫の「小企業の経営指標調査」2025年度版には「医薬品小売業（調剤薬局を除く）」の項目がありますが、調査対象が8社と少なく、統計値の下方信頼限界が負になるほど分散が大きいうえ、対象は小規模な薬局や薬店であり、郊外型のチェーン店舗とは業態が異なります。したがって、この数字を検算に使うことはできません。推定70万円が妥当かどうかは、この章の範囲では未確認とします。

確認できたもので挟むことはできます。同じレジ律速の型で検証できたコンビニは1日約59万円、スーパーは約428万円でした。ドラッグストアは売場面積と客単価の両方でその中間に位置するため、日商もこの帯の中に入るはずです。推定の70万円はコンビニのすぐ上で、帯の下端に寄っています。売場250坪という仮定はスーパーの平均506坪の半分ですから、面積比で単純按分すればおよそ210万円となり、推定とは3倍の開きが出ます。どちらが実態に近いかは、一次情報に当たらないかぎり決められません。

実務では、検算できない推定をどう扱うかが問われます。数字が出せないこと自体は失敗ではありませんが、出せないまま「70万円」と書いて意思決定に使うと、根拠のない前提が計画全体に伝播します。確認できない項目は、確認できないと明示したうえで、感度分析の対象として幅で持つのが正しい扱いです。

Q11 ファミリーレストランの1日の売上は

ファミリーレストランは営業時間が長く、時間帯ごとに稼働率と滞在時間がはっきり変わります。席数×稼働率×回転率×客単価の型を、ランチ、ディナー、それ以外の三つに割って使います。

置いた仮定	値	その値を置いた理由
席数	80席	郊外ロードサイド型の標準規模
ランチ3時間	稼働80%、回転1回／時間	回転を意識した短時間利用
ディナー4時間	稼働70%、回転0.5回／時間	家族連れの利用で滞在が伸びる
その他7時間	稼働30%、回転0.5回／時間	朝と深夜の閑散帯
客単価	900円	ドリンクバー付きの単品

係数は3時間×80%×1＋4時間×70%×0.5＋7時間×30%×0.5＝4.85。900円×80席×4.85＝349,200円。1日の売上はおよそ35万円です。

すかいらーくホールディングスの2025年12月期決算短信で当たり直しました。売上収益は4,577億94百万円、期末店舗数は3,111店です。1店舗あたり年商は約1億4,700万円、1日あたりおよそ40万円になります。推定の35万円は実測の87%で、この章のなかでも実測に近い例になりました。席数と稼働率と回転率という三つの仮定が、この業態の実態に近かったためです。

残る13%の差は客単価にあります。実測の40万円を推定した延べ388人で割ると1,038円です。900円という仮定が1割強低かったことになります。別の分解として、実測の1店舗あたり年商1億4,700万円を席数80で割ると1席あたり年商184万円、1日あたり約5,000円です。1席が1日に5,000円前後を生むという見方は、席数さえ分かれば単価も回転も知らずに概算できるので、複数業態を横並びで比べるときに便利です。なお、すかいらーくグループにはファミリーレストラン以外の業態も含まれるため、この数字は業態平均である点に留意が必要です。

実務では、店舗改装の投資判断に使えます。1席あたり年商184万円という単位が分かっていれば、席数を10席増やす改装の効果は年間1,840万円と即座に見積もれます。改装費がそれを何年で回収できるかが、投資可否の一次スクリーニングになります。

Q12 ガソリンスタンドの1日の売上は

給油レーンが物理的な上限です。「レーン数×1レーンあたり処理台数×営業時間×1台あたり給油額」に分解します。給油量と単価に分けておくと、価格が動いたときに数量の見立てを保ったまま売上だけ更新できます。

置いた仮定	値	その値を置いた理由
給油レーン数	4レーン	幹線道路沿いの標準的な規模
営業時間	15時間	7時から22時
処理台数	3台／時・レーン	給油と精算で1台20分
1回の給油量	30リットル	普通乗用車の平均的な補給量
ガソリン単価	170円／リットル	レギュラーの店頭価格

台数は4レーン×3台×15時間＝180台。170円×30リットル×180台＝918,000円。1日の売上はおよそ92万円です。

資源エネルギー庁の「令和7年度末揮発油販売業者数及び給油所数」、2026年8月24日公表分によれば、2026年3月31日現在の給油所数は26,412箇所で、前年度末から597箇所減っています。数量は石油連盟の「今日の石油産業2025」が資源エネルギー庁「資源・エネルギー統計」を出所として示す2024年度のガソリン国内需要4,363万9,000キロリットルを使います。同年度末の給油所数27,009箇所で割ると1箇所あたり年間1,616キロリットル、1日あたり約4,400リットルです。単価は資源エネルギー庁の石油製品価格調査に基づく2026年8月24日時点のレギュラー全国平均169.9円を用いると、ガソリンだけで1日およそ75万円になります。推定の92万円は実測の1.2倍で、桁は合っています。

差の出どころは台数です。実測の4,400リットルを1回30リットルで割ると1日148台、推定は180台でした。4レーン15時間で148台なら1レーン1時間あたり2.5台です。1台20分という見立てがやや強気でした。別の分解として、拠点数の推移そのものが使えます。同じ資源エネルギー庁の集計では、給油所数は令和3年度末の28,475箇所から令和7年度末の26,412箇所まで4年で7%減りました。1箇所あたりの取扱量は、需要の減少より緩やかにしか落ちません。生き残った店に需要が集約されるためです。

実務では、拠点網の縮小が個店の採算に与える影響を測る型として使えます。ガソリン需要は2024年度に前年度比1.9%減、給油所数は令和7年度末に前年度末比2.26%減でした。総需要より拠点数の方が速く減るなら、1拠点あたりの取扱量はむしろ増えます。市場が縮小しているという事実だけで撤退を決めると、実際には収益性が改善する局面を取り逃がします。

Q13 個人経営のパン屋の1日の売上は

席がないので、レジに並ぶ人数が上限になります。ただしパン屋はレジが1台でも回るため、実質的な制約は焼き上がりの供給量と来店客数です。ここでは時間帯別の来店客数×客単価という需要寄りの分解を採ります。朝と昼にピークが二つある点が特徴です。

置いた仮定	値	その値を置いた理由
営業時間	11時間	7時から18時
朝3時間	15人／時間	出勤前の食パンと菓子パン需要
昼2時間	20人／時間	惣菜パンとサンドイッチの昼食需要
その他6時間	8人／時間	散発的な来店
客単価	600円	1人3個から4個の購入

来店客数は3時間×15＋2時間×20＋6時間×8＝133人。133人×600円＝79,800円。1日の売上はおよそ8万円です。

日本政策金融公庫の「小企業の経営指標調査」2025年度版、2026年8月公表分の「パン小売業（製造小売）」27社で当たり直しました。店舗面積1坪あたりの年間売上高は中央値2,277千円、平均3,585千円、1企業あたり店舗面積は中央値66.0平方メートル、平均133.3平方メートルです。中央値どうしで計算すると20坪の店で年商4,554万円、1日あたり12万5,000円になります。推定の8万円は中央値の64%で、桁は合うものの下振れしました。

差を客数に翻訳すると、12万5,000円を客単価600円で割って1日208人です。推定した133人との差は75人で、時間帯配分ではなく全体の来店密度を低く見積もったことになります。別の分解として、同調査の従業者1人あたり年間売上高の中央値5,217千円を使うと、職人2人と販売員1人の3人体制で年商1,565万円、1日あたり4万3,000円という数字が出ます。今度は逆に低すぎます。パン屋は製造と販売を同じ店で行うため、従業者あたり売上は製造工程の重さに引きずられて小さく出ます。指標の選び方一つで倍以上ぶれるので、どの制約が実際に効いているかを見極める必要があります。

実務では、小規模製造小売の事業計画で使えます。日商8万円と12万円では、年商で1,460万円の差になります。職人1人を追加雇用できるかどうかがこの差の中にあり、推定の1割の違いが人員計画をそのまま左右します。

Q14 タクシー1台の1日の売上は

車両1台が「箱」です。「勤務時間×実車率×1時間あたり乗車回数×平均運賃」に分解します。タクシーに特有なのは、稼働している時間の半分以上が空車という点で、実車率という係数が必ず必要になります。

置いた仮定	値	その値を置いた理由
勤務時間	12時間	昼勤または夜勤の1乗務
実車率	40%	待機と流しの時間が過半を占める
1時間あたり乗車回数	3回	1乗車の平均所要20分
平均運賃	1,500円	中距離の市内移動

12時間×40%×3回＝14.4回。14.4回×1,500円＝21,600円。1日の売上はおよそ2万2,000円です。

全国ハイヤー・タクシー連合会の「TAXI TODAY in Japan 2026」、出所はハイヤー・タクシー年鑑2026で当たり直しました。令和6年度の日車営業収入、つまり実働1日1車あたりの平均営業収入は、東京都の特別区と武三地区で61,476円です。愛知県の名古屋地区と大阪府の大阪府地区はいずれも4万円弱にとどまります。同資料の実車率は令和6年度で42.5%から47.5%の範囲にあり、40%という仮定はほぼ妥当でした。推定の2万2,000円は東京の実測の35%で、大きく下振れしています。

原因は掛け合わせの重複です。1時間あたり3回という乗車回数は、すでに実車している状態を前提とした数字です。そこにさらに実車率40%を掛けたため、同じ制約を二重に効かせてしまいました。実車時間12時間×40%＝4.8時間に対して1時間3回なら14.4回ですが、実車率を掛けずに勤務12時間を素直に使い、そのうち待機を織り込んで1時間1.7回と置けば20回となり、平均運賃を2,500円に見直せば5万円に届きます。別の分解として、同資料の令和6年度のタクシー営業収入1兆3,300億円を法人車両数20万3,943両で割ると1両あたり年652万円、365日で割ると17,866円です。これは休車日を含む延べ日数あたりなので、実働率を仮に55%とすれば日車営収は32,500円となり、地方の実測4万円弱に近づきます。

実務では、稼働率と処理速度を混同しないことの重要性を示します。設備投資やドライバー採用の効果を試算するとき、「稼働率を上げる施策」と「1回あたりの処理を速くする施策」を同じ式に二重に掛けると、効果を過小に見積もります。分解した箱どうしが独立かどうかは、掛け算に入れる前に必ず確認すべき点です。

Q15 ビジネスホテル1棟の1日の売上は

客室数が上限です。ホテルの売上は「客室数×稼働率×1泊単価」という、この章でもっとも単純な三つの箱に分解できます。回転率が入らないのは、1室が1日に売れるのが原則1回だけだからです。

置いた仮定	値	その値を置いた理由
客室数	150室	駅前立地の標準的なビジネスホテル1棟
1泊料金	8,000円	シングル1室あたりの販売単価
稼働率	75%	平日の出張需要と週末の観光需要を通した年平均

8,000円×150室×75%＝900,000円。1日の売上はおよそ90万円です。

観光庁の「宿泊旅行統計調査」2025年年間値の確定値、2026年7月6日公表分によれば、2025年のビジネスホテルの客室稼働率は全国で75.3%、東京都では81.5%です。稼働率75%という仮定はほぼそのまま的中しました。単価の側は、日本政策金融公庫の「小企業の経営指標調査」2025年度版にある「ビジネスホテル客室数31以上」で確認できます。1客室あたりの年間売上高は平均1,575千円、中央値1,666千円です。150室なら年商2億3,600万円、1日あたりおよそ65万円になります。推定の90万円は実測の1.4倍です。

差はすべて単価から出ています。1客室あたり年商1,575千円を365日と稼働率75.3%で割り戻すと、1泊あたり5,732円になります。8,000円という仮定が4割高かったことになります。ただしこの調査の対象は10社と少なく、いずれも小企業に区分される事業者です。都市部の大手チェーンはこれより高い単価で販売しているため、90万円が成立する立地も存在します。別の分解として、稼働率と単価を掛けた1室あたりの日次売上、いわゆるRevPARで見ると、実測は約4,300円、推定は6,000円です。ホテル業界がRevPARを主要指標に据えるのは、稼働率と単価のどちらで稼いだかを問わず、1室が生んだ金額を一つの数字で比較できるからです。

実務では、稼働率を上げる施策と単価を上げる施策のどちらに投資するかの判断に直結します。稼働率75%から85%へ10ポイント上げると売上は13%増えますが、単価を8,000円から9,000円へ上げれば12.5%増です。稼働率には100%という天井がありますが、単価にはありません。天井の近い箱を押すか、天井の遠い箱を押すかは、投資回収期間を大きく変えます。

この章で見えたこと

15問を並べて分かるのは、外したときの原因がほぼ決まった場所に集まるということです。席数、レジ台数、客室数といった「数えられる箱の数」は、外から観察できるため大きく外れません。外れたのは、Q5のマクドナルドのように上限を決める箱そのものを取り違えた場合か、Q7の回転寿司やQ8の牛丼、Q15のビジネスホテルのように客単価を古い水準のまま置いた場合です。単価は年々動くのに、頭の中の相場は数年前で止まりがちです。推定を検算するときは、まず単価の仮定を疑うのが効率的です。

もう一つは、掛け算に入れる箱どうしが独立かどうかという問題です。Q14のタクシーでは、実車率と1時間あたり乗車回数という、同じ制約を別の言葉で表した二つの係数を掛けてしまい、結果が3分の1になりました。分解した箱が意味的に重なっていないかは、計算を始める前に確認できます。逆にQ2のコンビニのように、客単価を高く、客数を低く見積もった二つの誤りが打ち消し合って、結果だけが実測に近づくこともあります。答えが合ったことは、途中の仮定が正しかったことを何も保証しません。

そして、確認できないものは確認できないと書くべきだということです。Q3の渋谷の大型カラオケ店と、Q10のドラッグストア1店舗の日商は、この章の作業では一次情報にたどり着けませんでした。数字を埋めれば見栄えは良くなりますが、根拠のない前提は、それを使った計画のすべてに伝播します。埋められない箱は空欄のまま残し、感度分析で幅を持たせて扱うのが、事業計画に対して誠実な向き合い方です。

この章を深めたい方への参考書籍

• 『世界一楽しい決算書の読み方』（大手町のランダムウォーカー、KADOKAWA、2020年）
  実在企業の決算書をクイズ形式で読み解きます。店舗の売上を推定したあとに、実際の企業がどのくらいの規模で商売しているかを確かめる材料になります。2026年に改訂版が出ています。
  【改訂版】 会計クイズを解くだけで財務3表がわかる 世界一楽しい決算書の読み方（楽天市場で見る）
  
  
• 『ビジネスマンのための「数字力」養成講座』（小宮一慶、ディスカヴァー・トゥエンティワン、2008年）
  売上や利益の数字を定点観測し、変化に気づく習慣の作り方を扱います。この章の推定を、日々目にする数字と結びつけたいときに役立ちます。
  ビジネスマンのための「数字力」養成講座 (小宮一慶の養成講座)（楽天市場で見る）
  
  

第6章 例題編2 日本にあるモノ・施設の数

この章で扱うのは、日本国内に存在するモノや施設の総数です。前章の売上が「1日あたりいくら」という流れの量だったのに対し、ここで求めるのは「いま何個あるか」という積み上がった量になります。積み上がった量を推定するときの分解は、大きく三つの経路に分かれます。人口で割り付けるか、世帯数で割り付けるか、面積や道路延長といった国土の大きさで割り付けるかです。どれを選ぶかは、その対象が何に紐づいて存在しているかで決まります。自動車は世帯に紐づき、歯科医院は人の受診回数に紐づき、電柱は道路の長さに紐づきます。紐づく先を取り違えると、仮定をどれだけ丁寧に置いても答えは桁で外れます。

もう一つ、積み上がった量には「何を1と数えるか」という固有の落とし穴があります。信号機は基で数えるのか灯器で数えるのかで6倍違います。自動販売機は飲料や食品を売る機械だけを数えるのか、コインロッカーや両替機まで含めるのかで1.5倍違います。エレベーターは設置台数なのか保守契約の台数なのかで意味が変わります。単位を決めないまま推定を始めると、答え合わせのときに自分の推定が当たったのか外れたのかすら判定できません。この章の各問では、公表値を引くところでその値の定義を明示します。なお世帯数を使う問いでは、住民登録に紐づく対象（自動車の保有など）では住民基本台帳の6,200万世帯を、消費に紐づく対象では国勢調査の5,700万世帯を使います。第3章で決めた使い分けに従っています。

三つ目に、この章の問いは需要の側からも供給の側からも攻められるものが多くなります。歯科医院を「人が年に何回通うか」から出すのが需要の側、「歯科医師が何人いて1施設に何人いるか」から出すのが供給の側です。どちらでも解けるときは両方やって突き合わせるのが最も安全で、二つが1割以内で一致すれば、置いた仮定のどれかが間違っていても結論は動きにくくなります。逆に二つが2倍以上離れたら、どちらかの分解が対象の構造を捉えていません。以下の各問では、必ずもう一つの分解を置き、近いか離れるかを見ていきます。

Q16 日本にある家庭用自動車の数は

自動車は個人ではなく世帯の単位で持たれます。したがって分解の骨格は「世帯数×1世帯あたり保有台数」になります。ただし全国一律の保有率を置くと必ず外します。都市部は鉄道が代替になり、駐車場の月額負担も重いため保有率が下がります。地方は通勤も通院も買い物も車が前提で、夫婦がそれぞれ1台持つ世帯が珍しくありません。都市と地方に分けて、保有率と1世帯あたり台数の二つを別々に置きます。

置いた仮定	値	その値を置いた理由
総世帯数	6,200万世帯	総人口1億2,270万人を平均世帯人員2.0人で割った
都市部に住む世帯の割合	30%	三大都市圏の中心部と政令指定都市の中心区にあたる規模
都市部の保有率	50%	鉄道網が密で、駐車場代が月2万円から3万円かかる地域
都市部の1世帯あたり台数	1.0台	持っている世帯もほぼ1台にとどまる
地方の保有率	85%	免許を返納した高齢者世帯を除けばほぼ全世帯が持つ
地方の1世帯あたり台数	1.4台	夫婦がそれぞれ1台持つ世帯が4割程度ある想定

都市部は6,200万×30%×50%×1.0＝930万台、地方は6,200万×70%×85%×1.4＝5,165万台です。合わせて6,095万台となり、結論は約6,100万台になります。

自動車検査登録情報協会の「令和8年 自家用乗用車の世帯当たり普及台数」によれば、2026年3月末現在の自家用乗用車は61,839,584台です。登録自動車と軽自動車の合計で、営業用を含まない自家用に限った数値になります。推定6,100万台との差は1.4%でした。同じ資料の世帯数は61,747,140世帯で、1世帯あたりの普及台数はちょうど1.001台です。都市部の低い保有率と地方の複数保有がほぼ打ち消し合って、全国平均が1台に落ち着く構造になっています。

別の分解として、都市と地方に分けず「1世帯あたり1台」と一律に置くと6,200万台になり、これも実際と0.3%しか違いません。ただしこの一致は結果論です。一律で置いた分解は、駐車場代が上がったら、地方の高齢者が免許を返納したら、といった問いに答えられません。内訳を持つ意味はそこにあります。

この6,100万台という数は、車検、自動車保険、タイヤ、カー用品、燃料といったアフターマーケット全体の母数です。電気自動車の充電器を何口設置すべきかという計画も、まずこの保有台数を地域に配分するところから始まります。都市部の保有率を50%と置くか55%と置くかで保有台数は約100万台動きますので、その感度を持たないまま設備投資の規模を決めると、初期投資が1割ずれた計画のまま走ることになります。

Q17 日本の歯科医院の数は

施設の数は、その施設群が年間に処理している仕事量を、1施設が年間に処理できる仕事量で割れば出ます。歯科は1人あたりの受診回数が生活実感から読みやすいので、需要の側から攻めます。供給の側から攻めるには歯科医師の人数を先に置く必要があり、そちらのほうが不確かになります。

置いた仮定	値	その値を置いた理由
総人口	1億2,270万人	総務省統計局の人口推計の概算値
1人あたり年間受診回数	2回	検診と治療を合わせて半年に1回のペース
歯科医師1人が1日に診る人数	15人	1人あたり20分から30分の枠で、午前と午後を合わせて
年間稼働日数	240日	週休1.5日と長期休暇を引いた
1施設あたり歯科医師数	1.1人	大半が院長1人で回している個人診療所

需要は1億2,270万×2＝2億4,540万回です。1施設の年間処理能力は15×240×1.1＝3,960回になります。2億4,540万÷3,960＝61,970施設となり、結論は約6.2万施設です。

厚生労働省の「医療施設動態調査」によれば、2026年3月末概数の歯科診療所は65,213施設です。推定との差は5%にとどまりました。分解が妥当だったのは、歯科が「1人の歯科医師が1施設を回す」構造で、供給能力が歯科医師1人の1日の処理量にほぼ規定されているためです。同じ調査の一般診療所は105,631施設、病院は7,968施設ですから、歯科診療所は病院の8倍以上あることになります。

別の分解として、人口密度で割り付ける手もあります。都市部を人口の7割にあたる8,590万人として2,000人に1軒、地方の3,680万人を3,000人に1軒とすると、42,950＋12,270＝55,220施設で約5.5万施設になります。実際より15%少なくなりました。人口密度で割り付けると地方が過小になるのは、高齢者ほど受診頻度が高く、施設の密度が人口の密度ほどには落ちないからです。

歯科向けの機器、材料、予約システムを売るときの母数がこの6.5万施設になります。1施設あたり歯科医師1.1人という構造は、1施設あたりの意思決定者が1人であることを意味しますので、組織対応の営業ではなく院長個人への直販が前提になります。さらに、この調査では2026年3月に歯科診療所が前月比77施設減っています。既存市場は縮小する前提で、1施設あたりの単価を上げる方向に計画を組まないと、台数の目標が届かなくなります。

Q18 日本のヘアサロンの数は

ヘアサロンも需要を供給能力で割る型で解けます。ただしここで注意すべきは、店の処理能力を席数ではなく美容師の人数で置くことです。ヘアサロンは労働集約で、席が空いていても施術する人がいなければ客を受けられません。制度上は理容所と美容所が別に統計されていますので、ここでは美容所に絞って推定します。

置いた仮定	値	その値を置いた理由
美容所を使う人の割合	70%	男性の一部は理容所を使うため全人口では置かない
1人あたり年間来店回数	6回	2か月に1回のペース
美容師1人が1日に施術する人数	3.5人	カットとカラーで1人1時間から2時間かかり、予約が埋まらない時間帯もある
年間稼働日数	250日	週休1日強
1店あたり美容師数	2人	個人店と小規模店が大半を占める

需要は1億2,270万×70%×6＝5億1,530万回です。1店の年間処理能力は3.5×250×2＝1,750回になります。5億1,530万÷1,750＝294,000店となり、結論は約29万店です。

厚生労働省の「令和6年度衛生行政報告例」によれば、2025年3月末現在の美容所は277,752施設、就業美容師は588,291人です。推定29万店との差は6%でした。実績から逆算すると1店あたりの美容師は2.12人で、置いた2人とほぼ一致しています。同じ統計の理容所は107,995施設ですので、美容所は理容所の2.6倍あることになります。

別の分解として、席数から供給能力を出してみます。1店あたりセット面3席、1席が1日5人、年250日とすると1店あたり3,750回になり、5億1,530万÷3,750＝137,000店で実際の半分になってしまいます。席が常に埋まる前提が強すぎたためです。稼働率を5割と置き直すと274,000店になり実績に合います。設備の数から供給能力を出すときは、稼働率を必ず一段かませます。この一手間を省くと、供給を2倍に見積もって施設数を半分に見誤ることになります。

この母数の使いどころは、方向が逆に動いていることにあります。同じ統計の前年度比では、美容所が3,682施設の増加で1.3%増、理容所が2,302施設の減少で2.1%減です。理美容と一括りにして商材の販路を設計すると、伸びている側の27.8万店と縮んでいる側の10.8万店を同じ計画に載せてしまいます。1店あたり美容師2人という構造は、店舗数が多く1店あたりの取引額が小さい市場を意味しますので、直販は成立しにくく、卸やディーラーを経由する設計になります。

Q19 日本の自動販売機の数は

自動販売機を人口密度から割り付けると、たいてい少なく見積もることになります。実際の自販機は1台あたりの回転が低く、その代わりに台数が多いという構造をしているからです。この構造をそのまま式にすると、需要の総本数を1台の1日販売本数で割る形になります。まずこちらで出し、密度による割り付けは別解に回します。

置いた仮定	値	その値を置いた理由
総人口	1億2,270万人	総務省統計局の人口推計の概算値
1人が自販機で買う飲料	年60本	週に1本強のペース
1台の1日販売本数	10本	駅前の好立地は数十本だが、住宅街やオフィス内の機は1日数本
稼働日数	365日	屋外設置は無休で動く
飲料以外の自販機	飲料の2割	食品、たばこ、券売機、日用品雑貨

飲料の需要は1億2,270万×60＝73億6,200万本です。1台の年間販売本数は10×365＝3,650本になります。73億6,200万÷3,650＝201.7万台が飲料自販機の推定です。これを1.2倍して242万台、結論は約240万台になります。

日本自動販売システム機械工業会の「自販機普及台数」によれば、2025年12月末現在の自動販売機は2,585,200台、うち飲料自販機が2,178,800台です。推定240万台との差は6%でした。飲料以外を飲料の2割と置いたのも、実績の406,400台が飲料の18.7%にあたりますのでほぼ合っています。ここで単位の確認が要ります。同じ資料は両替機、自動精算機、コインロッカーなどを「自動サービス機」1,296,500台として別に数えており、これを含めた総計は3,881,700台になります。380万台という総計のほうを「日本の自販機の数」として引くと、飲料や食品を売る機械の話をしているつもりで1.5倍の母数を使うことになります。

別の分解として密度で割り付けると、都市部の8,590万人を40人に1台、地方の3,680万人を70人に1台として214.8万＋52.6万＝267万台になります。需要から出した242万台と1割の差に収まりました。二つの分解が近い値を出すときは、置いた仮定のどれかが間違っていても結論はあまり動きません。

自販機事業の損益は「台数×1台あたり日販」で決まりますので、この分解はそのまま事業の構造式になります。普及台数は前年比99.3%、飲料に限れば99.1%で減っています。台数が減る市場では、ルート営業1人あたりの担当台数を維持できなくなり、1台あたりの巡回コストが上がります。巡回頻度を落とすか配置を集約するかを先に決めないと、売上の減少より先に粗利が崩れます。

Q20 日本の信号機の数は

信号機は交差点に付く設備ですので、市街地の面積と交差点の間隔から幾何的に出すのが素直です。ただし信号機は市街地の外にも置かれますから、幾何だけでは足りないことを最初から見込んでおきます。市街地と地方部で置き方を変えます。

置いた仮定	値	その値を置いた理由
市街地に住む人口	8,590万人	全人口の70%。三大都市圏と地方中核市の市街地を合わせた規模
市街地の人口密度	1平方キロメートルあたり5,000人	戸建てと中層住宅が混在する市街地の水準
信号のある交差点の間隔	400m	幹線どうしが交わる主要交差点の平均的な間隔
地方部の設置密度	3,000人に1基	幹線道路の交差点と学校前の押しボタン式に限られる

市街地の面積は8,590万÷5,000＝17,180平方キロメートルです。400m間隔の格子なら1基が受け持つ面積は0.4×0.4＝0.16平方キロメートルですので、17,180÷0.16＝107,375基になります。地方部は3,680万÷3,000＝12,267基です。合わせて119,642基となり、結論は約12万基になります。

警察庁の「都道府県別交通信号機ストック数」によれば、2025年3月末現在の信号機は206,398基です。推定は実際の6割弱にとどまり、1.7倍外しました。原因は交差点の間隔で、この結果から逆算すると市街地では300m程度の間隔に相当する密度になっています。加えて、交差点ではない単路部の押しボタン式信号と、市街地の外の主要交差点を織り込んでいませんでした。なお同じ資料には車両用灯器1,256,390灯、歩行者用灯器1,054,170灯も載っています。1基あたり車両用が6.1灯、歩行者用が5.1灯付いている計算で、基で数えるか灯で数えるかで6倍違います。

別の分解として、都道府県ごとに積む方法があります。同じ資料では東京都が16,039基、愛知県が12,972基、北海道が12,937基、大阪府が12,310基で、上位4都道府県だけで5.4万基、全体の26%を占めます。47都道府県の単純平均は4,391基です。ここで効いているのは人口だけではありません。北海道は人口が少ないのに基数が多く、これは面積の広さと道路延長が効いているためです。信号機を人口だけで割り付けると、北海道型の道県を必ず外します。

信号機は自治体ではなく都道府県公安委員会が管理する設備で、同じ資料によればLED化率は車両用が80.2%、歩行者用が75.2%です。まだ2割前後が旧型で残っていますので更新は続きますが、母数は20万基で頭打ちになっています。この市場に部材や工事で関わるとき、新設を前提に成長を織り込むと売上計画が過大になります。需要のピークは更新周期の側にありますので、母数ではなく更新率で読む必要があります。

Q21 日本の電柱の数は

電柱は道路に沿って立っていますので、道路の総延長と設置間隔から分解できます。ただし電柱は道路だけでなく民地にも立ちますから、道路ベースで出した数に民地分を足す必要があります。ここでは道路延長を出発点にして、電柱が沿っていない区間を割合で落とす形にします。

置いた仮定	値	その値を置いた理由
道路実延長	122万km	国土交通省の道路統計年報の実延長。高速自動車国道を除く
電柱が沿っている道路の割合	60%	山間部の林道や、沿線に需要家がいない区間を除いた
設置間隔	30m	低圧配電線の標準的な支持間隔
民地に立つ電柱	道路分の3割	敷地内の引込柱、工場や私道の柱

電柱の沿う道路は122万×60%＝73.2万kmです。73.2万÷0.03＝2,440万本が道路分になります。民地分は2,440万×0.3＝732万本です。合わせて3,172万本となり、結論は約3,200万本になります。

国土交通省の無電柱化推進計画は「全国には依然として、道路と民地をあわせて約3,600万本の電柱が建っており、減少するどころか増加している」としています。2026年6月に示された第3次無電柱化推進計画の素案にも同じ約3,600万本が引かれており、これが政府の使っている最新の水準です。推定3,200万本との差は11%で、桁も水準も合いました。ただし電力柱と通信柱の内訳については、公表値を見つけられませんでした。分けて論じたい場面では、内訳が公表されていないこと自体を前提に置く必要があります。

別の分解として、需要家の側から攻めることもできます。電柱は電気を配るための設備ですので、世帯数で割ります。6,200万世帯に対し、1本の低圧柱が受け持つ世帯を4戸と置きます。前後30mの範囲に道路の両側で4戸から6戸が並ぶという読みです。これで1,550万本になります。通信線を支える柱を同程度と置くと3,100万本となり、道路から出した3,200万本と3%の差に収まりました。国土の側から出しても需要家の側から出しても同じ水準に着地するのは、電柱が両方に規定されているためです。

経営の側で押さえるべきは、電柱が減っていないという事実です。同省の資料によれば2024年度は道路上で1万本弱、道路以外で3.7万本増えています。第3次無電柱化推進計画の目標は5年間で整備完了延長を約1,000km増やすことですが、これを122万kmの道路延長と並べると比率は桁違いに小さくなります。無電柱化が進むから電柱に付帯する商材は縮む、と読むと、少なくとも今後10年の需要見通しを外します。

Q22 日本のタクシーの台数は

車両数は「年間の延べ利用回数」を「1台が年間にこなす回数」で割れば出ます。ここで気をつけるのは、タクシーの利用が一部の人に強く偏ることです。全人口に一律の頻度を掛けると、都市部の高頻度利用者の寄与を取りこぼします。利用層を分けて置きます。

置いた仮定	値	その値を置いた理由
日常的に使う層	2,000万人	都市部で働き、営業や会食で使う層
その利用頻度	年30回	月に2回から3回
それ以外	1億人	通院、冠婚葬祭、悪天候時の利用
その利用頻度	年4回	3か月に1回
1台の1日実車回数	15回	1回の乗車が20分から30分。複数の運転者で1台を回す
年間稼働日数	300日	車両整備と運転者の休みを引いた

需要は2,000万×30＋1億×4＝6億＋4億＝10億回です。1台の年間処理回数は15×300＝4,500回になります。10億÷4,500＝222,000台となり、結論は約22万台です。

全国ハイヤー・タクシー連合会の「全国の事業者数及び車両数の推移」によれば、2025年3月末現在の法人タクシー車両数は167,404台、個人タクシー車両数は25,009台で、合計192,413台です。推定22万台は15%の過大でした。外したのは供給の側で、1日15回かつ年300日＝年4,500回という置き方が低すぎたためです。実測の192,413台で10億回を担うには1台あたり年5,200回、1日あたり17回強が必要になります。1台を複数の運転者が交代で回す事業者が多いため、日車あたりの実車回数は15回より多くなります。需要の側は当たっていて、同連合会の「輸送人員及び営業収入の推移」では2024年度の輸送人員が1,050,663千人、つまり約10.5億人で、置いた10億回とほぼ一致しました。

別の分解として、市場規模から割る方法があります。同じ資料の2024年度の営業収入は1,442,532百万円、およそ1兆4,400億円です。1台あたりの年間営業収入を1日2.5万円×300日＝750万円と置くと、1兆4,400億÷750万＝192,000台になり、実績192,413台とほぼ一致します。1回あたりの単価がそろっている業種では、回数ではなく金額を分母に使ったほうが精度が出ます。単価のばらつきが小さいかどうかが、二つの分解のどちらを主にするかの判断基準になります。

この市場で読むべきは水準ではなく方向です。法人の車両数は2019年度の181,900台から2024年度の167,404台まで減り続けている一方、輸送人員は2020年度の738,240千人を底に1,050,663千人まで戻りました。台数が減って需要が戻る局面では1台あたりの稼働が上がり、供給が需要に追いつきません。配車アプリや相乗りへの投資判断は、このはさみがいつまで続くかで決まります。台数が回復する前提で需要側の設備を積むと、投資が先行して回収が遅れます。

Q23 日本のエレベーターの台数は

エレベーターは建物に付く設備ですので、用途別に対象となる建物のボリュームを出し、それぞれ1基あたりの受け持ちで割ります。住宅と非住宅では1基が受け持つものの性質が違いますから、住戸数と就業者数という別々の単位を使います。同じ単位に無理にそろえると、どちらかの実態から外れます。

置いた仮定	値	その値を置いた理由
総世帯数	6,200万世帯	総人口を平均世帯人員2.0人で割った
共同住宅に住む世帯の割合	40%	都市部の賃貸と分譲マンション
そのうちエレベーターのある建物	半分	3階建て以下の共同住宅には設置されない
1基あたり住戸数	30戸	6階建てで1フロア5戸の建物に1基
ビルで働く人	2,680万人	就業者を人口の55%として、そのうち4割
1基あたり人数	120人	5階建てで1フロア24人のビルに1基

住宅は6,200万×40%×50%＝1,240万戸で、1,240万÷30＝41.3万基になります。非住宅は2,680万÷120＝22.3万基です。合わせて63.6万基となり、結論は約64万基になります。

日本エレベーター協会の「2024年度昇降機設置台数等調査結果報告」によれば、2025年3月31日現在で協会会員が保守しているエレベーターは782,223台です。うちホームエレベーターが95,145台で、これを除くと687,078台になります。推定64万基との差は7%でした。ただしこの数字の定義には注意が要ります。これは協会会員が保守している台数であって、国内に設置されている総数ではありません。会員以外の保守業者が扱う分は含まれませんので、実際の設置台数はこれを下回ることはありません。国内の総設置台数そのものの公表値は、今回の確認では見つけられませんでした。

別の分解として、流れから積み上がった量を出す方法があります。同じ調査によれば2024年度の新規設置は21,728台です。エレベーターの更新周期を30年と置くと、入れ替わりが定常になっている状態では、積み上がった量は年間設置台数×30＝65万台になります。用途別に積んだ64万基とほぼ一致しました。積み上がった量と流れの両方から同じ答えが出るときは、置いた更新周期と1基あたりの受け持ちが互いに矛盾していないことの確認になります。片方しか計算しないと、この確認ができません。

エレベーター事業の利益は新規設置ではなく保守にあり、その母数がこの69万台です。同調査の推移を見ると、保守台数はエスカレーターを含めて2004年度の584,966台から2024年度の757,810台まで増えましたが、直近5年の伸びは鈍くなっています。1台あたりの保守単価と巡回頻度を決める前に、地域ごとの台数密度を出しておく必要があります。密度が薄い地域では技術者1人あたりの担当台数が成立せず、契約を取るほど赤字が積み上がります。

Q24 日本の交番の数は

交番と駐在所は警察署の下に置かれる出先ですので、警察署の数から積むのが構造に合います。ここで大事なのは、交番と駐在所を混ぜないことです。交番は市街地に置かれて交替勤務で運用され、駐在所は町村部に置かれて警察官が家族と住み込みます。置かれる場所も1署あたりの数も違いますので、都市部の署と地方の署に分けて別々の係数を置きます。

置いた仮定	値	その値を置いた理由
警察署数	1,150署	47都道府県それぞれに20署から80署ある規模
都市部の署の割合	60%	人口が集まる地域に署が厚く置かれる
都市部の1署あたり交番数	8か所	管轄に鉄道駅が数か所あり、駅前と主要交差点に置かれる
都市部の1署あたり駐在所数	2か所	市街地の外縁部に残る
地方の1署あたり交番数	2か所	県庁所在地以外の市の中心部に限られる
地方の1署あたり駐在所数	11か所	合併前の旧町村ごとに1か所

都市部は1,150×60%＝690署、地方は460署です。交番は690×8＋460×2＝6,440か所、駐在所は690×2＋460×11＝6,440か所になります。合わせて12,880か所となり、結論は交番と駐在所がそれぞれ約6,400か所、合計で約1.3万か所です。

警察庁が公表している「全国の交番・駐在所の名称及び位置」を令和6年4月1日時点で数えると、交番が6,214か所、駐在所が5,923か所、合計12,137か所になります。合計での差は6%にとどまり、交番と駐在所がほぼ同数になるという構造も推定と一致しました。同じ形式で公表されている「全国の警察署の名称及び位置」は1,149署で、置いた1,150署とも合っています。ここでの推定が当たったのは、警察署という中間の階層を経由したためです。全国の数を直接推し量るより、階層を一つ挟むほうが仮定の妥当性を検証しやすくなります。

別の分解として、自治体から積む方法もあります。市町村は1,718、これに東京都の特別区23を加えて1,741の基礎自治体があります。1自治体あたり平均7か所と置くと12,187か所となり、実績と0.4%しか違いません。ただしこの平均7か所には中身がありません。人口10万人の市に交番が10か所ある一方、人口2,000人の村には駐在所が1か所しかないからです。平均で当てても地域別の配置を説明できない分解は、当たっても使い道が狭くなります。

交番と駐在所は合わせて1.2万か所あり、全国の警察署1,149の10.6倍にあたります。管理拠点と現場拠点の比率が1対10という構造は、行政の拠点網を設計するときの一つの目安になります。より直接的には、地域の最小拠点に機器を1台ずつ置くタイプの調達で、この1.2万という母数が予算規模を決めます。1拠点あたり10万円の端末なら12億円になりますので、母数の桁を1つ間違えると事業の可否そのものがひっくり返ります。

Q25 日本の神社の数は

神社の数は、現在の人口や経済規模ではなく、歴史的な集落の数に紐づいています。集落ごとに氏神を祀ってきた結果として今の分布がありますので、人口で割り付ける分解は構造に合いません。とはいえ集落の数を直接数えるのは難しいので、現在の自治体を経由して「1自治体にいくつの旧集落が含まれるか」から積みます。

置いた仮定	値	その値を置いた理由
基礎自治体数	1,741	市町村1,718に東京都の特別区23を加えた
1自治体に含まれる旧町村	10	平成の大合併で1自治体の面積が数倍になった
1旧町村あたりの神社	4.5社	氏神が1社と、集落ごとの小さな社が数社

1,741×10×4.5＝78,345社となり、結論は約7.8万社になります。

文化庁の『宗教年鑑 令和7年版』によれば、2024年12月31日現在の神社は78,593です。これは宗教法人格を持たない団体を含めた宗教団体としての数で、そのうち宗教法人は78,512になります。推定7.8万社との差は0.3%でした。ただしこの一致を分解の精度の証拠にはできません。1旧町村あたりを4社にすると69,640社、5社にすると87,050社で、置き方の幅がそのまま2割の幅になるからです。桁を外さない分解ではありますが、精度を主張できる分解ではありません。当たったときにその理由を言えるかどうかが、次に同じ型を使えるかを分けます。

別の分解として世帯から割ると、6,200万世帯に対して1社が受け持つ氏子を800世帯、人口にして1,600人程度の集落と置いて77,500社になります。自治体経由の78,345社と1%の差です。ただしこの二つは「集落の規模」を別の言い方で置いているだけで、独立した検算にはなっていません。近い値が出ても安心材料にはならない例として押さえておきたいところです。二つの分解を突き合わせるときは、置いた仮定が本当に独立かを先に確かめます。

神社は7.8万、同じ資料の寺院は73,578で、合わせると15万を超えます。これは前に見た美容所の27.8万には及びませんが、歯科診療所の6.5万を大きく上回ります。全国に散らばった小規模施設としてはかなりの規模です。文化財の保全、観光ルートの設計、地域の防災拠点の整備といった施策で母数を置くとき、宗教施設を例外的に少ないものとして扱うと桁を外します。1施設あたり数万円の補助であっても、15万という母数が掛かれば予算は数十億円になります。

Q26 日本の寺の数は

寺は人口の多い場所に増えるのではなく、檀家という固定的な支持基盤の上に建っています。現在の人口分布で割り付けると、戦後に人が集まった都市部を過大に見積もり、寺が密集している地方を過小に見積もることになります。ここでは需要サイドから入り、仏式の葬儀と法要を担う世帯の数を、1つの寺が経済的に維持できる檀家数で割ります。人ではなく世帯を単位に取るのは、檀家が個人ではなく家の単位で継承されてきた仕組みだからです。この「何を1と数えるか」の選択が、この問いでは精度のほとんどを決めます。

置いた仮定	値	その値を置いた理由
全国の世帯数	5,700万世帯	単身世帯の増加により、世帯数は人口ほど減っていない。丸めた値
菩提寺を持つ世帯の割合	60%	葬儀と法要を仏式で行う世帯が多数を占める一方、無宗教葬、神式、キリスト教式、都市部で菩提寺を持たない世帯を差し引いた割合
1つの寺が維持できる檀家世帯数	400世帯	護持会費と法要収入で住職1人の生活と堂宇の修繕費をまかなえる最小規模として

計算式は「5,700万世帯×60%÷400世帯＝8万5,500寺」となります。結論は約8万5,000寺とします。

文化庁「宗教年鑑 令和6年版」の第2表「全国社寺教会等」（令和5年12月31日現在）によれば、寺院は宗教団体ベースで76,551、うち宗教法人格を持つものが75,278です。参考までに神社は80,653（うち宗教法人80,560）で、寺と神社はほぼ同数が存在します。推定した8万5,500寺は実測に対して約12%の上振れにとどまりました。ズレの主因は菩提寺を持つ世帯の割合を60%と高めに置いたことで、これを54%にすると7万6,950寺となり実測とほぼ一致します。分解の骨格そのものは妥当だったと言えます。

別の切り口として、供給サイドから攻めることもできます。市区町村を約1,700と置き、1自治体あたり平均45寺とすると「1,700×45＝7万6,500寺」となります。需要サイドの8万5,500と供給サイドの7万6,500が12%以内で重なりますので、8万前後という答えは幅を持たせたうえで信頼してよい水準です。2つの独立した分解が近い値を出すことは、単独の推定を精緻化するより信頼度への寄与が大きくなります。

実務では、全国に薄く散らばる小規模施設を顧客とする事業の市場規模算定に直結します。寺院向けの墓地管理システム、法要のオンライン配信、宗教法人向けの会計や事業承継の支援といった事業では、母数がおよそ7万6千件と分かれば、そこに想定単価を掛けて獲得可能な最大市場規模、いわゆるTAMを出せます。同時に「1施設を400世帯が支えている」という構造が見えると、支え手が減ったときに何%の施設が維持できなくなるかを逆算できます。地方の小規模拠点を対象とする事業では、母数の絶対数より、この1拠点あたりの支持基盤の厚さのほうが投資判断に効きます。

Q27 日本の郵便ポストの数は

郵便ポストは、人が徒歩で到達できる距離に置かれる面的インフラです。人口で割り付けると、人の少ない地域にもポストが必要だという設置の論理を取りこぼします。ここでは面積で割り付けます。ただし都市部と地方では設置密度が1桁違いますので、可住地を2層に分けて別々の密度を当てます。層に分けずに全国平均の密度を使うと、密度の分布が大きく歪んでいるため答えが大きく外れます。

置いた仮定	値	その値を置いた理由
可住地面積	12万平方キロメートル	国土のうち森林と急峻地を除いた、人が住み建物が建つ面積として
都市部の面積	1.2万平方キロメートル	可住地の10%。人口の多くが集中する市街地の広がりとして
都市部の設置密度	1平方キロメートルあたり10本	おおむね300メートルに1本の間隔。徒歩5分以内で到達できる密度
都市部以外の設置密度	1平方キロメートルあたり0.5本	集落と幹線道路沿いに置かれるため、2平方キロメートルに1本として

計算式は「1.2万×10本 ＋ 10.8万×0.5本＝12万本 ＋ 5.4万本＝17万4,000本」となります。結論は約17万本とします。

総務省の情報通信審議会に日本郵便が提出した資料「郵便事業の現状と今後の見通しについて」（2024年7月）によれば、郵便差出箱の設置本数は2023年度末、すなわち2024年3月31日現在で173,935本です。同資料は日本郵政公社発足前の2002年度末が185,966本で、そこから12,031本、6.5%減ったとしています。推定17万4,000本は誤差1%未満で当たりましたが、これは分解が優れていたというより、設置基準そのものが到達距離という面積の論理で作られているためです。制度が面積で数を決めている対象は、面積で割り付けると当然よく合います。逆に言えば、制度の設計思想を読み違えて人口で割ると大きく外れます。

別の分解として、郵便局の数から攻める手もあります。同じ資料では2024年3月末時点の郵便局数を23,512局（直営20,021局、簡易3,491局）としており、1局あたり7本のポストを受け持つと置けば「23,512×7＝16万5,000本」となります。面積分解の17万4,000本と6%以内で重なります。局とポストのどちらも同じ到達距離の思想で配置されているため、2つの分解は本質的に同じ論理を別の入り口から見ていることになります。

実務では、面的インフラの維持更新費を見積もる場面で効きます。ポスト1本あたりの更改費と巡回集荷の人件費に17万本を掛ければ、事業の固定費の規模が出ます。より重要なのは、この種の資産が需要の減少に自動では追随しないという点です。郵便物数が減っても、設置基準と水準維持の運用がある限り本数は簡単には減らせません。売上が減る一方で固定費が残る構造は、撤退基準を先に決めておかないと赤字が固定化します。自社が抱えている資産のうち、どれが需要連動でどれが制度連動かを仕分ける作業には、この推定の型がそのまま使えます。

Q28 日本のガソリンスタンドの数は

ガソリンスタンドは、給油という行為の総量を、1店舗が1日に処理できる台数で割るのが素直です。設備の処理能力がレーン数と作業時間から明確に決まる業種では、需要の総量を供給側の生産性で割る分解が最も安定します。人口や面積で割り付ける方法もありますが、自動車の保有と走行距離という中間変数を飛ばすことになり、燃費改善や電動化の影響を計算に織り込めなくなります。

置いた仮定	値	その値を置いた理由
乗用車の保有台数	6,200万台	世帯数5,700万に対し、世帯あたり1.1台前後として
1台あたりの年間給油回数	18回	月1.5回。年間走行8,000キロメートル、燃費15キロメートル毎リットル、1回40リットル給油から逆算
商用車と業務用車両の上乗せ	1.2倍	台数は少ないが走行距離が長く、給油回数が乗用車の数倍になるため
1店舗の1日あたり給油台数	130台	4レーン、営業15時間、1台7分で理論値は約510台。実際の稼働率を25%とみた値

計算式は「6,200万台×18回×1.2÷365日÷130台＝約2万8,200か所」となります。結論は約2.8万か所とします。

資源エネルギー庁が2025年7月30日に公表した「揮発油販売業者数及び給油所数の推移（登録ベース）」によれば、令和6年度末、すなわち2025年3月31日現在の給油所数は27,009か所です。前年度末の27,414か所から405か所、1.5%減りました。揮発油販売業者数は12,113者で、1者あたり2.2か所を運営している計算になります。推定2万8,200は実測に対して4%の上振れで、桁も水準も合っています。同資料の推移を見ると平成27年度末は32,333か所で、10年間で16%減少しており、年率1.4%から2.7%の範囲で毎年減り続けています。

別の分解では、1店舗が何台の車を支えているかで割ります。日商130台の店舗は年間で約4万7,000台に給油します。1台が年18回給油するなら、その店舗は約2,600台の車を支えていることになります。「6,200万台÷2,600台＝約2万3,800か所」で、こちらは実測より12%低く出ます。2つの分解の差は、給油需要が均等に分散していないこと、すなわち幹線道路沿いの大型店に需要が集中し、過疎地の店舗は稼働率がはるかに低いことから生じています。この差の原因が説明できることのほうが、両者を一致させることより価値があります。

実務では、電動化と燃費改善が店舗網に効く速度の試算に使えます。仮に電気自動車の比率が10年で20%に達し、内燃機関車の燃費が年1%改善するなら、給油需要は10年で3割前後減ります。上の分解は需要量と1店舗の処理能力を分けて持っているため、この2つを別々に動かした感度分析がすぐできます。燃料小売、車両整備、コンビニ併設といった隣接事業を持つ企業にとって、拠点数の縮小速度は出店計画と人員計画の前提そのものになります。母数が動く事業では、市場規模を1つの数字で持つのではなく、動かせる変数に分けて持つことが要になります。

Q29 日本の温泉施設の数は

温泉は源泉という物理的な制約の上に成り立つ事業ですので、需要から入るより供給から入るほうが安定します。入浴客の延べ人数から攻めると、宿泊利用と日帰り利用が混ざり、1人が何回入ったかという回転の仮定に精度が支配されてしまいます。ここでは温泉地の数を起点に、宿泊施設と日帰りの公衆浴場を別々に積み上げます。両者は立地の論理が違い、前者は源泉に張り付き、後者は人口に張り付くためです。

置いた仮定	値	その値を置いた理由
温泉地の数	3,000か所	宿泊施設が存在する温泉地の数として
1温泉地あたりの宿泊施設数	4.5軒	多くの温泉地は数軒規模で、有名温泉地の100軒超は例外。分布が右に強く歪むため平均を低めにした値
温泉利用の公衆浴場	1都道府県あたり160施設	日帰り温泉と共同浴場は人口に張り付くため、都道府県単位で置いた値

計算式は「3,000か所×4.5軒 ＋ 47都道府県×160施設＝1万3,500軒 ＋ 7,520施設＝約2万1,000施設」となります。結論は約2万1,000施設とします。

環境省「令和6年度温泉利用状況」（令和7年3月末現在）によれば、温泉地数は2,839、源泉総数は27,899、温泉利用の宿泊施設数は13,425、温泉利用の公衆浴場数は7,721です。宿泊施設と公衆浴場を合わせると21,146施設となり、推定の2万1,000とほぼ一致しました。内訳でも宿泊施設1万3,500に対し実測13,425と、1%以内で合っています。同資料では宿泊収容定員が1,324,805人、年度延べ宿泊利用人員が125,414,300人で、前年度比3.9%増えています。温泉地数は令和4年度の2,879から3年連続で減っており、施設の統廃合が続いていることが読み取れます。

別の分解として、需要サイドから宿泊施設だけを出してみます。日本人1人あたり年1回、温泉宿に1泊すると置けば約1.2億人泊です。1施設が客室25室、1室2名、稼働率45%で回すと年間8,200人泊を受け入れられますので、「1.2億÷8,200＝約1万5,000施設」となります。供給サイドの1万3,500と12%の差で、どちらも1万台半ばに収まります。延べ宿泊利用人員の実測が1.25億人泊であったことから、需要側の仮定はほぼ的中しており、差は1施設あたりの受入能力の置き方から出ています。

実務では、宿泊施設向けのシステムや設備更新を売る事業の対象数として使います。ただし母数の定義が事業設計を左右します。宿泊施設1万3,425軒を狙うのか、公衆浴場7,721施設まで含めた2万1,000施設を狙うのかで、必要な営業体制も商品仕様も変わります。さらに収容定員を施設数で割ると1施設あたり約99人となり、多くが小規模宿であることが分かります。大規模ホテル向けの高機能な商品を持ち込んでも刺さらない層が母数の大半を占めるという事実は、市場規模の総額だけを見ていると見落とします。

Q30 日本のゴルフ場の数は

ゴルフ場は土地に固定された装置産業であり、1コースが1日に受け入れられる組数には物理的な上限があります。ここでは需要サイドから延べ利用者数を出し、1コースの年間受入能力で割ります。この型の利点は、利用者が減ったときにコース数が何年でどこまで減るかを、同じ式のまま計算できることにあります。供給サイドから都道府県あたりの平均コース数を積む方法もありますが、それでは市場の縮小速度を式の中に持てません。

置いた仮定	値	その値を置いた理由
ゴルフをする人の数	500万人	成人人口のおよそ5%。年に1回以上コースに出る人として
1人あたりの年間ラウンド数	16回	月1.3回。年数回の層と毎週回る層が混在するため、平均は中央値より高くなる
1コースの1日あたり受入人数	150人	18ホール、1組4人、7分間隔、6時間受付で理論値は約200人。稼働率を掛けた値
年間営業日数	250日	冬季クローズ、降雨、コース整備日を除いた日数

計算式は「500万人×16回÷（150人×250日）＝8,000万人÷3万7,500人＝約2,130か所」となります。結論は約2,100か所とします。

日本ゴルフ場経営者協会が2025年6月に公表した「2024年度ゴルフ場利用者数、2025年2月末ゴルフ場数について」によれば、2025年2月末時点のゴルフ場数は2,154です。同協会はゴルフ場利用税の課税状況を集計しており、都道府県にまたがるコース18場の重複を除いた数としています。2024年度の延べ利用者数は8,750万人で前年度から218万人減少し、1ゴルフ場あたりの利用者数は40,286人でした。推定2,130か所は実測とほぼ一致しました。当たった理由は明確で、1コースあたりの年間受入を3万7,500人と置いたところが実測の40,286人に近かったためです。延べ利用者数の8,000万人という仮定も実測8,750万人と9%以内に収まっています。

別の分解では供給サイドから積みます。47都道府県に平均46コースとすれば「47×46＝2,162か所」となり、需要サイドと1%の差で重なります。ただし分布は極端に偏っており、平均を全県に当てる仮定は個別の県では成立しません。全国合計を出す用途なら偏りは相殺されますが、県単位の出店判断には使えません。平均を使ってよいのは合計を出すときだけ、という原則がここに表れています。

実務では、コース管理機材、予約システム、キャディ業務の効率化といった事業の対象数として使います。同協会の資料は2010年度以降の15年間で累計273コースが減少したとしており、年平均18コース、率にして0.8%の縮小です。市場が年1%弱で縮む前提を置けば、新規顧客の獲得だけでは売上が維持できず、1コースあたりの単価を上げるか隣接業務まで受けるかの選択になります。母数と縮小率をセットで持つと、成長戦略の選択肢が「取りに行く」か「深く入る」かに整理されます。

Q31 日本の公立図書館の数は

公共サービスの施設は、需要の量ではなく自治体という制度の単位で置かれます。人口で割り付けると、人口の少ない町村にも1館は置かれるという実態を取りこぼし、大都市が持つ複数の分館も表現できません。ここでは自治体の種別ごとに1自治体あたりの館数を置き、都道府県立を上乗せします。人口ではなく自治体数で割り付けるという判断が、この問いでは精度を決めます。

置いた仮定	値	その値を置いた理由
市と特別区の数	815	平成の大合併を経た市の数に東京23区を加えた値
市と特別区の1自治体あたり館数	3.4館	中央館1館に加え、人口規模に応じて分館を持つため1を大きく上回る
町の数と1町あたり館数	740町、0.8館	多くの町が1館を持つが、未設置の町も一定数ある
村の数と1村あたり館数	180村、0.3館	公民館の図書室で代替している村が多い
都道府県立	47県、1.4館	県立中央館に加え、分館を持つ県がある

計算式は「815×3.4 ＋ 740×0.8 ＋ 180×0.3 ＋ 47×1.4＝2,771 ＋ 592 ＋ 54 ＋ 66＝約3,480館」となります。結論は約3,500館とします。

文部科学省「令和6年度社会教育統計（社会教育調査の結果）」の確定値（2026年3月27日公表、施設数は令和6年10月1日現在）によれば、図書館は3,400館で調査開始以来の過去最多です。うち公立が3,380館で、残りは私立などが占めます。前回の令和3年度調査の3,394館から6館増えました。同じ調査で公民館は13,031館と前回から767館、5.6%減っており、社会教育施設の中で図書館だけが増えています。推定3,480館は実測に対して2%の上振れで、自治体数で割り付ける方針が有効だったことを示しています。

別の分解として人口で割る方法もあります。人口1億2,300万人を3.6万人に1館の割合とすれば約3,420館となり、実測に近い値です。ただしこの「3.6万人に1館」という係数は、結論を知らずに置くことが難しいものです。自治体数分解の仮定は、市に中央館と分館があり村には少ないという観察可能な事実から置けるのに対し、人口分解の係数は観察できません。同じ精度が出ても、検証可能性の点で自治体数分解のほうが優れています。フェルミ推定で仮定を選ぶときは、後から誰かが確かめられる仮定を選びます。

実務では、自治体向けにサービスを展開する事業の営業計画に直結します。図書館システム、電子書籍の配信、施設運営の受託といった事業では、対象が3,400館と決まっており、1館あたりの契約単価から市場の上限が計算できます。同調査によれば公立の図書館のうち指定管理者制度を導入している施設は750館、割合にして22.2%で、前回の20.9%から上昇しています。運営受託の市場は母数の3,400館ではなく、この導入済みと導入見込みの層に限られます。市場規模を出すときは、制度上の対象数と実際に買い手になりうる数を分けて持つことが要になります。

Q32 日本の病院と診療所の数は

医療は人口に比例して必要になるサービスですので、人口で割り付けるのが素直です。ただし入院を担う病院と外来を担う診療所では機能も規模も採算構造も違いますので、1つの係数でまとめて割ってはいけません。ここでは病院と一般診療所を分け、それぞれに別の「何人に1施設か」を置きます。分解の粒度をどこまで細かくするかは、その後の判断でどの層を見たいかによって決めます。

置いた仮定	値	その値を置いた理由
総人口	1億2,300万人	直近の人口として丸めた値
病院1施設あたりの人口	1.5万人	入院が必要な患者は人口の限られた割合。中規模の商圏に1施設が成立する規模として
一般診療所1施設あたりの人口	1,200人	医師1人が1日40人を診て週5日稼働し、住民が年10回受診すると置いた場合の商圏人口

計算式は「1億2,300万÷1.5万 ＋ 1億2,300万÷1,200＝8,200 ＋ 10万2,500＝約11万700施設」となります。結論は病院約8,200、一般診療所約10万2,500とします。

厚生労働省「医療施設動態調査」の令和7年5月末概数（2025年7月31日公表）によれば、病院は8,022施設、一般診療所は105,359施設、歯科診療所は65,793施設で、総数は179,174施設です。一般診療所のうち病床を持つのは5,240施設にとどまり、100,119施設は無床です。病院の病床数は1,459,706床でした。推定した病院8,200は実測に対して2%の上振れ、一般診療所10万2,500は3%の下振れで、いずれも十分な精度です。人口で割り付ける方針が有効だったのは、医療が居住地の近くで消費されるサービスであり、供給が需要の分布に合わせて配置されているからです。

別の分解として、病床数から病院数を出すこともできます。人口1,000人あたり12床と置けば全国で約148万床です。1病院あたりの平均を180床とすれば「148万÷180＝約8,200施設」となります。実測の1,459,706床を8,022施設で割ると1施設あたり182床であり、置いた仮定とほぼ一致します。需要側から人口で割っても、供給側から病床で割っても同じ8,000台前半に着地しますので、この数字は幅を持たせる必要が小さいと言えます。

実務では、医療機器、電子カルテ、医薬品卸といった事業の販売戦略を分ける根拠になります。病院8,000施設と一般診療所10万施設では、1件あたりの単価も意思決定者も導入までの期間も違います。前者は直接営業で1件ずつ攻める規模ですが、後者は代理店網かオンラインでの獲得でなければ採算が合いません。市場規模を「医療施設17万件」とひとまとめにすると、この営業体制の分岐が見えなくなります。母数を機能で割ることは、統計を正確にするためではなく、投資配分を決めるために行います。

Q33 日本の薬局の数は

薬局は人口に張り付いているように見えますが、実際には処方箋の発生源である医療機関に紐づいて立地しています。医薬分業という制度の下で、診療所の近くに門前薬局が置かれる形が広く定着したためです。ここでは人口ではなく、前の問いで出した医療機関の数から割り付けます。制度が立地を決めている対象は、その制度の構造に沿って分解するほうが精度が出ます。

置いた仮定	値	その値を置いた理由
一般診療所の数	10万施設	Q32の推定値を丸めて引き継いだ値
薬局が成立する診療所の割合	55%	院内処方を続ける診療所、処方の少ない診療科、複数の診療所が1薬局を共有する立地を差し引いた割合
病院の数	8,000施設	Q32の推定値を丸めて引き継いだ値
病院1施設あたりの門前薬局数	1.2軒	規模の大きい病院の周辺には複数の薬局が並ぶため1を上回る

計算式は「10万×55% ＋ 8,000×1.2＝5万5,000 ＋ 9,600＝約6万4,600施設」となります。結論は約6万4,600施設とします。

厚生労働省「令和6年度衛生行政報告例の概況」（2025年10月21日公表）によれば、令和6年度末現在の薬局数は63,203施設で、前年度に比べ375施設、0.6%増えています。人口10万人あたりでは51.1施設です。都道府県別では佐賀県が65.1で最も多く、高知県61.0、山口県60.8が続き、最も少ないのは沖縄県の39.4、次いで千葉県42.9、埼玉県44.2です。推定6万4,600は実測に対して2%の上振れにとどまりました。医療機関数から割り付ける方針が有効だったのは、医薬分業という制度が立地の論理を強く規定しているためです。

別の分解として人口で割ることもできます。人口1億2,300万人を2,000人に1薬局とすれば61,500施設となり、これも実測に近い値です。実測の人口10万対51.1は1,957人に1薬局を意味しており、置いた仮定とほぼ一致します。2つの分解が同じ水準に着地するのは、医療機関自体が人口に比例して配置されているからで、結局は同じ構造を別の経路でたどっていることになります。ただし将来を考えるときは差が出ます。オンライン診療や電子処方箋が広がれば、薬局が診療所の隣にある必然性は薄れ、医療機関数との連動は緩みます。制度が変わる可能性のある対象では、制度に依存した分解と依存しない分解を両方持っておきます。

実務では、調剤システム、医薬品卸、在宅医療支援といった事業の対象数として使います。着目すべきは人口10万対の県間格差で、最多の佐賀県65.1と最少の沖縄県39.4では1.65倍の開きがあります。全国一律の出店余地ではなく、この格差が需要の差なのか供給の遅れなのかを見極めることが、出店計画やM&Aの候補選定に直結します。全国の母数だけを見て「6万3千件の市場」と括ると、この地域差が消えます。市場規模は総額と分布の両方で持ちます。

Q34 日本の保育園と幼稚園の合計数は

就学前の施設は制度上の類型が細かく分かれており、保育所、幼稚園、認定こども園、地域型保育事業が並立しています。類型ごとに数えようとすると所管も統計も分かれてしまいますので、まず預かる子どもの総数という物理量から入り、1施設あたりの受入人数で割ります。制度が複雑な領域ほど、制度の区分ではなく物理量で分解するほうが崩れにくくなります。

置いた仮定	値	その値を置いた理由
就学前児童（0歳から5歳）	480万人	1学年あたり80万人前後として6学年分を積んだ値
通園している割合	75%	0歳から2歳は在宅で育てる世帯も多い一方、3歳から5歳はほぼ全員が通うため平均した割合
1施設あたりの在籍児童数	75人	19人以下の小規模保育事業から200人規模の大型園まで幅があるため、加重平均として低めにした値

計算式は「480万人×75%÷75人＝360万人÷75人＝約4万8,000施設」となります。結論は約4万8,000施設とします。

こども家庭庁「保育所等関連状況取りまとめ（令和7年4月1日）」によれば、保育所等の数は39,975か所、利用定員は3,029,282人、利用児童数は2,678,417人、利用率は全年齢平均で55.7%です。この保育所等には認定こども園と地域型保育事業が含まれます。一方、文部科学省「令和7年度学校基本統計」の確定値（令和7年5月1日現在）では、幼稚園が8,225園で在園者689,609人、幼保連携型認定こども園が7,673園で在園者875,976人です。保育所等39,975と幼稚園8,225を単純に足すと48,200となり、推定の4万8,000とほぼ一致します。ただしこの合計は所管の異なる2つの統計を足したもので、認定こども園の一部が双方に計上されている可能性があります。こども家庭庁「認定こども園に関する状況について」（令和7年4月1日現在）では認定こども園は合計11,212園で、内訳は幼保連携型7,470、幼稚園型1,637、保育所型2,017、地方裁量型88です。したがって4万8,000は上限として扱い、実数は4万台後半と幅で持つのが正しい扱いになります。

別の分解として、定員から積む方法があります。利用定員の実測は3,029,282人で、1施設あたりの定員を76人と置けば「303万÷76＝約3万9,900か所」となり、保育所等の実測39,975にほぼ一致します。児童数から割るか定員から割るかで結果が変わらないのは、定員充足率が88.4%と安定しているためです。逆に言えば、充足率が大きく崩れる局面では、この2つの分解は乖離し始めます。

実務では、保育や幼児教育の現場に向けたシステム、給食、送迎、採用支援といった事業の対象数として使います。ここで重要なのは母数の現在値より変化の向きです。同資料によれば利用児童数は前年から2万6,641人減り、定員充足率は0.4ポイント下がって88.4%になっています。就学前人口が減り続ける以上、施設数はいずれ充足率を通じて縮みます。事業計画では「今4万8,000施設ある」ではなく、「充足率が何%を割ると統廃合が始まり、どの地域から減るか」を前提に置きます。母数が縮む市場では、対象数を掛け算するだけの市場規模算定は経営判断を誤らせます。

Q35 日本のホテルと旅館の数は

宿泊施設は延べ宿泊数という需要の総量を、1施設の年間受入能力で割るのが基本の型です。ただしこの領域には固有の難しさがあります。1室だけの簡易宿所から1,000室のホテルまで規模の分散が極端に大きく、1施設あたりの平均客室数をいくつに置くかで答えが数倍変わります。ここでは平均客室数を明示的に低く置き、その仮定が結果をどれだけ動かすかを併せて確認します。

置いた仮定	値	その値を置いた理由
国内居住者の延べ宿泊数	3.7億人泊	人口1億2,300万人が出張と旅行で年3泊するとした値
訪日外国人の延べ宿泊数	2.1億人泊	訪日客3,500万人が平均6泊するとした値
1施設あたりの平均客室数	20室	営業許可ベースでは小規模施設が数の大半を占めるため、大型ホテルの印象より大幅に低くした値
1室あたり宿泊人数と稼働率	1.5人、55%	1人利用と2人利用が混在し、繁閑差があるため

計算式は「（3.7億 ＋ 2.1億）÷ （20室×1.5人×55%×365日）＝5.8億÷6,020＝約9万6,300施設」となります。結論は約9万6,000施設とします。

厚生労働省「令和6年度衛生行政報告例の概況」（2025年10月21日公表）によれば、令和6年度末現在の旅館業は98,338施設で、前年度に比べ4,863施設、5.2%増えています。内訳は旅館とホテル営業が52,946施設で3.7%増、簡易宿所営業が44,901施設で7.1%増、下宿営業が491施設です。推定9万6,300は実測に対して2%の下振れで収まりました。同じ統計では公衆浴場が23,668施設、うち一般公衆浴場が2,730施設で前年度比4.1%減となっており、宿泊は増えて銭湯は減るという対照的な動きが読み取れます。

別の分解として、旅館とホテル営業だけを供給サイドから積むこともできます。47都道府県に平均1,100軒とすれば「47×1,100＝5万1,700軒」となり、実測52,946に2%の差で当たります。ここで重要なのは、需要サイドの分解が9万6,000という答えを出したのは、平均客室数を20室と低く置いたからだという点です。仮に平均30室と置けば6万4,000施設となり、旅館とホテル営業だけの規模に近づきます。つまりこの問いでは、平均客室数の仮定を通じて「どの営業許可の範囲を数えているか」が暗黙のうちに決まっています。仮定の値そのものが、母数の定義を裏で選んでいることになります。

実務では、宿泊施設向けのシステム、リネン供給、清掃、予約チャネルといった事業の市場規模を出す場面で効きます。旅館とホテル営業の5万3,000施設を対象にするのか、簡易宿所を含めた9万8,000施設を対象にするのかで、事業計画の売上が2倍近く変わります。しかも両者では1施設あたりの支払い能力も導入する商品も全く違います。簡易宿所が前年度比7.1%増と最も伸びている事実は、訪日需要の受け皿が小規模施設側で増えていることを示しており、成長を取りに行くならこの層を無視できません。市場規模を計算する前に、営業許可の種類という母数の定義を先に決めます。この順番を逆にすると、精緻に計算した数字が最初から2倍ずれます。

この章では、日本にあるモノと施設の数を20問にわたって推定してきました。前半のQ16からQ25では店舗や設備といった身近な対象を、後半のQ26からQ35では宗教施設、インフラ、公共施設、医療と福祉、宿泊といった対象を扱いました。20問を並べて見えてくるのは、分解の巧拙より先に「何で割り付けるか」の選択が精度を決めているという事実です。医療機関、薬局、保育所のように人に張り付いて消費されるものは人口で割り付けるとよく合います。寺のように家の単位で継承されてきたものは世帯で割り付けます。郵便ポストのように徒歩の到達距離で配置されるものは面積で割り付けます。図書館のように自治体の判断で置かれるものは自治体数で割り付けます。ガソリンスタンドやゴルフ場のように設備の処理能力が上限を決めるものは、需要の総量を装置の生産性で割ります。この5つの割り付け方のどれを選ぶかを間違えると、その後どれだけ丁寧に計算しても桁が合いません。

割り付け方を選ぶ手がかりは、その対象が誰の判断で置かれているかにあります。事業者が採算で決めているのか、行政が制度で決めているのか、物理的な制約が決めているのかを最初に見分けます。郵便ポストが面積分解でほぼ的中したのは、設置基準そのものが到達距離という面積の論理で書かれているからであり、推定が優れていたからではありません。薬局が医療機関数からよく出たのは、医薬分業という制度が立地を規定しているからです。逆に、制度が変われば分解も変わります。オンライン診療が広がれば薬局は医療機関から離れ、電子化が進めば郵便ポストの設置基準そのものが議論の対象になります。制度に乗った分解は精度が高い代わりに、制度の変更で一気に無効になります。

経営の場面でこの章の型が効くのは、市場規模を出す前に母数の定義を確定させる作業においてです。宿泊施設は営業許可の種類で5万3,000にも9万8,000にもなり、保育と幼児教育は所管の違う統計を足すと重複が生じます。寺は宗教団体で数えるか宗教法人で数えるかで1,000以上ずれます。どれも間違いではなく、数え方が違うだけです。しかし事業計画では、この定義の違いがそのまま売上見込みの倍率になって表れます。最初に「何を1と数えるか」を決め、その定義で一次統計を引き、掛け算はその後に行います。この順番を守るだけで、市場規模の見積もりが2倍ずれる事故はほぼ防げます。数字を作る力は、計算の技術ではなく、数える対象を定義する規律から生まれます。

この章を深めたい方への参考書籍

• 『社会調査法入門』（盛山和夫、有斐閣、2004年）
  母集団と標本、抽出の設計、測定の妥当性を体系的に扱う教科書です。数を数える問いで、どの範囲を数えているのかを明確にする助けになります。
  社会調査法入門（楽天市場で見る）
  
  
• 『「社会調査」のウソ』（谷岡一郎、文藝春秋、2000年）
  調査の設計や集計に潜む誤りを具体例で示します。公表されている件数や施設数をそのまま使ってよいかを判断する目が養えます。
  リサーチ・リテラシーのすすめ 「社会調査」のウソ（楽天市場で見る）
  
  

第7章 例題編3 市場規模を推定する 前半

ここからの2章は、市場規模を扱います。前章までの「店舗の売上」や「モノの数」と違い、市場規模の推定では、需要サイドの分解を原則にします。式の骨格は「対象人口×購買率×単価×頻度」の4つで、これに買い替えサイクルや世帯単位への読み替えが加わるだけです。供給サイド（事業者数×1社あたり売上）を原則にしないのは、事業者数の公的統計が業種によって存在しなかったり、1社あたりの売上のばらつきが大きすぎて平均が代表値にならなかったりするためです。ただし例外があります。美容所数や1日1車あたりの営業収入のように、供給側の統計が毎年公表されている業種では、供給サイドのほうが精度が出ます。第8章のQ58、Q61、Q62はその形を採っています。対象人口であれば、総務省や厚生労働省の人口統計という動かない土台から出発できます。

もう1つ、この章に入る前に決めておかなければならないことがあります。市場規模という言葉が指す金額には、少なくとも3つの水準があるという点です。消費者が店頭で払った金額の合計が小売金額、メーカーが卸に売り渡した金額の合計がメーカー出荷金額、工場で作られたモノの金額が生産金額です。同じ商品でも、小売金額はメーカー出荷金額のおおむね1.5倍から2倍になります。さらに、国内で消費された分を数えるのか（国内需要）、国内で作られた分を数えるのか（国内生産）でも数字が変わります。輸入の多い商品では国内需要が国内生産を大きく上回りますし、輸出の多い商品ではその逆になります。市場規模の推定で最も多い失敗は、計算の腕前ではなく、この定義の取り違えで起きます。自分が組み立てた式が小売金額を出しているのに、答え合わせの相手が生産動態統計の出荷金額だった、というだけで、推定は当たっていても2倍ずれた結論になります。以下の各問では、自分の式がどの水準の金額を出しているのかを毎回明示し、比べる相手の統計も同じ水準のものを選びます。

この章と次章で共通して使う人口の土台を、先にまとめておきます。総務省「住民基本台帳に基づく人口、人口動態及び世帯数（令和8年1月1日現在）」によれば、総人口は1億2,376万人、世帯数は6,174万世帯です。ただし世帯の数え方は統計によって違い、実態調査である令和7年国勢調査では5,712万5千世帯です。第3章で決めたとおり、住民登録に紐づく制度の概算では住民基本台帳の6,200万世帯を、消費の概算では国勢調査の5,700万世帯を使います。各問では、どちらを使ったかを仮定表に書きます。厚生労働省「令和7年（2025年）人口動態統計月報年計（概数）の概況」によれば、2025年の出生数は67万1,236人、死亡数は158万9,489人、婚姻件数は48万9,119組です。ここで注意が要るのは年齢構成で、「1歳あたり150万人」といった均一な近似は現在の日本では成立しません。住民基本台帳の5歳階級別人口を見ると、0歳から4歳は376万人（1歳あたり約75万人）、これに対して50歳から54歳は984万人（1歳あたり約197万人）と、2.6倍の開きがあります。年齢層を対象人口に使う問いでは、この階級別の実数を都度当てはめます。

Q36 日本のスマートフォン市場規模は

スマートフォンは1人1台の耐久財なので、需要サイドの「保有者数÷買い替えサイクル×平均単価」で分解します。供給サイドを選ばないのは、国内で売れている端末の相当部分が海外メーカーの製品で、その国内売上が個別に開示されないためです。積み上げようとしても足りない部分が残ります。買い替えサイクルには公的統計があり、そこが分解の軸に据えられる点も需要サイドを選ぶ理由になります。

置いた仮定	値	その値を置いた理由
携帯電話を持ちうる人口	1億1,535万人	総務省「住民基本台帳に基づく人口（令和8年1月1日現在）」の10歳以上人口
スマートフォン保有率	90%	内閣府「消費動向調査（令和8年3月実施分）」の二人以上世帯の普及率93.5%を、単身世帯を含む個人ベースに引き下げた
1人あたり台数	1台	同調査の100世帯あたり保有数232.6台を平均世帯人員2.17人で割ると1.07台
買い替えサイクル	4.6年	同調査の携帯電話の平均使用年数4.6年（2025年4月から2026年3月に買い替えた世帯）

1億1,535万人×90%÷4.6年＝年間約2,257万台。これが年間の買い替え需要です。ここに平均単価を掛ければ金額になりますが、その単価に当てる一次情報が見つかりませんでした。この点は後述します。

台数の答え合わせをします。MM総研「2025年度国内携帯電話端末出荷台数調査」（2026年5月14日発表）によれば、2025年度のスマートフォン出荷台数は3,132.8万台、前年度比4.3%増でした。推定の2,257万台は実測の72%にとどまります。差の主因は買い替えサイクルで、消費動向調査の4.6年は従来型携帯電話を含む「携帯電話」全体の平均使用年数です。実測から逆算すると1億382万台÷3,132.8万台＝3.3年となり、スマートフォンだけならもっと短い周期で買い替えられていることが分かります。出荷台数には法人契約分や2台目、流通在庫も含まれるため、これも上振れ要因です。ここで重要なのは、金額の答え合わせができなかったことです。MM総研も電子情報技術産業協会（JEITA）も台数のみを公表しており、円ベースの市場規模を出している一次情報に行き当たりませんでした。単価を仮定すれば金額は作れますが、その仮定を検証する相手がいない以上、金額は幅としてしか示せません。

別の分解として、契約数から入る道もあります。ただしこちらは、統計の選び方でまったく違う数字が出る典型例になります。JEITAの携帯電話国内出荷統計では2024年度累計のスマートフォンが458万台で、MM総研の同年度3,003.7万台とは5倍以上開きます。JEITAは同ページで参加企業がスマートフォン3社であると明記しており、海外メーカーが入っていません。どちらかが誤っているのではなく、母集団が違うだけです。業界全体の規模を語る用途に使えるのはMM総研の方で、この選択を誤ると推定の巧拙とは無関係に桁が狂います。

この推定が効くのは、端末の周辺で商売を設計するときです。年間3,000万台という数量が確からしければ、装着率20%を狙うケースの潜在市場は年600万個、加入率5%の端末保険なら年150万件という形で、自社の事業計画に直接落ちます。逆に金額ベースの市場規模を根拠に投資判断を組むと、検証できない単価仮定の上に事業計画が乗ることになります。数量で語れる指標に翻訳しておく方が、意思決定は安全になります。

Q37 日本の炊飯器市場規模は

炊飯器は世帯単位で1台持つ耐久財なので、対象を人ではなく世帯に置き換えて「世帯数×保有率÷買い替えサイクル×単価」で分解します。この問いは、章の冒頭で述べた小売金額とメーカー出荷金額の違いが、そのまま結論の1.5倍の差になって現れる例でもあります。

置いた仮定	値	その値を置いた理由
世帯数	6,175万世帯	総務省「住民基本台帳に基づく世帯数（令和8年1月1日現在）」の6,174万7,140世帯
保有率	90%	炊飯器は消費動向調査の調査品目に含まれないため、ほぼ全世帯が持つ生活必需品として置いた
買い替えサイクル	8年	消費動向調査の近い品目、電気掃除機7.4年と電気洗濯機10.1年の中間

6,175万世帯×90%÷8年＝年間約695万台。答え合わせをします。日本電機工業会（JEMA）の資料によれば、2024年度のジャー炊飯器の国内出荷は446万7千台、出荷金額1,032億6,600万円でした。推定の695万台は実測の1.56倍で、はっきり外しています。

外れた原因は2つあります。1つは統計の選び方、もう1つは保有率の置き方です。1つ目は世帯数です。住民基本台帳の6,175万世帯は住民票の上での世帯であり、実際の生活単位より多く数えられます。同じ時期の厚生労働省「2025年国民生活基礎調査」では世帯総数5,505万8千世帯で、約11%少ない値です。2つ目は保有率で、この調査では単独世帯が全世帯の35.4%を占めており、炊飯器を持たない世帯の比率は90%という仮定が想定するより高いはずです。国民生活基礎調査の世帯数に保有率80%を当て、実測の446万7千台で割り戻すと買い替えサイクルは9.9年となり、10年前後という当初の直感の方が正しかったことになります。

金額の側はさらに重要です。JEMAの1,033億円は、同資料の注記で「原則として販売会社出荷ベース」と定義されており、メーカーから流通への出荷金額です。店頭で消費者が払った小売金額はこれより大きくなります。446万7千台で割った平均出荷単価は約23,100円ですが、量販店の店頭価格を思い浮かべればもっと高い水準が想像できるはずです。「炊飯器市場は1,000億円」と「1,500億円」は、どちらも正しく、見ている水準が違うだけという状態になり得ます。市場規模を引用するときは、必ず出荷か小売かを添える必要があります。

別の分解として、米の消費量から炊飯回数を出し、そこから炊飯器の稼働台数を推す道もありますが、稼働台数と年間出荷台数をつなぐには結局買い替えサイクルが要るため、遠回りになるだけで精度は上がりません。分解の経路を増やすときは、最後に同じ未知数へ収束しないかを確かめると無駄が減ります。

実務では、この型は成熟した耐久財市場の売上計画に効きます。年間出荷が450万台前後で横ばい、単価が2万3千円という市場では、台数を増やす計画は現実的ではありません。JEMAの2025年度見込みは台数がほぼ横ばいの446万1千台で、金額のみ1,088億円へ増える形になっており、業界全体が単価で伸ばす構造にあることが読み取れます。自社の計画が台数増を前提にしているなら、それは市場からの奪取を意味するので、シェアを何ポイント取るのかという言葉に翻訳して検証すべきです。

Q38 日本の缶コーヒーの市場規模は

缶コーヒーは反復購買の消費財なので、需要サイドの「飲用人口×年間本数×単価」で分解します。飲用の場面が通勤や作業の合間に偏るため、対象人口は就業年齢層に寄せます。

置いた仮定	値	その値を置いた理由
対象年齢層	20歳から64歳の6,864万人	住民基本台帳（令和8年1月1日現在）の5歳階級別人口を合算
飲用者の割合	50%	缶コーヒーを日常的に飲む層は就業年齢の半数程度と置いた
年間本数	104本	週2本
単価	140円	自動販売機とコンビニエンスストアの実勢価格

6,864万人×50%×104本＝年間約35.7億本。×140円＝約5,000億円。この5,000億円は消費者が払った小売金額です。

答え合わせをします。全国清涼飲料連合会「清涼飲料水統計2026」によれば、2025年の缶容器に入ったコーヒー飲料等の生産量は1,090,789キロリットルでした。185ミリリットルの小型缶で割れば約59億本、250ミリリットル缶なら約44億本になります。推定の35.7億本は、小型缶換算の実測に対して6割程度です。逆算すると、35.7億本ではなく59億本に届くには1人あたり年172本、つまり週3.3本が必要になります。週2本という頻度の仮定が保守的だったか、飲用者の割合を50%に絞りすぎたか、どちらかです。

金額の側は、答え合わせの相手が存在しませんでした。同統計にはコーヒー飲料等の全体について生産者販売金額1兆469億円（2025年）という値がありますが、これは缶だけでなくペットボトルや紙容器を含む合計であり、しかもメーカー出荷ベースです。缶容器だけを切り出した金額は統計に用意されていません。数量シェアで按分すれば缶の出荷金額を作れますが、それは筆者の算術であって公表値ではないので、ここでは示しません。「缶コーヒーの市場規模」という問いに対して、数量なら公的に近い形で検証でき、金額は検証できない、という非対称がこの問いの本質です。

もう1つ注意すべき点があります。2025年のコーヒー飲料等は生産量が前年比98.8%と減っているのに、生産者販売金額は113.1%と伸びています。値上げによる単価上昇であって需要の拡大ではありません。金額だけを見て市場が伸びていると読むと、実態と逆の判断になります。

別の分解として、供給サイドから飲料メーカー各社のコーヒー事業売上を積み上げる道もありますが、大手各社はコーヒーを単独セグメントとして開示していないため、この経路は閉じています。需要サイドを選んだのはそのためです。

実務では、自動販売機やオフィス向けサービスの設置計画を立てるときにこの型が効きます。年間59億本という数量が確からしければ、1台あたり年間販売本数から必要な設置台数が逆算でき、投資回収の年数を数量の言葉で議論できます。金額の市場規模から入ると、単価の想定次第で結論が動いてしまいます。

Q39 日本のエナジードリンク市場規模は

飲用頻度の分布が偏っている商材なので、対象を単一の平均で扱わず、高頻度の愛飲層と低頻度のライト層の2層に分けて足し合わせます。平均で扱うと、少数の高頻度層が持ち上げる分を取りこぼすためです。

置いた仮定	値	その値を置いた理由
対象年齢層	16歳から49歳の4,674万人	住民基本台帳（令和8年1月1日現在）の階級別人口から按分
愛飲層	対象の10%、467万人、週2本	常用者は限られた比率と置いた
ライト層	対象の25%、1,169万人、月1本	必要なときだけ飲む層
単価	220円	コンビニエンスストアの実勢価格

467万人×104本＝4.86億本、1,169万人×12本＝1.40億本、合計6.26億本。×220円＝約1,380億円。これは小売金額です。

答え合わせをします。全国清涼飲料連合会「清涼飲料水統計2026」によれば、2025年の「栄養ドリンク炭酸飲料」は生産量487,000キロリットル、生産者販売金額1,871億円でした。250ミリリットル缶で割ると約19.5億本になります。推定の6.26億本は実測の3分の1で、大きく外れています。

ズレの原因は2つに分けられます。1つは、比べる相手の定義が広いことです。日本の統計に「エナジードリンク」という項目は存在せず、最も近いのがこの「栄養ドリンク炭酸飲料」という分類ですが、これはエナジードリンク以外の炭酸タイプの栄養飲料も含みます。厳密に一致する数字と比べているわけではありません。なお、医薬部外品として売られる栄養ドリンクは清涼飲料水統計の対象外で、この487,000キロリットルには含まれていません。もう1つは、飲用層を16歳から49歳に限ったことです。実際の飲用は年齢の上下に広がっています。金額の側でも、小売ベースで組んだ推定1,380億円が、メーカー出荷ベースの実測1,871億円を下回っている時点で、明確に過小と分かります。小売は出荷より大きくなるはずだからです。この符号の確認だけでも、細かい検算をする前に外れを検知できます。

どの仮定が効いたのかは、同じ統計の中で隣の商品と比べると切り分けられます。栄養ドリンク炭酸飲料の487,000キロリットルは、Q38で見た缶容器のコーヒー飲料等1,090,789キロリットルの45%にあたります。一方、筆者が置いた飲用者数は、缶コーヒーが3,432万人、エナジードリンクが愛飲層とライト層を合わせて1,636万人で、その比は48%です。人数の比はほぼ合っています。つまり外したのは対象人口の規模感ではなく、1人あたりの飲用頻度の方でした。2つの問いで同じ単位の統計が取れるときは、絶対値ではなく比を突き合わせると、どの仮定が壊れているかが特定しやすくなります。

実務では、新規参入や新ブランド投入の可否を判断するときに使います。市場が1,800億円規模で成長が緩やかであれば、シェア1%を取っても18億円にしかならず、その売上のために何をどれだけ投じるのかという問いに直結します。カテゴリの定義が曖昧な市場では、自社が狙う範囲を統計の分類に合わせて定義し直すところから始めないと、市場規模の議論が最後まで噛み合いません。

Q40 日本のペット保険市場規模は

保険は契約単位の商材なので、「対象となる頭数×加入率×年間保険料」で分解します。世帯から入って飼育頭数を推定する道もありますが、飼育頭数そのものに業界団体の調査があるため、そこを起点にした方が仮定を1つ減らせます。

置いた仮定	値	その値を置いた理由
犬猫の飼育頭数	1,567万頭	ペットフード協会「令和7年（2025年）全国犬猫飼育実態調査」の犬682万頭と猫885万頭
加入率	10%	任意加入の保険としては低めの浸透率と置いた
年間保険料	3万6千円	月額3,000円

1,567万頭×10%×3万6千円＝約564億円。

答え合わせは、この問いでは1つの統計で完結しません。ペット保険は少額短期保険業者と損害保険会社の両方が引き受けており、それぞれ別の統計に載るためです。日本少額短期保険協会「2024年度業界決算概況について」によれば、2024年度のペット分野は保有契約77万件、収入保険料236億円でした。損害保険会社側では、アニコム損害保険の2024年度の元受正味保険料が591億円、アイペット損害保険が395億円です。年度を2024年度で揃えて単純に足すと約1,222億円になりますが、これは筆者が並べて足しただけの値であり、どの機関も公表していません。しかもこの3系統に含まれない引受会社が別に存在するため、実際の市場はこれを上回ります。推定の564億円は、この下限値に対しても46%にとどまります。

どの仮定が外れたのかを切り分けます。少額短期保険協会の数字から1件あたり保険料を出すと236億円÷77万件＝約3万600円で、置いた3万6千円とほぼ一致します。保険料の仮定は当たっていました。したがって外れたのは加入率です。1,222億円を1件あたり3万600円で割ると約399万件となり、飼育頭数1,567万頭に対する加入率は約25%になります。10%という仮定が2倍以上低かったわけです。仮定を2つ置いたとき、どちらが結論を動かしたのかをこの形で特定できると、次の推定の精度が上がります。

別の分解として、ペット関連市場の全体から比率で降ろす道もあります。矢野経済研究所の推計では2024年度のペット関連総市場が1兆9,108億円ですが、これは小売の末端金額ベースで、保険料収入とは性質が違います。市場全体に対する保険の比率という切り口は、性質の違う金額どうしを割ることになるので、この問いでは採らない方が安全です。

実務では、加入率が伸びる余地のある市場を評価するときにこの型が効きます。加入率10%と25%では市場の残り伸びしろの解釈がまったく変わります。市場規模そのものより、加入率という1つの比率が結論を支配していることを先に見抜けるかどうかが、投資判断の質を決めます。

Q41 日本のトレーディングカードゲーム市場規模は

購入額の分布が極端に偏る商材なので、Q39と同じく層別に分けます。継続的にプレイする層と、収集や投資の目的で高額購入する層では、1人あたりの年間支出が桁で違うためです。

置いた仮定	値	その値を置いた理由
プレイヤー層	10歳から18歳の男子497万人の40%、199万人	住民基本台帳（令和8年1月1日現在）の男性の階級別人口から按分
プレイヤー層の年間支出	2万4千円	月2,000円
コレクター層	20歳から39歳の男性1,350万人の5%、67万5千人	同上
コレクター層の年間支出	6万円	月5,000円

199万人×2万4千円＝478億円、67万5千人×6万円＝405億円、合計約880億円。

答え合わせをします。日本玩具協会の2025年度玩具市場規模調査によれば、カードゲーム・トレーディングカードは3,384億円でした。2024年度は3,025億円、2023年度は2,774億円で、2年で22%伸びています。推定の880億円は実測の26%にすぎず、この章で最も大きく外した問いになりました。

なぜここまで外れたのかを、逆算で追います。3,384億円を想定した対象266万5千人で割ると1人あたり年12万7千円となり、これは現実的な支出水準ではありません。つまり単価の仮定ではなく、対象人口の取り方が誤りです。1人あたり年3万円と置くなら1,128万人が必要で、10代男子と20代30代男性という枠組みでは足りません。実際には性別と年齢の枠を越えて購入層が広がっており、対象人口を狭く定義したことが直接の敗因です。ブームのある市場では、平時の常識で対象を絞ると桁を外します。

ただし比較の前提にも注意が要ります。日本玩具協会の数値は上代、つまりメーカー希望小売価格ベースであり、値引き販売の実勢や中古カードの二次流通は含みません。また調査範囲は同協会の会員企業と東京おもちゃショー出展企業の商品に限られます。実際に消費者が払った金額とも、市場に流れた全額とも一致しないという性質を持った数字です。同じ「3,384億円」を、消費者支出の合計だと読むと過大評価になります。

別の分解として、供給サイドから主要タイトルの出荷パック数を積み上げる道もありますが、パック単位の出荷数は公表されていないため実行できません。需要サイドを選んだのは消去法でもあります。

実務での使いどころは、急成長市場の事業計画を検算するときです。玩具市場全体が2025年度に1兆1,664億円で、そのうちカードが3,384億円と29%を占めています。この構成比の推移を見れば、伸びが1つのカテゴリに集中しているかどうかが分かります。カテゴリの成長率をそのまま自社の売上計画に写すと、ブームが終わったときに在庫と生産能力が残ります。市場が伸びている理由を、対象人口の拡大なのか、1人あたり単価の上昇なのかまで分解しておくと、その計画が何に賭けているのかが言葉になります。

Q42 日本のランドセル市場規模は

ランドセルは対象が1学年に限定され、購入率がほぼ100%という、市場規模の推定としては最も条件の良い問いです。「新入学児童数×購入率×平均単価」の3項だけで組め、しかも児童数は人口動態統計から確定に近い形で取れます。

置いた仮定	値	その値を置いた理由
新1年生の数	約86万人	厚生労働省「人口動態統計」の2019年出生数86万5,239人と2020年出生数84万835人を、4月から3月の学年で按分
購入率	100%	公立小学校の就学時にほぼ全員が新規購入する
平均購入価格	62,034円	日本鞄協会ランドセル工業会「ランドセル購入に関する調査 2026年」

86万人×62,034円＝約533億円。

答え合わせをします。ランドセル工業会は平均購入価格を毎年公表していますが、市場規模そのものは公表していません。市場規模を出しているのはニッセイ基礎研究所の推計で、2024年が552億円、2022年と2023年が563億円、2014年が462億円とされています。算出式は小学1年生人口に平均購入価格を掛けたもので、筆者の計算と同じ構造です。推定の533億円は、対象学年が2年新しいことによる児童数の減少を反映した値と読めます。同じ式に同じ性質の数字を入れているので、これは「たまたま合った」のではなく、分解が妥当だったケースです。

ここで見えるのは市場の構造です。ニッセイ基礎研究所の推計では、小学1年生人口が2014年の109.1万人から2024年の93.4万人へ14.3%減る一方、平均購入価格は4.24万円から5.91万円へ39.5%上がっています。数量が減り単価が上がって、市場規模は462億円から552億円へと拡大しました。少子化の市場でも、単価を上げれば売上は維持できるという実例です。ただしこれは無限に続く手ではありません。工業会の2026年調査では「65,000円以上」を選んだ購入者が46.0%に達しており、価格帯の上方シフトが進んでいます。

年の呼び方には注意が要ります。工業会は「2026年調査」を2026年4月入学の児童について呼び、ニッセイ基礎研究所の「2024年」は2024年入学世代を指します。同じ西暦を書いていても指している世代が違うので、時系列で並べるときは入学年に揃える必要があります。

別の分解として、供給サイドからランドセルメーカーの売上を積み上げる道がありますが、この業界は非上場の中小メーカーが多く、売上が開示されていないため積み上がりません。需要サイドが唯一の実行可能な経路です。

実務では、対象人口が確定している市場の中期計画に使えます。ランドセルの場合、6年先の新入学児童数は既に生まれた子どもの数で決まっているので、数量側の予測はほぼ誤差なく引けます。2025年の出生数は67万1,236人なので、2032年入学の学年は現在より2割以上小さくなります。数量が年3%から4%減る市場で売上を横ばいに保つには、単価を同じ率で上げ続けるしかありません。その値上げが顧客に受け入れられる限界はどこかという問いが、この事業の中核になります。市場規模の数字そのものより、数量と単価に分けたときのそれぞれの向きが、経営判断の材料になります。

Q43 日本のメガネ市場規模は

眼鏡は買い替え型の耐久財なので、「使用者数÷買い替え頻度×平均単価」で分解します。この問いは計算そのものより、答え合わせができないという事実の方が重要な例になりました。

置いた仮定	値	その値を置いた理由
眼鏡使用者	4,950万人	総人口1億2,376万人の40%。使用者率の一次情報が見つからなかったため、仮定として置いた値
買い替え頻度	4.7年に1回	眼鏡光学出版が2013年7月に実施した消費者1万人調査の平均買い替え期間
平均単価	24,000円	同調査の直近購入眼鏡の平均価格24,016円

4,950万人÷4.7年＝年間約1,053万本。×24,000円＝約2,530億円。

答え合わせをしようとしましたが、直近年の眼鏡小売市場規模の公表値が見つかりませんでした。事情は明確で、日本眼鏡関連団体協議会が2023年6月に解散し、業界の統計が公開されなくなっています。後継として活動を引き継いだ日本メガネ協会のメガネ関連団体協議委員会にも、市場規模や使用者数の公開統計が見当たりませんでした。よく引用される『眼鏡DB』は業界団体の無償公開統計ではなく、眼鏡光学出版が刊行する市販の書籍です。公開されている形で辿れる最後の系列は2012年で、眼鏡一式の小売市場規模が4,000億円台へ回復したという記述までです。14年前の値と2026年の推定を比べても、差が市場の変化なのか推定の誤りなのか区別できません。

部分的な手がかりはあります。NIQ（NielsenIQ）が2025年2月18日に発表した眼鏡店とコンタクトレンズ店のPOSデータでは、2024年10月から12月のメガネレンズは金額が前年比5.6%増、数量が2.0%減、レンズ1枚あたり平均単価が4,637円で7.7%上昇しています。数量が減って単価が上がるという、Q42のランドセルと同じ構造が読み取れます。ただし金額の絶対値は公表されていないため、水準の答え合わせには使えません。上に置いた仮定のうち、使用者率40%と買い替え頻度4.7年は現在の一次情報で裏が取れていないため、この2,530億円という数字は幅としてしか扱えません。

この問いから得られる実務上の教訓は、市場規模を推定する前に「答え合わせの相手が存在するか」を確認しておくということです。業界団体が解散したり統計の公表をやめたりすると、その市場は外から見えなくなります。見えない市場に対して単一の数値を根拠に投資判断を組むと、その数値が外れていても誰も気付けません。こうした市場では、推定を1点で出さずに幅で持ち、幅のままでも意思決定できるように選択肢を設計するのが現実的な対処になります。たとえば市場規模が2,500億円でも4,000億円でも成立する事業計画なら、市場規模の不確かさは意思決定を止めません。逆にどちらかでないと成立しない計画は、検証できない数字に社運を賭けていることになります。

Q44 日本のコンタクトレンズ市場規模は

コンタクトレンズは消耗品で、使い捨てタイプが主流のため買い替えサイクルではなく年間支出で捉えます。「装用者数×年間支出」の2項で組みます。

置いた仮定	値	その値を置いた理由
対象年齢層	15歳から59歳の6,638万人	住民基本台帳（令和8年1月1日現在）の階級別人口を合算
装用率	12%、797万人	装用者数の一次情報が見つからなかったため、仮定として置いた
年間支出	4万円	1日使い捨てタイプで月3,000円台という水準

797万人×4万円＝約3,190億円。これは消費者が払った小売金額です。

答え合わせをします。日本コンタクトレンズ協会が公表する市場規模では、2025年のコンタクトレンズが3,160、ケア用品が323、合計3,483となっています。協会の注記に「金額は製造販売業者・卸売販売業者の出荷額ベース」とあり、メーカーと卸の出荷金額です。2024年は3,153でした。小売側では、NIQ（NielsenIQ）が2024年のコンタクトレンズ販売金額を3,140億円、前年比0.2%増と発表しています。こちらは眼鏡専門店とコンタクトレンズ専門店、オンライン販売を含むPOSデータの拡大推計です。推定の3,190億円は、この小売側の3,140億円とほぼ一致しました。

ただし、合ったことを分解の妥当性の証明として受け取る前に確かめるべきことがあります。小売金額は出荷金額より大きくなるはずなのに、この市場では出荷3,153と小売3,140がほぼ同水準です。理由は、NIQの数字が専門店とオンラインのPOSに基づく推計で、全ての販売チャネルを捕捉しているとは資料に書かれていないためです。性質の違う2つの数字がたまたま近い値になっているだけかもしれません。したがって、推定が小売の実測と一致したことは、装用率12%と年間支出4万円という2つの仮定が両方とも正しかったことを意味しません。小売3,140億円を797万人で割ると1人あたり年3万9,400円となり、単価の仮定は妥当と言えますが、装用者数そのものは協会も学会も公表していないため、依然として裏が取れていません。

もう1つ、協会の表には単位の表記がありません。「3,160」が億円なのか百万円なのかが明示されておらず、桁とNIQの小売3,140億円との整合から億円と読むのが自然、という状態です。また2025年は調査対象の会員が40社から35社に減っており、協会自身が注記しています。前年比を成長率として読むと、対象企業数の変動を市場の変動と取り違えます。一次情報にあたるとは、数字を取ってくることだけでなく、こうした注記まで読むことを含みます。

実務では、定期購入型サービスの設計に効きます。装用者797万人に対して年3万9千円の支出が発生しているなら、サブスクリプションの獲得単価をいくらまで許容できるかが、継続年数の想定から直ちに計算できます。NIQによればサブスクリプションは2024年に前年比13%増、通常販売は2%減で、市場全体が横ばいのなかで販売形態だけが移っています。市場規模が動いていない市場でも、内部の構造が変わっていれば事業機会は生まれます。

Q45 日本のウェディング市場規模は

婚姻という事象の件数が公的統計で確定するため、「婚姻件数×実施率×1組あたり費用」の3項で組めます。対象母数が推定ではなく実測で得られる、数少ない市場です。

置いた仮定	値	その値を置いた理由
年間婚姻件数	48万9,119組	厚生労働省「令和7年（2025年）人口動態統計月報年計（概数）の概況」
披露宴の実施率	43.1%	リクルートブライダル総研「結婚マーケット調査2025」の披露宴・ウエディングパーティー実施率
1組あたり費用	298.6万円	同調査の挙式と披露宴をともに実施した人の費用総額の平均

48万9,119組×43.1%＝約21.1万組。×298.6万円＝約6,300億円。これは挙式と披露宴に限った金額です。

答え合わせをします。矢野経済研究所の「ブライダル市場に関する調査（2026年）」によれば、2025年のブライダル関連市場規模は主要5分野の合計で1兆5,786億円、前年比99.9%です。ただしこの5分野には挙式披露宴のほかに新婚旅行、ブライダルジュエリー、結納式・結納品、結婚相談所・仲介業サービスが含まれ、挙式披露宴だけの金額は公表されていません。推定の6,300億円は5分野合計の40%にあたります。挙式披露宴が5分野の中で最大の分野であることを踏まえると、この比率は不自然ではありません。つまり、「ウェディング市場」という同じ言葉で、6,300億円とも1兆5,786億円とも言えてしまいます。2.5倍の差は推定の誤差ではなく、範囲の定義の違いです。市場規模を人に伝えるときは、どこまでを含めた数字なのかを必ず添える必要があります。

時系列で扱うときにはさらに注意が要ります。リクルートの調査は2025年版から設計が変わり、それまでのゼクシィ読者を対象とした調査から、全国の20歳から49歳の男女を対象とする市場調査へ拡大されました。以前の総額平均343.9万円と今回の298.6万円は接続しないので、費用が下がったと読むのは誤りです。矢野経済研究所の側も、前回調査が主要6分野の合計、今回が主要5分野の合計で、分野数が変わっています。統計の設計変更を市場の変化と取り違えることは、フェルミ推定の答え合わせで最も起きやすい事故の1つです。

別の分解として、結婚式場の施設数から入る道もあります。ただし経済産業省「特定サービス産業実態調査」の冠婚葬祭業編は2018年が最後とみられ、直近の結婚式場業の売上高は確認できませんでした。供給サイドの経路が閉じているため、需要サイドが実質的に唯一の道になります。

実務では、婚礼に関連する事業の売上計画に使えます。この市場の特徴は、数量側の予測精度が非常に高いことです。婚姻件数は毎年の人口動態統計で確定し、2023年の47万4,741組から2024年48万5,092組、2025年48万9,119組と2年連続で増えています。したがって計画の不確実性は実施率と単価に集約されます。どの変数が結論を動かすのかが最初から分かっている市場では、その変数だけを継続的に観測すれば計画を更新できます。全ての指標を等しく追う必要はありません。

Q46 日本の葬儀市場規模は

Q45と同じ構造で、「年間死亡数×葬儀実施率×1件あたり費用」の3項で組めます。死亡数は人口動態統計で確定するため、対象母数の精度は極めて高くなります。

置いた仮定	値	その値を置いた理由
年間死亡数	158万9,489人	厚生労働省「令和7年（2025年）人口動態統計月報年計（概数）の概況」
葬儀実施率	85%	火葬のみで済ませる例を除いた割合として置いた
1件あたり費用	96.7万円	鎌倉新書「第7回お葬式に関する全国調査（2026年）」の総額平均96.73万円

158万9,489人×85%＝約135万件。×96.7万円＝約1兆3,100億円。

答え合わせをします。経済産業省「平成30年特定サービス産業実態調査」によれば、葬儀業務の年間売上高は1兆5,050億円、年間葬儀取扱件数は132万8,819件でした。ただしこれは2017年の実績で、9年前の値です。この調査は平成30年調査を最後に廃止され経済構造実態調査に統合されたため、全数推計としてはこれが最新になります。

ここで仮定の検証ができます。2017年の死亡数は134万567人で、葬儀取扱件数132万8,819件との比は99.1%です。つまり葬儀の実施率はほぼ100%であり、置いた85%は低すぎました。実施率99%で組み直すと158万9,489人×99%×96.7万円＝約1兆5,200億円となり、2017年の1兆5,050億円と近い値になります。ただしこの一致は、2つの逆向きの変化が相殺した結果です。死亡数は2017年の134万人から2025年の159万人へ18%増えている一方、1件あたり費用は2017年実績の約113万円（1兆5,050億円を132万8,819件で割った筆者の計算値）から鎌倉新書調査の96.7万円へ14%下がっています。件数が増え単価が下がって、総額はほぼ動いていません。死亡数の増加がそのまま市場の拡大にならないのは、家族葬や一日葬への移行が進んでいるためです。同調査では家族葬の実施割合が47.0%で最多、費用は一般葬122.01万円に対し家族葬96.39万円、直葬・火葬式49.56万円となっています。

単価については、統計によって向きが逆に見える点に注意が必要です。経済産業省「特定サービス産業動態統計調査」では葬儀の単価が2022年112.9万円から2024年121.5万円へ上がっています。ただしこの統計の売上高は調査対象企業の事業所分のみの集計で、全数ではありません。2024年の売上高6,109億円を市場規模と読むと、実態調査の1兆5,050億円と2.5倍ずれます。同じ官庁の同じ分野の統計でも、全数推計なのか調査企業の集計なのかで意味がまったく違います。

実務では、死亡数という予測可能な母数を持つ市場をどう見るかの例になります。厚生労働省の推計では死亡数は今後さらに増えます。それでも市場が拡大しないのは、単価が下がり続けているからです。この市場に参入や投資を検討するなら、件数の増加を根拠にするのは危険で、単価の下落速度が件数の増加速度を上回るかどうかが判断の分かれ目になります。数量と単価を分けずに市場規模だけを見ていると、この逆風が見えません。

Q47 日本の学習塾市場規模は

この問いでは、通塾率と月謝に分けずに済む道があります。文部科学省「子供の学習費調査」が、通っていない子どもを0円として含めた在籍者全員の平均学習塾費を公表しているためです。したがって「児童生徒数×1人あたり年間学習塾費」の2項で組めます。仮定の数を減らせるときは減らすのが原則です。

置いた仮定	値	その値を置いた理由
小学生	国公立573万3千人、私立7万9千人	文部科学省「令和7年度学校基本統計（確定値）」
中学生	国公立285万6千人、私立24万9千人	同上
高校生	国公立187万6千人、私立99万8千人	同上
1人あたり年間学習塾費	公立小75,194円、私立小259,492円、公立中230,385円、私立中168,058円、公立高147,140円、私立高166,867円	文部科学省「令和5年度子供の学習費調査」（2026年1月16日訂正版）

小学校4,517億円、中学校6,999億円、高等学校4,425億円で、合計約1兆5,900億円。これは家計が支払った側の金額です。

答え合わせをします。経済産業省「平成30年特定サービス産業実態調査」によれば、学習塾の年間売上高は9,919億円、事業所数46,734、受講生数312万1,984人でした。これも2017年の実績です。推定の1兆5,900億円は、この事業者売上高の1.6倍にあたります。

1.6倍の差は計算の誤りではなく、需要サイドと供給サイドが同じものを測っていないことから生じます。文部科学省の学習塾費には、入会金や授業料のほかに、教材費、講習会費、通っている塾での模擬テスト代、そして塾までの交通費が含まれます。交通費は塾の売上になりません。また家計が支払った先には、実態調査の「学習塾」に分類されない個人経営の教室や家庭教師派遣も混ざります。加えて実態調査は2017年の値で、その後の授業料の上昇が反映されていません。家計側の支出と事業者側の売上は、原理的には同じ取引を両側から見たものですが、集計の境界が違うと1.6倍ずれます。市場規模を語るとき、自分がどちらの側の数字を出したのかを意識していないと、この差を市場の成長と誤読します。

もう1つ、同じ経済産業省の統計でも「特定サービス産業動態統計調査」の学習塾は2023年で5,813億円です。こちらは調査対象企業の事業所分のみで全数ではないため、市場規模として引用すると実態調査の9,919億円と1.7倍ずれます。なおこの動態統計は2024年12月調査をもって終了しました。統計そのものが消えていく分野が増えており、Q43のメガネと同じ状況が学習塾にも起きつつあります。

通塾率については、同調査で学習塾費が0円でない世帯の割合から代理指標が作れます。公立小39.0%、公立中66.0%、公立高38.6%です。中学校だけが突出しており、小学校と高校の水準を全体に当てはめると中学校分を大きく取りこぼします。学齢によって行動が変わる市場では、平均で扱うと構造が見えなくなります。

実務では、教育事業の投資判断に使えます。中学生の1人あたり支出が23万円で通塾率66%という構造は、中学生市場が既に高い浸透率にあることを示します。ここでの成長は新規獲得ではなく単価と継続率の勝負になります。一方で小学生は通塾率39%なので、浸透率を上げる余地が残っています。市場規模の総額ではなく、学齢別の浸透率と単価の組み合わせを見ることで、どこに投資すべきかが具体的な言葉になります。

Q48 日本のビール市場規模は

反復購買の消費財なので、「飲用人口×年間本数×単価」で分解します。この問いは、税制が統計の分類を動かすために、時系列の比較が成立しなくなる例でもあります。

置いた仮定	値	その値を置いた理由
20歳以上人口	1億454万人	住民基本台帳（令和8年1月1日現在）の階級別人口を合算
飲酒する割合	60%	飲まない層と機会飲酒のみの層を除いた
そのうちビール類を選ぶ割合	60%	他の酒類が主体の層を除いた
年間本数	350ミリリットル缶で156本	週3本
単価	230円	缶1本の店頭価格

1億454万人×60%×60%＝3,764万人。×156本＝58.7億本、数量では約205万キロリットル。×230円＝約1兆3,500億円。

答え合わせをします。国税庁「酒のしおり（令和8年7月版）」によれば、令和6年度の課税数量はビール246万5,337キロリットル、発泡酒192万6,668キロリットルで、合計439万2,005キロリットルです。推定の205万キロリットルは実測の47%で、半分以下でした。逆算すると、439万キロリットルに届くには1人あたり年333本、週6.4本が必要になります。週3本という頻度が保守的すぎたか、飲用人口を絞りすぎたかです。

ここで統計の読み方に重要な注意があります。2023年10月以降、いわゆる新ジャンル商品の酒税法上の品目表示が「発泡酒」へ移されました。そのため発泡酒の課税数量は令和5年度123万キロリットルから令和6年度193万キロリットルへ56.5%増え、リキュールは160万キロリットルから88万キロリットルへ減っています。これは需要が動いたのではなく、同じ商品が別の欄に移っただけです。「発泡酒が急成長している」と読むと事実と逆になります。ビール酒造組合によれば、ビール・発泡酒・新ジャンルを合わせた市場規模は直近10年で2割近く減り、1994年のピークの6割の水準にあります。

金額については、一次情報が見つかりませんでした。国税庁もビール酒造組合も公表しているのは数量と酒税額のみで、円ベースの市場規模を出している一次情報に行き当たりませんでした。この章で繰り返し現れる非対称が、ここでも成立しています。

もう1つ、この市場では制度が数量構成を動かします。2026年10月にビール、発泡酒、新ジャンルの税率が1キロリットルあたり155,000円、350ミリリットル換算で54.25円に一本化される予定です。本稿執筆時点では未実施です。この改正でビールは減税、発泡酒は増税、新ジャンルは大幅な増税になります。税率差で成立していた新ジャンルの価格優位が消えるため、同じ総数量でも構成が動き、メーカーの売上と利益は変わります。

実務では、税制や規制が価格を動かす市場の計画に使えます。数量が横ばいでも構成が変われば収益は変わるので、数量だけを追う計画は危険です。逆に、制度変更の日付と内容が事前に確定している市場では、その時点を境に前提を切り替えた2本の計画を用意しておけます。市場規模を1つの数字で持つのではなく、制度の切り替わりで分けて持つ方が実務的です。

Q49 日本の化粧品市場規模は

使用率と支出額が男女で大きく違うので、性別に分けて足し合わせます。この問いは、章の冒頭で述べたメーカー出荷金額と小売金額の違いが最も大きく出る例です。

置いた仮定	値	その値を置いた理由
15歳以上の女性	5,672万人	住民基本台帳（令和8年1月1日現在）の女性の階級別人口を合算
女性の使用率	85%	高齢層で使用が減る分を差し引いた
女性の年間支出	3万円	スキンケア、メイクアップ、ヘアケアの合計
男性の使用者	18歳から64歳の男性3,608万人の25%、902万人	ヘアケアとスキンケアを日常的に買う層
男性の年間支出	1万円	品目が限られる

4,821万人×3万円＝1兆4,463億円、902万人×1万円＝902億円、合計約1兆5,400億円。これは小売金額です。

答え合わせをします。日本化粧品工業会が経済産業省「生産動態統計」を集計した値では、2024年の化粧品出荷金額は1兆3,745億円、前年比5.5%増でした。これはメーカー出荷金額です。推定の1兆5,400億円と数字は近いのですが、この2つを直接比べてはいけません。片方は小売、もう片方は出荷で、水準が違うからです。小売が出荷の1.5倍程度になるとすれば、小売の目安は2兆円前後になり、推定はそれより2割強低いという評価になります。

別の分解として、家計側から積み上げる道があります。日本化粧品工業会が総務省「家計調査年報」を集計した値では、2024年の二人以上の世帯の化粧品支出は年38,436円です。二人以上の世帯数は、厚生労働省「2025年国民生活基礎調査」の世帯総数5,505万8千世帯から単独世帯1,947万7千世帯を引いた約3,558万世帯なので、掛け合わせると約1兆3,700億円になります。二人以上の世帯だけで出荷金額1兆3,745億円にほぼ並び、ここに単独世帯1,948万世帯の支出が加わります。したがって小売市場が出荷金額を明確に上回ることは、この計算だけで確かめられます。単独世帯の支出額に一次情報を当てられなかったので合計は出しませんが、大小関係の確認には足ります。答え合わせは、必ずしも数字を1点で当てる必要はなく、不等号の向きが確かめられれば十分な場面があります。

定義についてもう1つ重要な点があります。生産動態統計の「化粧品」には医薬部外品である薬用化粧品が含まれません。薬用と表示された商品は化粧品売り場の相当部分を占めるため、この定義差も小売との開きを広げます。なお小売市場規模そのものの一次情報は見つかりませんでした。2兆円台という数字がしばしば引用されますが、今回はその発表元の一次リリースを確認できていません。

品目の構成は、2024年の出荷金額で皮膚用44.5%、頭髪用26.9%、仕上用20.9%、特殊用途7.1%、香水・オーデコロン0.7%です。市場規模の総額より、この構成比の推移の方が事業計画には役立ちます。総額が横ばいでも構成が動いていれば、自社が置かれている位置は変わります。

実務では、化粧品の周辺で事業を組むときに、自社の売上がどの水準の金額に対応するのかを合わせる必要があります。OEM製造なら出荷金額の側、小売や電子商取引なら小売金額の側です。市場シェアを議論するとき、分母を出荷金額に取るか小売金額に取るかで、同じ売上のシェアが1.5倍変わります。社内で数字が食い違うときは、たいてい計算ではなくこの分母の取り方が原因です。

Q50 日本のベビー用おむつ市場規模は

対象年齢が3年分に限定される消耗品なので、「対象児数×1日使用枚数×365日×単価」で組みます。対象児数は人口動態統計の出生数を3年分足すだけで求まり、推定の余地がほとんどありません。

置いた仮定	値	その値を置いた理由
0歳から2歳の児童数	約208万人	厚生労働省「人口動態統計」の2023年出生数72万7,288人、2024年68万6,173人、2025年67万1,236人の合計
1日の使用枚数	6枚	0歳から2歳までを平均した枚数
1枚あたり単価	25円	店頭価格をパック枚数で割った水準

208万人×6枚×365日＝年間約45.7億枚。×25円＝約1,140億円。

答え合わせをします。日本衛生材料工業連合会の統計では、2025年の乳幼児用紙おむつ生産数量は7,105百万枚、つまり71.05億枚です。推定の45.7億枚は実測の64%にあたります。ただしこの差を推定の誤りと読んではいけません。同連合会はこの数量について「国内向け、海外向け数量の合計」と明記しており、輸出分を含んでいるためです。国内向けと海外向けの内訳は公開されていません。したがって、この71.05億枚は国内市場の答え合わせにそのまま使うと過大評価になります。逆に言えば、推定の45.7億枚が正しいとすれば、生産の64%が国内向け、36%が輸出という計算になりますが、この比率を裏付ける一次情報はありません。

時系列を見ると事情がよく分かります。乳幼児用紙おむつの生産数量は2017年の15,968百万枚をピークに、2020年12,364、2022年9,976、2023年8,872、2024年7,990、2025年7,105と減り続け、ピークの44.5%まで落ちています。同じ期間の出生数の減少は2017年の94万6,146人から2025年の67万1,236人へ29%減で、生産数量の55%減とは大きく異なります。差の部分は輸出の減少と考えるのが自然ですが、内訳が公開されていない以上、確認はできません。国内需要と国内生産が違う数字であるという章の冒頭の指摘が、そのまま現れた形です。

比較のために、同じ統計の大人用紙おむつを見ると、2023年9,077百万枚、2024年9,597、2025年10,549と増え続けており、2025年時点で乳幼児用の1.5倍です。2016年頃に逆転しています。「おむつ市場」と言ったときにベビー用を思い浮かべると、市場の主役を取り違えます。なお金額ベースの市場規模については、日本衛生材料工業連合会が数量のみを公表しており、一次情報が見つかりませんでした。

実務では、数量の先行きが確定している市場の設備投資判断に使えます。おむつの対象児数は3年分の出生数の合計なので、来年と再来年の数量は既に生まれた子どもの数で決まっています。2025年の出生数67万1,236人は10年前の2015年の100万5,721人の67%であり、この市場で数量成長を前提にした投資はできません。取れる手は、単価を上げるか、大人用へ生産を振り替えるか、輸出を伸ばすかの3つに絞られます。実際に業界全体としては大人用への比重移動が起きています。市場規模の数字を出すことの価値は、金額を当てることではなく、こうした選択肢の絞り込みを数字で裏付けられる点にあります。

この章で扱った15問を振り返ると、推定の当たり外れを決めたのは計算の精度ではなく、比べる相手の選び方でした。炊飯器と化粧品では、メーカー出荷金額と小売金額の違いがそのまま1.5倍の差になりました。ウェディングでは、挙式披露宴だけを見るか新婚旅行や指輪まで含めるかで2.5倍変わりました。学習塾と葬儀では、同じ経済産業省の統計でも全数推計の実態調査と調査企業だけの動態統計を取り違えると、学習塾で1.7倍、葬儀で2.5倍ずれました。ビール類では、税制改正による品目の付け替えが、需要の変化と見分けがつかない形で数字を動かしていました。いずれも計算を丁寧にしても防げません。式を組む前に、どの水準の金額を出そうとしているのかを決めておく必要があります。

答え合わせができない市場が想像以上に多いことも、この章で確かめられました。メガネは業界団体が2023年に解散し、市場規模の公開統計が存在しなくなっていました。スマートフォン、缶コーヒー、ビール類、ベビー用紙おむつは、数量の統計はあるのに金額の一次情報がありません。学習塾と葬儀は、全数推計の最新値が9年前で止まっています。化粧品は出荷金額なら直近の値が取れますが、小売市場規模の一次情報が見つかりませんでした。フェルミ推定は「データが無いところから数字を作る」技術ですが、実際には答え合わせの側にもデータが無いことが珍しくありません。だからこそ、金額より数量で語る、1点ではなく幅で持つ、大小関係だけでも確かめる、といった代替手段を用意しておく必要があります。

外した問いの原因は、対象人口の取り方、買い替えの周期、飲用や利用の頻度、加入率といった、誰がどれだけ買うかを決める側の仮定に集中していました。トレーディングカードゲームは対象を10代男子と20代30代男性に絞ったために実測の26%、ビール類は飲用層を絞りすぎて47%、缶コーヒーは61%です。一方で単価の仮定は、ペット保険の年間保険料やコンタクトレンズの年間支出のように、かなりの精度で当たっていました。フェルミ推定で結論を支配しているのは単価ではなく、誰が何人買うかの側です。検算をするときは、単価の小数点を詰めるより先に、対象の定義を疑う方が効率的です。そして経営の言葉に翻訳するなら、市場規模の総額を1つ持つよりも、数量と単価に分けて、どちらの向きで市場が動いているかを持っておく方が役に立ちます。ランドセル、メガネ、葬儀はいずれも数量が減り単価が上がる市場でした。この構造の事業では、値上げをどこまで続けられるかが経営の中心的な問いになります。市場規模の数字は、その問いに辿り着くための入り口にすぎません。

この章を深めたい方への参考書籍

• 『マーケティングリサーチの論理と技法』（上田拓治、日本評論社、2010年）
  調査の企画から標本設計、集計、解釈までを一貫して扱う教科書です。推定した市場規模を実際の調査で確かめる段になったときの手順書になります。ここで挙げたのは2010年の第4版です。
  マーケティングリサーチの論理と技法［第4版］（楽天市場で見る）
  
  
• 『定量分析の教科書』（グロービス、鈴木健一、東洋経済新報社、2016年）
  比較する、分解する、時系列で追う、単位当たりに直すといった定量分析の基本動作を演習つきで扱います。市場規模の推定結果を、意思決定に使える形に整えるところまでつながります。
  定量分析の教科書（楽天市場で見る）
  
  

第8章 例題編4 市場規模を推定する 後半

この章ではQ51からQ65までの15問を扱います。前半で扱った物販中心の市場に対して、後半は美容室、引越し、クリーニング、タクシーといったサービス業の市場と、キャッシュレス決済やふるさと納税のように取扱高で語られる市場が混ざります。この二つは分解の仕方が違います。サービス業は在庫を持てず、供給の上限が席数、車両数、施設数といった物理的な容量で決まるため、供給サイドからの分解が効きます。取扱高型のほうは、母集団になる金額や人数が別の統計で押さえられていることが多く、そこに比率を掛けるだけで桁が出ます。

先に断っておくことが一つあります。市場規模という言葉は、少なくとも三つの別の数字を指して使われています。消費者が店頭で払った総額（小売金額）、事業者が計上した売上高（メーカー出荷金額や営業収入）、そして市場を通過した金額（取扱高）です。同じ市場でもこの三つは一致しません。チョコレートは小売金額と生産金額で1.4倍ほど違い、ペットフードも出荷金額と小売換算で同じくらい違います。決済に至っては、取扱高が162.7兆円あっても、決済事業者の売上はその数%です。取扱高を市場規模と呼んだまま事業計画を立てると、売上を数十倍に見誤ります。この章の各問では、フィージビリティチェックのたびに、その数字がどの物差しのものかを明記しました。

もう一つ、この章には公表値そのものが見つからなかった問いが4問あります。傘の金額、美容業の売上高、引越サービスの売上高、宅配ピザの売上高です。これらは答え合わせをせず、公表値を確認できなかったことをそのまま書きました。実務でフェルミ推定を使う場面の多くは、この答え合わせができない状態です。そのときに何を代わりに置くかまで含めて、各問の最後に書いています。

Q51 日本のペットフード市場規模は

飼育頭数に1頭あたりの年間フード支出を掛ける需要サイドの分解を採ります。ペットフードは、飼育頭数という台数にあたる数字が調査で押さえられており、1頭が食べる量が体格でほぼ決まるため、頭数と単価の掛け算が安定します。供給サイド（メーカー数と工場能力）から攻める方法もありますが、輸入品の比率が高い品目では国内の生産能力が市場を代表しないため、需要サイドのほうが確実です。

置いた仮定	値	その値を置いた理由
犬の飼育頭数	680万頭	全国的な飼育調査の水準を丸めた値
猫の飼育頭数	880万頭	同上。近年は猫が犬を上回る
犬1頭あたり月間フード支出	4,000円	中型犬の主食とおやつを想定した店頭価格ベース
猫1頭あたり月間フード支出	3,000円	体格が小さく1回の量が少ない

680万頭×4,000円×12か月＝3,264億円、880万頭×3,000円×12か月＝3,168億円。合計6,432億円、丸めて約6,400億円が小売ベースの推定です。

一般社団法人ペットフード協会「2024年度ペットフード産業実態調査の結果」（2025年9月公表）によると、2024年度の出荷総額は4,594億2,300万円で前年度比105.6%、9年連続の増加です。出荷量は56万7,724トンで前年度比99.0%と減っています。用途別の出荷額は犬用1,863億3,900万円、猫用2,604億6,900万円、その他用126億1,500万円です。推定6,432億円は実測の1.4倍になりました。ズレの原因は物差しの違いです。出荷総額はメーカーが出荷した時点の金額で、卸と小売のマージンが乗る前の数字です。4,594億円に1.4を掛けると6,432億円になり、置いた店頭価格ベースの推定とほぼ一致します。桁を外したのではなく、測っている場所が違っただけです。

出荷量から攻める分解も使えます。犬猫あわせて1,560万頭が1日平均100グラムを食べると、1,560万×0.1キログラム×365日＝56万9,400トン。実測の56万7,724トンと0.3%しか違いません。金額と物量の両方で同じ桁に落ちるので、この分解は妥当だったと言えます。なお猫の1頭あたり出荷額は年間約2万9,600円、犬は約2万7,400円で、体格が小さいはずの猫のほうが高くなっています。猫用出荷額2,604億6,900万円の内訳を見るとウェットフードが1,197億9,700万円と46%を占め、犬用のウェット267億7,600万円（14%）と比べて水分の多い高単価品に偏っているためです。

実務では、数量が減っているのに金額が伸びる市場をどう読むかという型として使えます。ペットフードは出荷量が99.0%と縮み、出荷額が105.6%と伸びました。この構造では、数量を前提にした投資（製造ライン、倉庫、輸送能力）と、金額を前提にした売上計画がずれます。工場の設備計画を売上成長率で立てると過剰になり、売上計画を数量成長率で立てると過少になります。頭数、1頭あたり数量、1キログラムあたり単価の三つに分けて持てば、どちらの計画にも同じ前提から答えが出せます。

Q52 日本のフィットネスジム市場規模は

会員数に月会費と12か月を掛ける需要サイドの分解を採ります。会員制ビジネスの売上は定義上そのまま会員数と単価の積になるため、ほかの分解を探す必要がありません。注意すべきなのは、会費以外の収入（入会金、パーソナルトレーニング、物販、スクール）が無視できない規模で乗ることです。

置いた仮定	値	その値を置いた理由
対象人口（20歳から74歳）	8,000万人	1歳あたり146万人×55歳分の8,030万人を丸めた値
会員化率	7%	継続的に通う層は1割に届かない
平均月会費	9,000円	総合型は1万円台、24時間型は7,000円前後の加重平均
会費以外の収入比率	売上の15%	入会金、パーソナル、物販、スクール

8,000万人×7%＝560万人。560万人×9,000円×12か月＝6,048億円が会費収入。これを0.85で割り戻して6,048÷0.85＝7,115億円、丸めて約7,100億円が推定です。

株式会社帝国データバンク「フィットネスクラブ・スポーツジム業界動向調査（2024年度）」（2025年5月16日公表）によると、2024年度の市場規模は事業者売上高ベースで7,100億円前後に達し、過去最高を更新する見通しとされています。2019年度は7,085億円、2021年度は5,248億円でした。店舗数は2020年度末の4,387店から2024年度末に6,500店前後になる見通しです。数字はほぼ一致しましたが、これは会員化率7%と月会費9,000円という二つの仮定が、たまたま逆方向に外れなかっただけとも言えます。どちらか一方が3割ずれれば結果も3割動きます。なおこの7,100億円は民間調査会社の推計です。公的統計としては経済産業省「特定サービス産業動態統計調査」にフィットネスクラブの売上高、会員数、事業所数などの長期時系列が置かれていますが、2026年8月時点で直近年次の確定値までは確認できませんでした。

供給サイドからも検算できます。店舗数6,500店に1店あたりの年商1.1億円を掛けると7,150億円です。総合型の大型クラブは年商3億円から5億円、24時間型の小型店は5,000万円前後という開きがあるため、加重平均で1億円台前半に落ちます。需要サイドと供給サイドが同じ7,100億円台に着地するので、桁は信用してよい水準です。

実務で効くのは、店舗数の伸びと市場の伸びの差を見る使い方です。店舗数は2020年度末から2024年度末で約1.5倍になりましたが、市場規模は2021年度から2024年度で約1.35倍です。つまり1店あたりの売上は下がっています。出店計画を店舗数だけで語ると、この希薄化が見えません。会員制の事業計画は、会員数、月あたり単価、継続月数の三つに分けたうえで、新規出店が既存店の会員を食う分（カニバリゼーション）を別に置くべきです。

Q53 日本の文房具市場規模は

使う人の数に1人あたりの年間支出を掛ける需要サイドの分解を採ります。文房具は1点あたりの単価が低く品目数が多いため、品目を積み上げると際限がありません。それに対し、買う人は学生、オフィスワーカー、それ以外の家庭という三つの塊にきれいに分かれ、それぞれ支出水準が違います。買い手のセグメントで割るほうが確実です。

置いた仮定	値	その値を置いた理由
学生（6歳から22歳）	1,700万人	15歳未満人口1,331万9千人から1歳あたり約89万人。上の学年ほど多いため1歳あたり100万人と置き17歳分
学生の年間支出	8,000円	ノート、筆記具、部活や受験の消耗品
オフィスワーカー	3,000万人	雇用者6,200万人のうち事務職を中心とした約半分
オフィスワーカー1人あたり年間	6,000円	会社経費での購入を含む
その他の家庭需要	5,700万世帯×3,000円	家庭のペン、封筒、のり、テープ類

1,700万人×8,000円＝1,360億円。3,000万人×6,000円＝1,800億円。5,700万世帯×3,000円＝1,710億円。合計4,870億円が小売ベースの推定です。メーカー出荷金額を小売の65%と置くと、4,870億円×0.65＝3,166億円になります。

株式会社矢野経済研究所「文具・事務用品市場に関する調査（2025年）」によると、2024年度の国内文具・事務用品市場規模はメーカー出荷金額ベースで3,885億2,000万円、前年度比0.9%減です。2025年度は3,871億5,500万円（前年度比0.4%減）と予測されています。調査期間は2025年10月から12月、対象は筆記具、紙製品、事務用品の3分野27品目です。推定3,166億円と実測3,885億円の差は19%で、推定のほうが低く出ました。桁は合っていますが、学生1人あたり8,000円という置き方が低かった可能性が高い部分です。ここで注意すべきは、この数字がメーカー出荷金額であって、店頭で払われた総額ではないことです。小売ベースなら5,000億円台後半になります。同じ市場でも、メーカーの立場で語るか小売の立場で語るかで、数字は1.5倍動きます。これは民間調査会社の推計であり、官公庁の公表値ではありません。

1人あたりで攻める分解も試せます。人口1.23億人に1人あたり年間4,000円を掛けると4,920億円で、セグメント別の積み上げ4,870億円とほぼ同じです。二つの道が同じ場所に着くのは、置いた支出水準が極端でないことの傍証になります。

実務では、市場規模の絶対値より縮小率を先に置くべき市場の例として使えます。2024年度が0.9%減、2025年度の予測が0.4%減で、ペーパーレス化と学童人口の減少という二つの要因はどちらも反転しません。数量が減り続ける市場では、単価を上げるか、隣接市場（オフィス通販、法人一括購買、海外）へ出るかしか選択肢がありません。市場規模を1つの数字で持つのではなく、セグメントごとの縮小率で持てば、どのセグメントから撤退するかという判断に直接つながります。

Q54 日本の傘市場規模は

年間の購入本数に単価を掛ける分解を採ります。傘は消耗品で、単価帯がビニール傘と長傘や折りたたみの二つにはっきり分かれます。人口や世帯から入るより、本数と価格帯構成で押さえるほうが素直です。

置いた仮定	値	その値を置いた理由
年間購入本数	1.23億本	国民1人あたり年1本の買い替えに相当
ビニール傘の構成比	55%	急な雨での購入が本数の過半を占める
ビニール傘の単価	600円	コンビニ、駅売店の価格帯
長傘と折りたたみの構成比	45%	残り
長傘と折りたたみの単価	2,500円	量販店の中心価格帯

1.23億本×（55%×600円＋45%×2,500円）＝1.23億本×1,455円＝1,790億円、丸めて約1,800億円が推定です。

この問いは答え合わせができませんでした。2026年8月時点で、傘の国内市場規模を金額で示した公的統計も業界団体の公表値も確認できていません。日本の洋傘の消費量が年間1億2,000万本から1億3,000万本程度であるという記述が、日本洋傘振興協議会を出典として各所で引用されていますが、協議会の現在のサイト（トップページ、よくある質問、コンテンツ一覧）では当該の記述と、その数値がいつ時点のものかを確認できませんでした。したがって推定1,800億円は、正しいとも間違っているとも言えない状態です。数字を出したこと自体は問題ではありません。問題は、確認できていないものを確認できたかのように書くことです。

本数だけなら別の分解で挟めます。5,700万世帯が平均4本を保有し、2年で買い替えるとすると、5,700万×4÷2＝1.14億本。購入本数として置いた1.23億本と同じ桁です。金額は確認できなくても、本数の桁は二つの道で一致します。金額側を検証したい場合は、財務省「貿易統計」の傘の輸入本数と輸入金額を当たるのが次の一手になります。

実務でこの状況に置かれたときの対処は決まっています。市場規模の数字を根拠にした投資判断は、出所が確認できない時点で成立しません。代わりに、自社が観測できる指標に置き換えます。自社の販売本数を分母にした相対的な伸び、小売店の棚幅、店頭在庫の回転日数、雨天日数と販売の相関。これらは自分で測れます。市場規模が分からないことを理由に判断を止めるのではなく、分からない数字を判断の式から外すのが正しい対応です。

Q55 日本のチョコレート市場規模は

食べる人の数に1人あたりの年間支出を掛ける需要サイドの分解を採ります。チョコレートは購入者の裾野が広く、1人あたりの支出のばらつきが他の菓子より小さいため、平均を置いても大きく外れません。

置いた仮定	値	その値を置いた理由
購入する人	1億人	人口1.23億人の約8割。乳幼児と一部の高齢層を除く
1人あたり年間支出	5,500円	月あたり約460円。板チョコ換算で月2枚から3枚
贈答需要	上記に含める	贈る側の支出として年間支出に織り込む

1億人×5,500円＝5,500億円が推定です。

全日本菓子協会が公表する菓子データによると、2025年のチョコレートの小売金額は7,105億円で前年比12.6%増、初めて7,000億円台に乗りました。菓子全体では生産金額が2兆9,403億円（前年比5.4%増）、小売金額が4兆996億円（同5.7%増）で、ともに過去最高です。2024年のチョコレートの小売金額は6,312億円（前年比104.5%）でした。推定5,500億円は実測7,105億円の8割弱で、1人あたり年間支出を低く置きすぎたことが原因です。実測から逆算すると1人あたり7,105円、月あたり592円になります。この市場で金額を押し上げているのは数量ではなく単価です。2024年はチョコレートの生産数量が前年を下回りながら、生産金額と小売金額はともに増えました。カカオ豆の国際価格高騰を受けた価格改定が効いています。

上位カテゴリから按分する分解のほうが精度が出ます。菓子全体の小売金額4兆996億円のうちチョコレートが17%を占めると置けば6,969億円で、実測の7,105億円（17.3%）とほぼ一致します。カテゴリ構成比を一つ知っているだけで、1人あたり支出を推測するより誤差が小さくなります。母集団が公表されている場合は、絶対値を組み立てるより比率を置くほうが強いという一般則がここにも当てはまります。

実務では、値上げによる増収と需要増による増収を分けて説明する型として使えます。数量が減って金額が伸びている市場での増収は、需要が強いのではなく価格が上がっただけかもしれません。この区別をしないまま翌年の売上計画を伸ばすと、値上げの限界が来た瞬間に崩れます。カカオのように原料が特定産地に集中する品目では、市場規模より原料の調達見通しと転嫁可能な価格帯のほうが、先に効く変数になります。

Q56 日本のアイスクリーム市場規模は

食べる人の数に年間の喫食個数と1個あたりの単価を掛ける分解を採ります。アイスは1回あたりの購入単価が狭い幅に収まり、購入頻度が季節でほぼ決まるため、この三段の掛け算が素直に効きます。

置いた仮定	値	その値を置いた理由
食べる人	1億人	人口1.23億人の約8割
年間の喫食個数	40個	夏の4か月は週2個で約35個、残り8か月で約5個
1個あたりのメーカー出荷単価	160円	店頭200円から250円から小売マージンを引いた水準

1億人×40個×160円＝6,400億円が推定です。

一般社団法人日本アイスクリーム協会「2024年度アイスクリーム類及び氷菓 販売実績（メーカー出荷ベース）」（2025年6月10日公表）によると、2024年度（2024年4月から2025年3月）の販売金額は6,451億円で前年比106.1%、5年連続で過去最高を更新しました。販売物量は93万5,916キロリットルで前年比103.1%、リッター単価は689円（前年度670円）です。種類別ではラクトアイス2,066億円、アイスクリーム1,817億円、アイスミルク1,457億円、氷菓1,111億円です。推定6,400億円と実測6,451億円の差は1%以内でした。ただしこれを分解の勝利と読むのは早計です。喫食個数40個も単価160円もそれぞれ3割の幅を持つ仮定で、両方が同じ方向に外れていれば結果は倍半分になります。合ったかどうかより、別の物差しでも合うかどうかを見るべきです。1億人×40個を容量に直すと、1個240ミリリットルで96万キロリットル。実測の93万5,916キロリットルと5%以内で合います。金額と物量の両方で合うので、この分解は妥当だったと言えます。

増減の内訳から攻める分解もあります。物量は前年比103.1%、リッター単価は670円から689円へ2.8%上昇で、金額の6.1%増はほぼ半分ずつの寄与です。協会資料は気象庁の報道発表を引いて、2024年の日本の年平均気温が基準値（1991年から2020年の30年平均）との差で1.48度高く、統計開始の1898年以来最高だったことを挙げています。気温が数量を、価格改定が単価を押し上げた形です。

実務では、増収を数量要因と単価要因に分けて説明する型として使えます。数量プラス3.1%、単価プラス2.8%で金額プラス6.1%、という分け方ができていれば、翌年の計画で立てるべき問いは「冷夏でも単価は維持できるか」に変わります。市場規模を1つの数字でしか持っていないと、この問いが立ちません。設備投資は数量に、売上計画は金額に紐づくため、二つを分けておかないと工場の稼働計画と販売計画が食い違います。

Q57 日本の映画興行市場規模は

延べ入場者数に平均入場料金を掛ける分解を採ります。興行収入はチケット代の合計そのものであり、入場人員と入場料金という二つの公表指標に直接対応します。ここまで定義が素直な市場はむしろ珍しく、その分だけ仮定の置き方の練習に向いています。

置いた仮定	値	その値を置いた理由
年1回以上映画館に行く人	3,500万人	人口1.23億人の約28%
1人あたり年間鑑賞回数	4回	年1回だけの層と月1回の層の平均
延べ入場人員	1億4,000万人	上記の積
平均入場料金	1,450円	一般1,900円台と各種割引の加重平均

1億4,000万人×1,450円＝2,030億円が推定です。

一般社団法人日本映画製作者連盟「2025年（令和7年）全国映画概況」（2026年1月発表）によると、2025年の入場人員は1億8,875万6,000人（前年比130.7%）、興行収入は2,744億5,200万円（同132.6%）、平均入場料金は1,454円（同101.5%）、スクリーン数は3,697です。邦画が2,075億6,900万円で構成比75.6%、洋画が668億8,300万円で24.4%でした。2024年は入場人員1億4,444万1,000人、興行収入2,069億8,300万円、平均入場料金1,433円です。推定2,030億円は2024年の実測とほぼ一致しますが、2025年とは3割ずれます。ずれた原因は単価ではなく人数です。平均入場料金は1,433円から1,454円へ1.5%しか動いていないのに、入場人員が30.7%増えました。2025年は「劇場版『鬼滅の刃』無限城編 第一章 猗窩座再来」の興行収入が391億4,000万円に達するなど、興行収入10億円以上の作品の合計が2,022億6,000万円（2026年1月末時点）に上った年です。

供給サイドからも見ておきます。2025年はスクリーン数3,697で1スクリーンあたり7,424万円、2024年はスクリーン数3,675で1スクリーンあたり5,632万円です。スクリーン数はほぼ横ばいなのに、1スクリーンあたりが32%伸びました。設備が増えたのではなく、1スクリーンあたりの上映回数と席の埋まり方が上がったということです。

実務では、単年のピークを基準線にしないという原則の教材になります。スクリーン増設の回収計算を2025年の1スクリーンあたり7,424万円で置くと、平年水準（2024年の5,632万円）に戻った瞬間に前提が崩れます。ヒット作1本で市場全体が2割動く市場では、平常年の水準と上振れ年の水準を別々に持ち、投資判断は平常年で、上振れは配当や内部留保の議論で扱うのが安全です。市場規模の推定でいちばん危ないのは、外した年ではなく、たまたま当たった年をそのまま延長することです。

Q58 日本の美容室市場規模は

供給サイド（施設数×1施設あたり年商）と需要サイド（利用者×来店回数×単価）の二つを出して突き合わせます。美容室は施設数が行政の届出で正確に分かる数少ない業種であり、供給サイドの分解が使えます。片方だけで済ませず両方を出すのは、後述するとおり金額側の答え合わせができないためです。

置いた仮定	値	その値を置いた理由
美容所数	27万7,752施設	行政統計の実測値（後述）
1施設あたり年商	700万円	1日2万3,000円。客4人×5,800円×年300日
女性利用者	4,480万人	15歳以上女性約5,600万人の80%
女性の年間来店回数と単価	5回、7,000円	カットとカラーを合わせた頻度
男性で美容室を使う人	1,890万人	15歳以上男性約5,400万人の35%。残りは理容室
男性の年間来店回数と単価	6回、4,000円	カット中心で回数が多く単価が低い

男女の人口は、総人口1億2,305万人から15歳未満1,331万9千人を引いた約1億1,000万人を、女性がやや多い形で分けた値です。供給サイドは27万7,752施設×700万円＝1兆9,443億円。需要サイドは4,480万人×5回×7,000円＝1兆5,680億円と、1,890万人×6回×4,000円＝4,536億円で合計2兆216億円。1兆9,443億円と2兆216億円で、どちらも2兆円前後に着地します。

施設数は確認できました。厚生労働省「令和6年度衛生行政報告例」（2025年10月公表）によると、2025年3月末時点の美容所数は27万7,752施設で前年度から3,682施設（1.3%）増、従業美容師数は58万8,291人で8,523人（1.5%）増です。一方の理容所数は10万7,995施設で2,302施設（2.1%）減、従業理容師数は19万4,531人で4,936人（2.5%）減でした。しかし美容業単独の市場規模を毎年公表している公的統計は、2026年8月時点で確認できませんでした。厚生労働省の「生活衛生関係営業経営実態調査」には美容業の1施設あたりの経営指標がありますが、公開されている結果の概要は前回調査を平成12年としており、直近の実勢を表すものではありません。したがって2兆円前後という推定は、供給サイドと需要サイドが一致したという内的な整合しか根拠がありません。

金額が取れなくても、施設数の推移からは市場の方向が読めます。公益財団法人全国生活衛生営業指導センター「生活衛生関係営業ハンドブック」（2025年版）に収録された衛生行政報告例の推移では、美容所は平成12年度の20万2,434施設から令和4年度の26万9,889施設へ増え続け、理容所は同じ期間に14万911施設から11万2,468施設へ減り続けています。金額が分からなくても、20年以上にわたる一方向の動きは疑いようがありません。

実務では、市場規模より1施設あたりを先に置くのが正解になります。美容室向けに予約システムや決済端末を売るなら、売上見込みは市場規模×シェアではなく、施設数×導入率×1施設あたり単価で立てるべきです。27万7,752施設という分母は毎年同じ定義で更新されるため、計画と実績を同じ物差しで測り続けられます。市場規模の推計値をKPIに置くと、数字が更新されないまま計画だけが古びます。行政統計で毎年動く分母を選ぶことが、計画の寿命を決めます。

Q59 日本の引越し市場規模は

年間の引越件数に1件あたりの単価を掛ける分解を採ります。引越しは1件あたりの作業単価が上場企業の開示で公表されている数少ない業種で、単価側を実測に寄せられます。件数側は、人の移動を世帯単位に直す作業が必要になります。

置いた仮定	値	その値を置いた理由
市区町村間の移動者数	520万8,000人	公的統計の実測値（後述）
移動者から件数への換算率	48%	単身が約半数、家族は複数人で1件になる
年間引越件数	250万件	上記の積
1件あたり単価	12万6,000円	上場企業が開示する作業単価（後述）

250万件×12万6,000円＝3,150億円が推定です。単価を10万円と置いた場合は2,500億円になります。

この問いも金額側の答え合わせができませんでした。2026年8月時点で、引越サービス市場の規模を金額で公表している公的統計を確認できていません。株式会社矢野経済研究所の「物流15業種市場」調査は引越を業種として含みますが、公開されているのは総額（2024年度が24.6兆円、2025年度が24兆7,650億円の予測）と、引越が2025年度に前年度比マイナスになる見込みという記述までで、業種別の金額は有償のレポート内にあります。代わりに件数側と単価側はそれぞれ確認できました。件数側は総務省「住民基本台帳人口移動報告 2024年（令和6年）結果」で、2024年の市区町村間移動者数が520万7,746人（前年比1.1%減）、都道府県間移動者数が252万3,249人（同0.8%減）です。単価側は株式会社サカイ引越センターの2026年3月期決算説明会資料（2026年5月13日）で、同社の作業単価が12万6,350円と、過去最高値を5年連続で更新しています。同期の個別売上高は1,063億1,400万円、連結売上高は1,247億4,100万円で、うち引越事業が1,053億5,800万円です。個別売上高を作業単価で割ると、同社の年間作業件数はおよそ84万件になります（この84万件は開示値ではなく、二つの開示値から導いた概算です）。

シェアから攻める分解は、この市場ではうまくいきません。引越事業で1,053億5,800万円を開示している事業者が1社あるという事実から出発しても、その1社が市場の25%なら市場は約4,200億円、15%なら約7,000億円と、桁の中で2倍近く動きます。シェアが分からないまま最大手の売上を割り戻す方法は、答えではなく仮定を移動させただけです。件数側から攻めても、同社の約84万件が全体の何%かという同じ問いに戻ります。二つの道が同じ未知数にぶつかるとき、その未知数を調べに行くのが唯一の前進です。

実務では、公表値のない市場で上場企業の開示を定点として使う型になります。作業単価が5年連続で最高を更新しているという事実は、件数が伸びていなくても単価は上げられることを示します。引越しの周辺サービス（通信回線、家電、保険、不用品処分）を設計するなら、分母は市場金額ではなく件数のほうが使えます。件数×自社の接触率×成約率×1件あたり粗利で計画が立ち、そのすべてが自社で測れる数字です。

Q60 日本のクリーニング市場規模は

世帯数に利用率と年間支出を掛ける需要サイドの分解を採ります。クリーニングは世帯単位の消費で、使う世帯と使わない世帯がはっきり分かれるため、利用率を明示的に置くのが自然です。人数で割ると、家族分をまとめて出す世帯の構造が見えなくなります。

置いた仮定	値	その値を置いた理由
世帯数	5,700万世帯	令和7年国勢調査（人口速報集計）の5,712万5千世帯を丸めた値
利用する世帯の比率	30%	スーツやコートを着る職種のいる世帯に偏る
利用世帯の年間支出	1万8,000円	月1,500円。ワイシャツ換算で月7枚から8枚

5,700万世帯×30%＝1,710万世帯。1,710万世帯×1万8,000円＝3,078億円、丸めて約3,100億円が推定です。

施設数は確認できました。厚生労働省「令和6年度衛生行政報告例」（2025年10月公表）によると、2025年3月末時点のクリーニング所の施設数は全国で6万7,551施設です。うち取次所が4万8,172施設あり、取次所を除くと1万9,379施設になります。従事クリーニング師数は3万2,525人、無店舗取次店の営業者数は2,304です。減少は長期にわたり、全国生活衛生営業指導センター「生活衛生関係営業ハンドブック」（2025年版）が収録する推移では、クリーニング営業の施設数は平成12年度の16万2,347施設から令和4年度の7万6,300施設へ、22年でおよそ半分以下になりました。同じ期間に美容所は増えています。一方、クリーニング業単独の市場規模を毎年公表している公的統計は、2026年8月時点で確認できませんでした。総務省「家計調査」の洗濯代に世帯数を掛ける推計方法が広く使われていますが、家計調査の洗濯代にはコインランドリーの利用額も含まれるため、クリーニング業の売上とは一致しません。

施設数側からの検算では、分母の選び方で答えが3.5倍動きます。推定3,100億円を、取次所を除いた1万9,379施設で割ると1施設あたり年商1,600万円。取次所を含めた6万7,551施設で割ると459万円です。取次所は洗う機能を持たず受け渡すだけなので、売上を持つ主体としてどちらを分母にするかで、1施設あたりの姿がまったく変わります。品目から攻める分解も試せます。ワイシャツを出す人を1,000万人、年間50枚、1枚250円と置けば1,250億円。これは市場の一部なので、スーツ、コート、布団などを加えて2倍から3倍にすると2,500億円から3,750億円で、世帯側の分解と同じ桁に落ちます。

実務では、施設数が22年で半減した市場を、需要の減少と供給の集約に分けて読む必要があります。取次所が4万8,172施設と全体の7割を占める構造は、洗う機能と受け渡す機能が分離していることを意味します。この市場に入るなら、洗う設備を持つのか、受け渡しの導線（宅配、ロッカー、コインランドリー、商業施設内の窓口）を押さえるのかで事業の形が根本から変わります。市場規模を1つの数字で持っていると、この分岐がそもそも見えません。

Q61 日本のタクシー市場規模は

車両数に1日1車あたりの営業収入と実働日数を掛ける供給サイドの分解を採ります。タクシー業界には日車営業収入という標準指標があり、地域別の実測が公表されています。良い中間指標が手に入る市場では、需要サイドで人数と頻度を推測するより、供給サイドのほうが精度が出ます。

置いた仮定	値	その値を置いた理由
法人タクシー車両数	16万台	減少傾向を踏まえた概数
日車営業収入	4万円	東京6万1,415円、名古屋3万8,305円、大阪3万7,787円の分布から全国平均を置く
1台あたり実働日数	年220日	交代制でも運転者不足で全車が毎日動くわけではない

16万台×4万円×220日＝1兆4,080億円、丸めて約1兆4,000億円が推定です。

一般社団法人全国ハイヤー・タクシー連合会「TAXI TODAY in Japan 2025」によると、令和5年度のタクシーの営業収入は1兆3,900億円、輸送人員は9億9,400万人です（資料はハイヤー・タクシー年鑑2025および自動車輸送統計年報）。同資料が示す法人の日車営業収入は東京都（特別区・武三地区）6万1,415円、愛知県（名古屋地区）3万8,305円、大阪府（大阪府地区）3万7,787円で、実車率はそれぞれ47.8%、43.1%、46.5%です。法人タクシーの運転者数は令和5年度で21万7,161人で、同資料の系列の最大値は38万人台ですから、6割を下回る水準まで減っています。事業者は令和5年度末で法人等1万6,646社、うち車両10両までが1万1,902社（71.5%）と、圧倒的に小規模事業者の集合です。推定1兆4,080億円と実測1兆3,900億円の差は1.3%ですが、これは分解が優れていたというより、日車営業収入という良い中間指標を一つ知っていたことによる結果です。この指標を知らずに需要サイドから攻めれば、誤差はもっと大きくなります。

その需要サイドも試しておきます。実測から逆算すると1兆3,900億円÷9億9,400万人＝1回あたり1,398円、人口1.23億人で割ると1人あたり年8.1回です。仮定として1人年8回、1回1,400円と置けば1.23億人×8回×1,400円＝1兆3,776億円で、供給サイドと同じ桁に着きます。二つの道が近い場所に落ちるので、桁は信用できます。

実務では、供給制約が効いている市場をどう式に書くかという教材になります。タクシーは車両があっても運転者がいなければ動きません。市場規模を車両数×単価だけで置くと、運転者不足という最大の制約が式に現れません。実働日数（あるいは実働率）を明示的に変数として置くことで、供給制約が意思決定の対象になります。配車アプリ、相乗り、自動運転への投資判断は、需要がどれだけ大きいかではなく、この供給制約をどれだけ緩められるかで評価するべきです。需要側の数字だけを見て投資すると、供給が動かないまま費用だけが増えます。

Q62 日本の宅配ピザ市場規模は

店舗数に1店あたりの年商を掛ける供給サイドの分解を採ります。宅配ピザは配達圏という物理的な制約があり、1店がカバーできる範囲と、そこから出せる1日の注文数に上限があります。需要サイドで利用世帯を推測するより、店舗の処理能力から入るほうが根拠を置きやすくなります。

置いた仮定	値	その値を置いた理由
全国の宅配ピザ店舗数	2,300店	主要チェーンの実測（後述）を丸めた値
1店あたり1日の注文件数	45件	ピーク時間に配達員が回せる件数の上限から逆算
1件あたり注文額	3,500円	Lサイズ1枚とサイドメニューの構成
年間営業日数	360日	年末年始も営業する業態

2,300店×45件×3,500円×360日＝1,304億円、丸めて約1,300億円が推定です。

この問いも金額の答え合わせができませんでした。2026年8月時点で、宅配ピザ市場の規模を金額で公表している公的統計も業界団体の公表値も確認できていません。この分野の標準的な出典とされる富士経済「外食産業マーケティング便覧 2025 No.2」（2025年5月23日刊）には宅配ピザ店の市場規模とメーカーシェアが収録されていますが、金額は有償のレポート内で、公開情報として確認できるのは収録項目の存在までです。店舗数は民間の集計で確認できます。日本ソフト販売株式会社「2026年版 宅配ピザチェーンの店舗数ランキング」（2026年3月30日公開）によると、2026年1月時点で全国に10店舗以上を展開する12チェーンの内訳は、ドミノ・ピザ763店、ピザハット622店、ピザーラ526店、ナポリの窯83店、ピザ・カリフォルニアとロイヤルハットが各40店、アオキーズ・ピザ38店、ピザポケット34店、ストロベリーコーンズ33店、ピザクック32店、シカゴピザとリトパが各12店で、合計2,235店です。同社はこの集計をチェーンの公開情報から独自に調査したもので、すべてのチェーンを網羅したものではないと注記しています。前年（2025年1月）との比較では12チェーンのうち10チェーンが減少し、ドミノ・ピザは934店から763店へ171店（18.3%）減りました。運営会社の親会社である豪ドミノ・ピザ エンタープライズ社が、日本国内の2割にあたる172店舗を2025年内をめどに閉店する計画を公表しており、その通りに進んだ形です。

需要サイドからも出してみると、差の大きさが見えます。宅配ピザを頼む世帯を5,700万世帯の10%にあたる570万世帯、年間利用回数4回、1回3,500円と置けば570万×4×3,500円＝798億円です。供給サイドの1,300億円とは1.6倍の開きがあります。この差を埋めるには、法人需要（オフィスやイベントへの配達）と店頭での持ち帰り需要を足す必要があります。二つの分解が1.6倍ずれること自体が、この市場の姿がよく分かっていないことの表れです。金額の公表値がないという事実と、二つの分解が合わないという事実は、同じ状況の裏表です。

実務では、店舗数が2年連続で減っている市場をどう読むかが論点になります。店舗が減った理由は需要の縮小とは限りません。ドミノ・ピザの大量閉店は、親会社が示した収益向上のための不採算店整理であり、採算基準の引き上げによるものです。市場規模の金額がない市場では、店舗数の増減とその理由のほうが、推計した金額より意思決定に効きます。金額を推計するより、公表されている店舗数と、その増減の理由を説明できる状態にしておくほうが実務的です。

Q63 日本のキャッシュレス決済市場規模は

消費の総額に浸透率を掛ける分解を採ります。キャッシュレス決済の金額は、定義上、消費された金額のうちどれだけが現金以外で払われたかです。母集団になる消費の総額が別の統計で押さえられているため、比率を一つ置くだけで桁が出ます。カード枚数や利用者数から積み上げる方法もありますが、1枚あたりの年間利用額が数万円から数百万円まで散らばるため、平均を置いた瞬間に桁が動きます。

置いた仮定	値	その値を置いた理由
家計の消費支出の総額	280兆円	家計最終消費支出（持ち家の帰属家賃を除く）282兆3,640億円を丸めた値
キャッシュレス比率	58%	4割を超えてから毎年数ポイントずつ上昇してきた延長

280兆円×58%＝162.4兆円が推定です。

経済産業省「2025年のキャッシュレス決済比率を算出しました」（2026年3月31日公表）によると、2025年のキャッシュレス決済比率は58.0%、キャッシュレス決済額は162.7兆円です。内訳はクレジットカード134.6兆円（キャッシュレス決済額の82.7%）、コード決済16.6兆円（10.2%）、電子マネー6.0兆円（3.7%）、デビットカード5.5兆円（3.4%）です。同省は2025年12月のキャッシュレス推進検討会のとりまとめに基づき、国内指標でのキャッシュレス決済比率を将来的に80%、2030年までに65%とする目標を掲げています。なお比率の分母となる消費の範囲は同省の定義によるため、他の統計の消費支出額で割り戻した数字とは一致しないことがあります。

ここでこの章の主題が最もはっきり出ます。162.7兆円は取扱高であって、誰かの売上高ではありません。この金額は市場を通過しただけで、決済事業者が受け取るのは加盟店手数料です。手数料率を3%とすれば、決済事業者側の売上規模は5兆円弱になります。「キャッシュレス決済の市場規模は162.7兆円」も「キャッシュレス決済事業の市場規模は5兆円弱」も、どちらも間違ってはおらず、同じ市場を指しています。違うのは物差しです。事業計画の売上欄に取扱高を書けば、桁が二つ狂います。

実務では、取扱高で語られる市場に投資判断をするとき、必ず自社の取り分（テイクレート）を明示するという規律になります。決済に限らず、電子商取引の流通総額、広告の出稿額、保険の保険料、旅行の取扱額など、取扱高で語られる市場は同じ注意がいります。市場規模の大きさに引かれて参入すると、実際に取れるのはその数%だと後から気づきます。市場規模の数字を見たら、まず「この金額は誰の口座に入るのか」を問うことです。入らないなら、それは自社の市場規模ではありません。

Q64 日本のふるさと納税市場規模は

利用者数に1人あたりの寄付額を掛ける分解を採ります。ふるさと納税は、控除の上限額まで寄付するという行動が支配的で、上限額が所得で決まります。所得分布が既知なら1人あたりの平均を置きやすく、利用者数さえ当たれば桁が合います。

置いた仮定	値	その値を置いた理由
納税者数	6,000万人	給与所得者数6,077万人を丸めた値
利用率	20%	制度開始から10年以上経ち、都市部の給与所得者に広く浸透
1人あたり平均寄付額	11万円	年収500万円台の控除上限がおおむね6万円台、高所得層が平均を押し上げる

6,000万人×20%＝1,200万人。1,200万人×11万円＝1兆3,200億円が推定です。

総務省「ふるさと納税に関する現況調査結果」（令和7年7月31日公表）によると、令和6年度（2024年度）の受入額は1兆2,728億円で前年度比13.9%増、受入件数は5,879万件で同0.3%減です。住民税の控除額は8,710億円で同13.3%増、控除適用者数は1,080万人で同7.8%増でした。控除適用者のうち約52.8%にあたる約570万人が、ふるさと納税ワンストップ特例制度の適用を受けています。推定1兆3,200億円と実測1兆2,728億円の差は3.7%です。合った理由ははっきりしていて、置いた利用者1,200万人が実測の控除適用者1,080万人を1割強上回る程度に収まったからです。ここでも、受入額1兆2,728億円は取扱高です。これは自治体が受け入れた寄付の総額であって、返礼品を供給する事業者やポータルサイト運営者の売上ではありません。受入額には返礼品の調達費、送料、ポータルサイトへの手数料など募集に要する費用が含まれており、自治体の手元に残るのはその残りです。関連事業の市場規模を語るときは、受入額のどの部分が誰の売上になるかを分けなければ桁を間違えます。

件数と単価で攻める道もあります。5,879万件で1兆2,728億円ですから、1件あたり2万1,650円。控除適用者1,080万人で割れば、1人あたり年5.4件、11万7,900円です。人と金額から攻めても、件数と単価から攻めても同じ数字に着きます。二つの道が使えるのは総務省が両方を公表しているためで、多くの市場ではどちらか一方しか手に入りません。使える道が二つある市場は、推定が易しいのではなく、統計が整っているだけです。

実務では、制度で動く市場の計画の立て方になります。件数が0.3%減っているのに金額が13.9%増えたということは、1件あたりの寄付額が上がったということです。前年度の1件あたりは約1万9,000円で、1年で14%上がりました。この市場に関連する事業（返礼品の供給、物流、ポータル運営）の計画は、受入額の成長率ではなく、件数の成長率と1件あたり単価の成長率を分けて置くべきです。物流の設備投資は件数に紐づくため、件数が頭打ちなら伸びません。金額だけを見て倉庫を増やすと、稼働が上がらないまま固定費だけが残ります。

Q65 日本の音楽配信市場規模は

サブスクリプション契約者数に実効月額と12か月を掛ける分解を採ります。音楽配信の売上は大部分がサブスクリプションで、契約者数と単価でほぼ説明できます。再生回数から攻める方法は、1再生あたりの分配額が権利者や配信事業者との契約で異なり公表されていないため、実務では使えません。

置いた仮定	値	その値を置いた理由
サブスク契約者数	1,300万人	人口1.23億人の約1割。若年層に偏る
実効月額	850円	定価1,000円前後から学割、ファミリープラン、通信キャリアの無料枠で下がる
広告収入型とダウンロードの上乗せ	サブスクの1.2倍	無料プランの広告収入と単曲販売

1,300万人×850円×12か月＝1,326億円。これを1.2倍して1,591億円、丸めて約1,600億円が推定です。

一般社団法人日本レコード協会「2025年国内レコード市場（音楽ソフト＋音楽配信）は3,988億円と推計」（2026年3月4日公表）によると、2025年の音楽配信の合計は1,699億6,700万円です。内訳はストリーミングのサブスクリプションが1,377億3,600万円、ストリーミングの広告収入が202億2,000万円、ダウンロードが114億1,000万円、その他が6億100万円です。音楽ソフトは合計2,288億1,600万円で、うちCDが1,686億1,900万円、音楽ビデオが507億1,500万円、アナログディスクが88億4,700万円です。この推計は、協会の会員社の実績に、会員社の市場占有率をもとに算出した非会員社分を加えたものです。推定1,600億円と実測1,700億円の差は6%でした。

ここで物差しの問題がもう一度出ます。同じ協会が公表している「日本のレコード産業2025」では、2024年の音楽配信売上は1,233億円（前年比106%、11年連続の増加）で、内訳はストリーミング1,132億円、ダウンロード95億円です。この1,233億円は会員社ベースの集計で、非会員社分を含む2025年の1,699億6,700万円とは集計範囲が違います。同じ団体が出す同じ市場の数字が、範囲の違いで4割前後変わるということです。

実務では、市場規模の数字を使う前に集計範囲を確認するという規律に直結します。会員社ベースか業界全体の推計か、卸ベースか小売ベースか、国内のみか海外売上を含むか。この確認を飛ばすと、成長率が実態と食い違います。1,233億円（2024年、会員社ベース）と1,699億円（2025年、非会員社を含む推計）を並べて「1年で38%成長した」と書くのは誤りです。同じ物差しの数字どうしでしか、増減は語れません。市場調査の資料を読むときに最初に見るべきは金額ではなく、その金額の定義が書かれた注記です。

この章で見えたことを三つにまとめます。

第一に、市場規模という言葉が三つの物差しで使われていることが、15問を通して繰り返し出てきました。アイスクリームの6,451億円はメーカー出荷ベース、チョコレートの7,105億円は小売ベース、タクシーの1兆3,900億円は事業者の営業収入、キャッシュレス決済の162.7兆円は取扱高です。物差しが違えば、同じ市場でも数字は1.4倍から数十倍まで動きます。推定の精度を上げる前に、自分がどの物差しで話しているかを決める必要があります。音楽配信のように、同じ団体が同じ市場について二つの範囲の数字を出している例もありました。

第二に、答え合わせができる問いとできない問いの差がはっきり出ました。ペットフード、アイスクリーム、映画、キャッシュレス決済、ふるさと納税、音楽配信は、業界団体か官公庁が毎年同じ定義で数字を出しているため、推定の妥当性をその場で検証できました。一方、傘、美容室、引越し、宅配ピザは、金額の公表値を確認できませんでした。この差は市場の重要さとは関係がありません。引越しは年間500万人以上が市区町村をまたいで移動する生活インフラですが、市場規模の公表値がありません。統計が整備されているかどうかは、その業界に統計を集める団体があるかどうかという歴史的な事情で決まっています。公表値が見つからないことを、自分の調べ方が足りないせいだと考えて延々と探し続けるより、無いという事実を早く確定させて次の手に移るほうが実務的です。

第三に、公表値がない市場で意思決定をする型も繰り返し出てきました。供給サイドと需要サイドの二つの分解を出して、同じ桁に落ちるかを見る。落ちなければどちらかの仮定が間違っています。金額が確認できなくても、分母になる物理量は行政統計や企業の開示で取れることが多いという点も共通していました。美容所27万7,752施設、クリーニング所6万7,551施設、宅配ピザ2,235店、市区町村間移動者520万7,746人。この分母を押さえておけば、市場金額が分からなくても、自社の導入率や接触率で計画が立ちます。そして上場企業の開示は、公的統計のない市場での唯一の定点になります。引越しの作業単価12万6,350円という数字は、企業の決算説明資料からしか取れませんでした。

この章を深めたい方への参考書籍

• 『確率思考の戦略論』（森岡毅、今西聖貴、KADOKAWA、2016年）
  市場を消費者の選好の分布として捉え、需要を数式で推定する考え方を示します。この章の需要サイドからの分解を、より厳密な形で追いたいときに読めます。
  確率思考の戦略論　どうすれば売上は増えるのか（楽天市場で見る）
  
  
• 『起業の科学』（田所雅之、ダイヤモンド社、2026年）
  事業の立ち上げを段階に分け、各段階で確かめるべき数字を並べた本です。推定した市場規模を、投資判断に耐える形へ落とすまでの流れが分かります。ここで挙げたのは2026年の増補改訂版です。
  増補改訂版　起業の科学（楽天市場で見る）
  
  

第9章 例題編5 数量とボリュームを推定する

この章で扱うのは、金額ではなく数量です。1日に消費される卵の個数、年間に出版される書籍の点数、国内に設置されているATMの台数、日本にいる医師の人数といった問いを並べました。金額の推定では単価という共通の物差しがありましたが、数量の推定にはそれがありません。代わりに効いてくるのが、いま数えようとしているものがストックなのかフローなのかという区別です。

ストックとは、ある時点に存在している数のことです。ATMの台数、医師の人数、弁護士の人数はストックです。フローとは、一定期間に発生した数のことです。1日に消費される卵の個数、年間の宅配便の取扱個数、年間の交通事故件数、年間の新刊点数はフローです。両者は単位からして違います。ストックは「台」「人」で終わりますが、フローは「個／年」「件／年」のように必ず時間の単位が付きます。この区別を落とすと、たとえば「新刊点数7万点」と「書店に並んでいる書籍の種類数」を同じものとして扱ってしまい、桁が二つ違う答えを平気で出すことになります。ストックとフローは、フローの積み上げから在籍年数を掛けてストックを推定する、あるいはストックを平均在庫日数で割ってフローを出す、という形で相互に行き来できます。その橋渡しに使う年数や日数こそが、この章でいちばん効く仮定です。

もう一つ、職業別の人数を推定するときに必ずつまずくのが、資格を持っている人の数と、実際にその仕事をしている人の数は別物であるという点です。医師免許の保有者数と、医療機関で診療している医師の数は一致しません。弁護士資格を得た人のうち弁護士として登録している人はその一部です。データサイエンティストに至っては、そもそも国家資格も公的な職業分類も存在しません。推定に入る前に、自分がどちらを数えようとしているのかを決めておかないと、確認のために引いてきた統計が別のものを測っていて、比べようがないという事態になります。この章の各問では、答え合わせに使う統計が何を数えているのかを毎回明示しました。

Q66 日本にいるデータサイエンティストの人数は

この問いは需要サイドから分解します。企業数に導入率を掛け、1社あたりの人数を掛けるという型です。供給サイドから積み上げる方法、つまり大学や大学院の輩出数を足し合わせる方法は使えません。データサイエンティストという職業は公的な職業分類に存在せず、卒業後にその職に就いたかどうかを追える統計が無いためです。需要サイドなら、少なくとも企業数という確かな土台の上に載せられます。

置いた仮定	値	その値を置いた理由
国内の企業等数	368万	令和3年経済センサス活動調査の実測値をそのまま使う
分析の専任組織を置ける規模の企業	1万社	上場企業と非上場の大企業を合わせた規模感
そのうち実際に専任組織を持つ割合	50%	大企業でも分析を情報システム部門の兼務で回している例が多い
1社あたりの専任者数	8人	1チームで運用できる最小規模から中規模の間を取る
分析を1人か2人で回す中堅企業	20万社	368万社のうち従業者規模の大きい層をおおまかに5%と置く
その層の導入率	8%	専任を置ける中堅は限られる
1社あたりの人数	1.5人	専任1人に兼務が付く形を想定

計算式は、1万社×50%×8人＝4万人、20万社×8%×1.5人＝2.4万人、合計で約6.4万人となります。

実際の値を確かめようとすると、直接の答えが存在しないことが分かります。総務省の職業分類にデータサイエンティストという項目は無く、国勢調査でも労働力調査でも人数は出ません。そこで代理指標を四つ並べます。第一に、経済産業省「IT人材需給に関する調査」（平成31年4月公表）は、AI人材の供給を2018年時点で1.1万人、2025年時点で7.9万人、2030年時点で12.0万人と試算しています。ここでいうAI人材は、数理モデルの研究者、AI搭載ソフトウェアやシステムの開発者、AI活用製品の企画販売者を指します。第二に、データサイエンティスト協会のデータサイエンティスト検定リテラシーレベルは、第1回（2021年9月実施）から第12回（2026年3月実施）までの合格者が累計14,408名です。第三に、統計検定は2011年の開始以来の累計受験者が延べ約20万人、資格取得者が延べ約10万人です。第四に、労働力調査の2024年平均で情報通信業の就業者は292万人です。この四つはいずれも直接の答えではありません。AI人材は推定の対象と重なりますが一致せず、しかも2025年以降は実測ではなく試算値です。検定の合格者は名乗る人の一部にすぎず、逆に検定を受けずに実務をしている人が多数います。情報通信業は産業の分類なので、放送業も通信業も含まれてしまいます。それでも、推定した6.4万人がAI人材の試算7.9万人と同じ桁に収まっている点は、分解の方向として大きく外していないことの弱い裏付けにはなります。

別の分解として、検定の合格者数から逆算する方法があります。データサイエンティスト検定の累計合格者1.4万人が、名乗り得る母集団の2割から3割を捉えているとすれば5万人から7万人となり、需要サイドの推定と重なります。ただしこの分解は、検定の受験率という最も分からない数字に全体が乗ってしまうため、単独では使えません。

実務でこの推定が効くのは、分析組織を内製で立ち上げるか外部に委託するかを決める場面です。母集団が数万人規模だと分かっていれば、自社が採りたい人材が全国に何人いて、そのうち転職市場に出てくるのが年に何人かという上限が見えます。母集団の1%を採る計画は無理があり、採用単価は高止まりします。人数の桁を先に押さえておくことは、採用計画を立てる前に「そもそも採れるのか」を判断するための材料になります。

Q67 1日に日本で消費される卵の数は

この問いは供給サイドから分解します。生産量を1個あたりの重さで割るという型です。需要サイド、つまり1人が1日に何個食べるかを積み上げる方法は、家庭で殻を割る分は想像できても、マヨネーズや菓子や麺類に加工用として入っている分、外食で出てくる分が見えないため、必ず過小になります。生産量からの割り算なら、用途を問わず全量を捉えられます。

置いた仮定	値	その値を置いた理由
年間の鶏卵生産量	248万トン	農林水産省の鶏卵流通統計の実測値
卵1個の重さ	60g	Mサイズの規格が58g以上64g未満で、流通の中心がこの帯にある
輸入の割合	ほぼ0	殻付き卵の輸入はごく少なく、桁に影響しない
総人口	1億2,268万人	総務省統計局「人口推計」2026年8月1日現在の概算値

計算式は、248万トン＝2兆4,800億gを60gで割って年間約413億個、これを365日で割って1日あたり約1.13億個となります。

実際の値としては、農林水産省「令和6年鶏卵流通統計調査結果」で、2024年（令和6年）の全国の鶏卵生産量が2,480,663トンと公表されています。60g換算で年間約413億個、1日あたり約1.13億個です。人口1人あたりでは年間約337個、つまりおよそ1日1個弱を食べている計算になります。ここでの推定は、生産量という実測値をそのまま使っているので当たって当然です。この問いで本当に効いている仮定は1個60gという換算だけで、これを55gにすれば451億個、65gにすれば382億個と、2割近く動きます。分解が妥当だったから合ったのではなく、仮定が一つしか無い素直な問いだったから合った、と理解すべきものです。

別の分解として需要サイドから当たると、1人が1日に0.92個を消費すると置いて1億2,268万人を掛け、約1.13億個となります。両者が一致するのは当たり前で、1人あたりの消費個数を生産量から逆算しているからです。需要サイドを独立した検算として使いたければ、家計調査の1世帯あたり購入量から積み上げる必要がありますが、その場合は加工用と業務用が抜けるため、生産量ベースの半分程度にしかなりません。この差そのものが、卵の需要のうち家庭で直接買われる分がどれだけかを表す、意味のある数字になります。

実務でこの型が効くのは、食品メーカーや外食チェーンが原材料の調達計画を立てる場面です。国内の総供給量が年間413億個と分かっていれば、自社の年間使用量が全体の何%を占めるかが出ます。0.1%なら市況に振り回される側で、5%なら価格交渉の主体になれます。鳥インフルエンザで供給が1割落ちたときに自社の調達が何日で止まるかも、この分母があって初めて計算できます。

Q68 日本で年間に出版される書籍の種類数は

この問いは供給サイドから分解します。出版社の数に1社あたりの年間刊行点数を掛ける型です。需要サイドから書店の棚の数で攻める方法もありますが、棚に並んでいるのはストックであって、年間の新刊点数というフローとは別物です。棚から入ると、回転率という分からない数字を一つ余計に置くことになります。

置いた仮定	値	その値を置いた理由
大手出版社	50社	全国流通の書籍を継続的に出せる規模の会社数
大手の年間刊行点数	400点	週に7点から8点、複数レーベルを抱える規模
中堅出版社	300社	専門分野を持ち編集部を複数抱える規模
中堅の年間刊行点数	80点	編集者1人が年6点から8点、10人規模の編集部
小規模出版社	2,500社	数人で運営する会社と個人出版社
小規模の年間刊行点数	8点	編集者1人あたりの年間点数に近い

計算式は、50社×400点＝2万点、300社×80点＝2.4万点、2,500社×8点＝2万点、合計で約6.4万点となります。

実際の値は、全国出版協会・出版科学研究所「出版指標年報」による書籍新刊点数で、2024年（令和6年）は65,322点です。この数字は総務省統計局「日本の統計2026」の表26-5にも収録されています。推定の6.4万点はほぼ的中しましたが、これは分解の粒度が実態に近かったというより、1社あたり点数を編集者1人が年に出せる点数から積み上げたことが効いています。点数を決めているのは会社の数ではなく編集者の数であるという見立てが正しかった、と読むべきです。なお同じ統計で、2021年は69,052点、2022年は66,885点、2023年は64,905点と推移しており、新刊点数は緩やかに減少しています。5年前の感覚で7万点と答えると、いまは1割弱ずれます。

別の分解として、1日あたりの新刊点数から攻める方法があります。65,322点を365日で割ると1日あたり約179点です。全国の書店に毎日180点の新刊が届いているという数字は、書店の平台の面積と突き合わせると、平積みされずに棚差しか返品に回る本が大半だという実態と整合します。分野別に見ると、社会科学が12,957点、芸術・生活が12,471点、文学が11,756点で、この三分野だけで全体の半分を超えます。

実務でこの型が効くのは、コンテンツを出す側が「枠の取り合い」の激しさを見積もる場面です。自社が年に3点出すとして、それが年6.5万点のうちの3点であること、同じ分野に1万点以上の競合があることを最初に押さえておけば、書店に置かれることを前提にした販売計画は立たないと分かります。同じ考え方は、アプリストアへの新規登録数や動画プラットフォームの投稿数にもそのまま使えます。

Q69 日本の年間の引越し件数は

この問いは需要サイドから分解します。世帯数に年間の引越し率を掛ける型です。ここで注意すべきは、引越しは世帯単位のフローだという点です。人数で数えるのか件数で数えるのかを最初に決めておかないと、あとで統計と突き合わせたときに一致しません。ここでは件数、つまり世帯が1回動くことを1件と数えます。

置いた仮定	値	その値を置いた理由
世帯数	5,712万5千世帯	令和7年国勢調査（人口速報集計）の実測値
年間の引越し率	6%	平均すると17年に1回動く計算。持ち家世帯はほぼ動かず、賃貸世帯が数年おきに動く構成を平均した
1件あたりの移動人数	1.6人	単身世帯の移動が多く、世帯平均人数より小さくなる

計算式は、5,712万5千世帯×6%＝約343万件となります。人数に直すと343万件×1.6人で約549万人です。

実際の値として、総務省統計局「住民基本台帳人口移動報告 2025年（令和7年）結果」（令和8年2月3日公表）では、2025年の国内における市区町村間移動者数が519万548人、うち都道府県間移動者数が251万5,731人と公表されています。推定の549万人に対して519万人ですから、人数ベースでは6%の差に収まりました。ただしこの統計は引越し件数そのものではありません。数えているのは人であって世帯ではなく、しかも同一市区町村内での引越しは市区町村間の移動に該当しないため含まれていません。件数を世帯単位で公表している公的統計は、今回の確認では見つかりませんでした。つまり実際の引越し件数は519万人から逆算した約324万件よりも多いはずで、同一市区町村内の移動を加えればさらに上振れします。統計が測っているものと知りたいものがずれている典型例です。

別の分解として、住居の種類から攻める方法があります。賃貸住宅に住む世帯を全体の35%、そのうち年に2割が動くと置けば、5,712万5千×35%×20%で約400万件です。持ち家世帯の移動をほぼゼロと見なしても、この分解のほうが上振れします。二つの分解が324万件と400万件に分かれたということは、実数はその間のどこかにあり、幅で示すのが誠実だということになります。

実務でこの型が効くのは、引越しに連動して発生する需要を見積もる場面です。通信回線の解約と新規、家電の買い替え、火災保険の付け替えは、いずれも引越しが引き金になります。年間340万件から400万件という母数を持っていれば、自社のシェアが何%あれば何件取れるかが計算でき、獲得単価の上限が決まります。母数を知らずに広告費を積むと、市場全体の件数を超える目標を置いてしまう事故が起きます。

Q70 日本の年間の宅配便の個数は

この問いは需要サイドと供給サイドの両方から攻めます。まず需要サイドで、世帯数に受け取り頻度を掛けて個人向けの個数を出し、そこに事業所間の輸送分を係数で足します。個人向けだけを積み上げると、企業から企業への発送や通信販売以外の荷物が丸ごと抜けるため、必ず過小になります。この係数の置き方がこの問いの勝負どころです。

置いた仮定	値	その値を置いた理由
世帯数	5,712万5千世帯	令和7年国勢調査（人口速報集計）の実測値
通信販売を利用する世帯の割合	70%	高齢単身世帯を中心に利用しない層が残る
1世帯あたりの月間受取個数	3.5個	週に1個弱。利用しない月と集中する月を平均した
個人受取以外の荷物の倍率	3.0倍	事業所間の輸送、店舗への納品、個人からの発送を含む

計算式は、5,712万5千世帯×70%×3.5個×12か月＝約16.8億個、これを3.0倍して約50億個となります。

実際の値は、国土交通省「令和6年度 宅配便・メール便取扱実績について」（令和7年8月27日公表）で、2024年度の宅配便取扱個数が50億3,147万個と公表されています。内訳はトラック運送が49億2,614万個、航空等利用運送が1億533万個です。前年度比では0.5%の増加でした。推定の50億個は実測とほぼ一致しますが、一致した理由は最後に置いた3.0倍という係数にあります。この係数を2.0倍にすれば34億個、4.0倍にすれば67億個で、答えは倍近く動きます。個人受取分の16.8億個は世帯数と頻度から丁寧に積み上げた数字ですが、全体の3分の1にしかなりません。丁寧に積んだ部分より、最後に置いた一つの係数のほうが結論を支配しているという構図は、この章の他の問いでも繰り返し出てきます。

別の分解として、人口から攻めると、50億3,147万個を1億2,268万人で割って1人あたり年間約41個、つまり9日に1個を受け取っている計算になります。同じ国土交通省の公表でメール便の取扱冊数は33億4,477万冊、前年度比7.3%の減少でした。宅配便が微増でメール便が減少しているという方向の違いは、紙の郵便物が電子に置き換わる一方で物の移動は減っていないという構造を示しています。

実務でこの型が効くのは、物流の設備投資と料金交渉の場面です。年間50億個という総量に対して自社の出荷量が何%かを知れば、運送会社との交渉で持てるカードの大きさが分かります。また再配達の削減施策を検討するとき、総量50億個に対して再配達率が1ポイント動くことが5,000万個に相当すると計算できれば、投資額の妥当性を経営会議の言葉で説明できます。

Q71 日本のATMの台数は

この問いは設置場所ごとの積み上げで分解します。ATMはいま存在している数、つまりストックなので、年間の設置台数や取引件数から入ると単位を間違えます。設置場所は大きくコンビニエンスストア、銀行等の店舗、郵便局、その他の商業施設に分かれ、それぞれ台数の決まり方が違うので、分けて積むのが自然です。

置いた仮定	値	その値を置いた理由
コンビニエンスストアの店舗数	56,054店	日本フランチャイズチェーン協会の統計の実測値
コンビニのATM設置率	95%	大手チェーンはほぼ全店に置いている
ATMを置く金融機関の店舗数	23,889店	全国銀行協会の統計の実測値
1店舗あたりの台数	2.0台	店内2台が標準的で、大型店の複数台と無人店の1台を平均した
郵便局	23,494局	ゆうちょ銀行の店舗数の実測値
1局あたりの台数	1.3台	小規模局が多く、複数台の設置は都市部に限られる
駅と商業施設の設置台数	15,000台	コンビニと金融機関の店舗外に置かれる分

計算式は、5.3万台＋4.8万台＋3.1万台＋1.5万台で約14.7万台となります。

実際の値を引くと、全国銀行協会「2025年版 決済統計年報」の業態別CD・ATM設置状況では、加盟金融機関のCD・ATM設置台数の合計が82,932台（2025年9月末現在、ゆうちょ銀行を除く）でした。内訳は地方銀行28,134台、信用金庫16,971台、都市銀行16,771台、系統農協と信漁連10,703台、第二地方銀行6,562台などです。これにゆうちょ銀行の31,172台（2025年3月末現在）を足すと約11.4万台になります。ただしこの統計にはコンビニATMを運営する銀行が含まれていません。コンビニATMの運営会社を含めた全国の総台数を示す公表統計は、今回の確認では見つかりませんでした。したがって「約11.4万台に、コンビニATM運営会社の台数が加わる」という形でしか言えず、推定の14.7万台が当たっているかどうかは判定できません。統計が対象としている範囲を確かめずに数字だけ比べると、合っているのか外れているのかも分からないまま結論を出すことになります。

別の分解として人口あたりで見ると、確認できた11.4万台を1億2,268万人で割って、1万人あたり約9台となります。金融機関の店舗数が全国銀行で13,672店（令和6年度末）まで減っている一方でATMが十数万台規模で存在するという構図は、対面の窓口を減らしながら現金へのアクセスは機械で維持してきた、という業界の選択を数字の形で示しています。

実務でこの型が効くのは、現金を扱う設備のコスト構造を経営として捉える場面です。1台あたりの年間維持費に台数を掛ければ、業界全体で現金インフラにいくら払っているかの桁が出ます。キャッシュレス化の投資判断は、決済手数料の削減額だけでなく、この維持費の削減余地と並べて初めて成立します。

Q72 日本の年間の交通事故件数は

この問いは供給サイド、つまり事故を起こす側の母数から分解します。自動車の保有台数に1台あたりの年間事故率を掛ける型です。人口に事故に遭う確率を掛ける需要サイドの分解もありますが、事故は運転する人に紐づいて起きるので、保有台数のほうが因果に近い分母になります。

置いた仮定	値	その値を置いた理由
自動車保有台数	8,300万台	自動車検査登録情報協会の統計の実測値
日常的に走行している割合	70%	年に数回しか動かない車、事業用の予備車を除く
1台あたりの年間人身事故率	0.5%	200台に1台が年1回。運転者1人が数十年に1度は当事者になる感覚に対応する

計算式は、8,300万台×70%×0.5%＝約29万件となります。

実際の値は、2024年（令和6年）中に発生した交通人身事故が290,895件、死者数が2,663人、負傷者数が344,395人です。内訳は一般道路が284,714件、高速道路が6,181件でした。これは警察庁の交通事故統計を交通事故総合分析センターがまとめたものです。自動車保有台数は83,001,877台（2026年5月末現在、自動車検査登録情報協会）です。推定の29万件は実測とほぼ一致しましたが、効いているのは0.5%という事故率の置き方一つです。ここを0.3%にすれば17万件、0.8%にすれば46万件になります。この0.5%を「200台に1台」と言い換えて自分の感覚と照らせるかどうかが、この分解の成否を分けます。なお発生件数は人身事故のみを数えており、物損だけの事故は含まれていません。

別の分解として人口から攻めると、死傷者数344,395人と2,663人を合わせて約34.7万人が、1億2,268万人のうち年間に事故の当事者になっている計算です。割合にすると0.28%、つまり平均すれば1人がおよそ350年に1回の頻度になります。この数字は直感より小さく感じられますが、運転する人だけに限れば頻度は数倍に上がるため、母集団の取り方で印象が大きく変わることが分かります。

実務でこの型が効くのは、車両を保有する企業の安全投資を判断する場面です。自社が100台の車両を持つなら、業界平均の事故率0.35%（29万件を8,300万台で割った値）から年0.35件が期待値です。ドライブレコーダーや先進安全装備に1台あたりいくらまで払えるかは、この期待値に1件あたりの損失額を掛けた金額が上限になります。感覚で「事故は起きないだろう」と判断するのではなく、期待件数を出してから投資額を決める、という順序に変えられます。

Q73 日本のプログラマー・エンジニアの人数は

この問いは、産業から入る道と職業から入る道の二つがあります。ここでは産業から入ります。情報通信業の就業者数を出発点に、そのうち技術職の割合を掛け、さらに情報通信業以外の企業に所属する社内技術者を足すという型です。産業から入るのは、就業者数が労働力調査で毎年公表されており土台が固いためです。ただし産業の分類と職業の分類は一致しないので、その差を埋める作業が必要になります。

置いた仮定	値	その値を置いた理由
情報通信業の就業者数	292万人	労働力調査の2024年平均の実測値
うち情報サービス業とネット関連の割合	55%	情報通信業には放送業、通信業、映像音声制作業、新聞出版が含まれるため、これらを除く
そのうち技術職の割合	65%	営業、管理、事務を除いた開発と運用の担当者
情報通信業以外の企業の社内技術者	20万人	大企業1万社に15人、中堅企業に少数という積み上げ

計算式は、292万人×55%×65%＝約104万人、これに社内技術者20万人を足して約124万人となります。

実際の値としては、経済産業省「IT人材需給に関する調査」（平成31年4月公表）が、IT人材の供給を2018年時点で103万人、2025年時点で111万人、2030年時点で113万人と試算しています。この調査でいうIT人材は、国勢調査の職業分類でいう「システムコンサルタント・設計者」「ソフトウェア作成者」「その他の情報処理・通信技術者」に該当する人で、2015年国勢調査からの試算では2015年時点で99.4万人でした。推定の124万人はこれをやや上回りますが、同じ桁に収まっています。ただし2025年の111万人は実測ではなく2019年時点での将来推計であることに注意が必要です。直近の実測として引けるのは、労働力調査の情報通信業就業者292万人（2024年平均）で、2020年の241万人から4年で50万人増えています。ただしこれは産業の数字なので、職種としての技術者数とは別物です。職業分類での直近の実測値は、今回の確認では公表されているものを見つけられませんでした。

別の分解として職業から入ると、労働力調査の2024年平均で専門的・技術的職業従事者が1,324万人います。ここには医師も教員も研究者も含まれるため、IT関連が占める割合を1割弱と置けば120万人前後となり、産業から入った推定と近い値になります。二つの独立した道が同じ桁を指すことは、桁を外していないことの弱いながら意味のある証拠になります。

実務でこの型が効くのは、開発を内製に切り替えるかどうかの判断です。国内の技術者が100万人強という規模を押さえていれば、自社が必要とする人数が市場に対してどれだけの比率かが出ます。100人採るなら母集団の0.01%であり、特定の技術に絞れば母集団は一桁小さくなるため、採用単価が跳ね上がることも見えます。人数の桁が分かれば、内製か委託かの議論を「やる気」ではなく需給の話にできます。

Q74 日本の弁護士の人数は

この問いは供給サイドのストックとフローの関係で分解します。毎年新しく資格を得る人数というフローに、平均的な在籍年数を掛けてストックを出す型です。人口あたりの弁護士密度から需要サイドで攻める方法もありますが、密度は国によって10倍近く違い、日本の適正水準を決められないため、根拠として弱くなります。参入がフローで制御されている職業は、フローから積むほうが確かです。

置いた仮定	値	その値を置いた理由
年間の司法試験合格者数	1,500人	制度改革後に増加し、近年は横ばいという想定
そのうち弁護士として登録する割合	75%	裁判官、検察官、企業内での非登録の進路を除く
平均的な登録年数	35年	25歳前後で登録し60歳前後まで続ける想定
過去の合格者数が少なかったことによる補正	0.85	いま60代以上の層は合格者数が年500人前後の時代の人

計算式は、1,500人×75%×35年×0.85＝約33,000人となります。

実際の値は、日本弁護士連合会「弁護士白書2025年版」で、2025年3月31日現在の弁護士数が46,243人（うち女性9,407人）と公表されています。推定の33,000人は3割ほど低く出ました。ずれた原因は在籍年数と補正係数の置き方にあります。同じ白書の年齢構成を見ると、40代が14,046人と最も多く、70代が4,147人、80歳以上も2,180人います。弁護士は定年で一斉に退く職業ではなく、70代以降も登録を続ける人が相当数いるため、35年という在籍年数が短すぎました。在籍年数を45年に伸ばすと約43,000人となり、実測に近づきます。ストックをフローから作るときは、辞めるタイミングの想定が結論をそのまま動かします。なお弁護士数は1950年に5,827人でしたから、75年で8倍になった計算です。

別の分解として人口あたりの密度から攻めると、1億2,268万人を46,243人で割って、人口2,653人に1人という密度になります。この数字を先に知っていれば、逆に「人口3,000人に1人」と置いて4.1万人と答えることもできます。ただしそれは答えを知ってから分解を選んでいることになるので、検算としてのみ使うべきです。

実務でこの型が効くのは、専門職向けのサービスを設計する場面です。対象が4.6万人しかいないと分かれば、1人あたりの単価が低い商品は成り立ちません。年間の新規登録者が1,000人強という流入の細さも同時に分かるため、市場が急に拡大しないことも前提に置けます。同じ考え方は、税理士、公認会計士、社会保険労務士といった他の士業向けの事業のサイジングにもそのまま適用できます。

Q75 日本の医師の人数は

この問いは施設サイドから分解します。病院の数に1病院あたりの医師数を掛け、診療所の数に1診療所あたりの医師数を掛けて足す型です。医療機関の数は公表されていて確かな土台になるうえ、病院と診療所では1施設あたりの人数の桁が違うので、分けて積む意味があります。人口あたりの医師密度から入る方法は、密度そのものが答えに近いため、推定の練習にはなりません。

置いた仮定	値	その値を置いた理由
病院の数	8,055施設	厚生労働省の医療施設動態調査の実測値
1病院あたりの医師数	27人	病床数の中央値が100床台で、診療科ごとに数人という構成
一般診療所の数	105,278施設	同じく医療施設動態調査の実測値
1診療所あたりの医師数	1.05人	院長1人が基本で、一部に勤務医が加わる
医療機関以外に従事する医師の割合	4%	行政機関、研究機関、産業医、介護施設

計算式は、8,055施設×27人＝約21.7万人、105,278施設×1.05人＝約11.1万人、合計32.8万人を0.96で割って約34.2万人となります。

実際の値は、厚生労働省「令和6年医師・歯科医師・薬剤師統計」（2025年12月23日公表）で、2024年12月31日現在の届出医師数が347,772人（男性262,801人、女性84,971人）です。人口10万人あたりでは280.9人になります。主な内訳は、医療施設の従事者が331,092人、介護老人保健施設の従事者が3,337人、その他の業務の従事者が9,403人です。医療施設従事者の内訳は、病院が219,393人（うち医育機関附属の病院が58,280人）、診療所が111,699人でした。推定の34.2万人は実測とよく合いました。答え合わせをすると、1病院あたりは219,393人を8,055施設で割って27.2人、1診療所あたりは111,699人を105,278施設で割って1.06人ですから、置いた仮定がどちらもほぼ正確だったことになります。ここで重要なのは、この統計が数えているのが免許保有者ではなく2年に1度の届出に基づく人数だという点です。免許を持っていても診療していない人がどれだけいるかは、この数字からは分かりません。

別の分解として人口あたりの密度から検算すると、人口10万人あたり280.9人という公表値に人口1億2,268万人を当てはめて約34.5万人となり、施設からの積み上げと一致します。診療所の医師の平均年齢が60.1歳、医育機関附属の病院が39.7歳という差も公表されており、施設の種類ごとに年齢構成がまったく違うことが分かります。

実務でこの型が効くのは、医療機関を顧客とする事業の規模を見積もる場面です。病院8,055施設と診療所105,278施設では、営業の当たり方も単価も別の事業になります。医師34.8万人を対象にした情報サービスなのか、病院8,000施設を対象にしたシステム導入なのかで、必要な営業人員も客単価も一桁変わります。人数で数えるのか施設数で数えるのかを最初に決めることが、事業計画の前提そのものになります。

Q76 1日に東京駅を利用する人数は

この問いは供給サイドから分解します。列車の発着本数に、1本あたり東京駅で乗り込む人数を掛ける型です。需要サイド、つまり駅周辺で働く人の数を積み上げる方法は使えません。東京駅の利用者には、丸の内や八重洲に用がある人だけでなく、新幹線や地下鉄に乗り換えるだけの人が大量に含まれるためです。列車の本数は時刻表から数えられる確かな土台になります。

置いた仮定	値	その値を置いた理由
JR在来線の系統数	6系統	山手線、京浜東北線、中央線快速、東海道線と上野東京ライン、横須賀線と総武快速線、京葉線
1系統あたりの1日の発着本数	300本	始発から終電までの19時間で、朝夕は毎時20本前後、日中は毎時10本前後を上下合わせて平均した
在来線1本あたりの東京駅からの乗車人数	200人	10両編成の定員が1,400人前後で、そのうち東京駅から乗る人が1割強
新幹線の1日の発着本数	300本	東海道系統と東日本系統を合わせた東京駅発着の本数
新幹線1本あたりの乗車人数	350人	16両編成の定員1,300人前後に対し、東京始発でも平均乗車率は5割を下回る
地下鉄の1日の発着本数と1本あたりの乗車人数	250本と200人	丸ノ内線1系統のみで、6両編成、東京駅は乗り換え客が中心

計算式は、6系統×300本×200人＝36万人、新幹線300本×350人＝10.5万人、地下鉄250本×200人＝5万人、合計で約51.5万人となります。これが1日に東京駅から乗車する人数で、降車も同じだけあるとすれば、乗降の延べ人数は約103万人です。

実際の値は、JR東日本「各駅の乗車人員 2024年度」で、東京駅の1日平均乗車人員が434,564人（定期外245,908人、定期188,655人、前年度比107.6%）と公表されています。全駅中3位で、1位は新宿駅の666,809人、2位は池袋駅の499,128人です。この統計は乗車の人員のみで、降車の人員を含みません。同社の新幹線駅別の表では東京駅が70,323人ですが、これが駅別の表の内数かどうかは注記にありません。新幹線だけの駅である本庄早稲田が両方の表に同じ2,012人として載っていることから、駅別の表は在来線と新幹線の合算だと読めます。ただし東海道新幹線はJR東海の営業なので、この434,564人には含まれていません。東京メトロ丸ノ内線の東京駅は1日平均乗降人員199,232人（2024年度）で、乗車だけならおよそ10万人です。JR東海の東京駅の駅別乗車人員は、今回の確認では公表値を見つけられませんでした。したがって確認できた範囲での乗車人員は約53万人で、これに東海道新幹線分が加わります。推定の51.5万人は低めですが桁は合っています。効いているのは1本あたりの乗車人数で、200人を150人にすれば在来線分は27万人、250人にすれば45万人と、18万人動きます。

別の分解として、上位ターミナルとの比較から性質を読む方法があります。定期の比率は、東京駅が43.4%、新宿駅が49.5%、池袋駅が54.1%、北千住駅が69.3%です。東京駅は上位駅で最も定期の比率が低く、毎日往復する通勤客より出張や観光の客が厚い駅だと分かります。前年度比107.6%は上位10駅で最も高い伸びですが、その中身は公表値からは特定できません。

実務でこの型が効くのは、駅構内の商業施設や広告の規模を見積もる場面です。1日43.5万人という分母に対し、利用者の1%が1,000円使う店なら1日435万円、年15.9億円です。ここで乗車ベースの43.5万人を使うか、乗降を足した100万人規模を使うかで、事業計画は2倍以上変わります。さらに乗車人員は延べ人数であって実人数ではないため、広告の到達人数にそのまま使うと、同じ人に何度も当てているだけの結果を過大に評価します。定期43.4%という構成が、「毎日同じ顔が来る割合」の目安になります。

Q77 日本の年間出生数は

この問いはコーホートから分解します。出産する年齢にいる女性の1歳あたりの人数に、合計特殊出生率を掛ける型です。総人口に出生率（人口千対）を掛ける方法もありますが、その出生率は答えを知っていないと置けないので推定になりません。1歳あたりの女性人口は、30年前の出生数の半分としてほぼ正確に置けます。過去のフローが現在のストックを決めているという関係を使うのが、この問いの骨格です。

置いた仮定	値	その値を置いた理由
30年前（1995年）の出生数	118万7,064人	人口動態統計の実測値。いま30歳前後の人口の出発点にあたる
そのうち女性の割合	50%	出生性比は男児がわずかに多い程度で、桁に影響しない
30歳前後の1歳あたり女性人口	59万人	この年齢帯では死亡による目減りがほとんどない
合計特殊出生率	1.2	1人の女性が生涯に産む子どもの数。近年1.2前後で推移しているという想定

計算式は、118万7,064人×50%＝約59万人、59万人×1.2＝約71万人となります。

実際の値は、厚生労働省「令和7年人口動態統計月報年計（概数）」で、2025年の出生数が67万1,236人と公表されています。前年の68万6,173人より1万4,937人の減少で、過去最少を更新しました。合計特殊出生率は1.14で、前年の1.15から低下しています。推定の71万人は6%高く出ましたが、効いている仮定は出生率だけです。1.2ではなく実測の1.14を使えば67.3万人となり、ほぼ一致します。母数の側も検算できます。総務省統計局「人口推計」の2026年3月1日現在確定値では、日本人の女性人口が25歳から29歳で288万人、30歳から34歳で289万5千人、35歳から39歳で307万6千人、合計885万1千人です。15年分ですから1歳あたり59万人で、置いた値と一致しました。この統計が何を数えているかにも注意が要ります。月報年計（概数）が集計しているのは日本において発生した日本人の事象だけで、日本に住む外国人の出生も、外国で生まれた日本人の出生も含みません。同じ厚生労働省が出す速報値はこれらを含むため、値が食い違います。

別の分解として、前年からの外挿があります。出生数は2022年が77万759人、2023年が72万7,288人、2024年が68万6,173人と、年5%台のペースで減ってきました。この率をそのまま延ばすと2025年は65万2千人となり、実測の67万1,236人より3%低く出ます。実際の減少は2.2%にとどまり、減り方はやや緩んでいます。それでも誤差3%は、分解を組んだ推定の6%より小さくなります。毎年公表される連続量では、素直な外挿のほうが強いということです。逆に言えば、フェルミ推定の出番は、こうした連続した公表値が無いときに限られます。

実務でこの型が効くのは、年齢イベント型の商品の需要を見積もる場面です。ランドセル、七五三、入学、成人式のように特定の年齢に一度だけ発生する需要は、対象となる年の出生数がそのまま天井になります。いま0歳の子ども向けなら市場の上限は67万人で、6年後の小学校入学時点でもほぼ同じ数です。ここで5年前の感覚のまま80万人を置くと、初年度から2割過大な在庫と人員を抱えます。年に数%ずつ縮む前提を計画に織り込むかどうかが、3年後に1割前後の差になります。

Q78 日本の年間の結婚件数は

この問いもコーホートから分解します。結婚する年齢にいる女性の1歳あたりの人数に、生涯に一度でも結婚する人の割合を掛け、そこに再婚を含めた全体への割り戻しを掛ける型です。結婚は一生に1回か2回しか起きない事象なので、定常状態であれば、1年分のコーホートが生涯に起こす件数がそのまま年間の件数になります。Q77と同じ母数を使えるので、二つの問いを同じ土台の上に載せられます。

置いた仮定	値	その値を置いた理由
結婚する年齢の1歳あたり女性人口	59万人	Q77で置いた値をそのまま使う
生涯に一度でも結婚する女性の割合	78%	50歳時点で未婚の女性が2割前後という水準に、未婚化の進行を少し織り込んだ
全婚姻件数に対する妻が初婚である割合	85%	再婚で成立する婚姻を含めて全体に戻すための係数

計算式は、59万人×78%＝約46万組、46万組÷85%＝約54万組となります。

実際の値は、厚生労働省「令和7年人口動態統計月報年計（概数）」で、2025年の婚姻件数が48万9,119組と公表されています。前年の48万5,092組より4,027組増加し、2年連続の増加です。婚姻率（人口千対）は4.1、平均初婚年齢は夫が31.0歳、妻が29.7歳、全婚姻件数に対する妻の再婚の割合は15.4%でした。つまり妻が初婚である割合は84.6%で、置いた85%はほぼ正確です。ずれた原因は生涯結婚率の置き方に集中しています。推定の54万組は実測より11%高く、逆算すると生涯結婚率は70%程度になります。国立社会保障・人口問題研究所「人口統計資料集2025」が国勢調査から算出した50歳時の未婚割合は、女性で1990年が4.33%、2020年が17.81%です。30年で4倍になり、いまも上昇の途中にあります。上昇トレンドの最中に定常状態を仮定すると、必ず過大に出ます。なお婚姻件数が数えているのは届出の件数であって、事実婚は入りません。

別の分解として、未婚のストックから攻める方法があります。日本人の25歳から39歳の女性は885万1千人で、このうち未婚が4割とすれば354万人です。この層の1割強が年内に結婚するとすれば約40万組、これに40歳以上の婚姻を加えて45万組前後になります。コーホートからの54万組と、ストックからの45万組で1.2倍の開きが出ました。実測の48.9万組はその間に収まっており、二つの分解が挟み込んだ範囲に答えがあるという形は、単独の推定より情報量があります。

実務でこの型が効くのは、婚姻に連動する需要のサイジングです。式場、指輪、新居、家具家電、生命保険の見直しは、いずれも結婚が引き金になります。年48.9万組という母数に1組あたりの費用を掛ければ市場規模が出ます。ここで注意すべきは年次です。婚姻件数は1995年に79万1,888組、2005年に71万4,265組でしたから、20年前の感覚のまま計画を立てると4割過大になります。市場が縮んでいるのに単価だけ見て投資を続けると、稼働率の低下として損失が出ます。

Q79 日本の年間の離婚件数は

この問いはストックに確率を掛けて分解します。いま結婚している夫婦の数に、1年あたりの離婚確率を掛ける型です。離婚は結婚している人にしか起きないので、母数は総人口でも今年の婚姻件数でもなく、婚姻継続中の夫婦の数です。よく使われる「婚姻件数の3分の1」という置き方は、分子と分母が別の集団を数えているため、分解の根拠になりません。年間の離婚確率は、生涯に離婚する割合を平均的な婚姻の長さで割って作ります。

置いた仮定	値	その値を置いた理由
同居している夫婦の数	2,730万組	令和2年国勢調査の家族類型別一般世帯数のうち、夫婦がいる世帯を合計した
婚姻のうち最終的に離婚に至る割合	30%	3組に1組という言われ方に近いが、根拠は別に必要
平均的な婚姻の継続年数	45年	30歳前後で結婚し、死別まで続く場合を想定
1年あたりの離婚確率	0.67%	30%を45年に分散させた値

計算式は、2,730万組×0.67%＝約18.3万組となります。

実際の値は、厚生労働省「令和7年人口動態統計月報年計（概数）」で、2025年の離婚件数が17万9,068組と公表されています。前年の18万5,904組より6,836組の減少で、離婚率（人口千対）は1.50でした。ピークは2002年の28万9,836組で、そこから4割弱減っています。推定の18.3万組は2%高いだけでほぼ的中しましたが、効いているのは年0.67%という確率ひとつです。0.5%にすれば13.7万組、0.9%にすれば24.6万組で、答えは倍近く動きます。ここで「3組に1組が離婚する」という言い方を検証しておきます。17万9,068組を48万9,119組で割ると36.6%になりますが、この分母は今年結婚した人、分子は過去数十年に結婚した人であって、同じ集団ではありません。したがってこの比を「いま結婚する人の3組に1組が離婚する」と読むのは誤りです。同居期間別に見ると、5年未満が4万8,154組、5年から10年未満が3万5,373組、20年以上が3万9,886組で、離婚は結婚初期に集中する一方、20年以上の層も2割を超えています。

別の分解として、過去の婚姻件数から攻める方法があります。婚姻件数48万9,119組の3分の1を取れば16.3万組で、実測17.9万組に近い値になります。ただしこれは二つの誤りが打ち消し合った結果です。いま離婚している夫婦が結婚したのは主に20年から30年前で、当時の婚姻件数は1995年が79万1,888組、2005年が71万4,265組と、いまより4割から6割多くなっています。母数を今年の件数に取った分は過小に働き、生涯離婚率を3分の1と高く置いた分は過大に働いて、たまたま釣り合っています。母数を1995年から2005年の平均である約75万組に取り、生涯離婚率を25%と置けば18.8万組で、こちらのほうが根拠のある形になります。

実務でこの型が効くのは、離婚に連動する需要と世帯数の増減を見積もる場面です。離婚は1組が2世帯に分かれる事象なので、年17.9万組は年17.9万世帯の純増要因になります。単身向け住宅、家財の再購入、名義変更、法律サービスの需要はここから出ます。同時に、ストックに確率を掛けるという型そのものが、解約率の推定に転用できます。契約者数に年間解約率を掛けて解約件数を出す構造は離婚とまったく同じで、その解約率を平均継続年数の逆数から作れるかどうかが、将来の契約者数の予測精度を決めます。

Q80 日本の空き家の数は

この問いは種類別の積み上げで分解します。空き家はいま存在している数、つまりストックです。総住宅数に空き家率を掛ける一発の分解もありますが、それでは性質のまったく違うものを混ぜてしまいます。募集中の賃貸物件、売却待ちの物件、別荘、そして誰も使う予定がなく放置されている家は、発生の仕組みも事業機会としての意味も別物です。分けて積み、最後の類型だけはフローに滞留年数を掛けて作ります。

置いた仮定	値	その値を置いた理由
総世帯数	5,712万5千世帯	令和7年国勢調査の人口速報集計の値
借家に住む世帯の割合	35%	持ち家が6割強という構成の裏返し
賃貸住宅の空室率	18%	募集中と入退去の端境期を含めた水準
売却用の空き家	30万戸	市場に出ている中古と新築の売れ残りの在庫
二次的住宅（別荘など）	40万戸	世帯数のおよそ0.7%
持ち家に住む高齢単身世帯	514万世帯	高齢単身世帯761万7千世帯の67.5%が持ち家
その層が年に家を空ける割合	3%	死亡または施設への入所による
空いてから処分されるまでの滞留年数	20年	相続の合意、売却、解体のいずれにも時間がかかる

計算式は、賃貸が5,712万5千世帯×35%＝2,000万世帯、これを空室率18%で割り戻して2,439万戸、うち空室が439万戸、放置されているものが514万世帯×3%×20年＝約308万戸、これに売却用30万戸と二次的住宅40万戸を足して、合計約817万戸となります。

実際の値は、総務省統計局「令和5年住宅・土地統計調査 住宅及び世帯に関する基本集計（確報集計）結果」（令和6年9月25日公表）で、2023年10月1日現在の空き家数が900万2千戸、空き家率が13.8%と公表されています。総住宅数は6,504万7千戸、総世帯数は5,621万5千世帯で、1世帯当たりの住宅数は1.16戸です。内訳は、賃貸用の空き家が443万6千戸（49.3%）、賃貸・売却用及び二次的住宅を除く空き家が385万6千戸（42.8%）、二次的住宅が38万4千戸（4.3%）、売却用の空き家が32万6千戸（3.6%）でした。推定の817万戸は9%低く出ましたが、賃貸用439万戸、二次的住宅40万戸、売却用30万戸はいずれも実測とほぼ一致しています。ずれは放置分に集中しており、308万戸に対し実測は385万6千戸でした。効いているのは滞留年数で、20年を25年にすれば385万戸となり実測に一致します。この統計が何を数えているかが、この問いでは決定的です。ここでいう空き家には募集中の賃貸物件も別荘も含まれます。世間で空き家問題として語られる、誰も使う予定がなく管理もされていない家は385万6千戸のほうであって、900万戸ではありません。

別の分解として、住宅と世帯の比率から攻める方法があります。1世帯当たりの住宅数1.16戸という比率を覚えていれば、世帯数5,712万5千に1.16を掛けて6,626万戸、そこから居住されている5,713万戸を引いて913万戸と、1桁台の誤差で出せます。ただし総数しか出せません。建て方別に見ると、一戸建の空き家352万3千戸のうち80.9%が放置分、共同住宅の空き家502万9千戸のうち78.5%は賃貸用で、総数だけではこの構造が見えません。

実務でこの型が効くのは、空き家を対象にした事業の規模を見積もる場面です。買取再販、解体、管理代行、リフォームのいずれも、対象は900万戸ではなく385万6千戸、一戸建に絞れば285万1千戸です。単価に戸数を掛けて市場規模を出すとき、母数を900万で置くか285万で置くかで3倍以上変わります。一方で賃貸管理の側から見れば、443万6千戸の空室は募集中の在庫であり、入居促進と仲介の市場です。同じ「空き家」という一語で、まったく別の二つの事業機会を語ってしまうことが、この問いで最も起きやすい事故です。どの類型を数えているのかを一行で定義しておくだけで、桁の取り違えは防げます。

Q81 日本の年間映画館入場者数は

この問いは需要サイドから分解します。人口に映画館へ行く人の割合を掛け、その人たちの年間平均鑑賞回数を掛ける型です。供給サイドから、スクリーン数に座席数と上映回数を掛けて年間の座席供給量を出し、稼働率を掛ける分解もできますが、座席稼働率は公表されておらず、置いた瞬間に答えが決まってしまいます。なお数えるのは延べ人数というフローであって、映画館に行く人の数というストックではありません。同じ人が年に10回行けば10と数えます。

置いた仮定	値	その値を置いた理由
総人口	1億2,268万人	総務省統計局の人口推計の直近値
年に1回以上映画館へ行く人の割合	30%	3,680万人。乳幼児と後期高齢者はほとんど行かない
年10回以上行く層の構成比と回数	5%・15回	会員割引を使って月1回以上通う層
年3回から9回行く層の構成比と回数	25%・5回	話題作が出れば行く層
年1回か2回行く層の構成比と回数	70%・1.4回	家族や友人に誘われて行く層

計算式は、平均回数が5%×15回＋25%×5回＋70%×1.4回＝3.0回、これに3,680万人を掛けて約1.10億人となります。

実際の値は、一般社団法人日本映画製作者連盟「日本映画産業統計」で、2025年（令和7年）の入場人員が1億8,875万6千人、興行収入が2,744億5,200万円、平均入場料金が1,454円、映画館スクリーン数が3,697（うちシネマコンプレックス3,305）と公表されています。2024年は入場人員1億4,444万1千人、興行収入2,069億8,300万円でした。推定の1.10億人は2024年に対して24%、2025年に対しては42%低く出ています。効いているのは行く人の割合30%と平均回数3.0回の積だけです。この積は全人口1人あたり年0.9回を意味しますが、実測は2024年が1.18回、2025年が1.54回でした。層を三つに分けて丁寧に積んでも、結論を決めているのは積の一点です。もう一つ、この統計は年による振れが極端に大きい点に注意が必要です。2019年は1億9,491万人、2020年は1億614万人と1年で半減し、2025年は劇場版アニメ1本が興行収入391億4千万円を記録して全体を押し上げました。単年の値を日本の実力と読むと外します。

別の分解として、興行収入を平均入場料金で割る道があります。2,744億5,200万円を1,454円で割ると1億8,876万人となり、公表値と一致します。ただしこれは映連が両者を整合させて公表しているためで、独立した検算にはなりません。独立に見るなら供給サイドで、3,697スクリーンに1スクリーンあたり150席、1日5回上映、365日を掛けると年間およそ10.1億席の供給になります。2025年の入場者はその18.7%、2024年は14.3%です。座席稼働率が2割に届かないという構図は、上映枠が恒常的に余っている一方で人気作の回だけ満席になるという実態と整合します。

実務でこの型が効くのは、リーチを金額に翻訳する場面です。館を運営する側は、チケット1枚あたりの興行収入が1,454円と分かれば、物販でいくら積めば損益が合うかを逆算できます。配給側は、年間入場者が1.4億人から1.9億人の間で振れることを前提に、1作品が取り得る上限を見積もれます。スクリーンを広告に使う側なら、年間の延べリーチが1.5億人規模だと分かれば、他の媒体と比較可能な単価に直せます。母数を持たずに映画館は人が来なくなったと判断すると、年1.9億人が動く市場を計画から落とすことになります。

Q82 日本の年間コメ消費量は

この問いは需要サイドから分解します。人口に1人1日あたりのご飯の量を掛け、365日を掛ける型です。ただし計算の前に、コメの消費量が何を指すのかを決める必要があります。主食として食べる精米の量なのか、飼料用や加工用まで含めた供給全体の量なのかで、答えが1.4倍変わります。ここでは主食として食べる量を精米ベースで出し、後で供給全体の数字と突き合わせます。

置いた仮定	値	その値を置いた理由
総人口	1億2,268万人	総務省統計局の人口推計の直近値
1日に食べるご飯の杯数	2.0杯	パンや麺に置き換わる食事があり、3食すべてはご飯にならない
茶碗1杯のご飯	150g	一般的な茶碗に軽く1杯の重さ
炊飯による重量の増加	2.2倍	水を吸わせるため、精米1に対して炊いたご飯は2.2になる

計算式は、茶碗1杯ぶんの精米が150g÷2.2＝68g、1人1日が68g×2.0杯＝136g、年間が136g×365日＝49.6kg、これに1億2,268万人を掛けて約609万トンとなります。

実際の値は、農林水産省「米穀の需給及び価格の安定に関する基本指針」（令和8年7月）で、令和7／8年（2025年7月から2026年6月まで）の主食用米等の需要実績が精米ベース607万トン、玄米ベース683万トン（速報値）と公表されています。同じ資料の1人当たり消費量（精米）は、令和7／8年が48.7kg、直近5年平均が49.9kgです。推定の609万トンは607万トンとほぼ一致しました。効いている仮定は1人1日136gという一点で、ここを110gにすれば493万トン、160gにすれば717万トンとなり、4割動きます。茶碗の大きさと杯数を自分の食生活で検証できるかどうかが精度を決めます。

そして、同じコメの消費量という言葉から複数の正解が出ます。農林水産省「食料需給表」（令和6年度概算値）では、米の国内消費仕向量が844万7千トン（玄米ベース）です。ここから飼料用52万5千トン、加工用27万1千トン、減耗量15万2千トンなどを引いた粗食料が740万8千トン、歩留り89.2%を掛けた純食料が660万8千トンで、1人1年当たりの供給純食料は53.4kgになります。主食用米等の需要607万精米トンと国内消費仕向量844万玄米トンは、どちらも正しいコメの消費量ですが1.4倍違います。数字だけを他人に渡すと、この差がそのまま誤解になります。

別の分解として供給サイドから攻めることもできます。令和7年産の主食用米等生産量747万玄米トンに、令和7年6月末の民間在庫155万トンと政府備蓄米の供給23万トンを足した供給計925万トンから、令和8年6月末の民間在庫243万トンを引けば683万トンです。これが需要実績の算出方法そのものですが、期首と期末の在庫という分からない数字が二つ増えます。なお1人1年当たり供給純食料は昭和40年度の111.7kgから令和6年度の53.4kgまで下がった一方、令和3／4年度以降は49kgから51kgの間で横ばいです。減り続けているという前提だけで計画を立てると、直近の実態を外します。

実務でこの型が効くのは、米飯を扱う外食チェーンや中食メーカーが調達計画を立てる場面です。全国の主食用需要607万精米トンに対して自社の使用量が何%かを出せば、価格交渉での立ち位置が分かります。1%なら6万トンで、精米1kgあたりの仕入価格が10円動けば6億円の損益が動く計算です。作付面積の政策変更や在庫水準の変動も、この分母があって初めて自社への影響に翻訳できます。相場が動いたときに何億円効くのかを先に持っているかどうかが、値上げや契約変更の判断を数か月早めます。

Q83 1日に日本で廃棄される食品の量（食品ロス）は

この問いは供給サイドから分解します。食品の総供給量に廃棄率を掛ける型です。需要サイドで1人が捨てる量を積み上げる方法は、家庭の食べ残しは想像できても、製造、卸、小売、外食の各段階で出る分が見えないため、必ず過小になります。そして計算より先に食品ロスの定義を確認する必要があります。食品ロスとは本来食べられるのに捨てられた食品を指し、骨や皮や芯といった不可食部を含む食品廃棄物等とは別のものです。

置いた仮定	値	その値を置いた理由
総人口	1億2,268万人	総務省統計局の人口推計の直近値
1人1日あたりの食料供給量	1.2kg	食料需給表の1人1年当たり供給純食料を主な品目で合計するとおよそ440kgになる
食品ロス率	8%	家庭で使い切れない分と、事業段階の規格外、返品、売れ残りを合わせた水準

計算式は、1億2,268万人×1.2kg×365日＝約5,370万トン、これに8%を掛けて年間約430万トン、365日で割って1日あたり約1.18万トンとなります。

実際の値は、消費者庁、農林水産省、環境省が2026年6月30日に公表した2024年度（令和6年度）の食品ロス量推計値で、461万トンです。内訳は家庭系224万トン、事業系237万トンで、前年度の464万トンから3万トン減りました。1日あたりに直すと約1万2,600トンで、消費者庁「食品ロス削減関係参考資料」（2026年6月30日）はこれを毎日大型トラック約1,260台分と表現しています。国民1人当たりでは年間37kg、1日102gです。推定の1.18万トンは実測の1.26万トンに近い値ですが、効いているのは食品ロス率8%という一点で、実測から逆算すると8.6%でした。ここを5%にすれば0.74万トン、12%にすれば1.77万トンとなり、2倍以上動きます。

混同してはいけないのが、食品ロスと食品廃棄物等の違いです。同じ資料で、2024年度の食品廃棄物等の発生量は2,105万トン（事業系1,463万トン、家庭系642万トン）とされています。食品ロス461万トンはそのうち可食部分と考えられる量にすぎず、両者を取り違えると4.6倍ずれます。事業系237万トンの内訳は、食品製造業110万トン、外食産業70万トン、食品小売業48万トン、食品卸売業9万トンです。家庭系224万トンの内訳は、直接廃棄96万トン、食べ残し93万トン、過剰除去35万トンでした。

別の分解として1人あたりから攻めると、461万トンを人口で割って年間約37kg、1日あたり約102gとなります。おにぎり1個ぶんです。ただし家庭系だけを取れば224万トンで、1人年18kg、1日50gにしかなりません。自分が捨てている感覚を積み上げても、全体の半分にしか届かないということです。残りの半分は目に触れない製造、流通、外食の各段階で出ています。

実務でこの型が効くのは、食品小売や外食が廃棄削減の投資を判断する場面です。業界全体で外食産業70万トン、食品小売業48万トンという規模を押さえていれば、自社の廃棄量が業界のどの位置にあるかを測れます。事業系の食品ロスは2000年度の547万トンから2024年度の237万トンへ57%減っており、2030年度の目標は60%減です。すでに削減が進んだ後の残り3ポイントを取りにいく話だと分かれば、投資の難易度の見立てが変わります。あわせて、2024年度の食品ロスによる経済損失は3.8兆円、温室効果ガス排出量は978万トンCO2と推計されており、非財務情報の開示でも同じ分母が使われます。

Q84 日本の電気自動車（EV）の保有台数は

この問いはフローからストックを作る型で分解します。年間の新車販売台数に電気自動車の販売比率を掛け、累積年数を掛けます。電気自動車は普及の歴史が浅く廃車が本格化していないため、過去の販売を足し上げれば保有に近い値になります。自動車全体の保有台数にEV比率を掛ける方法は、その比率そのものが答えなので推定になりません。そして計算の前に何を数えるかを決めないと、答えが2倍から33倍まで変わります。外部から充電できて電池だけで走る車（BEV）を数えるのか、エンジンも積んで外部充電もできる車（PHEV）を含めるのか、外部充電できないハイブリッド車（HEV）まで入れるのかで桁が違います。ここではBEVのみを数えます。

置いた仮定	値	その値を置いた理由
年間の新車販売台数	450万台	登録車と軽自動車を合わせた近年の水準
直近5年のBEV販売比率	1.5%	軽自動車のEVが投入されて1%台に乗った時期
その前の5年のBEV販売比率	0.4%	車種が限られ、年2万台前後だった時期
累積して数える年数	10年	それ以前の登録は台数が小さく、桁に影響しない
廃車と輸出による減少	10%	初期の車両が電池の劣化で入れ替わる分

計算式は、450万台×1.5%×5年＝33.8万台、450万台×0.4%×5年＝9.0万台、合計42.8万台から10%を引いて約38万台となります。

実際の値は、一般社団法人次世代自動車振興センター「EV等 保有台数統計」で、2024年度末（2025年3月末）時点のEV（BEV）が358,262台、PHEVが287,352台、FCV（燃料電池自動車）が8,289台、合計653,903台と公表されています。EVの内訳は乗用車214,512台、軽自動車136,696台、貨物車と乗合車と特種車が7,054台です。このデータは自動車検査登録情報協会と軽自動車検査協会の数値をもとに同センターが集計したもので、掲載が翌年度の11月頃になるため、2026年8月時点の直近公表値は2024年度末になります。推定の38万台は実測35.8万台に対して6%高いだけで収まりました。効いているのは販売比率と累積年数の積で、直近5年の比率を1.0%にすれば29万台、2.0%にすれば47万台です。同じ統計でHEVは11,817,483台ですから、BEVだけなら35.8万台、PHEVを足せば64.6万台、HEVまで含めれば1,182万台と、定義次第で33倍の幅が出ます。日本のEVは何台かという問いに、35万台とも1,182万台とも答えられてしまう状態です。

別の分解として保有側から見ると、一般財団法人自動車検査登録情報協会の公表で、2026年5月末現在の自動車保有台数は83,001,877台、うち乗用車が62,228,860台です。BEVの乗用車214,512台はこの0.34%、BEV全体35.8万台は総保有台数の0.43%、PHEVを足しても0.78%にとどまります。次世代自動車振興センターの販売台数統計では2024年度のEV販売が64,952台で、新車販売450万台に対して1.4%です。販売比率が1.4%で保有比率が0.4%という開きは、置き換えがまだ始まったばかりであることを示しています。

実務でこの型が効くのは、充電設備、車両整備、部品、保険といったEV周辺の事業を計画する場面です。EVは伸びているという定性の判断だけで設備投資を決めると、母数を2桁見誤ります。充電器を何本置けるかは1本あたり何台が使うかで決まり、その想定は保有台数を分母にしないと立ちません。一方でHEVが1,182万台あるという事実は、日本の電動化がハイブリッド中心に進んできたことを意味します。整備網や部品の事業を組むなら、当面の対象はEVではなくHEVだという結論にもなり得ます。

Q85 日本の年間ラーメン消費杯数は

この問いは二つに分けて数えます。即席めん（袋めんとカップめん）と、外食のラーメンです。この二つは統計の有無からして違います。即席めんは業界団体が食数で集計していますが、外食のラーメンを杯数で数えた統計は、公的なものも業界のものも、今回の確認では見つけられませんでした。ラーメンの消費杯数と一言でまとめると、片方は実測で照合でき、もう片方はできないという非対称を見落とします。どちらも需要サイドで積みます。

置いた仮定	値	その値を置いた理由
総人口	1億2,268万人	総務省統計局の人口推計の直近値
即席めんを食べる人の割合	75%	乳幼児と、習慣として食べない層を除く
即席めんの1人年間食数	65食	週に1.25食にあたる
外食でラーメンを食べる人の割合	60%	店に入る習慣のない層を除く
外食ラーメンの1人年間杯数	10杯	月1回弱にあたる

計算式は、即席めんが1億2,268万人×75%×65食＝約59.8億食、外食が1億2,268万人×60%×10杯＝約7.4億杯、合わせて約67億食となります。

即席めんの実際の値は、一般社団法人日本即席食品工業協会の公表で、2024年度の日本国内の生産量が59億8,347万食、内訳はカップめん39億5,540万食、袋めん20億2,807万食です。1人当たりの年間消費量は48.3食（人口1億2,380万人として算出）とされています。一般社団法人世界ラーメン協会（WINA）の総需要一覧表（2026年8月6日現在）では、日本の需要が2025年59.5億食、2024年59.0億食で、世界全体の1,242.1億食のうち第5位です。推定の59.8億食は実測とほぼ一致しましたが、効いているのは割合75%と年65食の積だけです。この積は全人口あたり年48.75食で、協会の1人当たり48.3食とほぼ同じでした。二つに分けて置いたつもりでも、当てたのは積の一点です。数えている対象も同じではありません。協会の59億8,347万食は年度の国内生産量で輸出分（2024年に71か国と地域へ約1億951万食）を含み、WINAの59.5億食は暦年の需要で輸入分が入ります。

外食のラーメンについては照合する相手がありません。近いものとして、総務省統計局「家計調査」（二人以上の世帯）の品目別支出では、1世帯当たり年間の中華そば（外食）への支出が8,752円です（2023年から2025年までの3年平均、全国）。同じ集計で外食全体は186,665円、日本そば・うどんは7,467円でした。ただしこれは金額であって杯数ではなく、1杯あたりの単価を置かなければ変換できません。しかも二人以上の世帯の値なので、外食頻度の高い単身世帯が入っていません。推定の7.4億杯は裏が取れないまま残ります。別の分解として原材料から検算すると、協会の公表で2024年度に即席めんへ使われた小麦は約31万トンです。食料需給表（令和6年度概算値）の小麦の純食料は399万7千トンですから、食用小麦のおよそ8%が即席めんに向かっている計算になります。59億8,347万食で31万トンなら1食あたりの小麦は約52gで、麺の量として妥当です。物量で検算できる問いは、この形で二重に確認しておくと安全です。

実務でこの型が効くのは、即席めんのメーカーが生産計画と原材料調達を組む場面です。国内需要が59億食で横ばい、世界需要が2025年に1,242.1億食という構図を押さえていれば、成長を国内で取りにいくのか輸出で取りにいくのかの判断材料になります。小麦31万トンという使用量は、小麦価格が1トンあたり1万円動けば業界全体で31億円のコスト差になることを意味します。一方でラーメン店を展開する側は、全国の杯数という母数が公表されていない以上、市場規模をエリア単位の実測から積み上げるしかありません。全国市場の何%を取るという言い方が成立しない領域があることは、事業計画を書く前に知っておく必要があります。

この章を深めたい方への参考書籍

• 『統計学が最強の学問である』（西内啓、ダイヤモンド社、2013年）
  標本から全体を推し量る考え方と、誤差の扱いを平易に説明します。一部の観測から総量を出すこの章の推定が、統計的にはどう位置づけられるかが分かります。
  統計学が最強の学問である（楽天市場で見る）
  
  
• 『ざっくり分かるファイナンス』（石野雄一、光文社、2007年）
  数量を金額に換え、時間の価値まで含めて評価する考え方を扱います。推定した数量が事業としていくらの価値になるかを見積もる段で効きます。
  ざっくり分かるファイナンス（楽天市場で見る）
  
  

第10章 例題編6 応用問題

この章で扱う15問は、これまでの章と性質が違います。前章までは、扱う対象のどこかに公的統計が存在していました。店舗数なら経済センサス、世帯数なら国勢調査、市場規模なら業界団体の出荷統計というように、推定した数字を突き合わせる相手がありました。ここから扱うのは、その相手がいない、あるいはいても答えたい問いとずれている対象です。サウナ施設の数、収益化しているYouTuberの人数、コインランドリーの店舗数には、直接の公表値がありません。東京ディズニーリゾートの年間売上のように、企業1社の事業規模を問う場合は、企業が開示している範囲と問われている範囲がずれます。

公表値と突き合わせられない問いに対しては、検算の方法をひとつ増やします。同じ問いを、できるだけ独立した二つの経路で概算し、二つの答えが近ければ信頼度を上げ、離れていればどちらかの仮定が壊れていると判断します。ここでいう独立とは、別の主体が別の目的で集めた数字を使う、という意味です。同じ資料の別の表を使っても、同じ団体が同じ調査で集めた数字である以上、独立していません。独立していない二つの経路が一致しても、確からしさは上がりません。この章では、独立している例と、独立していないのに一致してしまう例の両方を扱います。

もうひとつ、この章で徹底することがあります。公表値が確認できなかったときに、確認できなかったと書くことです。それらしい数字を補うと、その数字が資料の中を独り歩きし、後から検証できなくなります。数字を出せないと書くのは、意思決定を守る行為です。以下の15問では、2026年8月時点で一次情報に当たり直した結果を、いつ時点の値かとあわせて記載しました。当たり直した結果、推定の前提そのものを組み替えた問いもあります。

Q86 東京都内のマンションの戸数は

住宅の数を問う場合は、需要サイドから攻めます。住宅は世帯とほぼ1対1で対応するため、世帯数を出してから、そのうち集合住宅に住む割合を掛ければ戸数になります。供給サイド（棟数×1棟あたりの戸数）で攻める手もありますが、棟数の見当がつかず、しかも3階建てのアパートと30階建てのタワーでは1棟あたりの戸数が10倍以上違うため、平均を置いた瞬間に誤差が発散します。世帯という単位は、規模のばらつきが小さいので扱いやすくなります。

置いた仮定	値	その値を置いた理由
東京都の人口	1,400万人	覚えておく基本統計のひとつ
平均世帯人数	2.0人	全国平均は2.2人前後だが、東京は単身世帯の比率が高いので下に振る
世帯数	700万世帯	1,400万人を平均世帯人数で割った値
集合住宅に住む世帯の割合	65%	全国では4割強。東京は土地が高く高層化が進むため、大きく上に振る
1世帯が使う住戸数	1戸	空き家や別荘は最後に別途考える

計算は「1,400万人÷2.0人＝700万世帯」「700万世帯×65%＝455万戸」となり、結論は約450万戸です。

総務省統計局「令和5年住宅・土地統計調査」（2023年10月1日現在）の東京都の結果を見ると、居住世帯のある住宅は7,235,400戸で、その内訳は一戸建1,900,500戸、長屋建128,800戸、共同住宅5,180,700戸です。共同住宅の比率は71.6%で、全国の44.9%と比べて突出しています。空き家を含む住宅総数は8,201,400戸、世帯数は7,285,300世帯です。概算450万戸に対して実測は518万戸で、1.14倍の過小でした。ずれた原因は二つあり、平均世帯人数を2.0人と置いたところ実際は1.90人だったこと、集合住宅の割合を65%と置いたところ実際は71.6%だったことです。二つの誤りが同じ方向に効いたため、差が積み上がりました。なお、共同住宅には賃貸アパートも含まれるため、一般に言う分譲マンションだけを数えたい場合はこの数字より小さくなります。問いの言葉と統計の言葉が一致しているかは、突き合わせる前に確認する必要があります。

別の経路として、全国から按分する方法があります。同じ調査で全国の共同住宅比率は44.9%と公表されているので、全国の世帯数を同じ調査の5,621万5千世帯とすると、全国の共同住宅はおよそ2,520万戸と見積もれます。東京都の世帯数は全国の約13%ですが、集合住宅が東京に偏っていることを踏まえて2割強と置くと、2,520万戸×22%で約550万戸となります。需要サイドの455万戸と全国按分の550万戸には2割の開きがありますが、実測の518万戸をちょうど挟む形になり、どちらも500万戸前後という水準を支持します。この二つは、片方が東京の内部構造、もう片方が全国との比率という別の情報を使っているため、ある程度独立した検証になっています。

この推定が効くのは、住宅設備、リフォーム、通信回線、宅配ボックス、電力小売のように、集合住宅を対象とする事業の到達可能市場を測る場面です。戸あたりの単価で計画を作るのか、棟あたりの契約で計画を作るのかで、営業の組み方も1件あたりの獲得コストも変わります。450万戸と518万戸の差は14%で、投資判断を反転させるほどではありません。この段階では桁を確定させ、その先の精緻化は、実際に営業できる棟のリストを作る作業に回した方が早く成果が出ます。

Q87 日本のYouTuber（収益化済み）の人数は

人数を問う場合の定石は、母集団を決めてから該当率を掛けることです。ここでは供給サイド、つまり動画を投稿する側の母数から入ります。視聴者数から投稿者数を導くことはできないため、需要サイドの経路は使えません。ただしこの問いには、他の問いと決定的に違う条件があります。答え合わせをする相手が存在しない、という条件です。分解に入る前に、その前提を確認しておく必要があります。

置いた仮定	値	その値を置いた理由
投稿の中心年齢層の人口	4,500万人	15歳から44歳の30歳分。1歳あたり150万人で概算
動画を継続的に投稿する人の割合	2%	単発の投稿ではなく、継続する人に限るため小さく置く
収益化の条件を満たす割合	5%	登録者数と再生時間の条件があり、多くのチャンネルは到達しない
法人チャンネルなどの上乗せ	個人の10%	企業、団体、事務所所属の運営分

計算は「4,500万人×2%＝90万人」「90万人×5%＝4.5万人」「4.5万人×1.1＝4.95万人」となり、結論は約5万人です。

この結論には、突き合わせる相手がありません。YouTubeを運営するGoogleは、日本の収益化済みチャンネル数を公表しておらず、公的統計にも該当する項目がありません。日本標準職業分類にも独立の区分はなく、国勢調査でも把握されません。2026年8月時点で確認できたのは、周辺の値だけです。総務省「令和7年通信利用動向調査」（2026年5月29日公表、2025年8月末時点の調査）では、世帯のスマートフォン保有割合が91.8%、インターネットの利用目的では「SNS（無料通話機能を含む）の利用」が82.3%で最も高くなっています。これは視聴する側の母数が1億人規模であることを示しますが、投稿する側の人数については何も語りません。したがってこの問いで主張できるのは、数万人という桁までです。5万人と言い切るのではなく、3万人から8万人、ただし公表値なし、と書くのが正確な扱いになります。

別の経路として、広告費から逆算する方法が考えられます。国内のインターネット広告費のうち動画広告の規模を推定し、YouTubeのシェアを掛け、収益化チャンネル1件あたりの平均年間収益で割れば人数が出ます。ただしこの経路では、YouTubeのシェアも1件あたりの平均収益も、いずれも非公表の値を仮定することになります。二つの経路がどちらも非公表の値に依存している場合、経路を増やしても確からしさは上がりません。これは章の冒頭で述べた「独立した経路」の反例です。経路の数ではなく、経路が依存している情報の出所が違うかどうかが問題になります。

この推定が使われるのは、クリエイター向けのサービス、マネジメント事務所、撮影機材や編集ソフトの市場規模を測る場面です。ここで最初にすべきなのは、人数の精度を上げることではなく、答えが存在しないという事実を関係者で共有することです。そのうえで、意思決定の根拠を人数から、観測できる代理指標に置き換えます。自社サービスの月次新規登録数、広告の反応率、問い合わせ件数といった、自分で測れる数字を早く積み上げた方が、非公表の人数を精緻化するより意思決定に効きます。市場規模が測れない領域では、市場規模を測ろうとする投資そのものが損失になり得ます。

Q88 日本のサウナ施設の数は

この問いは、対象が単一の業態に収まっていません。サウナは公衆浴場の中にも、宿泊施設の中にも、フィットネスクラブの中にもあります。したがって供給サイドを施設カテゴリごとに層別し、それぞれについて母数と併設率を置いて積み上げます。ひとつの母数に掛け算を重ねる形にすると、どのカテゴリの仮定が効いているかが見えなくなり、後から修正できません。

置いた仮定	値	その値を置いた理由
公衆浴場の施設数	2万施設	銭湯、スーパー銭湯、日帰り温泉を含む規模感
公衆浴場のサウナ併設率	30%	スーパー銭湯はほぼ併設、昔ながらの銭湯は少ない
旅館とホテルの施設数	5万施設	宿泊施設全体の規模感
宿泊施設のサウナ併設率	8%	大浴場を持つ施設に限られる
フィットネスクラブの施設数	4,000施設	全国チェーンと地域クラブの合計
フィットネスクラブの併設率	50%	浴室のある店舗にはおおむね併設される
サウナ専門施設	700施設	1都道府県あたり15施設

計算は「2万×30%＝6,000」「5万×8%＝4,000」「4,000×50%＝2,000」「700」の合計で12,700施設となり、結論は約1.3万施設です。

サウナ施設数の直接の公表値は、2026年8月時点で確認できませんでした。公益社団法人日本サウナ・スパ協会のウェブサイトには協会の沿革や事業内容は掲載されていますが、全国の施設数の統計は掲載されていません。挟み込みに使えるのは厚生労働省「令和6年度衛生行政報告例の概況」（2025年10月21日公表、令和6年度末すなわち2025年3月末現在）で、公衆浴場は23,668施設です。その内訳は、いわゆる銭湯にあたる一般公衆浴場が2,730施設、スーパー銭湯や日帰り温泉などのその他の公衆浴場が20,938施設です。旅館業は98,338施設で、うち旅館・ホテル営業が52,946施設、簡易宿所営業が44,901施設です。サウナは「その他の公衆浴場」に含まれますが、この2万施設には個室浴場や日帰り温泉も混じります。しかも、この数字が押さえているのは公衆浴場として届け出ている範囲だけで、ホテルやフィットネスクラブの中にあるサウナは入っていません。つまり2万施設は全体の上限ではなく、公衆浴場という区分の中での上限です。下限は数千施設です。概算1.3万施設はこの幅の中に収まっており、否定はされませんでした。ただし肯定されたわけでもありません。

別の経路として、需要サイドから概算します。サウナを月1回以上利用する人を人口の5%にあたる625万人とし、1人あたり年12回とすると、年間の延べ利用は7,500万回です。1施設あたり1日50人、年300日稼働とすると1施設あたり年1.5万人なので、7,500万÷1.5万で約5,000施設となります。供給サイドの1.3万施設と需要サイドの5,000施設では2.5倍の開きがあります。この開きは計算の誤りではなく、数えているものが違うことから生じます。供給サイドは「サウナ設備がある施設」、需要サイドは「サウナを目的に選ばれる施設」を数えています。定義がずれると、桁ではなく倍率でずれます。二つの経路が離れたときは、まず定義を疑うのが順序です。

この推定が効くのは、サウナ用ストーブやロウリュ用品の販売計画、タオルリネンの供給計画、施設検索サービスの掲載目標といった場面です。定義が答えを変える問いでは、事業側が使う定義を先に決めます。ストーブを売るなら「サウナ設備がある施設」が母数になり、集客支援を売るなら「サウナを目的に選ばれる施設」が母数になります。同じ市場の話をしているつもりで2.5倍違う数字を持ち寄ると、営業計画と生産計画が噛み合いません。

Q89 日本のキャンプ場の数は

キャンプ場は人口ではなく、土地と観光需要に張り付いています。人口比例で都道府県に配分すると、東京や大阪に多くの施設があることになり、実態から外れます。したがって地理的な層別、つまり自然資源の豊かさで都道府県を三つのグループに分け、それぞれに1県あたりの施設数を置いて積み上げます。

置いた仮定	値	その値を置いた理由
自然資源が豊富な県の数	10県	北海道、長野、静岡、山梨、栃木、群馬など
その1県あたりの施設数	100か所	高原と湖沿いに施設が集中する
中位の県の数	25県	山地と海岸を持つ標準的な県
その1県あたりの施設数	50か所	豊富な県の半分
都市部の府県の数	12府県	東京、大阪、神奈川、埼玉、千葉、愛知など
その1府県あたりの施設数	15か所	用地が限られ、山間部にしか作れない

計算は「10×100＋25×50＋12×15＝1,000＋1,250＋180」で2,430か所となり、結論は約2,400か所です。

一般社団法人日本オートキャンプ協会「オートキャンプ白書2026」（2025年のデータを収録）によると、全国のオートキャンプ場は1,757か所で、施設稼働率は16.3%です。概算2,400か所に対して実測1,757か所で、1.4倍の過大でした。ただしこの差の大部分は定義によるものです。白書が数えているのは「オートキャンプ場」、つまり自動車を区画に乗り入れられる施設です。車を駐車場に置いて歩いて入るキャンプ場、青少年向けの野営場、自治体が管理する無料のキャンプ地は含まれません。概算の2,400か所は「キャンプ場全般」を数えたつもりの数字なので、1,757か所より大きくなるのは筋が通っています。分解の型が悪かったのではなく、問いの定義が曖昧なまま計算に入ったことが原因です。

別の経路として、需要サイドから概算します。オートキャンプの参加人口を600万人、1人あたり年2泊、1施設あたりの年間延べ宿泊を7,000人泊とすると、1,200万人泊を7,000人泊で割って約1,700施設となります。供給サイドの2,400か所より小さく、公表値の1,757か所に近い値です。需要サイドの方が近づいたのは、参加人口という母数の定義がオートキャンプに限定されており、公表値の定義と揃っていたためです。定義を揃えた経路の方が当たりやすいという、単純な話でもあります。

この推定が効くのは、キャンプ用品メーカーの流通チャネル設計、予約プラットフォームの掲載施設数の目標設定、レンタルや燃料販売のエリア展開です。ただしこの問いで最も重い情報は、施設数ではなく稼働率16.3%の方です。施設数が増えても稼働が伴わなければ、1施設あたりの購買力は落ちます。施設数を分母に置いた販売計画は、稼働の低い施設を勘定に入れてしまうため過大になります。数を数える前に、稼働の実数を取りに行くべき場面があるという典型例です。

Q90 日本の花粉症患者数は

需要サイド、つまり人口に有病率を掛ける経路を使います。ただし全年齢に一律の有病率を掛けると外します。花粉症は乳幼児では発症が少なく、学齢期から急に増え、高齢になると症状が軽くなる傾向があるため、年齢層で層別してから掛けます。層別すると、どの層の仮定が結論を動かしているかも見えます。

置いた仮定	値	その値を置いた理由
総人口	1億2,281万1千人	第3章の基礎数値。暗記用には1.23億人
0歳から4歳の人口と有病率	374万5千人、5%	感作（体が花粉に繰り返しさらされて反応するようになること）に至っていない段階のため、発症が少ない
5歳から14歳の人口と有病率	957万4千人、40%	学齢期に発症が急増する
15歳から64歳の人口と有病率	7,329万人、45%	最も有病率が高い層
65歳以上の人口と有病率	3,620万2千人、25%	加齢とともに症状が軽くなる傾向

計算は「374万5千×5%＋957万4千×40%＋7,329万×45%＋3,620万2千×25%＝18万7千＋383万＋3,298万1千＋905万1千」で約4,605万人となり、結論は約4,600万人です。

日本耳鼻咽喉科学会会報123巻6号（2020年）に掲載された「鼻アレルギーの全国疫学調査2019」によると、アレルギー性鼻炎全体の有病率は49.2%、スギ花粉症の有病率は38.8%でした。1998年、2008年の調査と比べて有病率は大きく増加しており、とくに10歳代でスギ花粉症が著明に増えています。スギ花粉症の38.8%を人口1億2,281万1千人に掛けると約4,765万人となり、概算4,600万人との差は3.4%です。ただしこの調査は、耳鼻咽喉科医とその家族を対象としたアンケートによるもので、一般人口からの無作為抽出ではありません。医療者とその家族は自覚と受診が多い方向に偏るため、有病率は実際より高く出る可能性があります。数字が合ったことより、この調査設計の制約を知っていることの方が実務では重要です。また花粉症はスギだけでなくヒノキやイネ科の花粉によるものも含むため、定義を広げれば人数はさらに増えます。

別の経路として、治療薬の販売量から逆算する方法があります。アレルギー性鼻炎の治療薬の年間販売金額を、1人あたりの年間購入額で割る形です。ただしこの経路は、症状があっても薬を使わない人を落とします。市販薬だけで済ませる人、受診しない人が抜けるため、必ず小さめの値になります。二つの経路が食い違ったときに、どちらが構造的に小さく出るかを先に理解しておけば、差の大きさそのものを情報として読めます。ただ食い違ったと報告するのと、なぜ食い違うかを説明するのとでは、次の打ち手が変わります。

この推定が効くのは、医薬品、空気清浄機、マスク、住宅設備の需要予測です。ただし意思決定に効くのは患者数ではありません。患者数は年によってほとんど動かない定数で、その年の飛散量は数倍動く変数です。在庫と広告の計画は、変数の方に張ります。定数の精度を1%上げる作業に時間を使い、変数の見立てを外すのが、この領域でよく起きる損失の形です。推定に入る前に、どの数字が動く数字かを見分けるところが実務の分かれ目になります。

Q91 東京ディズニーリゾートの年間売上は

施設型ビジネスの売上は、供給サイド、つまり来場者数と客単価の積で分解します。飲食店の席数と回転率にあたるものが、テーマパークでは入園者数です。入園者数は日々のキャパシティに上限があり、その上限が売上の天井を決めます。さらにホテルなどの周辺事業を別立てで加えます。

置いた仮定	値	その値を置いた理由
2パーク合計の年間入園者数	2,700万人	1日平均約7.4万人。混雑日と閑散日の平均
チケットの平均単価	9,000円	変動価格制で繁閑差があるため中間帯に置く
パーク内の商品と飲食	1人8,000円	土産と食事を合わせた1日あたりの支出
ホテルなど周辺事業	テーマパークの20%	直営ホテルと関連事業の規模感

計算は「2,700万人×（9,000円＋8,000円）＝4,590億円」「4,590億円×1.2＝5,508億円」となり、結論は約5,500億円です。

オリエンタルランド「2026年3月期 決算説明会」（2026年4月28日公表）によると、2026年3月期、すなわち2025年4月から2026年3月の連結売上高は7,045億円で、前期比3.7%増の過去最高です。内訳はテーマパーク事業5,683億円、ホテル事業1,190億円で、通期の入園者数は前期並みの約2,800万人、ゲスト1人当たり売上高は18,403円で過去最高となりました。営業利益は1,684億円で前期比2.1%減です。ここで比べる相手を先に決めます。概算5,500億円はテーマパークの売上に周辺事業を足した形なので、対応するのはテーマパーク事業5,683億円とホテル事業1,190億円の合計6,873億円です。この範囲で比べると1.25倍の過小になります。その他の事業を含む連結売上高7,045億円と比べた場合は1.28倍の過小です。以下では、範囲をそろえた6,873億円との比較で当たった仮定と外した仮定を分けて見ます。入園者数は2,700万人に対して約2,800万人でほぼ当たり、周辺事業をテーマパーク売上の20%と置いた比率も、実際はテーマパーク5,683億円に対してホテル1,190億円で20.9%なので合っています。外したのは客単価で、17,000円と置いたところ公表されたゲスト1人当たり売上高は18,403円でした。さらに、入園者数と客単価の積では捉えきれない収入（法人向けなど）があり、この二つが重なって差が広がりました。なお、東京ディズニーリゾートの売上とオリエンタルランドの連結売上高は同じものではありません。企業1社の事業規模を問う場合、聞かれている範囲と開示されている範囲がずれるのが普通です。

別の経路として、入園者数を組み立て直して検算します。2パークの1日あたり入園者数を7.7万人、365日稼働として2,810万人とし、これに公表されているゲスト1人当たり売上高18,403円を掛けると5,171億円です。テーマパーク事業の売上高5,683億円に対して91%にあたり、残りは法人向け収入などで説明がつきます。つまり「入園者数×ゲスト単価」という分解は、テーマパーク事業の9割を説明できています。分解の型そのものは妥当で、外したのは単価の水準と、この経路では捉えられない1割の存在でした。分解が悪いのか、置いた値が悪いのかを切り分けておくと、次に同種の問いを解くときに直すべき場所が分かります。

この推定が効くのは、施設型ビジネスの投資判断です。売上が来場者数と単価の積に分解でき、来場者数がキャパシティで頭打ちになる以上、成長の余地は単価にしかありません。変動価格制、有料の優先入場、宿泊とのセット販売といった単価を上げる施策が通るかどうかが、投資の分かれ目になります。逆に、来場者数の増加を前提にした事業計画は、キャパシティの上限に当てて検算しない限り必ず過大になります。1日あたりの上限人数に365を掛けた数字を超える計画は、それだけで成立しません。

Q92 甲子園球場の年間来場者数は

球場は用途が混在しているため、イベント区分ごとに開催日数と1日あたりの来場者数を置いて積み上げます。プロ野球と高校野球では、開催日数も1日あたりの人数も、無料招待の有無も違います。ひとつの平均で押し切ると、日数の多い区分に引きずられて全体が歪みます。

置いた仮定	値	その値を置いた理由
プロ野球の主催試合数	60試合	年間の本拠地開催分。他球場での開催を除く
プロ野球の1試合あたり来場者	4.0万人	収容人員に対して高い稼働が続いている
春の大会の日数と1日あたり	11日、3.4万人	平日開催が多く、夏より少ない
夏の大会の日数と1日あたり	15日、4.5万人	休養日を含めた会期の日数と、休養日をならした1日あたりの平均。準々決勝以降が特に多い
その他のイベント	15万人	オープン戦、大学野球、球場見学

計算は「60×4.0万＝240万人」「11×3.4万＝37万人」「15×4.5万＝68万人」「その他15万人」の合計で360万人となり、結論は約360万人です。

日本野球機構（NPB）「2025年セ・パ公式戦入場者数」によると、阪神タイガースの主催71試合の入場者数は2,962,268人、1試合平均41,722人でした。セントラル・リーグ全体では429試合で14,720,171人、1試合平均34,313人です。ただしこの71試合には京セラドーム大阪など甲子園以外での主催試合も含まれており、球場別の内訳は公表資料から確認できませんでした。高校野球は日本高等学校野球連盟の公表値があり、第97回選抜高等学校野球大会（2025年）が373,600人、第106回全国高等学校野球選手権大会（2024年）が670,800人です。プロ野球296万人と高校野球104万人を足すと約400万人となり、概算360万人は1割の過小です。1試合平均を4.0万人と置いたところ実測は4.17万人でした。なお、甲子園球場そのものの年間来場者数を示す公表値は確認できませんでした。主催者ごとに公表されている数字を足し合わせるしかなく、その足し合わせは主催者の重複や球場の重複を含みます。

別の経路として、収容人員から概算します。収容人員を約4.7万人、年間の開催日数を100日、平均稼働率を80%と置くと、4.7万×100×0.8で376万人です。積み上げの360万人と近い値になります。ただしこの二つの経路は独立していません。どちらも「開催日数」と「1日あたりの人数」という同じ構造を使っており、片方の思い込みがもう片方にもそのまま入っています。独立していない二つの経路が一致しても、確からしさは上がりません。一致したときは、まず二つが同じ情報源や同じ構造に依存していないかを疑う必要があります。

この推定が効くのは、スタジアムやアリーナの投資判断、周辺の飲食や物販、鉄道の需要予測です。来場者数は開催日数と1日あたりの人数で決まり、開催日数は競技日程で外から固定されます。したがって収益改善は、1日あたりの単価を上げるか、競技以外の稼働日を増やすかのどちらかに限られます。また、鉄道会社が球場を保有する意味は、球場単体の損益ではなく乗降客の増加という別勘定にあります。この構造を見ずに球場の損益だけで投資の可否を判断すると、保有の理由を読み違えます。

Q93 日本の年間献血回数は

需要サイドから攻めます。献血には年齢の条件があるため、まず献血が可能な年齢の人口を出し、そのうち年に1回以上献血する人の割合を掛け、最後に1人あたりの年間回数を掛けます。回数を問われているので、人数で止めずに回数まで進めるところが要点です。成分献血は年に複数回できるため、人数と回数は一致しません。

置いた仮定	値	その値を置いた理由
献血可能年齢の人口	8,100万人	16歳から69歳の54歳分。1歳あたり150万人で概算
年に1回以上献血する人の割合	4%	職域や学校での集団献血を含めても1割には遠い
1人あたりの年間献血回数	1.5回	成分献血は年に複数回可能で、常連が回数を押し上げる

計算は「8,100万人×4%＝324万人」「324万人×1.5回＝486万回」となり、結論は約490万回です。

日本赤十字社「令和6年 血液事業統計資料 血液事業の現状」（令和6年1月から12月の累計）によると、献血者数は延べ5,013,064人でした。献血申込者数は5,544,504人で、そのうち9.6%にあたる531,440人は当日の検査や問診の結果、献血に至っていません。献血率は6.2%で、男性8.7%、女性3.7%です。この献血率は16歳から69歳の人口に対する延べ献血者数の比であり、実人数の割合ではない点に注意が必要です。概算490万回に対して実測501万回で、誤差は2%です。当たったのは偶然ではなく、「献血可能人口」と「延べ回数」という分解の単位が、公表統計の集計単位とそのまま一致していたためです。分解の単位を統計の単位に寄せると、誤差は小さくなります。なお年代別の構成比は50代が31.4%と最も高く、40代22.1%、60代14.7%が続き、20代は13.3%、16歳から19歳は4.3%にとどまります。

別の経路として、供給サイドから概算する方法があります。全国の献血ルームと献血バスの数に、1か所あたりの1日の受け入れ人数と年間の稼働日数を掛ける形です。日本赤十字社の同じ統計資料には受入施設別の献血者数と一稼働当たりの献血者数が掲載されているため、この経路も引けます。ただしこれは同じ発行元が同じ調査で集めた数字を使うことになり、独立した検証にはなりません。独立性は「別の主体が別の目的で集めた数字か」で判断します。この問いでは、独立した第二の経路を作ることが構造的に難しく、日本赤十字社の集計が事実上の唯一の全体像です。

この推定が効くのは、医療機関の血液製剤の調達計画と、献血推進施策の投資配分です。ここで意思決定に効くのは総数ではなく、年代別の構成比です。50代が3割を占める構造は、その人たちが10年後に献血可能年齢の上限である69歳に近づくことを意味します。総数が横ばいに見えていても、供給は10年単位で細ります。総量だけを追う指標設計では、この種の構造変化を見落とします。人数を推定する仕事の価値は、合計を当てることではなく、合計の内訳が持つ意味を読むところにあります。

Q94 1日に日本で送信されるLINEメッセージ数は

需要サイドから、利用者数と1人あたりの送信数の積で分解します。この形自体は単純ですが、掛ける側の「1人1日あたりの通数」に出典がない点が、この問いの本質的な難しさです。分解の前に、どの仮定が公表値で裏付けられ、どの仮定が裏付けられないかを分けておきます。

置いた仮定	値	その値を置いた理由
国内の月間利用者数	9,800万人	人口の8割弱。生活基盤として普及している
毎日使う人の割合	70%	月に一度だけ起動する層を除く
1人1日あたりの送信数	25通	個別の返信とグループへの投稿を合わせた通数

計算は「9,800万人×70%＝6,860万人」「6,860万人×25通＝17.2億通」となり、結論は1日あたり約17億通です。

LINEヤフーは2026年1月29日に、LINEの国内月間利用者数が1億ユーザーを突破したと発表しました（2025年12月末時点）。同社の定義では、月間利用者数は「スマートフォンに紐付くLINEアカウントを保有するiOS/Androidのユーザーのうち、1か月の間に一度でもLINEを起動したユーザーアカウントの数」です。一方、メッセージの送受信数は同発表に記載がなく、2026年8月時点で公表値を確認できませんでした。したがってこの問いは答え合わせができません。確認できるのは母数である1億という数字だけで、掛ける側には根拠がありません。この構造では、結論の幅は仮定の幅がそのまま残ります。1人1日15通なら10億通、40通なら28億通で、3倍近い開きが残ったままです。約17億通と一つの数字で言い切ると、実際には持っていない精度を持っているように見えます。10億通から30億通と幅で示し、幅が残る理由を書き添えるのが正確な扱いです。

別の経路として、通信量から逆算する方法が考えられます。1通あたりのデータ量を仮定し、国内のモバイルトラフィック全体に占めるメッセージングの割合を掛けて逆算する形です。ただし国内のトラフィックの大半は動画で、テキストメッセージの比率は極めて小さくなります。分母と分子の桁が大きく離れた比率で割ると、比率のわずかな誤りが結論を桁単位で動かします。1%と0.5%では結論が2倍変わります。桁の離れた比率で割る経路は、フェルミ推定では使わないのが原則です。この問いでは、独立した第二の経路を作れないという結論になります。

この推定が使われるのは、通知基盤やカスタマーサポートのメッセージ処理量を見積もる場面です。ただしここで設備投資に効くのは総量ではなく、ピーク時の毎秒あたりの件数です。年末年始の0時前後に集中するトラフィックは、平均の何十倍にもなります。平均から設計した基盤はピークで落ちます。総量を1桁の精度で当てる努力より、ピーク倍率を押さえる方が投資判断に直結します。数量の推定を依頼されたときに、依頼者が本当に必要としているのは平均なのかピークなのかを確かめる価値は、ここにあります。

Q95 日本の年間パスポート発行数は

この問いは、ストックとフローの関係で解きます。旅券には有効期間があるため、保有者の数が一定に保たれているなら、毎年その1割から2割が更新のために入れ替わります。つまり発行数は「保有者数÷平均有効期間」で近似できます。人口に発行率を掛ける形にすると、更新という構造が消えてしまい、置いた比率の根拠がなくなります。

置いた仮定	値	その値を置いた理由
旅券の保有率	人口の17%	海外渡航をする層は限られる
保有者数	2,088万人	総人口1億2,281万1千人に保有率を掛けた値
平均有効期間	8年	10年旅券が多数を占め、5年旅券が一部
新規取得の上乗せ	更新分の10%	初めて取得する人の分

計算は「2,088万人÷8年＝261万冊」「261万冊×1.1＝287万冊」となり、結論は約290万冊です。

外務省「旅券統計」（令和6年、2025年2月公表）によると、2024年の旅券発行数は3,721,568冊です。うち一般旅券が3,700,111冊で、その内訳は10年旅券2,317,256冊、5年旅券1,315,058冊、記載事項変更67,797冊です。外交旅券と公用旅券は合わせて21,457冊でした。有効な一般旅券の数は21,593,678冊で、うち国内が20,773,843冊、在外公館が819,835冊です。同年の日本人出国者数は13,007,278人でした。概算290万冊に対して実測372万冊で、1.28倍の過小です。有効旅券数2,159万冊は保有者数の仮定2,088万人と3%の差に収まったので、外したのは有効期間ではありません。10年旅券と5年旅券の実際の比率は約64対36で、加重平均は8年前後と、置いた値のとおりでした。それでも実測が上回るのは、2020年から2022年に発行が落ち込んだ反動が続いているためです。つまり崩れたのは仮定の値ではなく、保有者数を平均有効期間で割れば年間の発行数が出る、という平準化のモデルそのものです。同統計によれば2021年の一般旅券発行数は513,943冊まで落ち、2023年は3,401,533冊、2024年は3,700,111冊と回復しています。ストックとフローの関係は、直前に大きな谷があると成り立ちません。

別の経路として、出国者数から検算します。2024年の日本人出国者数13,007,278人に対し、1人あたりの年間出国回数を1.5回と置くと、その年に海外へ出た実人数は約870万人です。有効旅券の保有者2,159万人に対して、4割が実際に使った計算になります。この経路でも「保有者は2,000万人規模」という結論は変わりません。出国者数は出入国在留管理庁が別の目的で集計している数字なので、旅券統計とは独立した検証になっています。二つの独立した経路が同じ桁に着地したので、保有者数の見立ては信頼してよい、と判断できます。

この推定が効くのは、旅行業、航空会社、両替やクレジットカードの海外利用に関わる需要予測です。ここで意思決定に効くのは保有者数ではなく、有効期限が切れる人の数です。旅券は残存有効期間が短いと渡航先によって入国できないため、更新のタイミングが渡航の意思決定に先行します。更新の山がいつ来るかは、10年前の発行実績から逆算できます。2021年に発行が51万冊まで落ちたということは、2031年の更新需要も落ち込むということです。過去の発行実績を時系列で持っていない企業は、この予測ができません。

Q96 日本のクレジットカードの総枚数は

需要サイドから、保有者数と1人あたり枚数の積で分解します。ここで気をつけるのは、問われているのが「人数」ではなく「枚数」であることです。1人が複数枚持つため、人数と枚数は3倍前後違います。この二つを混同すると、市場規模を3倍に見誤ります。

置いた仮定	値	その値を置いた理由
18歳以上の人口	1億650万人	総人口1億2,281万1千人から、15歳未満1,331万9千人（第3章）に15歳から17歳の約300万人を加えた約1,630万人を引いた値
カードを持つ人の割合	85%	成人の大半は持つが、持たない層も一定数いる
保有者数	9,053万人	1億650万人に85%を掛けた値
1人あたりの平均保有枚数	3.2枚	汎用カード、流通系、ゴールドの組み合わせ

計算は「1億650万人×85%＝9,053万人」「9,053万人×3.2枚＝2億8,970万枚」となり、結論は約2.9億枚です。

一般社団法人日本クレジット協会「クレジットカード発行枚数調査結果」（2025年11月14日公表）によると、2025年3月末のクレジットカード発行枚数は3億2,057万枚で、前年比2.2%の増加です。調査回答社数は243社でした。内数として家族カードが2,505万枚（前年比1.0%増）、法人カードが1,214万枚（同3.8%増）です。同協会は参考値として、20歳以上の人口では1人当たり3.1枚保有としており、この算出には総務省統計局「人口推計」の2025年3月1日現在の20歳以上の総人口1億429万人が使われています。概算2.9億枚に対して実測3.2億枚で、1.1倍の過小でした。1人あたり3.2枚という仮定は、協会の参考値3.1枚と数字が近く見えますが、分母が違うのでそのままは比べられません。協会は20歳以上の人口1億429万人を分母にして3.1枚、こちらは保有率85%を掛けて絞った9,053万人を分母に3.2枚です。こちらの推定を協会と同じ形に直すと、2億8,970万枚を18歳以上の1億650万人で割って1人あたり2.7枚となり、協会の3.1枚を下回ります。母数を絞ったうえで1人あたりの枚数も低めに置いたことが、1.1倍の過小の中身です。加えて、発行枚数には法人カード1,214万枚と、発行済みだが使われていないカードも含まれます。発行枚数は保有者の実感とは別の数字です。

別の経路として、供給サイドから概算します。カード会社をブランド系、信販系、銀行系、流通系に分け、上位10社で2億枚、それ以外で1億枚と置けば3億枚となります。ただし1社あたりの発行枚数は各社の開示に依存し、非開示の会社も多くあります。243社が回答した協会の集計が事実上の唯一の全体像であり、供給サイドの経路は結局この集計に戻ってきます。全体像を一つの団体だけが持っている領域では、独立した二経路を作ることができません。この場合は、経路を増やす努力ではなく、その一つの集計の定義（誰が回答し、何を1枚と数えているか）を読み込む方に時間を使います。

この推定が効くのは、決済事業やポイント事業の市場規模の測定と、カード会員向け商材の到達可能人数の見積もりです。枚数と人数を混同すると、到達人数を3倍に見積もる事故が起きます。3億2,057万枚に届く施策は、1億人に届く施策ではありません。同じ人に3回届くだけです。会員数ベースの計画に枚数の数字を持ち込まないこと、そして枚数で語る資料と人数で語る資料を混ぜないことが、この領域の基本的な作法になります。

Q97 日本の年間転職者数は

需要サイドから、就業者数に年間の転職率を掛けます。転職率を直接置くのは根拠が弱いので、平均勤続年数の逆数から出発し、そこから調整します。平均勤続年数が15年なら、単純計算では毎年6.7%が入れ替わる計算になります。ただし勤続の長い層と短い層に二極化しているため、そのままでは高く出ます。

置いた仮定	値	その値を置いた理由
就業者数	6,800万人	覚えておく基本統計。労働力人口より少し小さい
平均勤続年数	15年	正社員の長期勤続と非正規の短期を合わせた水準
単純逆数による入れ替わり率	6.7%	15年で1回入れ替わる前提
実効の転職率	5%	定年退職や離職して就業しない人を除くため下に振る

計算は「6,800万人×5%＝340万人」となり、結論は約340万人です。

総務省統計局「労働力調査（詳細集計）2025年（令和7年）平均」によると、2025年の転職者数は330万人で、前年に比べ1万人の減少（4年ぶりの減少）でした。転職等希望者数は1,023万人で23万人の増加です。男女別では男性が転職者156万人（2万人増）、女性が174万人（3万人減）となっています。同調査の2025年平均の就業者数は6,820万人です。概算340万人に対して実測330万人で、誤差は3%でした。就業者数の見立てがほぼ正確で、転職率5%という置き方も実測の4.8%と近かったためです。ただし「転職者」の定義は、調査時点で就業していて、過去1年間に離職を経験した人です。転職を希望しながら実現しなかった人は含まれません。転職者数の推移は同調査によれば2015年299万人、2019年353万人、2021年290万人、2024年331万人、2025年330万人で、景気と感染症の影響で1.2倍程度の幅で動いています。単年の推定に3%の精度を求めるより、この動く幅を知っている方が実務では役に立ちます。

別の経路として、供給サイドから概算する方法があります。求人広告と人材紹介の市場規模を、1人の転職を成立させるのにかかる費用で割る形です。ただしこの経路は、人材サービスを介さない転職、つまり直接応募、縁故、社内公募による異動を落とします。実際にはそれらが多数を占めるため、この経路は必ず小さく出ます。二つの経路が食い違ったとき、片方が構造的に一部しか捉えていないと分かっていれば、差の大きさそのものが「サービスを介さない転職の規模」という情報になります。差を消そうとするのではなく、差の意味を読むのが正しい使い方です。

この推定が効くのは、採用計画と人材サービスの事業計画です。ここで意思決定に効くのは転職者330万人という数字ではなく、転職等希望者1,023万人との差です。自社の採用は330万人の奪い合いに見えますが、実際の母集団は1,000万人規模で、動いていない人をどう動かすかが勝負になります。市場規模を「成立した取引」だけで測ると、狙うべき層を見落とします。潜在需要と顕在需要を分けて測ることが、この種の市場では特に重要になります。

Q98 東京都の1日のゴミ排出量は

需要サイド、つまり人口に1人1日あたりの排出量を掛けます。ただし都市部では、住民が出す生活系のごみに加えて、オフィスや商業施設が出す事業系のごみが乗ります。東京は昼間人口が夜間人口を上回るため、事業系の比率が全国平均より高くなります。この二つを分けて置きます。

置いた仮定	値	その値を置いた理由
東京都の人口	1,400万人	覚えておく基本統計
1人1日あたりの生活系ごみ	600g	家庭から出る分に集団回収の資源を加えた水準
1人1日あたりの事業系ごみ	200g	昼間人口が多く、オフィスと飲食の排出が上乗せされる
合計	800g	生活系と事業系の合計

計算は「1,400万人×800g＝112億g」となり、112億gは11,200トンなので、結論は1日あたり約1.1万トンです。

環境省「一般廃棄物処理事業実態調査」（令和6年度実績、2026年3月27日公表）の東京都集計によると、東京都のごみ総排出量は年間3,989,430トン、1人1日当たりの排出量は780.9gです（総人口13,997,382人）。年間量を365日で割ると1日あたり約10,930トンとなります。23区に限ると年間2,936,545トン、1人1日当たり827.2gで、1日あたり約8,045トンです。全国では総排出量3,811万トン、1人1日当たり839g、リサイクル率19.3%でした。概算11,200トンに対して実測10,930トンで、誤差は2.5%です。1人1日800gという置き方が実測780.9gに近かったことがすべてで、この1つの仮定が結論の精度をほぼ決めています。なお東京都は全国平均の839gより少なくなっています。23区は827gで全国平均に近いものの、多摩地域の多くの市が600g台と低く、都全体を押し下げているためです。都市部ほどごみが多いという直感は、東京都に関しては成り立ちません。

別の経路として、処理する側から検算します。東京二十三区清掃一部事務組合の公表では、令和7年度に同組合が処理したごみ量は2,419,083.42トンで、前年度から33,520.26トン（1.4%）減少しています。1日あたりにすると約6,600トンです。これは23区の総排出量8,045トンより少ない値です。差が出るのは、集団回収された資源や、組合を通さずに処理される分がこの数字に入らないためです。排出量と処理量は別の概念であり、処理施設の能力から逆算する経路は、施設を通らないものを取りこぼします。二つの経路の差そのものが「施設を通らない量」を示しており、差を誤差として片づけるのではなく、その差が何を意味するかを読むことで情報が増えます。

この推定が効くのは、廃棄物処理事業の設備投資、自治体の処理コスト予測、リサイクル事業の市場規模測定です。ここで重要なのは水準ではなく傾きです。1人1日当たりの排出量は平成27年度以降減少が続いており、令和6年度は前年度の851gから839gへ1.5%減、総排出量も前年度の3,897万トンから2.2%減っています。総量が減る市場では、処理施設の稼働率が下がり、固定費の回収が難しくなります。20年以上使う焼却炉の設計は、20年後の人口とごみ原単位の両方が減る前提で行わないと、過大な設備を抱えることになります。数量の推定は、現在の水準を当てることより、傾きを外さないことの方が投資判断を左右します。

Q99 日本の年間カレー消費量（食数）は

需要サイドから攻めますが、食べ方の経路を三つに分けます。家庭でルウから作る、レトルトを温める、店で食べるという三つです。分ける理由は、経路ごとに1食あたりの量も価格も違い、供給側の統計も別々に取られているためです。合計だけを一気に出すと、後から供給側の数字と突き合わせられません。

置いた仮定	値	その値を置いた理由
カレーを食べる人口	1.13億人	総人口1億2,281万1千人から乳幼児と食べない層を除いた数
家庭調理（ルウ）の頻度	1人年20食	月に1回から2回、2日続けて食べる分を含む
レトルトの頻度	1人年7食	単身世帯と昼食での利用が中心
外食と中食の頻度	1人年5食	専門店、社員食堂、弁当を含む

計算は「1.13億人×（20＋7＋5）食＝1.13億人×32食」で36.2億食となり、結論は約36億食です。

全体の食数を直接示す公表値は、2026年8月時点で確認できませんでした。確認できたのは供給側の生産量です。日本缶詰びん詰レトルト食品協会「国内生産数量統計」によると、2025年のレトルトカレーの生産量は151,994トンで、レトルト食品全体503,263トンの約3割を占め、品目別で最大です（2024年は161,227トンで、全体は499,247トン）。1食200gとすると約7.6億食にあたります。仮定した1人年7食は1.13億人で7.91億食なので、レトルトについては概算がほぼ当たっていました。一方、家庭調理の分については、全日本カレー工業協同組合がサイトに掲載しているカレールウの生産実績が平成20年度の105,164トン（出典は農林水産省食品産業振興課「カレーの生産実績」）で、これより新しい値を確認できませんでした。1皿あたりのルウ使用量を20gとすれば約53億食、30gとすれば約35億食となり、この仮定ひとつで結論が1.5倍動きます。しかもこの旧値をそのまま使うと、家庭調理だけで35億食から53億食となり、三つの経路を足した総推定36億食を上回ってしまいます。18年前の生産量を現在の食数に読み替えられないことが、この時点で分かります。つまりこの問いは、レトルトについては裏が取れ、家庭調理については取れません。結論の36億食は、7.6億食という確かな部分と、確かめられない28億食を足したものです。合計だけを提示すると、この確からしさの差が見えなくなります。

別の経路として、供給サイド全体を重量で押さえる方法があります。レトルトの15.2万トンにルウ由来の分と外食の使用量を足す形です。ただしルウの最新値が取れないため、この経路も途中で止まります。二つの経路を用意しても、両方が同じ欠けたデータに依存していれば独立ではありません。この問いで実際に確度を上げられるのは、レトルトの範囲までです。確度が上がらない部分については、幅を示して止めるほかありません。

この推定が効くのは、食品メーカーの生産計画とチャネル戦略です。意思決定に効くのは総食数ではなく、経路別の構成比の変化です。ルウ市場とレトルト市場では、1食あたりの単価も利益率も、置かれる売場も違います。総食数が横ばいでも、家庭調理からレトルトへ移れば1食あたりの支出は上がり、メーカーの売上は増えます。数量の推定を合計で止めると、この事業の変化が見えません。分解した各項目のうち、どれが伸びてどれが縮むかを見るために分解する、という順序を忘れないことです。

Q100 日本のコインランドリーの数は

需要サイドで年間の利用回数を出し、それを1店舗の処理能力で割ります。コインランドリーは1店舗の処理能力が明確で、洗濯乾燥機の台数と1日の回転数から計算できるため、この形が作りやすくなります。店舗数を直接推定するのではなく、需要を供給能力で割るという順序にすると、後から仮定を1つずつ検証できます。

置いた仮定	値	その値を置いた理由
全世帯数	5,700万世帯	第3章の暗記用の値。令和7年国勢調査の5,712万5千世帯
定期的に利用する世帯の割合	4%	洗濯機を持たない単身世帯、大物を洗う世帯、乾燥まで求める共働き世帯
利用世帯数	228万世帯	5,700万世帯に4%を掛けた値
1世帯あたりの利用頻度	月2回、年24回	週1回は多すぎる。布団などのスポット利用を含む
1店舗の処理能力	1日12回	洗濯乾燥機10台×1日3回転×稼働率40%

計算は「228万世帯×24回＝5,472万回」「1店舗あたり12回×365日＝4,380回」「5,472万÷4,380＝12,493」となり、結論は約1.2万店です。

コインランドリーの店舗数について、2026年8月時点で公的統計の公表値を確認できませんでした。厚生労働省「衛生行政報告例」は生活衛生関係の施設数を集計しており、令和6年度末（2025年3月末）現在でクリーニング業は69,855施設です（クリーニング所19,379、取次所48,172、無店舗取次店2,304）。ただしこの集計にコインオペレーションクリーニング営業施設は含まれておらず、同統計の公表表にも該当項目は見当たりませんでした。日本標準産業分類にも独立の分類はなく、洗濯業に含まれます。したがってここでは挟み込みで扱います。クリーニング所19,379施設は、洗濯物を預かって洗う店であり、コインランドリーとは別の届出区分です。言えるのは、コインランドリーがクリーニング所と同程度かそれ以下の桁であろうということまでで、概算1.2万店を肯定も否定もできません。確かめられない問いで一つの数字を出すと、その数字が資料の中で独り歩きします。幅を示して止めることが、ここでの正しい扱いです。

別の経路として、立地から概算します。コインランドリーの商圏は半径1kmから2km程度で、単身世帯の密度が高い地域に集まります。環境省の調査対象となっている全国の市区町村は1,741あり、このうち人口5万人以上の自治体を約550と置き、1自治体あたり平均15店とすると8,250店です。人口5万人未満の自治体に平均1店を置くと約1,200店で、合計約9,500店となります。需要サイドの1.2万店とは1.3倍ほどの差で、同じ桁に収まりました。この二つは、片方が利用回数、もう片方が立地密度という別の構造を使っているため、共有している仮定が少なく、ある程度独立しています。したがって「1万店の桁である」という主張は、それなりに支持されます。ただし桁が支持されただけで、1万店か2万店かは分かりません。

この推定が効くのは、出店計画とフランチャイズの事業計画です。公表値がない市場では、全国の店舗数を当てることに大きな意味はありません。効くのは1店舗あたりの採算、つまり1日の利用回数と単価です。1日12回転と18回転では損益が反転します。全国の店舗数を精緻に推定しても、目の前の1店舗を出すかどうかは決まりません。市場規模より単店の損益分岐点を先に押さえる、という順序が、公表値のない市場での実務の基本になります。

この章の15問のうち、推定結果を公表値と直接突き合わせられたのは8問でした。Q86の共同住宅戸数、Q89のオートキャンプ場数、Q90のスギ花粉症有病率、Q93の献血者数、Q95の旅券発行数、Q96のカード発行枚数、Q97の転職者数、Q98のごみ排出量です。部分的に突き合わせられたのが3問で、Q91は問われている範囲とオリエンタルランドの連結売上高の範囲が違い、Q92は主催者ごとの数字は取れるものの球場全体の公表値がなく、Q99はレトルトの生産量までしか裏が取れませんでした。突き合わせられなかったのは4問で、Q87の収益化済みチャンネル数、Q88のサウナ施設数、Q94のメッセージ送信数、Q100のコインランドリー店舗数です。100問のうち15問という比率で見れば少数ですが、実務で扱う問いはむしろこちら側に寄ります。既存の統計で答えが出るなら、そもそも推定する必要がないからです。

誤差の傾向にも一貫性があります。よく当たったQ93（誤差2%）、Q97（誤差3%）、Q98（誤差2.5%）は、いずれも分解の単位が公表統計の集計単位とそのまま一致していました。延べ献血回数、就業者数と転職率、人口と1人1日あたり排出量という単位は、統計側もその単位で数えています。一方、1.2倍から1.3倍外したQ91、Q95、Q96は、範囲の取り違えが原因でした。企業の事業範囲、旅券の有効期間、枚数と人数という、いずれも「何を数えているか」の食い違いです。計算の精度ではなく、数える対象の定義で外しています。推定の練習をするなら、掛け算の値を磨くより、定義を先に確定させる訓練の方が効きます。

経営の場面に置き換えると、この章の要点は次のようになります。公表値のない領域で意思決定をするとき、推定の精度を上げる努力を続けるかどうかは、その数字が意思決定をどれだけ動かすかで決めます。1.3倍のずれが投資の可否を反転させないなら、そこで止めて次に進みます。反転させるなら、推定を続けるのではなく、自分で観測できる代理指標を作りに行きます。Q87で述べたクリエイター向けサービスの新規登録数、Q100で述べた単店の1日あたり利用回数がそれにあたります。市場全体の数字を当てられない場合でも、自社の周辺で測れる数字は必ずあります。測れない数字を推定し続けるより、測れる数字を早く測り始める方が、意思決定は前に進みます。

この章を深めたい方への参考書籍

• 『東大生が書いた問題を解く力を鍛えるケース問題ノート』（東大ケーススタディ研究会、東洋経済新報社、2010年）
  推定した数字をもとに打ち手を考えるケース問題を、フレームワークで整理します。応用問題で問われる、数字を出したあとの議論の型が身につきます。
  東大生が書いた　問題を解く力を鍛えるケース問題ノート（楽天市場で見る）
  
  
• 『イシューからはじめよ』（安宅和人、英治出版、2024年）
  解くべき問いを見極めることに重心を置いた本です。分解に入る前に、その問いを解く価値があるかを判断する視点が得られます。ここで挙げたのは2024年の改訂版です。
  イシューからはじめよ［改訂版］（楽天市場で見る）
  
  

第11章 どの仮定が効いているか、感度分析と幅で示す作法

概算の結論を一つの数値で出すと、その数値は伝わる途中で性質を変えます。出した本人は「置いた仮定のもとで、だいたいこのくらい」と考えていても、受け取った側にはただの数字として届きます。資料に転記され、別の資料に引用され、二度目の引用のときには仮定の記憶が消え、実績値として扱われます。単一の数値は、伝達の過程で必ず確度を上書きされます。幅で出すのは、この上書きを構造的に防ぐためです。

幅で示すと、受け取った側は「下限でも成立する計画か」「上限でないと回収できない計画か」を自分で判定できます。判定できる形で渡すことが、概算を意思決定に使わせるための条件です。450億円と書かれた市場を前提に固定費を組んだあとで、実際は150億円だったと分かる状況は、概算の誤りというより、概算の渡し方の誤りです。

損失の出方も具体的に見ておきます。単一の数値が独り歩きすると、まず人員計画と設備投資がその数値に合わせて組まれます。次に、その数値を前提にした売上目標が現場に配られます。現場は目標に届かず、原因が営業力の不足として扱われ、施策が積み増されます。最初の前提が誤っていたという可能性は、途中の誰の議題にも上がりません。前提を疑う入口が、報告書の中に残されていないからです。幅と仮定の一覧を添えるという作法は、この入口を残しておくための仕掛けでもあります。

感度分析は、どこに調査の労力を割くかを決める道具である

感度分析とは、置いた仮定を一つずつ上下に振り、結果がどれだけ動くかを測る作業です。目的は精度を上げることではありません。動きが大きい仮定を特定し、その仮定にだけ調査の労力を集中させることが目的です。概算がもたらす最大の実務的な価値は、答えの数字そのものより、この「次に何を調べるべきかの順番」のほうにあります。

調査には費用と時間がかかります。全部の仮定を等しく調べようとすれば、どれも中途半端に終わります。感度分析を先に回せば、結果をほとんど動かさない仮定は公表値のまま確定させ、結果を大きく動かす仮定にだけ人と時間を投じられます。

実行そのものは簡単です。表計算ソフトで各仮定を1つのセルに分け、結果のセルを数式で組んだうえで、仮定のセルを1つずつ上下に書き換えて結果の変化を記録します。仮定が五つなら十回の書き換えで終わります。手を動かす時間より、それぞれの仮定を「どのくらい振れうるか」と決める判断のほうに時間がかかります。この判断こそが分析の中身であり、機械的に一律プラスマイナス10%と置いてしまうと、感度分析の結論は「全部同じくらい効く」になり、何も決まりません。

数値例で見る、影響度の差

ある家庭向けサービスの国内市場規模を、次の五つの仮定の積で置きます。

\( 61{,}750{,}000\,[\text{世帯}] \times 0.40 \times 0.05 \times 3{,}000\,[\text{円}/(\text{世帯}\cdot\text{月})] \times 12\,[\text{月}] = 444.6\,\text{億円} \)

世帯数は総務省「住民基本台帳に基づく人口、人口動態及び世帯数」の令和8年1月1日現在の6,174万7,140世帯を丸めた値です。残りの四つ、対象になる世帯の割合0.40、導入率0.05、月額単価3,000円、期間12か月は、この例のために置いた値です。

ここで重要なのは、この式が純粋な掛け算である以上、どの仮定を何パーセント動かしても、結果は同じパーセントだけ動くという点です。したがって仮定どうしの差を作るのは、モデルの構造ではなく、それぞれの仮定が現実にどれだけ振れうるかです。世帯数は公表値なのでほとんど振れません。導入率は根拠が薄いので大きく振れます。この「現実の振れ幅」を各仮定に与えて、結果への影響を計算したものが下の表です。

仮定	置いた値	現実に振れうる幅	結果の上限	結果の下限	結果の幅
導入率	5%	プラスマイナス60%	711.4億円	177.8億円	533.5億円
対象になる世帯の割合	40%	プラスマイナス25%	555.8億円	333.5億円	222.3億円
月額単価	3,000円	プラスマイナス20%	533.5億円	355.7億円	177.8億円
世帯数	6,175万世帯	プラスマイナス1%	449.0億円	440.2億円	8.9億円
期間	12か月	振れない	444.6億円	444.6億円	0円

導入率だけで533.5億円の幅を作っており、残り四つを合計した409.0億円より大きくなっています。この構図が読めれば、どこに手を付けるかは自動的に決まります。

効果を数字で確かめます。四つの仮定がすべて同じ向きに振れた場合、結果は次のように広がります。

• 上限は \( 444.6 \times 1.01 \times 1.25 \times 1.60 \times 1.20 = 1{,}077.7\,\text{億円} \)
• 下限は \( 444.6 \times 0.99 \times 0.75 \times 0.40 \times 0.80 = 105.6\,\text{億円} \)
• 上下の比は \( 1{,}077.7 \div 105.6 = 10.2\,\text{倍} \)

ここで、導入率だけを調査して振れ幅をプラスマイナス10%まで絞れたとすると、上限740.9億円、下限237.7億円となり、上下の比は3.1倍まで縮みます。逆に、導入率を放置したまま残りの四つを完全に確定できたとしても、上下の比は \( 1.60 \div 0.40 = 4.0\,\text{倍} \) のままです。一番効いている仮定を一つ調べるほうが、残り全部を調べるより幅が縮むという結果になります。調査予算の配分を、この計算で決められます。

掛け算でつながった仮定は、誤差が急速に積み上がる

掛け算モデルでは、各仮定の誤差率がおおよそ足し算で効きます。積の対数を取ると \( \log(a \times b \times c) = \log a + \log b + \log c \) となり、誤差の小さい範囲では対数の差が誤差率そのものに近いためです。

五つの仮定がそれぞれプラスマイナス30%動く場合を計算します。

• すべてが上に外れた場合は \( 1.3^5 = 3.71293 \) 倍
• すべてが下に外れた場合は \( 0.7^5 = 0.16807 \) 倍
• 上下の比は \( 3.71293 \div 0.16807 = 22.1\,\text{倍} \)

一つあたり30%のつもりでも、五つ重ねると下は6分の1、上は3.7倍になります。プラスマイナス10%に抑えた場合でも \( 1.1^5 = 1.61051 \)、\( 0.9^5 = 0.59049 \) で、上下の比は2.7倍です。

誤差率をそのまま足し合わせる近似が使えるのは、誤差が小さいうちだけです。プラスマイナス10%を五つ重ねると、足し算の近似は \( 0.1 \times 5 = 0.5 \) なので0.50倍から1.50倍と読みますが、実際は0.59倍から1.61倍でした。近似は下側の落ち込みを大きめに、上側の伸びを小さめに読んでいます。プラスマイナス30%になると \( 0.3 \times 5 = 1.5 \) となり、足し算の近似では下限がマイナスの値になってしまい、近似そのものが成り立ちません。実際は下側が0.17倍で下げ止まり、上側は近似の上限2.50倍を超えて3.71倍まで伸びます。掛け算でつながった誤差を足し算で見積もると、悲観側を過大に、楽観側を過小に読みます。幅を報告に載せるときは、足し算の近似ではなく、実際に掛け算した値を書きます。

この性質から導かれる結論が一つあります。分解は、細かければ細かいほどよいわけではありません。仮定を一つ増やすと、説明は精緻になりますが、誤差の源も一つ増えます。増やした項に信頼できる実績値が当たるなら精度は上がりますが、置き値を一つ増やしただけなら、幅は確実に広がります。分解を一段深くするかどうかは、その段に実績値を当てられるかどうかで判断します。

誤差が打ち消し合う場合と、積み上がる場合

前節の22.1倍は、五つの誤差がすべて同じ向きに揃った場合の値です。ここで注意が要ります。誤差が互いに独立であっても、この22.1倍という幅そのものは狭くなりません。独立であるということは、五つが揃って上振れすることもありうるということだからです。独立性が変えるのは取りうる幅ではなく、その端に寄る確率です。独立にランダムに外れる場合の典型的なばらつきは、単純な足し算ではなく二乗和の平方根で見ます。五つなら \( \sqrt{5} = 2.236 \) 個分です。プラスマイナス30%の誤差が独立に五つ重なった場合を計算すると、\( 1.3^{2.236} = 1.798 \)、\( 0.7^{2.236} = 0.450 \) で、上下の比は4.0倍になります。揃った場合の22.1倍に対して、およそ5分の1です。ただしこの4.0倍は、誤差に偏りがなく互いに無関係だと仮定したときの典型的なばらつきの目安であって、幅の上限ではありません。報告に幅を書くときは、この目安を代表的な値として示したうえで、最悪の場合は22.1倍まで開きうることを併記します。

問題は、実務の概算では誤差が独立になりにくいことです。同じ思い込みから来た誤差は、同じ向きに揃うので相殺されません。典型的なのは、五つの仮定をすべて同じ資料、同じ地域、同じ時期の観察から置いた場合です。その資料が景気の良い時期のものであれば、五つとも上振れします。自社の主力顧客層を思い浮かべながら仮定を置いた場合も同じで、利用率も単価も継続率も、すべて実態より高く置かれます。

したがって、感度分析の前に確認すべきことがあります。それぞれの仮定を、別々の情報源から置いたかどうかです。出所が一つに集中している概算は、幅の計算が楽観的になります。出所を分散させられない場合は、その旨を報告に明記し、幅を独立仮定の計算値ではなく、揃った場合の値で示します。

どの仮定を先に確かめるか

調べる順番は、結果への影響度と、確かめるコストの二軸で決めます。影響が大きくコストが低いものから片づけ、影響が小さくコストが高いものは置き値のまま明示して残します。

仮定	結果への影響度	確かめるコスト	扱い
導入率	大（幅533.5億円）	高い。試験導入か利用者調査が要る	最優先で着手する。確定するまでは必ず幅で報告する
対象になる世帯の割合	中（幅222.3億円）	低い。公表統計の掛け合わせで絞れる	すぐ調べる。着手当日に片づく
月額単価	中（幅177.8億円）	低い。競合の公表価格から範囲を置ける	すぐ調べる。上下の実在価格を出典付きで置く
世帯数	小（幅8.9億円）	ほぼゼロ。公表値をそのまま使える	出典と時点を書いて確定させる
期間	なし	なし	モデルの定義なので調査の対象ではない

調べる前に、もう一つ確認することがあります。幅の全域で結論が変わらないなら、その調査は不要です。上限でも下限でも「この事業には着手しない」という判断になるなら、導入率を精密に測る意味はありません。逆に、上限でも下限でも「着手する」なら、やはり調査を待たずに着手できます。調査に費用をかける価値があるのは、幅の中に判断が切り替わる境界がある場合だけです。この確認を先に置くと、不要な市場調査を止められます。感度分析は、調べる順番を決める道具であると同時に、調べないという判断を正当化する道具でもあります。

影響が大きくコストも高い仮定が残るのは普通のことです。その場合は、調べ切るまで判断を止めるのではなく、「この仮定が下限側だったときに、それでも進めるか」を先に決めます。下限でも進める判断ができるなら、調査を待つ必要はありません。下限では進めないなら、調査は投資判断そのものなので、費用をかける価値があります。

幅の出し方と、境界から逆に解く方法

幅の示し方は三点で足ります。下限、標準、上限の三つの値を出し、それぞれがどの仮定の組み合わせから出たかを併記します。三つに名前を付けると、社内で参照しやすくなります。名前は「保守」「標準」「強気」のように、その値を採ったときの姿勢が分かるものにします。数値の大小ではなく、どの前提を採用したかで呼び分けることが目的です。

ただし、幅を示しても判断できない場面があります。105.6億円から1,077.7億円までと言われても、進めるか止めるかの材料にならないという反応は自然です。幅が広すぎるときは、意思決定の境界から逆に解きます。

先ほどの例で、この事業が成立する最低ラインの市場規模を200億円と置いたとします。他の四つの仮定を据え置いたまま、必要な導入率を求めます。

\( 0.05 \times \dfrac{200}{444.6} = 0.0225 \)

必要な導入率は2.25%です。「導入率5%という置き値は妥当か」という問いには誰も答えられませんが、「導入率が2.25%を上回るかどうか」であれば、営業も開発も自分の経験から意見を言えます。境界値を出すと、答えにくい問いが、答えられる問いに変わります。

この形にすると、調査の設計も変わります。導入率の値を精密に測る調査ではなく、2.25%という水準を超えるかどうかを判定する調査でよいことになり、必要なサンプル数も期間も小さくなります。感度分析の結果を、そのまま調査仕様に落とせる形です。

報告の作法

概算を報告するときは、結論の数値のほかに、次の四つを必ず添えます。

1. 置いた仮定の一覧。値と、その値を置いた理由
2. 各仮定の出所の三段階。実績値なのか、公表値なのか、置き値なのか
3. 結果の振れ幅と、その幅を作っている仮定の名前
4. この数字で何を決めてよく、何を決めてはいけないか

二番目の出所の三段階は、次のように区別します。

段階	中身	報告での書き方
実績値	自社の会計・販売・稼働のデータなど、手元で検証できる数字	集計期間と抽出条件を書く
公表値	官公庁・業界団体・企業の開示資料に載っている数字	発行元、資料名、いつ時点の値かを書く
置き値	根拠となる数字が存在せず、判断で置いた値	置いた理由と、振れうる幅を必ず併記する

四番目については、具体的に書きます。前節の例であれば、「この概算は、事業に着手するかどうかの粗い足切りと、次に調べる項目の順番を決めるために使えます。予算額の確定、採用計画、設備の発注量、契約上の最低保証数量を決めるためには使えません。導入率が確定していないためです」といった形になります。使ってよい範囲と使ってはいけない範囲を書き分けておくと、後日この数字が別の資料に引用されたときにも、範囲の記述が一緒に運ばれます。

経営会議に出す概算では、結論の数値より、仮定の一覧のほうが重要です。理由は二つあります。一つは、議論すべき対象が数値ではなく仮定だからです。「450億円は大きいか小さいか」を議論しても結論は出ませんが、「導入率が2.25%を上回るか」「対象になる世帯を4割と置いてよいか」であれば、営業も開発も自分の知見で発言でき、その場で仮定が更新されます。仮定の一覧は、会議で更新すべき項目の一覧でもあります。もう一つは、仮定の一覧があれば、状況が変わったときに再計算できるからです。数値だけを残した概算は、前提が変わった瞬間に捨てるしかありませんが、仮定の一覧が残っていれば、変わった項目だけを差し替えて使い続けられます。概算を一度きりの資料ではなく、更新可能な資産にできるかどうかは、この一覧を書いたかどうかで決まります。

この章を深めたい方への参考書籍

• 『超予測力』（フィリップ・E・テトロック、ダン・ガードナー、土方奈美訳、早川書房、2016年）
  予測を確率で表し、新しい情報が入るたびに更新していく人たちの共通点を調べた研究の報告です。1つの数値ではなく幅で示すことの意味を裏づけます。
  超予測力（楽天市場で見る）
  
  
• 『定量分析実践講座』（福澤英弘、ファーストプレス、2007年）
  感度分析やシナリオの置き方を、ケースを解きながら扱います。どの仮定が結論を動かしているかを機械的に調べる手順が確認できます。
  定量分析実践講座（楽天市場で見る）
  
  

第12章 実務での使いどころ、事業計画と投資判断とサイジング

ここまでの章では、分解の型、覚えておくと便利な数字、桁を外さないための検算、どの仮定が効いているかを見る感度分析を扱いました。この章では、それらが実際の意思決定のどこに入るのかを整理します。概算は答え合わせのある練習問題ではなく、意思決定の入力です。入力が2倍ずれれば、その入力に乗っている判断も2倍ずれます。逆にいえば、判断が変わらない範囲のずれは、直す必要がありません。この見極めができるかどうかが、概算を実務で使えるかどうかの分かれ目になります。

概算が意思決定に入る場面は、実務では大きく六つに分かれます。新規事業の市場規模、AIやDXの投資対効果、データ基盤と運用コストのサイジング、人員計画と採用計画、他者から提示された数字の検算、そして調査そのものに予算を割くかどうかの判断です。以下ではこの六つを順に扱い、それぞれについて、何を概算するのか、どう分解するのか、その概算で何が決まるのか、間違えたときに経営上どういう損失になるのかを書きます。

数値例は、この記事のために組み立てた仮の数字で計算しています。実際の値は業種と会社によって大きく変わりますので、そのまま使える結論ではなく、組み立て方の見本として読んでいただく前提のものです。本文で「仮に」と書いている値は、いずれも実測値ではなく、計算の流れを示すために置いた値です。一次情報から引いた統計値については、発行元と時点を本文に明記しました。

新規事業の市場規模を見積もる、TAMとSAMとSOM

新規事業の検討で最初に問われるのは、その事業がどれだけの規模になりうるかです。市場規模は三段で考えるのが通例で、上から順にTAM、SAM、SOMと呼びます。TAM（Total Addressable Market）はその商品やサービスが理論上取り得る市場の全体、SAM（Serviceable Available Market）は自社の提供形態で実際に届けられる範囲、SOM（Serviceable Obtainable Market）は一定の期間内に現実に獲得できる範囲を指します。

この三段は、上の段に率を掛けて下の段を作る構造になっています。したがって、最も怪しいのは各段の絶対値ではなく、段と段をつなぐ率のほうです。TAMの母数は公的統計から取れることが多く、桁を外しにくい。一方、SAMを作るときの「対象になる企業の割合」やSOMを作るときの「取れるシェア」は、誰も測っていないので置くしかありません。市場規模の議論が社内で食い違うとき、原因はほぼこの二つの率にあります。数字が違うのではなく、率の置き方が違うのです。

例として、中小企業向けの業務支援サービスを考えます。母数は総務省・経済産業省の令和3年経済センサス（活動調査）で、2021年6月1日現在の企業等数は368万4049企業です。ここでは約368万社として計算します。年間の利用料は仮に12万円と置きます。

段	計算	結果	置いた率とその根拠
TAM	368万社×12万円	4,416億円	母数は公的統計。単価12万円は仮の値
SAM	368万社×15%＝55.2万社 55.2万社×12万円	662.4億円	対象業務を社内で行っている企業の割合を仮に15%
SOM	55.2万社×3%＝1万6560社 1万6560社×12万円	約19.9億円	3年で取れるシェアを仮に3%

ここで、15%と3%だけを振ってみます。対象企業の割合を10%にするとSAMは441.6億円、SOMは約13.2億円。20%にするとSAMは883.2億円、SOMは約26.5億円になります。さらにシェアを2%から5%の範囲で動かすと、SOMは約8.8億円から約44.2億円まで広がります。母数の368万社と単価の12万円は一度も変えていないのに、結論は5倍の幅を持ちます。市場規模の議論で母数の精度を詰める前に、率のほうを詰めるべきなのは、この構造のためです。

この計算をしてから調査会社のレポートを買うと、何を買うべきかが変わります。買うべきなのは「市場規模は何億円か」という結論ではなく、「対象業務を社内で行っている企業の割合」という一つの率です。レポートに載っている結論の数字も、突き詰めれば誰かが置いた率の積です。自分で骨格を作らずにレポートを買うと、他人が置いた率を、その置き方を知らないまま自社の事業計画に取り込むことになります。骨格を作ってから買えば、レポートは結論ではなく、自分が置いた率の裏取りとして使えます。

調査会社のレポートを買う前にやることは、次の四つに整理できます。

1. 母数を公的統計から取る。企業数、世帯数、人口、保有台数のたぐいは、たいてい公表されています
2. 母数からSOMまでを、率を明示しながら一度自分で通す。率は根拠がなくてもよいので、必ず数値で書く
3. その率を上下に振り、結論がどこまで動くかを見る。動く幅が判断を変えないなら、そこで終わりです
4. 判断を変える率だけを特定し、その率を調べるための最も安い手段を探す。レポートの購入は、その手段の一つにすぎません

この見積もりで決まるのは、その事業に人と資金をどれだけ張るかです。SOMを実際の3倍に見て組織を先に作れば、売上が立たない期間の固定費が残ります。逆に実際の3分の1に見て見送れば、参入の時機を逃します。特にSOMは営業人員の計画と直結しますので、ここを外すと採用の失敗として翌年に現れます。市場規模の誤りは、市場規模の資料の中では発覚しません。人件費の実績として発覚します。

AIとDXの投資対効果を先に概算する

AIやDXの投資判断でよく使われる式は、削減できる工数に人件費の時間単価を掛けたものです。単純に見えますが、実務ではほぼ必ず同じ場所で崩れます。分母、つまり「どれだけの工数が削減の対象なのか」を、対象業務の全体に置いてしまうことです。AIが担えるのは対象業務の一部であって、全部ではありません。

問い合わせ対応業務を例にします。以下はすべて仮の値です。

置いた仮定	値	その値を置いた理由
年間の問い合わせ件数	12万件	月1万件として
1件あたりの平均処理時間	12分（0.2時間）	一次対応と記録までを含む想定
人件費の時間単価	約4,170円	年収600万円、法定福利費等を含む企業負担を年収の1.25倍の750万円、年間実稼働1,800時間として、750万円÷1,800時間

まず総工数を出します。12万件×0.2時間＝24,000時間。これに時間単価を掛けると、24,000時間×4,170円＝約1億円。ここで止めると「年間1億円の削減」という数字ができあがりますが、これは削減額ではなく、その業務にかかっている総額です。総額と削減額は別のものです。

実際に削減できるのは、AIが担える部分だけです。二段階で絞ります。第一に、問い合わせのうち定型的で自動応答が成立するものの割合。仮に60%とします。第二に、その定型分のうち人の介在なしに完結する割合。仮に80%とし、残る20%は有人にエスカレーションされるものとします。適用率は 0.6×0.8＝0.48。第三に、完結した案件でも監査と例外処理に時間が残りますので、処理時間の90%が消えると置きます。

削減時間は 24,000時間×0.48×0.9＝10,368時間。金額では 10,368時間×4,170円＝約4,320万円です。分母を対象業務の全体に置いた場合の約1億円と比べると、2.3倍の開きがあります。この差は精度の問題ではなく、分母の定義の問題です。

次に、技術指標を経営指標に翻訳します。「精度99%」は件数に対する割合ですので、誤りは 12万件×1%＝1,200件。誤りを人が発見して訂正する時間を仮に1件あたり30分（0.5時間）とすると、1,200件×0.5時間＝600時間が戻ってきます。したがって純粋な削減時間は、10,368時間から600時間を引いて9,768時間。金額では 9,768時間×4,170円＝約4,070万円です。

同じ計算を精度95%で行うと、誤りは6,000件、訂正に 6,000件×0.5時間＝3,000時間かかります。純粋な削減時間は7,368時間、金額では約3,070万円。つまり精度99%と95%の差は、年間2,400時間、金額で約1,000万円ということになります。「精度が4ポイント違う」では投資の是非を判断できませんが、「年間2,400時間、約1,000万円」であれば、精度を上げるための追加投資にいくらまで出せるかを直接比べられます。技術指標を経営指標に翻訳するとは、この形にすることです。

ここを誤ると、二種類の損失が出ます。効果を2倍に見積もった前提で投資枠と要員計画を組めば、翌期の予算が合いません。そして効果が出なかった理由を現場の運用に求める議論に時間を使うことになりますが、原因は最初の分母にあります。もう一つは逆方向で、精度改善の価値を金額に翻訳できないために、本来なら見合う追加投資が承認されない場合です。どちらも、翻訳の一手間を省いたことによる損失です。

データ基盤と運用コストのサイジング

基盤の設計は、扱うデータ量と処理量の桁で決まります。桁が1つ違えば、必要な構成そのものが変わります。ここでの概算は「正確に当てる」ために行うのではなく、「いま何の話をしているのかを確定する」ために行います。1台のサーバーで済む話なのか、分散処理の話なのかが決まれば、検討に呼ぶべき人も、見るべき費用の桁も変わります。

データ量の式は、件数×1件あたりのレコードサイズ×保存期間です。設備監視のデータを例にします。装置500台、1台が1分に1レコード、1レコードが200バイトと置きます。

1台あたりの年間レコード数は 60×24×365＝525,600件。500台では 525,600×500＝2億6280万件。データ量は 2億6280万件×200バイト＝約525億バイト、つまり約53ギガバイトです。3年保存でも約158ギガバイト。容量だけで見れば、分散処理の基盤は要らず、1台のデータベースサーバーで扱える桁です。実際の構成は、これに書き込みの頻度、検索の負荷、止められない時間の長さ、復旧にかけてよい時間を重ねて決まります。容量の概算が決めるのは、その検討の出発点です。

ここで取得間隔を1分から1秒に変えると、件数は60倍になり、年間で約3.2テラバイト、3年で約9.5テラバイトになります。容量の面では、この桁になって初めて、分散ストレージ、列指向のファイル形式、集計済みテーブルの事前作成といった設計の議論が必要になります。ただし引き金になるのは容量だけではありません。検索の負荷が高い、止められない時間が長い、復旧に許される時間が短いといった要件があれば、これより小さい桁でも同じ議論が要ります。取得間隔という仕様が一つ動いただけで、基盤の構成が別物になるということです。要件定義でこの一行を確定させないまま基盤の選定に入ると、後戻りが確実に発生します。

推論コストも同じ構造です。式はリクエスト数×1リクエストあたりの単価。1日10万リクエスト、単価を仮に0.2円とすると、1日2万円、年間では 2万円×365日＝730万円。単価が2円なら年間7,300万円です。前者なら運用費として吸収できますが、後者であれば、結果をキャッシュする、軽量なモデルに置き換える、そもそも全件に推論をかけない設計にする、といった判断が要ります。単価の桁は、機能の設計を変えます。

この概算を飛ばすと、両方向に損失が出ます。過大に見積もれば、使わない基盤に初期投資と運用要員を張ることになり、その費用は固定費として残り続けます。過小に見積もれば、稼働後に作り直しになります。作り直しの費用そのものより、移行期間の停止と、その間に事業側の意思決定が止まることのほうが重くなります。

人員計画と採用計画

必要工数から必要人数を出す式は、必要工数 ÷（1人あたりの年間所定労働時間×稼働率）です。実務でここが崩れるのは、稼働率を1、つまり所定労働時間のすべてが対象業務に充てられる前提で計算してしまう場合です。会議も教育も採用活動も社内の間接業務も、所定労働時間の中で起きます。

仮に、ある部門の年間必要工数を36,000時間、1人あたりの年間所定労働時間を1,900時間とします。稼働率を75%と置くと、1人あたりの年間提供時間は 1,900×0.75＝1,425時間。必要人数は 36,000÷1,425＝25.3人となり、26人が必要という結論になります。

稼働率	1人あたりの年間提供時間	必要人数の計算	必要人数
65%	1,235時間	36,000÷1,235＝29.1	30人
75%	1,425時間	36,000÷1,425＝25.3	26人
85%	1,615時間	36,000÷1,615＝22.3	23人

稼働率を65%から85%の範囲で振ると、必要人数は23人から30人まで動きます。7人の差です。1人あたりの年間人件費を先ほどと同じ750万円と置けば、5,250万円の差になります。必要工数36,000時間という、いちばん時間をかけて積み上げた数字よりも、稼働率という一つの率のほうが結論を強く握っています。

離職率は、必要人数ではなく採用人数に効きます。26人を維持する場合、年間離職率を仮に15%とすると、年に 26人×0.15＝3.9人、およそ4人が抜けます。ここで4人を採用すれば足りるように見えますが、そうはなりません。採用から立ち上がりまでに時間がかかるためです。立ち上がり期間を6か月、その間の実効的な貢献を50%と置くと、年の途中で4人を採っても、その年に埋まるのは 4人×0.5年×50%＝1人年分です。抜けた4人年に対して、3人年が不足します。

この不足は、納期の遅延か、外注費か、既存メンバーの残業のいずれかで吸収されます。どれも粗利を削ります。人員計画を稼働率100%と離職ゼロの前提で作ると、この3人年分は計画書のどこにも現れず、期の途中で「なぜか終わらない」という形だけで顕在化します。原因が計画の前提にあるため、現場をいくら改善しても埋まりません。逆に、余裕を見すぎて過大に採用すれば、今度は固定費が残ります。稼働率と離職率は、必ず幅で置いて、両端で計画が成立するかを見るべき仮定です。

提示された数字を検算する

概算の使い道として最も価値が高いのは、自分で数字を作ることではありません。他人が作った数字を疑えるようになることです。ベンダーの提案書、社内の別部門から上がってきた試算、業界レポートの数値。いずれも精緻な資料の形で出てきますが、精緻さと正しさは別のものです。桁数の多い数字は、根拠の強さではなく、計算の細かさを表しているにすぎません。

検算のこつは、相手の式を追わないことです。相手の式を追うと、相手の前提の中で考えることになり、前提そのものの誤りは見えません。独立した経路で組み立て直し、結論だけを突き合わせます。

仮に、ベンダーから「導入により年間8,000万円の削減」という提案があったとします。金額のままでは、大きいのか小さいのかを判断できません。そこで、金額を時間に、時間を人数に変換します。時間単価を先ほどと同じ4,170円とすると、8,000万円÷4,170円＝約19,200時間。これを1人あたりの年間提供時間1,425時間で割ると、19,200÷1,425＝約13.5人分となります。

つまりこの提案は、「対象部署から13人から14人分の仕事が消える」と言っています。対象部署が仮に20人であれば、7割弱の業務が消える計算です。ここまで翻訳して初めて、現場の実感と突き合わせられます。20人の部署で、定型的で自動化に向く業務が7割を占めるのか。占めないのであれば、8,000万円という数字は成立しません。成立しないと分かれば、次に問うべきは「では何割なら成立するのか」であり、議論は値引き交渉ではなく前提の確認に移ります。

この変換にかかるのは、金額を人数に直すという一手間だけです。金額は日常的な感覚が働きにくい単位ですが、人数には働きます。同じ理由で、市場規模の試算は1人あたりの年間支出に、来場者数の試算は1日あたりの人数に、削減効果は人数に割り戻すと、判断できる形になります。第4章で扱った検算の考え方を、他人の数字に対して使うということです。

検算をしないまま稟議を通すと、効果が出なかったときに、数字を作った側ではなく、通した側が問われます。提示された数字は、提示した側の前提に基づいています。その前提が自社に当てはまるかを確かめるのは、受け取った側の仕事です。概算の力は、ここで最も直接的に効きます。自分で市場規模を推定する機会は年に数回でも、他人の数字を受け取る機会は毎週あります。

調査に投じる予算を決める

最後は、そもそも調べる必要があるかを決める場面です。概算の幅と、判断に必要な精度を比べます。幅の全域が同じ結論を指すなら、追加の調査は不要です。幅が分岐点をまたぐときにだけ、またいでいる原因の仮定を特定して、そこだけを調べます。

仮に、初期投資5,000万円の案件があり、社内の基準として回収期間3年以内であれば実行すると決まっているとします。分岐点は 5,000万円÷3年＝年間約1,670万円の削減額です。これを超えれば実行、超えなければ見送りになります。

先ほどの投資対効果の概算では、楽観側が年間約4,320万円でした。ここでは悲観側を年間約2,000万円と置いたとします。悲観側の2,000万円でも分岐点の1,670万円を超えていますので、幅の下限でも結論は変わりません。この場合、追加の調査に費やす費用と時間は、意思決定を動かしません。調べるべきではない、というのが結論です。数字が粗いことと、判断が危ういことは別です。

一方、悲観側が1,200万円だった場合は、幅が分岐点をまたぎます。このときは調べる価値があります。ただし、全部を調べるのではなく、感度分析で分岐を握っている仮定を一つか二つ特定し、そこだけを実測します。この例であれば、定型的な問い合わせの割合が60%なのか40%なのかが分岐を決めていますので、直近3か月の問い合わせログを分類するだけで足ります。外部への調査発注は要りません。

調査費の上限も概算できます。仮に、調査に300万円をかけることで、回収できない投資を避けられる確率が20%上がるとします。避けられる損失の期待値は 5,000万円×20%＝1,000万円ですので、300万円の調査費は見合います。ここで置いた20%自体も仮定ですが、この形にしておくと「調査費が1,000万円を超えたら見合わない」という上限が出ます。調査の見積もりを受け取ったときに、高いか安いかを感覚で判断せずに済みます。

この判断を誤ると、二つの方向に損失が出ます。すべての案件で調査から始めると、調査費と待ち時間が積み上がり、意思決定が遅れます。市場が動いている領域では、遅れそのものが損失です。逆に、分岐点をまたぐ案件で調べずに進めると、5,000万円の判断を根拠のない仮定の上で下すことになります。調べるかどうかは慎重さの度合いで決めるものではなく、幅と分岐点の位置関係で機械的に決まります。

六つの場面に共通すること

六つの場面に共通するのは、概算そのものは成果物ではないという点です。市場規模の数字は、事業に人と資金を張るかどうかを決めるための入力であり、投資対効果の数字は、稟議を通すか止めるかを決めるための入力です。したがって概算の良し悪しは、「当たったかどうか」ではなく、「その数字で下した判断が、後から見て妥当だったかどうか」で測られます。実測値と1割ずれていても判断が同じなら、その概算は十分に役目を果たしています。

そのためには、数字と一緒に仮定を残す必要があります。判断の時点で置いた仮定が、半年後に実測値と入れ替わったとき、結論が変わるのか変わらないのかを確かめられる形にしておくことです。この運用ができていないと、いくら分解が上手でも、概算は資料の中で固まって動かなくなります。次の章では、そうした崩れ方を型として整理します。

この章を深めたい方への参考書籍

• 『仮説思考』（内田和成、東洋経済新報社、2006年）
  情報が揃う前に答えの当たりをつけ、検証しながら進める仕事の進め方を扱います。概算を意思決定の入口に置くという、この章の使い方と対応します。
  仮説思考（楽天市場で見る）
  
  
• 『会社を変える分析の力』（河本薫、講談社、2013年）
  分析が社内で実際に使われるための条件を、実務の立場から述べた本です。出した数字を意思決定に載せるまでに何が必要かが整理できます。
  会社を変える分析の力（楽天市場で見る）
  
  

第13章 フェルミ推定が失敗するとき、よくある崩れ方

概算は、手順のどこかが崩れると結論ごと壊れます。壊れ方には型があり、型が分かっていれば、自分の計算についても他人の計算についても、どこを見ればよいかが決まります。この章では十の型を挙げ、それぞれについて、何が起きるか、なぜ起きるか、どう防ぐかを書きます。あわせて、この記事の例題のうちどれがその型に当たりやすいかを添えました。

十の型は、原因の位置で四つに分けられます。分解の設計に原因があるもの、仮定の置き方に原因があるもの、単位と定義に原因があるもの、そして運用に原因があるものです。前の三つは計算の技術で防げますが、最後の一つは技術では防げません。実務で最も損失が大きいのも、その最後の一つです。

結論から逆算して仮定を選ぶ

欲しい答えが先にあると、仮定はそちらに寄ります。「この市場は1兆円規模だ」と言いたい人が計算すると、置く率は少しずつ大きいほうへ、除する数は少しずつ小さいほうへ流れます。一つひとつの仮定は不自然ではなく、どれも「それくらいはありそう」の範囲に収まっているため、外から見て指摘しにくいのが厄介なところです。

効き方は小さくありません。仮定が五つの計算で、それぞれを2割ずつ都合よく置くだけで、1.2の5乗、およそ2.5倍になります。実勢が4,000億円の市場を1兆円に見せるのに、一つも嘘をつく必要はありません。

起きる理由は、計算と評価を同時にやってしまうことにあります。値を置くたびに「この結果は妥当か」を見ていると、結果を見ながら値を選ぶことになります。防ぐには、仮定を先に全部書き出して固定し、それから計算します。第11章で扱った仮定表がそのための道具で、値と並べて「その値を置いた理由」を書く欄を必ず設けます。理由の欄に「結果がそれらしくなるから」とは書けませんので、書けない仮定はその時点で置き直しになります。市場規模の例題、たとえばQ36 日本のスマートフォン市場規模やQ63 日本のキャッシュレス決済市場規模のように、すでに「大きい市場だ」と知っている対象ほど、この型に落ちやすくなります。

分解しすぎる

分解を細かくすると精度が上がるように感じますが、逆です。仮定の数が増えるほど、誤差の源が増えます。仮定が同じ向きに2割ずつぶれた場合、三つなら1.2の3乗で約1.7倍、五つなら約2.5倍、十なら1.2の10乗で約6.2倍になります。実際には誤差が打ち消し合うこともありますが、最悪の場合の幅はこの通りに広がります。

細かく分けたくなるのは、分からない部分を分けると分かるような気がするためです。しかし、分けた先の値を測っているわけではなく、置き直しているだけであれば、情報は増えていません。増えているのは仮定の数だけです。

防ぐには、仮定を三つから五つで止めます。細かく見たい部分があるときは、その部分を一つの平均値に畳んでから全体の式に入れます。Q5 マクドナルドの1日の売上やQ9 スーパーマーケットの1日の売上のように、時間帯別、客層別、商品カテゴリ別と割っていける対象では、気づくと仮定が十を超えます。時間帯別に分けるなら客層別は畳む、というように、細かくする軸は一つに絞るのが実務的です。

比率で仮定を置きすぎる

率は書きやすく、そして外しやすい仮定です。1%と2%はどちらも「それくらいはありそう」に見えますが、結果は倍違います。絶対数であれば「20万人」と「40万人」の差が体感として分かりますが、率のままでは分かりません。

仮に、対象となりうる人が2,000万人いて、加入率を1%と置くと20万人、2%と置くと40万人。年間単価を1万円とすれば、市場規模は20億円と40億円になります。同じ資料を読んだ二人が、それぞれ1%と2%を置いただけで、事業の是非が変わる差が出ます。

防ぐには、率を置く前に、絶対数で置ける階層がないかを探します。世帯数、店舗数、保有台数、事業所数のたぐいは公表されていることが多く、桁を外しにくい。率を使わざるを得ないときは、その率の分母を必ず明記します。「加入率3%」は、全人口に対してなのか、ペットを飼っている世帯に対してなのかで、まったく別の数字になります。Q40 日本のペット保険市場規模、Q87 日本のYouTuber（収益化済み）の人数、Q90 日本の花粉症患者数は、いずれも率が結論を握る型の問いです。

ストックとフローを取り違える

保有台数と年間販売台数、在庫と出荷、累計会員数と年間新規会員数。これらは名前が似ていて、資料の中でも隣り合って出てきますが、単位が違います。ストックは「ある時点で存在している量」、フローは「一定期間に動いた量」です。

取り違えると、桁が変わります。仮に自動車の保有台数が6,000万台で、平均使用年数が13年だとすると、年間の入れ替えは 6,000万÷13＝約460万台です。保有台数をそのまま年間市場に使えば、13倍の過大になります。逆に、年間販売台数から保有台数を語れば、13分の1の過小になります。

起きる理由は、日本語で書くと単位が消えることにあります。「自動車の数」は台なのか台毎年なのかを語形の上で区別しません。防ぐには、仮定表に単位の欄を作り、末尾が「台」なのか「台/年」なのかを必ず書きます。式を組んだあとで、左辺と右辺の単位が一致するかを確かめれば、この型はほぼ機械的に見つかります。Q16 日本にある家庭用自動車の数やQ84 日本の電気自動車（EV）の保有台数、Q80 日本の空き家の数はストックの問いで、Q69 日本の年間の引越し件数やQ77 日本の年間出生数はフローの問いです。

単位を取り違える

ストックとフローの取り違えは、単位の問題の一種です。ほかにも取り違えやすい組み合わせがあります。人数と回数、重量と個数、取扱高と売上、出荷金額と小売金額です。

取扱高と売上の違いは、市場規模の推定でとくに効きます。仮に決済の取扱高が100兆円で、決済事業者が受け取る手数料率が3%だとすると、事業者側の売上は3兆円です。33倍の違いがあります。「キャッシュレス決済市場は100兆円」という表現は取扱高を指していることが多く、その市場に参入する事業者の売上見込みとは別のものです。出荷金額と小売金額も同様で、メーカー出荷ベースの統計を小売の市場規模として使えば、流通マージンの分だけ過小になります。

防ぐには、式のすべての項に単位を書き、掛け算と割り算のあとで単位が残っているかを確かめます。人数と回数であれば、Q85 日本の年間ラーメン消費杯数は「杯」であって「人」ではなく、1人が年に何杯食べるかを掛ける必要があります。Q67 1日に日本で消費される卵の数は「個」であって重量ではありません。Q63 日本のキャッシュレス決済市場規模やQ64 日本のふるさと納税市場規模は、取扱高と売上のどちらを指しているかを最初に決めないと、答えが定まりません。

代表値を取り違える

分布のかたまりを1つの数値で代表させたものを代表値と呼びます。平均、中央値、最頻値がその代表です。どれを選ぶかで結論が動きます。

平均と中央値は、分布が対称であればほぼ同じ値になりますが、右に裾を引く分布では大きく離れます。年収、店舗の売上、企業の規模、記事の閲覧数などは、いずれも右に裾を引きます。上位のごく一部が全体の平均を押し上げるため、平均を「典型的な値」として使うと上振れします。

実際の値で見ておきます。厚生労働省の「2024（令和6）年 国民生活基礎調査の概況」によると、2023年の1世帯当たり平均所得金額は全世帯で536万円ですが、中央値は410万円です。平均所得金額以下の世帯は61.9%を占めます。平均は中央値の約1.31倍で、世帯の6割強は平均に届いていません。

概算での効き方を、仮の数字で見ます。100店舗のうち90店の日商が15万円、10店が100万円だとすると、平均日商は （90×15万 ＋ 10×100万）÷ 100＝23.5万円、中央値は15万円です。全店の売上合計を出すのであれば、平均を使うのが正しく、23.5万×100＝2,350万円になります。中央値を使うと1,500万円で、約36%の過小です。ところが「典型的な1店」の姿を語るのに平均の23.5万円を使うと、9割の店が届かない水準を標準として置くことになり、出店基準や採算計画がずれます。

防ぐには、その代表値を何に使うのかを先に決めます。合計を出すなら平均、典型を語るなら中央値です。分布が歪んでいると分かっている対象では、上位と下位に分けて別々の値を置くほうが、単一の代表値より扱いやすくなります。Q1 ラーメン店の1日の売上やQ13 個人経営のパン屋の1日の売上、Q87 日本のYouTuber（収益化済み）の人数のような問いは、この型が効きます。

重複と漏れが起きる

足し合わせる区分が重なっている、あるいは抜けている場合です。重なっていれば過大に、抜けていれば過小になります。区分の定義が公的統計と自分の理解でずれているときに起きます。

仮に、A区分が3万件、B区分が2万件と公表されていて、両方に含まれるものが5,000件あるとします。単純に足すと5万件ですが、実際は4万5,000件で、約1割の過大です。逆に、公表されている区分のほかに集計対象外の区分があれば、その分だけ漏れます。

防ぐには、区分を並べた時点で二つだけ確認します。足して全体になるか、そして重なりはないか。この二つを1行ずつ声に出して確かめるだけで、多くは見つかります。区分の定義は、自分の言葉ではなく、統計の定義に合わせます。Q32 日本の病院・診療所の数は、病院と診療所で定義が違い、歯科診療所を含めるかどうかで数が変わります。Q33 日本の薬局の数は調剤薬局とドラッグストアの重なりが、Q34 日本の保育園・幼稚園の合計数は認定こども園の扱いが、それぞれ重複と漏れの源になります。

古い数字を自信をもって使う

暗記した値が動いていることに気づかない型です。人口、出生数、店舗数、保有台数のように毎年動く数字を、数年前に覚えたまま使ってしまいます。自分の中では確実な数字として扱われているため、検算の対象にもなりません。

効き方は、変化率と経過年数で決まります。年3%ずつ減っている対象について5年前の値をそのまま使うと、0.97の5乗は約0.86ですので、実際の値の約1.16倍、つまり16%ほど大きい値を使うことになります。10年前の値なら0.97の10乗で約0.74ですので、実際の約1.36倍です。減少が続いている対象では、古い数字は必ず過大側に外れます。

防ぐには、第3章で扱った「覚えておくと便利な数字」を、必ず年次とセットで持ちます。値だけを覚えると、いつの値かが失われます。3年以上前の値を使うときは、その間の変化率を仮に置いて補正するか、補正できないなら幅で示します。Q19 日本の自動販売機の数、Q27 日本の郵便ポストの数のように減少が続いている対象と、Q77 日本の年間出生数のように短期間で大きく動いた対象は、とくに注意が要ります。あわせて、動く向きそのものを取り違えていないかも確かめます。Q21 日本の電柱の数は、無電柱化が進んでいるのだから減っているはずだと読まれがちですが、国土交通省の資料では増加が続いています。向きを間違えたまま補正すると、補正した分だけ誤差が広がります。

概算が独り歩きする

仮定を添えずに数値だけが会議資料に載り、いつのまにか実績値として扱われる型です。最初は「概算では約20億円」だったものが、次の資料では「20億円」になり、その次の資料では「20億円の市場」になります。三回転もすると、誰も出所を覚えていません。そして翌期の予算や目標が、その数字を基準に組まれます。

起きる理由は単純です。概算の数値は短くて分かりやすいのでコピーされやすく、仮定は長いのでコピーされないためです。悪意も不注意も要りません。資料を作る人が、必要な部分だけを引用するという普通のことをするだけで起きます。

これは技術ではなく運用の問題です。分解を工夫しても、感度分析を丁寧にやっても、防げません。防ぐには、四つを決めておきます。第一に、数値を出すときは仮定表を同じページに置き、数値だけの行を作らない。第二に、単独の値ではなく幅で書く。「20億円」ではなく「13億円から27億円」と書けば、そのままでは実績値として扱われません。第三に、資料に「概算、2026年8月時点の仮定による」のように、概算であることと時点を書き添える。第四に、その数値が判断に使われたら、仮定が変わったときに再計算して差し替える担当を一人決めておくことです。

この型の実害がいちばん大きいのは、誤りが遅れて発覚するためです。市場規模を2倍に見た資料が、事業計画、採用計画、投資枠の三つの前提として使われたあとに誤りが分かると、修正のコストは概算をやり直すコストの何倍にもなります。しかも、そのときには「誰の数字だったのか」が分からなくなっています。

検算しない

独立した経路での突き合わせを省く型です。一つの経路で計算し、値が出たところで終わりにすると、桁の間違いも単位の取り違えも通過します。計算そのものは正しく行われているため、見直しても気づけません。

防ぎ方は二つです。一つは、供給側と需要側のように別の経路でもう一度出して、両者が近いかを見ること。二つの経路が近ければ、分解が妥当だったか、少なくとも同じ誤りを二度は犯していないことが分かります。一桁違えば、どちらかの分解が壊れています。

もう一つは、1人あたり、1日あたり、1店あたりに割り戻して常識と照らすことです。仮に年間6,000億円という市場規模の概算が出たとき、日本の人口を1.2億人とすれば1人あたり年間5,000円、月あたり約420円になります。その支出が日常の感覚と合うかで判定できます。金額のままでは判断できませんが、1人あたりに直すと判断できます。Q76 1日に東京駅を利用する人数は、乗車人員と乗降人員、乗り換えの扱いで数字が変わりますので、複数経路の突き合わせが効きます。Q91 東京ディズニーリゾートの年間売上のように、入場者数と客単価から積み上げる経路と、公表されている決算から確かめる経路の両方が取れる問いは、検算の練習に向いています。

十の型を四つに分けて持つ

十を並べたままでは使いにくいので、原因の位置で分けておきます。自分の計算を見直すときは、上から順に見るのではなく、疑わしい領域から見ます。

原因の位置	該当する型	点検の合図
分解の設計	分解しすぎる／重複と漏れが起きる	仮定が六つ以上ある。区分を足し上げている
仮定の置き方	結論から逆算して仮定を選ぶ／比率で仮定を置きすぎる／代表値を取り違える／古い数字を自信をもって使う	置いた値の半分以上が率である。値に年次が書かれていない
単位と定義	ストックとフローを取り違える／単位を取り違える	式の項に単位が書かれていない。取扱高と売上が同じ表に並んでいる
運用	概算が独り歩きする／検算しない	資料に数値だけが載っている。経路が一つしかない

四つのうち、前の三つは計算の中で完結しますので、手を動かせば直せます。運用の二つはそうはいきません。検算は面倒だから省かれ、仮定表は長いから貼られません。どちらも、正しさの問題ではなく手間の問題として省かれます。したがって、対策も手間を減らす方向で組むことになります。仮定表の様式を決めておく、数値は幅で書くことを標準にする、資料に概算であることを書き添える。これらはいずれも、覚えておく必要がないように仕組みへ落とせるものです。第12章で見たように、概算は判断の入力ですので、入力の管理をどう運用するかまでを含めて、はじめて実務の道具になります。

この章を深めたい方への参考書籍

• 『ファスト&スロー』（ダニエル・カーネマン、村井章子訳、早川書房、2012年）
  直感的な判断が起こす系統的な誤りを、アンカリングや利用可能性といった形で整理します。仮定を置くときに自分がどこへ引っ張られるかを知る材料になります。上下2分冊です。
  ファスト&スロー 上（楽天市場で見る）
  
  
• 『FACTFULNESS』（ハンス・ロスリング、オーラ・ロスリング、アンナ・ロスリング・ロンランド、上杉周作、関美和訳、日経BP社、2019年）
  世界の実情について人が持ちやすい思い込みを、データと対比して示します。前提そのものが古いまま計算を進めるという失敗を避ける助けになります。
  FACTFULNESS（ファクトフルネス）（楽天市場で見る）
  
  

第14章 採用と育成の場で使う、評価する側の視点

フェルミ推定は、コンサルティングファームやIT企業の選考で用いられることがある思考課題として知られています。書店に並ぶ関連書籍の多くも、面接を受ける側に向けて書かれています。この章はその逆の立場、つまり出す側と評価する側、そして社内の人材を育てる側の視点で書きます。経営層やDX推進の担当者にとって関心があるのは、この出題で何が測れて何が測れないのか、そして社内で概算の質をどう上げるのか、という二点だからです。

先に結論を置きます。この章の目的は良い人を採ることではなく、根拠のない数字が誰にも止められないまま意思決定に使われる状態をなくすことです。採用面接の評価軸を言葉にする作業と、社内の会議に出る数字の質を上げる作業は、同じ物差しを使えます。片方だけを整備しても長続きしません。

面接で見ているのは、答えの値ではない

まず、フェルミ推定の出題は答え合わせではありません。正解値を用意して近さで採点する運用にすると、たまたまその分野の数字を知っていた人が高く出て、分解の筋が良くても値の知識がなかった人が落ちます。測りたいのは知識量ではないのですから、これは目的と手段が逆になっています。

見るべきものは次の四点です。

一つめは分解の筋道です。問いを構成要素に割ったとき、要素どうしが重なっていないか、掛け合わせると元の量に戻るか。そして、なぜその切り口を選んだのかを一文で言えるか。分解は無数にあり、唯一の正解はありません。だから見ているのは分解そのものの巧拙ではなく、選んだ理由を説明できるかどうかです。供給側から攻めるのか需要側から攻めるのかを、意識して選んでいるかを聞けば分かります。

二つめは仮定の明示です。置いた数字を、置いたと分かる形で口に出しているか。仮定を暗黙にしたまま計算を進める人は、実務でも他人が検算できない数字を出します。数字が説明なしに現れたら、そこで一度止めて出所を聞きます。

三つめは検算の有無です。出た数字を別の角度から確かめようとしたか。桁が現実的な範囲に収まっているか、身近な観測と矛盾していないかを、自分から見に行ったかどうかを見ます。

四つめは自分の答えを疑えるかです。どの仮定が結果を一番動かすか、どこが外れていそうかを、こちらが指摘する前に本人が言えるか。追加の情報を与えたときに素直に修正するか、それとも最初に出した答えを守ろうとするか。ここが実務での振る舞いに最も近く出ます。

この四点は、言い換えると「根拠を他人に開示しながら数字を作れるか」という一つの能力です。意思決定の場に数字を出す仕事そのものであり、値が当たっているかどうかとは別のものです。

なお、この四点と、次の節で使う評価軸の四段階は、名前が一対一で対応しているわけではありません。一つめが分解、二つめが仮定にあたり、三つめの検算と四つめの疑う姿勢は、まとめて検証の段階に入ります。四段階のうち計算だけがこの四点に現れていませんが、これは口頭で聞く場面では単位と桁が通っているかという形で表に出るためです。

評価の物差しを四段階で言語化する

評価者が三人いて基準が三通りなら、合否は誰が面接を担当したかで決まります。それは選考ではなく抽選です。手戻りの大きさで言えば、採用の失敗は教育投資が回収できず再募集からやり直しになるため、面接の一時間を節約するために基準の整備を省くのは割に合いません。

そこで、評価軸を分解・仮定・計算・検証の四段階に分け、各段階で何ができていれば満たしたと判定するかを文章にして、面接の前に評価者全員へ配ります。

段階	何を見るか	満たしていると判定する条件	満たしていないときの典型
分解	問いを、独立に見積もれる要素の積や和に割れているか	要素が重複せず、掛け合わせると元の量に戻る。なぜその切り口にしたかを一文で言える。供給側と需要側のどちらから攻めるかを選んだ理由がある	要素どうしが重なり、同じ量を二回数えている。切り口の理由を聞くと「よく使う形だから」以上の説明が出てこない
仮定	置いた数字を、置いたと分かる形で言葉にしているか	すべての数字に値と理由が対になっている。知っている値と置いた値を区別して言える。どの値に自信がないかを申告できる	数字が説明なしに現れる。後から出所を聞くと本人も思い出せない
計算	式が一本の線で追えるか。単位と桁が通っているか	途中の量に単位が付いている。桁を落とさない。丸めた箇所を自分から申告する	人と世帯と台が混ざって単位が消える。桁が一つずれる。丸めてよい場所で精度に時間を使う
検証	出した数字を自分で疑ったか	別の分解でもう一度出して突き合わせた、または既知の総量と比べて矛盾がないかを確かめた。どの仮定が結果を一番動かすかを指摘できる。幅で答えられる	一つの数字を出して終わる。追加情報を与えても答えが動かない、または根拠なく全面的に作り直す

運用で二つ決めておくことがあります。一つは段階どうしの関係です。四段階は各段階の点数を足し合わせる加点方式ではなく、前から順に通過を見る形が実態に合います。分解が破綻していれば、その先の仮定と計算がどれだけ丁寧でも結論は使えないからです。したがって、前の段階を満たしていない回答を、後ろの段階の出来映えで埋め合わせないことを先に決めておきます。もう一つは検証段階の扱いです。時間制限のある口頭試問、つまりその場で問いを出して口頭で答えさせる形式では、検証まで届かないことが普通にあります。届かなかったことを減点するのか、そもそも配点から外すのかを、面接の前に決めておきます。決めていないと、評価者ごとに扱いが変わってばらつきの原因になります。

評価者側の訓練も同じ枠でできます。同じ回答の記録を複数の評価者に採点させて、判定がばらつく箇所を見ます。ばらついた箇所が、物差しの言葉が足りていない箇所です。そこだけ表現を足していけば、基準は数回の運用で安定します。

なお、採用選考の基本的な考え方として、厚生労働省は「応募者の基本的人権を尊重すること」と「応募者の適性・能力に基づいた基準により行うこと」の二点を挙げています（厚生労働省「公正な採用選考の基本」、2026年8月閲覧）。評価軸を文章にして事前にそろえる作業は、この考え方を実際の運用に落とすための最低限の準備でもあります。

この出題方法には条件の限界がある

口頭試問としてのフェルミ推定と、実務での概算は、条件がまったく違います。面接は数分から十数分、その場で口頭、調べられない、相談できない、資料を見られない、やり直しがきかない。実務の概算は、半日あれば公表統計を引けるし、隣の担当者に仮定の妥当性を確認できるし、社内の実績データを見られるし、間違えたら翌日直せます。

条件が違えば、測れるものも違います。フェルミ推定が得意でも実務で使えない場合があります。手元の知識だけで速く形にする力が高いために、調べれば分かることを調べずに置いてしまう。その場で通る説明を作るのがうまいために、後から検証されると崩れる数字を出す。一人で完結させることに慣れているために、仮定を現場の人に確認しに行かない。いずれも面接では減点されにくく、実務では損失に直結します。

逆もあります。口頭での即答は苦手でも、一次情報を探す執念があって出典を必ず残す人がいます。自分の数字を人に見せて叩かれることに抵抗がなく、修正が速い人がいます。単独の推定は粗くても、業務の文脈を知っていて「その仮定は現場では成り立たない」と気づける人がいます。こうした資質は十数分の口頭試問には出てきません。

したがって、フェルミ推定の出来を採用の主要な判断材料に据えるのは過大評価です。観察点の一つとして扱い、実務に近い課題と組み合わせます。具体的には、社内にある実データの一部を渡して時間を与え、概算させて後日説明させる持ち帰り課題を併用します。口頭試問はその場での思考の見え方を、持ち帰り課題は調べる力と記録の癖を測ります。性質が違うので、両方を同じ点数表で採点しません。

もう一つ、対策の効果を差し引いて見る必要があります。フェルミ推定は練習で上達します。対策本が広く出回っている以上、面接での出来は、対策に時間を使える状況にあったかどうかを相当に反映します。在職しながら転職活動をしている人と、対策に集中できる人の差が、能力の差として現れることがあります。この歪みを承知したうえで使います。また、どの企業が選考のどの段階でどう配点しているかは公表されていないため、他社がやっているから自社も同じ扱いでよい、という理由付けは成り立ちません。

育成に使う、答えではなく分解を比べる

この出題は、採用よりも育成で使うほうが費用対効果が高いと言えます。チームの中で概算の型をそろえる道具になるからです。有効なやり方は、同じ問いを複数人が別々に解き、答えではなく分解を並べて比べることです。

答えを比べると、誰が正解に近かったかという話になり、当てた人が上という結論で終わって学びが残りません。分解を比べると、自分がなぜその切り口を選ばなかったのかが見えて、切り口の在庫が増えます。さらに、同じ問いに三通りの分解が出て三つの答えが近ければ、その概算は形が安定しているという情報になります。答えが離れれば、どの仮定が効いているかをその場で特定できます。どちらに転んでも収穫があります。

進め方は次の順です。

1. 問いを一つ決める。自社の事業に関係する量にする。担当地域で自社サービスを使い得る事業所の数、といった、後から社内で確かめられる問いを選ぶ
2. 各自が15分、単独で解く。この間は相談も検索もしない。分解の図と仮定表と式を手元に書く
3. 提出はA4一枚。分解の図、仮定表、計算式、結論の幅の四つだけを載せる
4. 集まったら、数字を言う前に分解の図だけを並べる。各自が、なぜその切り口にしたかを一分で話す
5. そのあとに数字を出し、ばらつきの大きい仮定を特定する
6. ばらつきの原因が、知識の不足なのか、定義の違いなのかを分ける。何を1件と数えるかが人によって違っただけ、という場合が多い
7. 定義の違いが原因だったものは、その場で社内の用語として決める。演習の最大の収穫はここになることが多い
8. 調べれば分かる仮定を割り当てて宿題にする。次回は実測値に置き換えて再計算し、初回の概算とのズレを見る

この演習と併せて、仮定の出所を三段階で記録する習慣を付けます。仮定表に出所の列を一つ足すだけです。

出所の区分	中身	併記させるもの	扱い
実績値	自社の実データから取った値	集計の期間と対象範囲	最も強い。ただし条件が変われば使えなくなるので、いつの何かを必ず残す
公表値	官公庁統計、業界団体の資料、企業のIR資料から取った値	発行元の名称と資料名、時点	他人が同じものを引き直せる。年次が変われば更新する
置き値	根拠となる資料がなく、経験や感覚で置いた値	置いた人の名前	結果を疑うときに最初に見る対象。減らしていく

この三段階を書かせるだけで、成果物の性質が変わります。置き値が全体の何割を占めるかで、その概算をどこまで信じてよいかが決まるからです。置き値ばかりの推定を根拠に設備投資を決めるのは危険ですし、逆に実績値と公表値でほとんど埋まっているなら、多少粗くても意思決定に使えます。

育成の到達度も、この記録で測れます。上達とは答えが正確になることではなく、置き値が減り、出所が書かれ、結論に幅が付くようになることです。半年前の成果物と今の成果物を並べて、置き値の割合を数えれば、伸びは目に見えます。

社内に概算の文化を定着させる

個人の技能として身に付けても、組織の意思決定の質は変わりません。変えるには、会議の運用に二つのルールを入れます。

• 会議に出す数字には仮定表を添える。スライドの隅に小さく載せるか、付録の一枚にする。仮定表のない数字は議題にしないと決める
• 「その数字はどこから来たか」を必ず一度は聞く。特定の人を責める質問としてではなく、毎回の手続きとして聞く

二つめが効くのは、毎回聞かれると分かっていれば、作る側が最初から書いてくるからです。聞く側の負担も、慣れれば一言で済みます。

導入した直後は会議の準備に時間がかかるようになります。ここで元に戻すと定着しません。速度が落ちるのは数週間で、その後は使い回せる仮定が社内に溜まって、むしろ前より速くなります。同じ人口の値や同じ単価の値を、部署ごとに別々に置き直していた無駄が消えるためです。

もう一つ必要なのは、止める側の権限を明文化することです。出所が書かれていない数字は、役職に関係なく差し戻してよい、と決めます。若手が役員の出した数字に対して出所を聞ける状態になって初めて、この仕組みは機能します。裏返せば、経営層が自分の出す数字にも仮定表を付けるかどうかで、定着するかどうかが決まります。

目的をもう一度確認します。この文化の目的は、精度の高い数字を出すことではありません。根拠のない数字が誰にも止められないまま意思決定に使われる状態をなくすことです。出所の分からない数字が前提として固定され、その上に別の試算が積み上がり、さらにその上に投資判断が乗る。この積み上がりが崩れたときの損失は、最初の概算の誤差そのものよりはるかに大きくなります。精度は後からでも上げられますが、根拠の記録は後からは作れません。

最後に、採用と育成をつなげておきます。この章で作った四段階の評価軸は、そのまま社内の成果物のレビュー基準として使えます。採用面接のためだけに作った基準は面接が終われば忘れられますが、日常の会議で使っている基準を面接にも流用すれば、両方が同じ言葉で動きます。求める人材像を言葉にする最も速い方法は、自社が日常で使っている評価基準をそのまま示すことです。

この章を深めたい方への参考書籍

• 『採用学』（服部泰宏、新潮社、2016年）
  日本企業の採用を研究の対象として扱い、選考で何が測れているのかを検討します。概算の課題を選考に使うとき、その課題が何を測っているのかを考える材料になります。
  採用学（楽天市場で見る）
  
  
• 『ワーク・ルールズ!』（ラズロ・ボック、鬼澤忍、矢羽野薫訳、東洋経済新報社、2015年）
  構造化面接をはじめ、採用の判断をどう再現可能にするかを社内のデータとともに述べた本です。評価者によって結果がぶれる問題への対処が具体的に書かれています。
  ワーク・ルールズ！（楽天市場で見る）
  
  

終章 数字を作れる組織と、数字を疑える組織

ここまで、分解の五つの型、土台になる基礎数値、検算の経路、100問の例題、感度分析、実務での使いどころ、崩れ方の十の型、評価する側の視点という順で扱ってきました。最後に、この技法を組織に置いたときに何が変わるのかを三点にまとめます。

判断の速度が上がる理由は、調べる量が減るからではない

概算を使うと判断が速くなります。その理由は、調べる時間を省くからだと説明されがちですが、正確ではありません。速くなるのは、調べるべき対象が絞られるからです。

概算をひととおり作ると、結果を動かしている仮定が二つか三つに絞れます。残りの仮定は、多少ずれても結論が変わりません。そこで、絞られた二つか三つだけを調べに行けば、判断に足る精度に届きます。この順序が、全項目を等しく調べるやり方より速い理由です。

逆に言えば、概算を作らずに調査だけを進めると、どの項目が判断を左右するのか分からないまま、全部を同じ丁寧さで調べることになります。集めた情報の量は多いのに判断が前に進まない状態は、この構造から生まれます。

数字を作る力より、数字を疑う力のほうが効く

本コラムを通じて繰り返し書いてきたのは、概算の価値は受け取る側に立ったときに最も大きい、という点です。

経営の判断で扱う数字の多くは、自分で作ったものではありません。事業部門から上がってきた計画、ベンダーから提示された効果試算、調査会社のレポートの市場規模。これらはすべて、どこかで誰かが仮定を置いています。その仮定を読み解ける状態と、読み解けない状態とでは、同じ資料から得られるものが違います。

読み解ける状態にあるとき、確認は一点で済みます。効果試算なら適用範囲の置き方、市場規模なら物差しの定義（消費者が払った総額なのか、事業者の売上高なのか、取扱高なのか）、人員計画なら稼働率。どの型の推定にも、結果を大きく動かす急所があり、第13章で扱った崩れ方の十の型は、その急所の一覧でもあります。

読み解けない状態にあるとき、確認は「担当者を信じるかどうか」に帰着します。数字の議論が人の評価の議論に変わってしまう場面は、受け取る側に物差しが無いときに起きます。

議論の対象が、結論から仮定に移る

概算の作法が組織にそろうと、会議で議論する対象が変わります。

作法が無い状態では、議論の対象は結論の数字です。「50億円は大きすぎないか」「いや妥当だ」という応酬になり、根拠が並べられないため、最後は声の大きさか役職で決まります。

作法がある状態では、数字には必ず仮定の一覧と振れ幅が添えられています。すると議論は「対象人口をこの範囲に取ったのはなぜか」「利用率の置き値の根拠は何か」という形になります。この議論には決着がつきます。仮定の一つひとつは、調べれば確かめられるか、確かめられないなら確かめられないと分かるからです。

結論を議論すると平行線になり、仮定を議論すると収束する。この差が、概算を組織の作法として置くことの実務的な効果だと考えています。第14章で評価軸を四段階（分解・仮定・計算・検証）に分けたのも、同じ理由です。見るべきは出てきた数字ではなく、そこに至る過程だからです。

最後に、この技法の限界について

概算は万能ではありません。第1章で使ってはいけない場面を挙げたとおり、実績値が既にあるとき、桁ではなく数パーセントの差が判断を分けるとき、対外的な約束の根拠にするとき、規制や会計の要件がある数字については、概算を根拠にしてはいけません。

また、概算は不確実性を仮定として明示しますが、統計的な信頼区間のような確率的な保証は与えません。振れ幅を示すことはできますが、その幅に真の値が入る確率を述べることはできません。この点を曖昧にしたまま報告すると、受け取る側は確率的な保証があるものとして扱います。幅を示すときには、それが仮定の振れ方から出た幅であって、統計的な推定ではないことを併せて書く必要があります。

そのうえで、実績値が無い状態は、事業を前に進める場面では常態です。新しいことを始めるときには、その事業の実績値はまだ存在しません。存在しないものを待つのではなく、いま持っている数字と、明示した仮定と、独立した検算で、桁を外さない見積もりを作る。そのうえで、結果を動かす仮定だけを調べに行く。この順序を組織の型にできるかどうかが、判断の速度と質の両方を決めていきます。

Anagraftでは、事業判断に使う数字の設計から、データ基盤の構築、AI・機械学習の実装、そして現場で運用に載せるところまで、一貫したご支援を行っています。会社概要・ご支援内容の詳細は、以下の資料からご覧いただけます。

本コラムで紹介した書籍一覧

各章の末尾で挙げた書籍を、扱う内容ごとにまとめました。掲載しているのは、書名、著者、出版社、刊行年を国立国会図書館サーチの書誌データで1冊ずつ照合したものだけです。同じ書名で複数の版があるものは、どの版を指しているかを本文とコメントに書き添えました。同じ著者による続編や、書名の似た別の本と取り違えやすいものは、その旨も添えています。

並びは章の順ではなく、概算そのものの技法、数の感覚と統計の読み方、調査と市場規模の推定、事業の数字と定量分析、不確実性と判断の癖、採用と評価の場面、という順に分けました。

概算と分解の技法

• 『地頭力を鍛える』（細谷功、東洋経済新報社、2007年）
  フェルミ推定を思考の型として位置づけ、結論から、全体から、単純に、という3つの軸で説明します。概算を面接対策ではなく仕事の道具として捉え直したい方に向きます。
  地頭力を鍛える（楽天市場で見る）
  
  
• 『現役東大生が書いた地頭を鍛えるフェルミ推定ノート』（東大ケーススタディ研究会、東洋経済新報社、2009年）
  問題を6パターン、手順を5ステップに整理した演習書です。まず数をこなして型を身につけたい方に向きます。
  現役東大生が書いた地頭を鍛えるフェルミ推定ノート（楽天市場で見る）
  
  
• 『東大生が書いた問題を解く力を鍛えるケース問題ノート』（東大ケーススタディ研究会、東洋経済新報社、2010年）
  推定の先にある打ち手の議論をフレームワークで整理した演習書です。数字を出したあとの考え方を鍛えたい方に向きます。前掲のフェルミ推定ノートとは別の本です。
  東大生が書いた　問題を解く力を鍛えるケース問題ノート（楽天市場で見る）
  
  
• 『ロジカル・シンキング』（照屋華子、岡田恵子、東洋経済新報社、2001年）
  漏れも重複もない分け方と、主張と根拠のつなぎ方を扱う解説書です。分解の質そのものを上げたい方に向きます。
  ロジカル・シンキング（楽天市場で見る）
  
  
• 『意思決定のための「分析の技術」』（後正武、ダイヤモンド社、1998年）
  分析の基本動作を4つに整理し、経営の意思決定につなげる道筋を示します。分解の目的を意識して数字を作りたい方に向きます。
  意思決定のための「分析の技術」（楽天市場で見る）
  
  
• 『イシューからはじめよ』（安宅和人、英治出版、2024年）
  解くべき問いの見極めに重心を置いた本で、2024年の改訂版を挙げました。推定を始める前に問いそのものを選び直したい方に向きます。
  イシューからはじめよ［改訂版］（楽天市場で見る）
  
  

数の感覚と統計の読み方

• 『日本国勢図会』（矢野恒太記念会、矢野恒太記念会、2026年）
  国内の主要統計を分野別にまとめた年刊のデータブックで、ここでは2026/27年版を挙げました。概算の土台になる数字を手元に置きたい方に向きます。
  日本国勢図会2026/27　(日本がわかるデータブック)（楽天市場で見る）
  
  
• 『数に強くなる』（畑村洋太郎、岩波書店、2007年）
  数の大きさの感覚をどう身につけるかを扱います。基礎数値を覚える前に読むと、桁の扱いが楽になります。
• 『統計でウソをつく法』（ダレル・ハフ、高木秀玄訳、講談社、1968年）
  数字が誤解を生む典型的な仕掛けを集めた古典です。他人が出した数字を点検する視点を持ちたい方に向きます。
  統計でウソをつく法（楽天市場で見る）
  
  
• 『統計数字を疑う』（門倉貴史、光文社、2006年）
  公表統計と実感のずれがどこから生まれるかを、統計の作成方法にさかのぼって説明します。出典の数字をそのまま使ってよいか迷う方に向きます。
  統計数字を疑う（楽天市場で見る）
  
  
• 『統計学が最強の学問である』（西内啓、ダイヤモンド社、2013年）
  標本から全体を推し量る考え方と誤差の扱いを平易に説明します。概算と統計的推定の違いを整理したい方に向きます。
  統計学が最強の学問である（楽天市場で見る）
  
  

調査設計と市場規模の推定

• 『社会調査法入門』（盛山和夫、有斐閣、2004年）
  母集団（調べたい対象の全体）の定め方、標本の抽き方、測り方の妥当性を扱う教科書です。数える対象の範囲をきちんと定めたい方に向きます。
  社会調査法入門（楽天市場で見る）
  
  
• 『「社会調査」のウソ』（谷岡一郎、文藝春秋、2000年）
  調査の設計と集計に潜む誤りを具体例で示します。公表数値がどう作られたかに注意を向けたい方に向きます。
  リサーチ・リテラシーのすすめ 「社会調査」のウソ（楽天市場で見る）
  
  
• 『マーケティングリサーチの論理と技法』（上田拓治、日本評論社、2010年）
  調査の企画から解釈までを一貫して扱う教科書で、2010年の第4版を挙げました。概算のあとに本格的な調査へ進む方に向きます。
  マーケティングリサーチの論理と技法［第4版］（楽天市場で見る）
  
  
• 『確率思考の戦略論』（森岡毅、今西聖貴、KADOKAWA、2016年）
  市場を消費者の選好の分布として捉えて需要を推定する方法を扱います。需要サイドからの市場規模推定を深めたい方に向きます。同じ著者による2025年刊の同名書は、副題も出版社も異なる別の本です。
  確率思考の戦略論　どうすれば売上は増えるのか（楽天市場で見る）
  
  
• 『起業の科学』（田所雅之、ダイヤモンド社、2026年）
  事業の立ち上げを段階に分け、各段階で確かめる数字を示します。2026年の増補改訂版を挙げました。推定を事業計画につなげたい方に向きます。
  増補改訂版　起業の科学（楽天市場で見る）
  
  

事業の数字と定量分析

• 『世界一楽しい決算書の読み方』（大手町のランダムウォーカー、KADOKAWA、2020年）
  実在企業の決算書をクイズ形式で読む入門書です。推定した売上や利益の桁が現実的かを確かめたい方に向きます。
  【改訂版】 会計クイズを解くだけで財務3表がわかる 世界一楽しい決算書の読み方（楽天市場で見る）
  
  
• 『ビジネスマンのための「数字力」養成講座』（小宮一慶、ディスカヴァー・トゥエンティワン、2008年）
  経営の数字を定点観測して変化に気づく習慣を扱います。推定した数字を実務の感覚と突き合わせたい方に向きます。
  ビジネスマンのための「数字力」養成講座 (小宮一慶の養成講座)（楽天市場で見る）
  
  
• 『定量分析の教科書』（グロービス、鈴木健一、東洋経済新報社、2016年）
  定量分析の基本動作を演習つきで整理した教科書です。数字の作り方だけでなく使い方まで押さえたい方に向きます。
  定量分析の教科書（楽天市場で見る）
  
  
• 『定量分析実践講座』（福澤英弘、ファーストプレス、2007年）
  感度分析やシナリオ設定をケース演習で扱います。仮定の効き方を手を動かして確かめたい方に向きます。
  定量分析実践講座（楽天市場で見る）
  
  
• 『ざっくり分かるファイナンス』（石野雄一、光文社、2007年）
  数量を金額に換え、時間の価値まで含めて評価する考え方を扱います。推定を投資判断につなげたい方に向きます。同じ著者の『超ざっくり分かるファイナンス』は別の本です。
  ざっくり分かるファイナンス（楽天市場で見る）
  
  
• 『仮説思考』（内田和成、東洋経済新報社、2006年）
  情報が揃う前に答えの当たりをつけ、検証しながら進める進め方を扱います。概算を意思決定の起点にしたい方に向きます。
  仮説思考（楽天市場で見る）
  
  
• 『会社を変える分析の力』（河本薫、講談社、2013年）
  分析が意思決定に使われるための条件を実務の立場から述べています。数字を出した先で組織を動かしたい方に向きます。
  会社を変える分析の力（楽天市場で見る）
  
  

不確実性と判断の癖

• 『超予測力』（フィリップ・E・テトロック、ダン・ガードナー、土方奈美訳、早川書房、2016年）
  予測を確率で表して更新し続ける人たちの共通点を調べた研究の報告です。数字を幅で示す作法を身につけたい方に向きます。
  超予測力（楽天市場で見る）
  
  
• 『ファスト&スロー』（ダニエル・カーネマン、村井章子訳、早川書房、2012年）
  直感的な判断が起こす系統的な誤りを整理した上下2分冊の書籍です。仮定の置き方が偏る理由を知りたい方に向きます。
  ファスト&スロー 上（楽天市場で見る）
  
  
• 『FACTFULNESS』（ハンス・ロスリング、オーラ・ロスリング、アンナ・ロスリング・ロンランド、上杉周作、関美和訳、日経BP社、2019年）
  世界の実情に対する思い込みをデータと対比して示します。前提の更新を怠らないための視点を得たい方に向きます。
  FACTFULNESS（ファクトフルネス）（楽天市場で見る）
  
  

採用と評価の場面

• 『採用学』（服部泰宏、新潮社、2016年）
  採用を研究の対象として扱い、選考で何が測れているのかを検討します。選考手法の妥当性を考えたい方に向きます。
  採用学（楽天市場で見る）
  
  
• 『ワーク・ルールズ!』（ラズロ・ボック、鬼澤忍、矢羽野薫訳、東洋経済新報社、2015年）
  採用の判断を再現可能にする仕組みを、社内データとともに述べています。評価のばらつきを減らしたい方に向きます。
  ワーク・ルールズ！（楽天市場で見る）
  
  

参考情報・出典

本コラムの例題で突き合わせに使った統計と、基礎数値の出典をまとめました。いずれも2026年8月に確認したものです。多くは官公庁や業界団体が自ら公表している資料ですが、企業の開示資料や報道記事も含まれます。一次の公表資料に当たれなかったものは、その旨を本文の該当箇所に書きました。統計は改定や年次更新が入りますので、実務でお使いになる際は最新版をご確認ください。

• ノーベル財団が公開している受賞者データ（The Nobel Foundation, Nobel Prize API（laureate id=46, Enrico Fermi））：https://api.nobelprize.org/2.1/laureates?name=Fermi&nobelPrizeCategory=phy
• フェルミ自身が当日の観測を書き残した覚書（E. Fermi, “My Observations During the Explosion at Trinity on July 16, 1945″（atomicarchive.com が全文を再録））：https://www.atomicarchive.com/resources/documents/trinity/fermi.html
• ロスアラモス国立研究所の解説（Los Alamos National Laboratory, National Security Science「Trinity revisited」）：https://www.lanl.gov/media/publications/national-security-science/0721-trinity-revisited
• 日本フランチャイズチェーン協会「コンビニエンスストア統計調査年間集計」2025年1月から12月（一般社団法人日本フランチャイズチェーン協会）：https://www.jfa-fc.or.jp/particle/320.html
• 総務省統計局「人口推計」2026年8月1日現在の概算値（総務省統計局）：https://www.stat.go.jp/data/jinsui/new.html
• 国土地理院「全国都道府県市区町村別面積調」令和8年4月1日現在（国土交通省国土地理院）：https://www.gsi.go.jp/KOKUJYOHO/MENCHO-title.htm
• 日本自動車販売協会連合会と全国軽自動車協会連合会の調べ、2025年1月から12月の新車販売台数（一般社団法人日本自動車販売協会連合会「登録車＋軽自動車販売台数（新車）」（自販連・全軽自協調べ、2026年8月6日更新））：https://www.jada.or.jp/pages/343/
• 自動車検査登録情報協会「平均使用年数」令和7年3月末現在（一般財団法人自動車検査登録情報協会）：https://www.airia.or.jp/publish/statistics/trend.html
• 自動車検査登録情報協会「自動車保有台数」令和8年5月末現在（一般財団法人自動車検査登録情報協会）：https://www.airia.or.jp/publish/statistics/number.html
• 自動車検査登録情報協会が令和7年8月25日に公表した集計（自家用乗用車の世帯当たり普及台数）（一般財団法人自動車検査登録情報協会「令和7年 自家用乗用車の世帯当たり普及台数」）：https://www.airia.or.jp/news/v19mrm0000002szg.html
• 総務省・経済産業省「令和3年経済センサス（活動調査）」産業横断的集計「事業所に関する集計・企業等に関する集計」結果の要約：https://www.stat.go.jp/data/e-census/2021/kekka/pdf/k3_summary.pdf
• 厚生労働省「2024（令和6）年 国民生活基礎調査の概況」Ⅱ 各種世帯の所得等の状況（p.9〜p.10）：https://www.mhlw.go.jp/toukei/saikin/hw/k-tyosa/k-tyosa24/dl/03.pdf
• 厚生労働省「公正な採用選考の基本」、2026年8月閲覧（厚生労働省「公正な採用選考の基本」）：https://www.mhlw.go.jp/www2/topics/topics/saiyo/saiyo1.htm
• 令和7年国勢調査 人口速報集計 結果の要約（2026年5月29日公表）（総務省統計局）：https://www.stat.go.jp/data/kokusei/2025/kekka/pdf/summary.pdf
• 令和7年国勢調査 人口速報集計結果 結果の概要（総務省統計局）：https://www.stat.go.jp/data/kokusei/2025/kekka/pdf/outline.pdf
• 令和7年国勢調査 人口速報集計結果（報道資料）（総務省）：https://www.soumu.go.jp/menu_news/s-news/01toukei03_01000140.html
• 人口推計 令和8年8月報（総務省統計局）：https://www.stat.go.jp/data/jinsui/pdf/202608.pdf
• 人口推計（2024年10月1日現在） 結果の要約（総務省統計局）：https://www.stat.go.jp/data/jinsui/2024np/pdf/2024summary.pdf
• 人口推計（2018年10月1日現在） 結果の要約（総務省統計局）：https://www.stat.go.jp/data/jinsui/2018np/pdf/summary.pdf
• 日本の将来推計人口（令和5年推計） 結果の概要（国立社会保障・人口問題研究所）：https://www.ipss.go.jp/pp-zenkoku/j/zenkoku2023/pp2023_gaiyou.pdf
• 住民基本台帳に基づく人口、人口動態及び世帯数（令和8年1月1日現在）（総務省）：https://www.soumu.go.jp/main_content/000892947.pdf
• 令和7年（2025年）人口動態統計月報年計（概数）の概況（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/jinkou/geppo/nengai25/dl/gaikyouR7.pdf
• 令和7年（2025年）簡易生命表の概況（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/life/life25/dl/life25-02.pdf
• 令和8年版高齢社会白書（内閣府）：https://www8.cao.go.jp/kourei/whitepaper/w-2026/zenbun/pdf/1s1s_01.pdf
• 市町村合併（本日の市町村数）（総務省）：https://www.soumu.go.jp/kouiki/kouiki.html
• 2026年4月から6月期四半期別GDP速報（1次速報値）統計表 名目・年度（内閣府）：https://www.esri.cao.go.jp/jp/sna/data/data_list/sokuhou/files/2026/qe262/tables/gaku-mfy2621.csv
• 2024年度国民経済計算年次推計 主要系列表（名目・年度）（内閣府）：https://www.esri.cao.go.jp/jp/sna/data/data_list/kakuhou/files/2024/tables/2024ffm1n_jp.xlsx
• 2024年度国民経済計算年次推計 参考資料 一人当たり名目GDP等（内閣府）：https://www.esri.cao.go.jp/jp/sna/data/data_list/kakuhou/files/2024/sankou/pdf/hitoriatarigdp_20251223.pdf
• 労働力調査（基本集計）2025年平均結果の要約（総務省統計局）：https://www.stat.go.jp/data/roudou/sokuhou/nen/ft/pdf/youyaku.pdf
• 労働力調査（基本集計）2026年7月分結果の概要（総務省統計局）：https://www.stat.go.jp/data/roudou/sokuhou/tsuki/pdf/gaiyou.pdf
• 令和6年分 民間給与実態統計調査（概要）（国税庁）：https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan/gaiyou/2024.htm
• 令和6年分 民間給与実態統計調査 調査結果報告 第8表（国税庁）：https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan2024/pdf/R06_001.pdf
• 平成30年分 民間給与実態統計調査（概要）（国税庁）：https://www.nta.go.jp/publication/statistics/kokuzeicho/minkan/gaiyou/2018.htm
• 家計調査年報（家計収支編）2025年 家計の概要（総務省統計局）：https://www.stat.go.jp/data/kakei/2025np/pdf/summary.pdf
• 中小企業・小規模事業者の数（2021年6月時点）の集計結果（中小企業庁）：https://www.chusho.meti.go.jp/koukai/chousa/chu_kigyocnt/2023/231213chukigyocnt.html
• 令和6年経済センサス 基礎調査（民営事業所）確報集計結果（総務省統計局）：https://www.stat.go.jp/data/e-census/2024/pdf/kekka_k.pdf
• 令和7年通信利用動向調査の結果（総務省）：https://www.soumu.go.jp/johotsusintokei/statistics/data/260529_1.pdf
• 令和8年度予算フレーム（財務省）：https://www.mof.go.jp/policy/budget/budger_workflow/budget/fy2026/seifuan2026/02.pdf
• 令和8年度学校基本統計（学校基本調査の結果）速報値（2026年8月26日公表）（文部科学省）：https://www.mext.go.jp/content/20260826-mxt_chousa01-000050842_01.pdf
• 学校基本調査 結果の概要（令和8年度速報の所在）（文部科学省）：https://www.mext.go.jp/b_menu/toukei/chousa01/kihon/kekka/1268046.htm
• 道路統計年報2025 表2 道路現況総括表（国土交通省）：https://www.mlit.go.jp/road/ir/ir-data/tokei-nen/2025/xlsx/d_genkyou02.xlsx
• 令和8年 自家用乗用車の世帯当たり普及台数（令和8年8月18日公表）（自動車検査登録情報協会）：https://www.airia.or.jp/publish/file/kenbetsu_2026.pdf
• 医療施設動態調査（令和8年5月末概数、令和8年7月31日公表）（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/iryosd/m26/dl/is2605.pdf
• World Population Prospects 2024, Total Population by Sex（国際連合 経済社会局人口部）：https://population.un.org/wpp/assets/Excel%20Files/1_Indicator%20(Standard)/CSV_FILES/WPP2024_TotalPopulationBySex.csv.gz
• World Population Prospects 2024: Summary of Results（国際連合）：https://www.un.org/development/desa/pd/sites/www.un.org.development.desa.pd/files/undesa_pd_2024_wpp_2024_advance_unedited_0.pdf
• About Us（国際連合）：https://www.un.org/en/about-us
• World Development Indicators, GDP current US$（World）（世界銀行）：https://api.worldbank.org/v2/country/WLD/indicator/NY.GDP.MKTP.CD?format=json
• 現在製造している貨幣（造幣局）：https://www.mint.go.jp/operations/production/operations_coin_presently-minted.html
• 通常貨幣一覧（財務省）：https://www.mof.go.jp/policy/currency/coin/general_coin/list.htm
• 畜産物の価格安定に関する法律施行規則の規定に基づく鶏卵の規格（昭和37年農林省告示第863号、平成15年最終改正）（農林水産省）：https://www.maff.go.jp/j/kokuji_tuti/kokuji/k0000481.html
• iPhone 17 技術仕様（Apple）：https://www.apple.com/jp/iphone-17/specs/
• iPhone 17 Pro 技術仕様（Apple）：https://www.apple.com/jp/iphone-17-pro/specs/
• カローラ 主要諸元表（2026年5月版）（トヨタ自動車）：https://toyota.jp/pages/contents/corolla/002_p_001/pdf/corolla_spec_202605.pdf
• プリウス 主要諸元表（2026年7月版）（トヨタ自動車）：https://toyota.jp/pages/contents/prius/005_p_001/pdf/prius_spec_202607.pdf
• タント 主要諸元表（ダイハツ工業）：https://www.daihatsu.co.jp/lineup/tanto/pdf/specifications.pdf
• PETボトルの軽量化（2024年度実績）（PETボトルリサイクル推進協議会）：https://www.petbottle-rec.gr.jp/data/weight_saving.html
• 複写機、プリンター用紙 再生紙（リコー）：https://www.ricoh.co.jp/supply/paper/copy/reform/
• JIS P 0138 紙加工仕上寸法（規格番号と名称の存在のみ確認）（日本産業標準調査会）：https://www.jisc.go.jp/app/jis/general/GnrJISNumberNameSearchList?show&jisStdNo=P0138
• 2024年度（令和6年度）国民経済計算年次推計 フロー編 ポイント（2025年12月23日公表）（内閣府経済社会総合研究所）：https://www.esri.cao.go.jp/jp/sna/data/data_list/kakuhou/files/2024/sankou/pdf/point_flow20251223.pdf
• 付表3 経済活動別の就業者数・雇用者数、労働時間数（2024s3_jp.xlsx）（内閣府経済社会総合研究所）：https://www.esri.cao.go.jp/jp/sna/data/data_list/kakuhou/files/2024/tables/2024s3_jp.xlsx
• 国民経済計算年次推計 2024年度 統計表一覧（内閣府経済社会総合研究所）：https://www.esri.cao.go.jp/jp/sna/data/data_list/kakuhou/files/2024/2024_kaku_top.html
• 家計調査報告（家計収支編）2025年（令和7年）平均結果の概要（2026年2月6日公表）（総務省統計局）：https://www.stat.go.jp/data/kakei/sokuhou/tsuki/pdf/fies_gaikyo2025.pdf
• 家計調査報告 月・四半期・年（公表一覧ページ）（総務省統計局）：https://www.stat.go.jp/data/kakei/sokuhou/tsuki/index.html
• 住民基本台帳に基づく人口、人口動態及び世帯数のポイント（令和8年1月1日現在）（総務省自治行政局住民制度課）：https://www.soumu.go.jp/main_content/000892926.pdf
• 住民基本台帳に基づく人口、人口動態及び世帯数（一覧ページ）（総務省）：https://www.soumu.go.jp/main_sosiki/jichi_gyousei/daityo/jinkou_jinkoudoutai-setaisuu.html
• 小企業の経営指標調査 2025年度（飲食店・宿泊業 業種別経営指標、2026年8月掲載）（日本政策金融公庫）：https://www.jfc.go.jp/n/findings/pdf/sme_findings2_08b.pdf
• 小企業の経営指標調査 2025年度（卸売・小売業 業種別経営指標、2026年8月掲載）（日本政策金融公庫）：https://www.jfc.go.jp/n/findings/pdf/sme_findings2_07b.pdf
• 小企業の経営指標調査 掲載一覧ページ（日本政策金融公庫）：https://www.jfc.go.jp/n/findings/shihyou_kekka_m_index.html
• コンビニエンスストア統計調査 年間集計（2025年1月～12月）（一般社団法人日本フランチャイズチェーン協会）：https://www.jfa-fc.or.jp/folder/1/img/20260120121124.pdf
• 商業動態統計速報 2025年12月分（2026年1月30日公表）（経済産業省大臣官房調査統計グループ）：https://www.meti.go.jp/statistics/tyo/syoudou/result/pdf/202512S.pdf
• 2025年8月期 決算短信〔日本基準〕（連結）（株式会社コシダカホールディングス）：https://data.swcms.net/file/koshidakaholdings/dam/jcr:8d4e1a1c-ff05-4153-9e9e-cd3858ed9a91/140120250930565693.pdf
• カラオケ白書（2026年版の概要ページ）（一般社団法人全国カラオケ事業者協会）：https://www.karaoke.or.jp/05hakusyo/
• 2025年（令和7年）全国映画概況（2026年1月発表）（一般社団法人日本映画製作者連盟）：https://www.eiren.org/toukei/img/eiren_kosyu/data_current_2025.pdf
• 2025年12月期 決算短信〔日本基準〕（連結）（日本マクドナルドホールディングス株式会社）：https://finance-frontend-pc-dist.west.edge.storage-yahoo.jp/disclosure/20260206/20260205548971.pdf
• 2025年9月期 決算短信〔IFRS〕（連結）（株式会社FOOD & LIFE COMPANIES）：https://finance-frontend-pc-dist.west.edge.storage-yahoo.jp/disclosure/20251107/20251106590279.pdf
• 店舗数データ 2025年9月期（株式会社FOOD & LIFE COMPANIES）：https://www.food-and-life.co.jp/wp-content/uploads/2025/10/FY2025-%E5%BA%97%E8%88%97%E6%95%B0.pdf
• 2026年2月期 決算短信〔日本基準〕（連結）（株式会社吉野家ホールディングス）：https://finance-frontend-pc-dist.west.edge.storage-yahoo.jp/disclosure/20260409/20260408500410.pdf
• スーパーマーケット販売統計調査 2026年7月実績 速報版（2026年8月21日公表）（全国スーパーマーケット協会／日本スーパーマーケット協会／オール日本スーパーマーケット協会）：https://www.super.or.jp/wp/wp-content/uploads/2026/08/tokei-20260821htt.pdf
• 2025年版 スーパーマーケット年次統計調査 報告書（2025年10月公表）（全国スーパーマーケット協会ほか3団体）：https://www.super.or.jp/wp/wp-content/uploads/2025/10/2025nenji-tokei-detail.pdf
• 2025年12月期 決算短信〔IFRS〕（連結）（株式会社すかいらーくホールディングス）：https://finance-frontend-pc-dist.west.edge.storage-yahoo.jp/disclosure/20260213/20260213559441.pdf
• 令和7年度末揮発油販売業者数及び給油所数を取りまとめました（2026年8月24日公表）（資源エネルギー庁）：https://www.enecho.meti.go.jp/category/resources_and_fuel/distribution/hinnkakuhou/260824.html
• 今日の石油産業 2025（出所：資源エネルギー庁「資源・エネルギー統計」）（石油連盟）：https://www.paj.gr.jp/pdf/today_paj2025.pdf
• ガソリン全国平均価格の推移（燃料油価格の激変緩和・定額引下げ措置）（経済産業省 資源エネルギー庁（燃料油価格対策ポータル））：https://nenryo-teigakuhikisage.go.jp/current_graph.pdf
• TAXI TODAY in Japan 2026「経営の現状」（出所：ハイヤー・タクシー年鑑2026、自動車輸送統計年報 令和6年度）（一般社団法人全国ハイヤー・タクシー連合会）：https://taxi-japan.or.jp/zius/wp-content/uploads/2026/06/%EF%BC%93%EF%BC%8Etaxi_today_2026_%EF%BC%88%E7%B5%8C%E5%96%B6%E3%81%AE%E7%8F%BE%E7%8A%B6%EF%BC%89.pdf
• タクシー事業の現状（事業者数と車両数）（一般社団法人全国ハイヤー・タクシー連合会）：https://taxi-japan.or.jp/industry/
• 宿泊旅行統計調査 2025年・年間値（確定値）報道発表資料（2026年7月6日公表）（観光庁）：https://www.mlit.go.jp/kankocho/content/002010555.pdf
• 宿泊旅行統計調査（一覧ページ）（観光庁）：https://www.mlit.go.jp/kankocho/tokei_hakusyo/shukuhakutokei.html
• 令和8年 自家用乗用車の世帯当たり普及台数（2026年3月末現在。自家用乗用車61,839,584台、世帯数61,747,140、1世帯当たり1.001台）（一般財団法人 自動車検査登録情報協会）：https://www.airia.or.jp/randi/npub2o000000262m.html
• 医療施設動態調査（令和8年3月末概数）。歯科診療所65,213、一般診療所105,631、病院7,968。歯科診療所は前月比77施設減（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/iryosd/m26/is2603.html
• 令和6年度衛生行政報告例の概況（令和6年度末＝2025年3月末現在。美容所277,752、就業美容師588,291、理容所107,995、就業理容師194,531。美容所は前年度比3,682増＝1.3%増、理容所は2,302減＝2.1%減）（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/eisei_houkoku/24/
• 自販機データ 自販機普及台数（2025年12月末。自動販売機合計2,585,200台、うち飲料2,178,800台、食品81,100台、たばこ57,100台、券類63,700台、日用品雑貨204,500台。自動サービス機1,296,500台。合計3,881,700台、前年比99.3%）（一般社団法人 日本自動販売システム機械工業会）：https://www.jvma.or.jp/information/information_3.html
• 都道府県別交通信号機ストック数（令和6年度末＝2025年3月末現在。信号機206,398基、車両用灯器1,256,390灯／LED化率80.2%、歩行者用灯器1,054,170灯／LED化率75.2%。東京16,039、愛知12,972、北海道12,937、大阪12,310）（警察庁）：https://www.npa.go.jp/bureau/traffic/seibi2/annzen-shisetu/hyoushiki-shingouki/2025_shingoukistock.pdf
• 無電柱化推進計画（令和3年5月25日 国土交通大臣決定）。「道路と民地をあわせて約3,600万本の電柱が建っており、減少するどころか増加している」（国土交通省）：https://www.mlit.go.jp/road/road/traffic/chicyuka/pdf/21-05.pdf
• 第3次無電柱化推進計画（素案）。同じく「道路と民地をあわせて約3,600万本」（国土交通省（無電柱化推進のあり方検討委員会 第24回 資料2））：https://www.mlit.go.jp/road/ir/ir-council/chicyuka/pdf24/02.pdf
• 第3次無電柱化推進計画を決定（令和8年6月2日 国土交通大臣決定。5年間で整備完了延長約1,000km、併せて約4,000kmの計画）（国土交通省）：https://www.mlit.go.jp/report/press/road01_hh_002103.html
• 2024年度の電柱増減状況（道路上は約1万本弱の増加、道路以外は3.7万本の増加）（国土交通省（無電柱化推進のあり方検討委員会 第24回 資料4））：https://www.mlit.go.jp/road/ir/ir-council/chicyuka/pdf24/04.pdf
• 道路統計年報2025 概況（イ）道路種類別整備状況。令和6年3月31日現在の実延長 計1,222,132km（高速自動車国道を除く。市町村道1,036,102km、国・都道府県道186,030km）（国土交通省）：https://www.mlit.go.jp/road/ir/ir-data/tokei-nen/2025/xlsx/gaikyou.xlsx
• 全国の事業者数及び車両数の推移（令和6年度末＝2025年3月31日現在。法人タクシー車両数167,404台、個人タクシー車両数25,009台、法人事業者5,398社。国土交通省調べ）（一般社団法人 全国ハイヤー・タクシー連合会）：https://taxi-japan.or.jp/data-survey/
• 2024年度昇降機設置台数等調査結果報告（Elevator Journal No.55, 2025.8）。2025年3月31日現在の会員保守台数はエレベーター782,223台（うちホームエレベーター95,145台、除くと687,078台）、エスカレーター70,732台、小荷物専用昇降機44,932台、総計899,111台。2024年度の新規設置はエレベーター21,728台、総計24,190台（一般社団法人 日本エレベーター協会）：https://www.n-elekyo.or.jp/about/elevatorjournal/pdf/Journal55_01.pdf
• 令和6年4月1日時点の全国の交番・駐在所の名称及び位置（CSVを実数え。交番6,214、駐在所5,923、区分未記載1、全12,138件）（警察庁）：https://www.npa.go.jp/about/overview/R06_koban.csv
• 令和6年4月1日時点の全国の警察署の名称及び位置（CSVを実数え。1,149署）（警察庁）：https://www.npa.go.jp/about/overview/R06_keisatsusyo.csv
• 全国警察施設名称位置等（上記2ファイルのデータセットページ）（警察庁／e-Govデータポータル）：https://data.e-gov.go.jp/data/dataset/npa_20221124_0001
• 宗教年鑑 令和7年版（2024年12月31日現在。神社78,593＝宗教団体、うち宗教法人78,512。寺院73,578＝宗教団体、うち宗教法人72,389。神社本庁の加盟は78,157社）（文化庁）：https://www.bunka.go.jp/tokei_hakusho_shuppan/hakusho_nenjihokokusho/shukyo_nenkan/pdf/r07nenkan.pdf
• 令和7年の宗教統計調査の結果を公表します（宗教法人178,537、うち単位宗教法人178,150。神道系の単位宗教法人84,014）（文化庁）：https://www.bunka.go.jp/tokei_hakusho_shuppan/hakusho_nenjihokokusho/shukyo_nenkan/pdf/r07nenkan_gaiyo.pdf
• 宗教年鑑 令和6年版 第2表「全国社寺教会等」（令和5年12月31日現在）（文化庁）：https://www.bunka.go.jp/tokei_hakusho_shuppan/hakusho_nenjihokokusho/shukyo_nenkan/pdf/r06nenkan.pdf
• 令和6年の宗教統計調査の結果を公表します（令和6年12月、令和5年12月31日現在）（文化庁）：https://www.bunka.go.jp/tokei_hakusho_shuppan/hakusho_nenjihokokusho/shukyo_nenkan/pdf/r06nenkan_gaiyo.pdf
• 宗教年鑑・宗教統計調査（索引ページ）（文化庁）：https://www.bunka.go.jp/tokei_hakusho_shuppan/hakusho_nenjihokokusho/shukyo_nenkan/index.html
• 郵便事業の現状と今後の見通しについて（2024年7月、情報通信審議会 郵政政策部会 資料1-5）（総務省／日本郵便株式会社）：https://www.soumu.go.jp/main_content/001017125.pdf
• 揮発油販売業者数及び給油所数の推移（登録ベース）令和7年7月30日公表（経済産業省 資源エネルギー庁 資源・燃料部燃料流通政策室）：https://www.enecho.meti.go.jp/category/resources_and_fuel/distribution/hinnkakuhou/data/20250730.pdf
• 令和6年度末揮発油販売業者数及び給油所数を取りまとめました（公表ページ）（経済産業省 資源エネルギー庁）：https://www.enecho.meti.go.jp/category/resources_and_fuel/distribution/hinnkakuhou/250730.html
• 令和6年度温泉利用状況（令和7年3月末現在）都道府県別表（環境省）：https://www.env.go.jp/nature/onsen/pdf/6-7_p_1.pdf
• 温泉利用状況経年変化表（昭和32年度から令和6年度）（環境省）：https://www.env.go.jp/nature/onsen/pdf/6-7_p_3.pdf
• 温泉利用状況等について（索引ページ）（環境省）：https://www.env.go.jp/nature/onsen/data/
• 「2024年度ゴルフ場利用者数」・「2025年2月末ゴルフ場数」について（2025年6月）（一般社団法人 日本ゴルフ場経営者協会）：https://www.golf-ngk.or.jp/news/2025/riyouzei/2024comment.pdf
• 令和6年度社会教育統計（社会教育調査の結果）確定値（2026年3月27日公表、施設数は令和6年10月1日現在）（文部科学省）：https://www.mext.go.jp/content/20260327-mxt_chousa01-000048443_1.pdf
• 社会教育調査 令和6年度 結果の概要（索引ページ）（文部科学省）：https://www.mext.go.jp/b_menu/toukei/chousa02/shakai/kekka/k_detail/2024.htm
• 医療施設動態調査（令和7年5月末概数）2025年7月31日公表（厚生労働省 政策統括官付参事官付保健統計室）：https://www.mhlw.go.jp/toukei/saikin/hw/iryosd/m25/dl/is2505.pdf
• 医療施設動態調査（令和7年5月末概数）公表ページ（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/iryosd/m25/is2505.html
• 令和6（2024）年度衛生行政報告例の概況（2025年10月21日公表、令和6年度末現在）（厚生労働省 政策統括官付参事官付行政報告統計室）：https://www.mhlw.go.jp/toukei/saikin/hw/eisei_houkoku/24/dl/gaikyo.pdf
• 保育所等関連状況取りまとめ（令和7年4月1日）2025年8月28日公表（こども家庭庁）：https://www.cfa.go.jp/assets/contents/node/basic_page/field_ref_resources/b0a8057b-34bf-4c20-84fb-ae592708ca9b/c853cacb/20250828_policies_hoiku_torimatome_r7_01.pdf
• 保育所等関連状況取りまとめ（令和7年4月1日）公表ページ（こども家庭庁）：https://www.cfa.go.jp/policies/hoiku/torimatome/r7
• 認定こども園に関する状況について（令和7年4月1日現在）2025年10月28日公表（こども家庭庁）：https://www.cfa.go.jp/assets/contents/node/basic_page/field_ref_resources/0f3ffc2a-7126-4f96-9497-dd3dbfb5438f/6e155b89/20251105_policies_kokoseido_kodomoen_jouhou_13.pdf
• 令和7年度学校基本統計（学校基本調査の結果）確定値（2025年12月26日公表、令和7年5月1日現在）（文部科学省）：https://www.mext.go.jp/content/20251226-mxt_chousa01-000044291_01.pdf
• 学校基本調査 令和7年度 結果の概要（索引ページ）（文部科学省）：https://www.mext.go.jp/b_menu/toukei/chousa01/kihon/kekka/k_detail/2025.htm
• 2025（令和7）年 国民生活基礎調査の概況（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/k-tyosa/k-tyosa25/index.html
• 令和7年度学校基本統計（学校基本調査の結果）確定値（文部科学省）：https://www.mext.go.jp/content/20260327-mxt_chousa01-000048552_10.pdf
• 消費動向調査（令和8年3月実施分）（内閣府経済社会総合研究所）：https://www.esri.cao.go.jp/jp/stat/shouhi/honbun202603.pdf
• 2025年度国内携帯電話端末出荷台数調査（MM総研）：https://www.m2ri.jp/release/detail.html?id=714
• 携帯電話国内出荷実績 2025年3月（電子情報技術産業協会（JEITA））：https://www.jeita.or.jp/japanese/stat/cellular/2025/03.html
• 2026年度 電気機器の見通し 資料（2026年3月13日）（日本電機工業会（JEMA））：https://www.jema-net.or.jp/stat/evefa200000038jm-att/2026mitoshi_data.pdf
• 清涼飲料水統計2026【ダイジェスト版】（全国清涼飲料連合会）：https://www.j-sda.or.jp/statistically-information/pdf/2026jsda_databook.pdf
• 令和7年（2025年）全国犬猫飼育実態調査 主要指標サマリー（ペットフード協会）：https://petfood.or.jp/pdf/data/2025/3.pdf
• 2024年度業界決算概況について（2025年7月4日）（日本少額短期保険協会）：https://www.shougakutanki.jp/general/info/2025/news20250704.pdf
• 2026年3月期 決算概要（アニコム損害保険）：https://www.anicom-sompo.co.jp/company/financial_data/pdf/r7_3_4.pdf
• ディスクロージャー2026 資料編（アイペット損害保険）：https://www.ipet-ins.com/company/ipet/pdf/disclosure/2026_data.pdf
• ペットビジネスに関する調査（2025年）（矢野経済研究所）：https://www.yano.co.jp/press-release/show/press_id/3906
• 2025年度玩具市場規模調査結果データ（全般）（日本玩具協会）：https://www.toys.or.jp/pdf/2026/2025_data_zenpan.pdf
• ランドセル購入に関する調査 2026年（日本鞄協会ランドセル工業会）：https://www.randoseru.gr.jp/graph/
• 基礎研レター「少子化とランドセル市場」（2025年2月12日）（ニッセイ基礎研究所）：https://www.nli-research.co.jp/report/detail/id=77732?site=nli
• メガネ関連団体協議委員会について（日本メガネ協会）：https://www.megane10-01.com/about
• ケース教材「眼鏡業界におけるSPA事業モデル」（上智大学経済学部 網倉久永研究室）：https://fe.sophia.ac.jp/wp/wp-content/uploads/2024/02/SBCS2015_001C.pdf
• メガネ市場レポート（2025年2月18日発表）（NIQ（NielsenIQ））：https://nielseniq.com/global/ja/insights/report/2025/0218-optics/
• マーケットサイズ（コンタクトレンズ・ケア用品の市場規模）（日本コンタクトレンズ協会）：https://www.jcla.gr.jp/membership/outline/marketsize.html
• コンタクトレンズ市場レポート（2025年2月25日発表）（NIQ（NielsenIQ））：https://nielseniq.com/global/ja/insights/report/2025/0225-optics/
• 結婚マーケット調査2025（2026年1月22日発表）（リクルート リクルートブライダル総研）：https://souken.zexy.net/data/market2025/market2025_summary.pdf
• ブライダル市場に関する調査（2026年）2026年3月31日発表（矢野経済研究所）：https://www.yano.co.jp/press-release/show/press_id/4098
• 平成30年 特定サービス産業実態調査報告書 冠婚葬祭業編（経済産業省）：https://www.meti.go.jp/statistics/tyo/tokusabizi/result-2/h30/pdf/h30report22.pdf
• 特定サービス産業動態統計調査 15.葬儀業（2024年年間補正済）（経済産業省）：https://www.meti.go.jp/statistics/tyo/tokusabido/result/excel/hv47_01j.xls
• 【第7回】お葬式に関する全国調査（2026年）（鎌倉新書）：https://www.kamakura-net.co.jp/newstopics/12326/
• 平成30年 特定サービス産業実態調査報告書 学習塾編（経済産業省）：https://www.meti.go.jp/statistics/tyo/tokusabizi/result-2/h30/pdf/h30report27.pdf
• 特定サービス産業動態統計調査 19.学習塾（経済産業省）：https://www.meti.go.jp/statistics/tyo/tokusabido/result/excel/hv59_01j.xls
• 令和5年度子供の学習費調査 結果の概要【令和8年1月16日差替】（文部科学省）：https://www.mext.go.jp/content/20260116-mxt_chousa01-000039333_3.pdf
• 酒のしおり（令和8年7月版）付表 酒類課税数量の推移表（国税庁）：https://www.nta.go.jp/taxes/sake/shiori-gaikyo/shiori/2026/excel/07.xlsx
• 酒のしおり（令和7年3月版）7 酒類課税数量の推移（国税庁）：https://www.nta.go.jp/taxes/sake/shiori-gaikyo/shiori/2025/pdf/0013.pdf
• ビール・発泡酒の酒税に関する要望書（2025年8月）（ビール酒造組合／発泡酒の税制を考える会）：https://www.brewers.or.jp/contents/pdf/25beer.pdf
• 市場動向レポート（ビール酒造組合）：https://www.brewers.or.jp/data/doko.html
• 統計情報「化粧品出荷」（原データ：経済産業省 生産動態統計）（日本化粧品工業会）：https://www.jcia.org/user/statistics/shipment
• 統計情報「化粧品消費」（原データ：総務省 家計調査年報）（日本化粧品工業会）：https://www.jcia.org/user/statistics/consumption
• 統計情報「乳幼児用紙おむつの生産数量 推移」（日本衛生材料工業連合会）：https://www.jhpia.or.jp/data/data5.html
• 統計情報「大人用紙おむつのタイプ別生産数量 推移」（日本衛生材料工業連合会）：https://www.jhpia.or.jp/data/data6.html
• 2024（令和6）年度ペットフード産業実態調査の結果（2025年9月）（一般社団法人ペットフード協会）：https://petfood.or.jp/pdf/data/2024/data.pdf
• 全国犬猫飼育実態調査（データ・チャート）（一般社団法人ペットフード協会）：https://petfood.or.jp/data-chart/
• 2024（令和6）年度ペットフード産業実態調査の結果について（農林水産省（協会文書の掲載））：https://www.maff.go.jp/j/chikusan/sinko/lin/l_siryo/attach/pdf/index-1509.pdf
• 「フィットネスクラブ・スポーツジム」業界動向調査（2024年度）2025年5月16日（株式会社帝国データバンク）：https://www.tdb.co.jp/report/industry/250516_fitness24fy/
• 特定サービス産業動態統計調査 長期時系列表18 フィットネスクラブ（経済産業省／e-Stat）：https://www.e-stat.go.jp/dbview?sid=0004027652
• 文具・事務用品市場に関する調査を実施（2025年）（株式会社矢野経済研究所）：https://www.yano.co.jp/press-release/show/press_id/4008
• 日本の傘の消費量（日本洋傘振興協議会の記述の引用）（DCM DIY倶楽部（JUPAを出典として引用））：https://dcm-diyclub.com/diyer/article/22427
• 日本洋傘振興協議会 公式サイト（統計の所在を確認したが数値は未掲載）（日本洋傘振興協議会）：https://www.jupa.gr.jp/
• 25年菓子市場、小売4兆円到達 チョコ7000億円（全日本菓子協会 令和7年 菓子データの報道）（日本食糧新聞（全日本菓子協会の発表を報道））：https://news.nissyoku.co.jp/news/aoyagi20260401092306312
• 菓子関係データ／令和7年 菓子生産数量・生産金額及び小売金額（推定）（全日本菓子協会（ANKA））：https://anka-kashi.com/statistics.html
• 2024年菓子の小売金額 5.3％増の3兆8785億円（令和6年分）（流通ニュース（全日本菓子協会の発表を報道））：https://www.ryutsuu.biz/commodity/r040215.html
• 2024年度「アイスクリーム類及び氷菓」販売実績（メーカー出荷ベース）2025年6月10日（一般社団法人日本アイスクリーム協会）：https://www.icecream.or.jp/assets/iceworld/data/pdf/2024result.pdf
• 映連 統計データ トップ（一般社団法人日本映画製作者連盟）：https://www.eiren.org/toukei/
• 令和6年度衛生行政報告例（理容所・美容所・従業者数）（厚生労働省）：https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/kenkou_iryou/kenkou/seikatsu-eisei/seikatsu-eisei21/index.html
• 令和6年度衛生行政報告例 第11表 クリーニング所施設数ほか（CSV実データ）（厚生労働省／e-Stat）：https://www.e-stat.go.jp/stat-search/file-download?statInfId=000040359179&fileKind=1
• 理容所10万台に減少、美容所は増加続く 令和6年度衛生行政報告例（理美容ニュース（衛生行政報告例の報道））：https://ribiyo-news.jp/?p=48162
• 2025年版 生活衛生関係営業ハンドブック 第1 生活衛生関係営業の概要（公益財団法人全国生活衛生営業指導センター）：https://www.seiei.or.jp/db-toukei/shb-pdf/shb2025-0101.pdf
• 美容業 結果の概要（生活衛生関係営業経営実態調査）（厚生労働省）：https://www.mhlw.go.jp/bunya/kenkou/seikatsu-eisei22/14-02.html
• 住民基本台帳人口移動報告 2024年（令和6年）結果（総務省統計局）：https://www.stat.go.jp/data/idou/2024np/jissu/pdf/gaiyou.pdf
• 住民基本台帳人口移動報告 2024年結果 報道資料（総務省）：https://www.soumu.go.jp/menu_news/s-news/01toukei03_01000127.html
• 2026年3月期 決算説明会資料（2026年5月13日）（株式会社サカイ引越センター）：https://www.hikkoshi-sakai.co.jp/ir/r2mrro00000004rg-att/20260513ir.pdf
• 物流15業種市場に関する調査を実施（2025年）（株式会社矢野経済研究所）：https://www.yano.co.jp/press-release/show/press_id/3860
• TAXI TODAY in Japan 2025（一般社団法人全国ハイヤー・タクシー連合会）：https://taxi-japan.or.jp/zius/wp-content/uploads/2025/07/Taxi_Today_2025.pdf
• 宅配ピザ店の市場規模とメーカーシェア 2025年（サンプル版）（Mpac／富士経済「外食産業マーケティング便覧2025 No.2」（2025年5月23日刊））：https://www2.fgn.jp/mpac/_data/1/?d=026801
• 【2026年版】宅配ピザチェーンの店舗数ランキング（2026年3月30日）（日本ソフト販売株式会社）：https://www.nipponsoft.co.jp/blog/analysis/chain-pizza2026/
• 2025年のキャッシュレス決済比率を算出しました（2026年3月31日）（経済産業省）：https://www.meti.go.jp/press/2025/03/20260331006/20260331006.html
• 2025年のキャッシュレス決済比率は58.0％（経産省発表の報道）（BCN／Impress Watch ほか）：https://www.watch.impress.co.jp/docs/news/2099068.html
• 国内キャッシュレス決済の動向（2026年4月3日）（一般財団法人静岡経済研究所）：https://www.scbri.jp/reports/.assets/newstopics_20260403.pdf
• 令和6年度ふるさと納税に関する現況調査結果（令和7年7月31日公表）（総務省）：https://www.soumu.go.jp/main_sosiki/jichi_zeisei/czaisei/czaisei_seido/furusato/archive/
• 6年度のふるさと納税の寄附額は1兆2728億円（総務省発表の報道）（税のしるべ電子版）：https://shirube.zaikyo.or.jp/article/2025/08/04/10330174.html
• 2025年国内レコード市場（音楽ソフト＋音楽配信）は3,988億円と推計（2026年3月4日）（一般社団法人日本レコード協会）：https://www.riaj.or.jp/news/press/94d112e4-697a-4990-9f80-a721d1f5a921/
• 日本のレコード産業2025（2024年の音楽ソフト生産・音楽配信の概況）（一般社団法人日本レコード協会）：https://www.riaj.or.jp/f/pdf/issue/industry/RIAJ2025.pdf
• IT人材需給に関する調査（概要）平成31年4月（経済産業省 情報技術利用促進課）：https://www.meti.go.jp/policy/it_policy/jinzai/gaiyou.pdf
• DS検定 リテラシーレベル 過去の実施結果（一般社団法人データサイエンティスト協会）：https://www.datascientist.or.jp/dscertification/results/
• 組織図・法人会員一覧（一般社団法人データサイエンティスト協会）：https://www.datascientist.or.jp/aboutus/organization/
• 統計検定 過去の受験データ（一般財団法人統計質保証推進協会・日本統計学会）：https://www.toukei-kentei.jp/info/past_data
• PBT方式試験 2024年実施試験（一般財団法人統計質保証推進協会）：https://www.toukei-kentei.jp/info/past/pbt2024
• 令和6年鶏卵流通統計調査結果 統計表（速報）（農林水産省（e-Stat掲載））：https://www.e-stat.go.jp/stat-search/files?page=1&layout=dataset&toukei=00500227&tstat=000001044816&stat_infid=000040259764
• 日本の統計2026 表26-5 書籍新刊点数と平均価格（総務省統計局（原資料は公益社団法人全国出版協会・出版科学研究所「出版指標年報」））：https://www.stat.go.jp/data/nihon/zuhyou/n262600500.xlsx
• 住民基本台帳人口移動報告 2025年（令和7年）結果（総務省統計局）：https://www.stat.go.jp/data/idou/2025np/jissu/youyaku/index.html
• 日本の統計2026 表2-11 家族類型別一般世帯数（総務省統計局（原資料は令和2年国勢調査））：https://www.stat.go.jp/data/nihon/zuhyou/n260201100.xlsx
• 報道発表資料 令和6年度 宅配便・メール便取扱実績について（国土交通省 物流・自動車局）：https://www.mlit.go.jp/report/press/jidosha04_hh_000341.html
• 2025年版 決済統計年報 3-2 業態別CD・ATM設置状況等（一般社団法人全国銀行協会）：https://www.zenginkyo.or.jp/fileadmin/res/abstract/stats/year1_01/cont_2025/nenpo3703.xlsx
• 日本の統計2026 表16-5 主要金融機関の店舗数（総務省統計局（原資料は全国銀行協会「全国銀行財務諸表分析」、ゆうちょ銀行「統合報告書」））：https://www.stat.go.jp/data/nihon/zuhyou/n261600500.xlsx
• ITARDA Information WEB版 #01 令和6年の交通事故死者数（公益財団法人交通事故総合分析センター（原統計は警察庁「交通事故統計」））：https://www.itarda.or.jp/contents/10875/info_W01.pdf
• 日本の統計2026 表19-3 男女、産業別就業者数（総務省統計局（原資料は労働力調査））：https://www.stat.go.jp/data/nihon/zuhyou/n261900300.xlsx
• 日本の統計2026 表19-4 職業別就業者数（総務省統計局（原資料は労働力調査））：https://www.stat.go.jp/data/nihon/zuhyou/n261900400.xlsx
• 弁護士白書2025年版 資料1-1-1〜1-1-4（日本弁護士連合会）：https://www.nichibenren.or.jp/library/pdf/document/statistics/2025/1-1-1.pdf
• 令和6年医師・歯科医師・薬剤師統計の概況（結果の概要）（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/ishi/24/dl/R06_kekka-1.pdf
• 令和6（2024）年医師・歯科医師・薬剤師統計の概況（目次）（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/ishi/24/index.html
• 医療施設動態調査（令和6年12月末概数）（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/iryosd/m24/is2412.html
• 日本の統計2026 表7-1 産業別企業等数と売上（収入）金額（総務省統計局・経済産業省（原資料は令和3年経済センサス活動調査））：https://www.stat.go.jp/data/nihon/zuhyou/n260700100.xlsx
• 各駅の乗車人員 2024年度 ベスト100（東日本旅客鉄道株式会社）：https://www.jreast.co.jp/company/data/passenger/
• 各駅の乗車人員 2024年度 101位以下（4）（東日本旅客鉄道株式会社）：https://www.jreast.co.jp/company/data/passenger/2024_04.html
• 新幹線駅別乗車人員（2024年度）（東日本旅客鉄道株式会社）：https://www.jreast.co.jp/company/data/passenger/2024_shinkansen.html
• 各駅の乗降人員ランキング（2024年度）（東京地下鉄株式会社（東京メトロ））：https://www.tokyometro.jp/corporate/enterprise/passenger_rail/transportation/passengers/2024.html
• 令和7（2025）年 人口動態統計月報年計（概数）の概況（掲載ページ）（厚生労働省）：https://www.mhlw.go.jp/toukei/saikin/hw/jinkou/geppo/nengai25/index.html
• 人口統計資料集2025 表6-23 性別50歳時の未婚割合、有配偶割合、死別割合および離別割合：1920〜2020年（国立社会保障・人口問題研究所）：https://www.ipss.go.jp/syoushika/tohkei/Popular/P_Detail2025.asp?fname=T06-23.htm
• 令和5年住宅・土地統計調査 住宅及び世帯に関する基本集計（確報集計）結果（総務省統計局）：https://www.stat.go.jp/data/jyutaku/2023/pdf/kihon_gaiyou.pdf
• 令和5年住宅・土地統計調査 調査の結果（総務省統計局）：https://www.stat.go.jp/data/jyutaku/2023/tyousake.html
• 日本映画産業統計 過去データ一覧（1955年〜2025年）（一般社団法人日本映画製作者連盟）：https://www.eiren.org/toukei/data.html
• 最新映連発表資料 2025年（令和7年）全国映画概況（2026年1月発表）（一般社団法人日本映画製作者連盟）：https://www.eiren.org/toukei/index.html
• 米穀の需給及び価格の安定に関する基本指針（令和8年7月）（農林水産省）：https://www.maff.go.jp/j/seisan/keikaku/beikoku_sisin/shishin/shishin_20260728.pdf
• 食料需給表 令和6年度（参考2、令和7年10月公表）（農林水産省 大臣官房政策課 食料安全保障室）：https://www.maff.go.jp/j/press/kanbo/anpo/attach/pdf/251010-2.pdf
• 我が国の食品ロスの発生量の推計値（令和6年度）の公表について（2026年6月30日）（環境省）：https://www.env.go.jp/press/press_05155.html
• 事業系食品ロス量（2024年度推計値）を公表（令和8年6月30日）（農林水産省）：https://www.maff.go.jp/j/press/shokuhin/recycle/260630.html
• 2024（令和6）年度食品ロス量推計値の公表について（消費者庁）：https://www.caa.go.jp/notice/entry/046549/
• 食品ロス削減関係参考資料（2026年6月30日）分割版1（消費者庁 消費者教育推進課 食品ロス削減推進室）：https://www.caa.go.jp/policies/policy/consumer_policy/information/food_loss/efforts/assets/consumer_education_cms201_260630_06.pdf
• EV等 保有台数統計（一般社団法人次世代自動車振興センター（NeV））：https://www.cev-pc.or.jp/tokei/hoyuudaisu.html
• EV等 販売台数統計（一般社団法人次世代自動車振興センター（NeV））：https://www.cev-pc.or.jp/tokei/hanbaidaisu.html
• グラフで見るインスタントラーメンデータ（一般社団法人日本即席食品工業協会）：https://www.instantramen.or.jp/know/data/
• 総需要一覧表（2026年8月6日現在）（一般社団法人世界ラーメン協会（WINA））：https://instantnoodles.org/jp/noodles/demand/table/
• 家計調査（二人以上の世帯）品目別都道府県庁所在市及び政令指定都市ランキング 2023年〜2025年平均「外食」（総務省統計局）：https://www.stat.go.jp/data/kakei/zuhyou/rank13.xlsx
• 令和5年住宅・土地統計調査 東京都の結果の概要（住宅数、建て方別、2023年10月1日現在）（総務省統計局／東京都総務局統計部）：https://www.toukei.metro.tokyo.lg.jp/jyutaku/2023/jt23tgaiyou.pdf
• 令和7年通信利用動向調査の結果（令和8年5月29日公表、令和7年8月末時点）（総務省）：https://www.soumu.go.jp/johotsusintokei/statistics/statistics05.html
• 協会について（施設数統計の記載なしを確認）（公益社団法人日本サウナ・スパ協会）：https://sauna.or.jp/jsa/about/
• 「オートキャンプ白書2026」発行のお知らせ（2025年のデータ、オートキャンプ場1,757か所、稼働率16.3％）（一般社団法人日本オートキャンプ協会）：https://www.autocamp.or.jp/post-22088
• 鼻アレルギーの全国疫学調査2019（1998年、2008年との比較）速報（日本耳鼻咽喉科学会会報 123巻6号（2020年））：https://www.jstage.jst.go.jp/article/jibiinkoka/123/6/123_485/_article/-char/ja/
• 2026年3月期 決算説明会（2026年4月28日公表）（株式会社オリエンタルランド）：https://www.olc.co.jp/ja/news/news_olc/auto_20260428513084/pdfFile.pdf
• 2025年 セ・パ公式戦 入場者数（日本野球機構（NPB））：https://npb.jp/statistics/2025/attendance.html
• 大会入場者数（選抜大会）（日本高等学校野球連盟）：https://www.jhbf.or.jp/senbatsu/spectators/
• 大会入場者数（選手権大会）（日本高等学校野球連盟）：https://www.jhbf.or.jp/sensyuken/spectators/
• 令和6年 血液事業統計資料 血液事業の現状（令和6年1月〜12月累計）（日本赤十字社 血液事業本部）：https://www.jrc.or.jp/donation/pdf/R6_ketsuekijigyonogenjyo.pdf
• LINE、国内月間利用者数が1億ユーザーを突破（2026年1月29日発表、2025年12月末時点）（LINEヤフー株式会社）：https://www.lycorp.co.jp/ja/news/release/020058/
• 旅券統計 令和6年旅券統計（国内）（2025年2月20日公表）（外務省領事局旅券課（e-Stat経由で取得））：https://www.e-stat.go.jp/stat-search/files?page=1&layout=dataset&stat_infid=000040250307
• 統計・調査（旅券統計の掲載ページ）（外務省）：https://www.mofa.go.jp/mofaj/toko/passport/page22_004046.html
• クレジットカード発行枚数調査結果の公表について（2025年11月14日公表、2025年3月末現在）（一般社団法人日本クレジット協会）：https://www.j-credit.or.jp/information/statistics/download/toukei_inumber_a.pdf
• 労働力調査（詳細集計）2025年（令和7年）平均結果の概要（総務省統計局）：https://www.stat.go.jp/data/roudou/sokuhou/nen/dt/pdf/gaiyou.pdf
• 一般廃棄物の排出及び処理状況等（令和6年度）について（2026年3月27日公表）（環境省）：https://www.env.go.jp/press/press_03502.html
• 一般廃棄物処理事業実態調査（令和6年度実績）東京都集計結果（環境省）：https://www.env.go.jp/recycle/waste_tech/ippan/r6/data/shori/city/13/01.xlsx
• ごみ量・ごみの中身（令和7年度確定値）（東京二十三区清掃一部事務組合）：https://www.union.tokyo23-seisou.lg.jp/somu/koho/toke/nakami/index.html
• 国内生産数量統計 レトルト食品生産数量の推移（2024年〜2025年）（公益社団法人日本缶詰びん詰レトルト食品協会）：https://www.jca-can.or.jp/data/pdf/retort24-25.pdf
• カレーとは（数字で見るカレー。カレールウ生産実績は平成20年度の値）（全日本カレー工業協同組合）：http://www.curry.or.jp/whats/number.html