What-if分析の進化と戦略的価値：基礎的シナリオから因果推論AIモデルへの移行

I. エグゼクティブ・サマリー

What-if分析は、特定の入力条件、すなわち「仮定」を変更した際に、結果（アウトプット）がどのように変動するかを調査する戦略的シミュレーション手法であり、その本質は「もしXが起こったら、Yはどうなるか？」という問いに定量的に答えることにあります ¹。この分析は、イベントの起こり得る影響を調査したり、状況下で異なるアクションを実行した場合の結果を検証したりするために活用されます ¹。

伝統的に、What-if分析は財務計画や基礎的なシナリオ・マネジメント（レベル1）で利用されてきました ²。しかし、現代のWhat-if分析は、その適用範囲と技術的基盤を大きく進化させています。現在では、過去の時系列データに基づき将来の値を予測する時系列予測モデル（ARIMAやETS）を統合したカスタムAIモデル（レベル2） ³、さらには、介入の効果を深く理解するための高度な因果推論アルゴリズム（DECI：Deep End-to-end Causal Inference）を利用したモデル（レベル3）へと発展しています ¹。この進化により、What-if分析は、組織の炭素排出量削減戦略 ³ や、サプライチェーン最適化、複雑な行動科学的介入の評価といった、高度に複雑な領域における意思決定を支援する不可欠なツールとなっています。

II. What-if分析の定義、目的、および分析パラダイム

2.1 What-if分析の核心：概念的定義と戦略的価値

What-if分析は、人々が物事の関係をよりよく理解できるようにすることを目的としており、さまざまな状況で考えられる結果を調査することでこれを実現します ¹。この手法は、組織がより情報に基づいた意思決定（例：炭素削減戦略の策定）を行い、全体的な持続可能性の目標達成を加速させるために極めて重要です ³。シナリオを定義し、異なる予測仮定セットを評価することにより ²、経営層は未来の不確実性に対する備えを行うことが可能になります。

最も基礎的な形式では、What-if分析は計算モデルに基づいており、入力値（例：元金、金利、期間）を変更することで、それが最終的な出力（例：毎月のローンの支払い）に与える影響を調べます ⁴。これは、スプレッドシートやシンプルな財務モデリングにおいて広く活用されるアプローチです。

2.2 分析の分類：予測的What-ifと因果的What-if

What-if分析は、使用されるモデルの複雑さと、回答しようとする問いの性質によって、大きく二つの主要なパラダイムに分類されます。

第一に、予測的What-ifは、主に時系列データに基づき、特定の戦略的変更（例：再生可能エネルギー源への切り替え ³）が、将来の時間的推移の中で変数（例：排出量）の値にどのように影響するかを予測することに焦点を当てます。このアプローチは、将来の基準（ベースライン）や介入後の結果を時系列で定量化する際に用いられます。

第二に、因果的What-ifは、より高度な分析であり、介入（Intervention）を通じて特定の変数（要因）を制御・変更した場合、他の関連する変数群にどのような因果効果が波及するかをシミュレーションします ¹。これは、単なる相関関係の予測を超えて、システム内の構造的な関係性を深く理解することを可能にします。

2.3 関連分析手法との比較：ゴールシークとの差異

What-if分析は、入力（X）を変更して出力（Y）をシミュレーションする「順方向シミュレーション」です。しかし、この手法には、目的とする目標値（Y）を達成するために、具体的に「どの入力値（X）」を変更する必要があるのかを見つけ出せないという本質的な課題があります ⁵。

このWhat-if分析のデメリットを補完するのが**ゴールシーク（Goal Seek）**です。ゴールシークは、目標値（例：特定の利益水準）を入力し、それを達成するために必要な入力値（例：広告費や販売価格）を逆算する「逆方向最適化または反転」の役割を果たします ⁵。戦略的意思決定においては、What-if分析を用いて新規戦略の実現可能性と結果の不確実性を検証し、その上でゴールシークを利用して目標達成のための具体的な実行アクションや必要なリソース量を特定するというように、両者を組み合わせて利用することが効果的です。

III. 基礎的What-if分析：シナリオ・マネジメントと実務ツール

3.1 財務モデリングにおける役割

基礎的なWhat-if分析は、特に財務モデリングや予算策定において、さまざまな予測仮定セットを評価するための中心的なツールとして機能します ²。企業はシナリオ・マネージャを使用して、金利の変動、売上高の増減、コスト構造の変化など、様々な入力値に対する結果の変化をモデリングします ²。具体的な応用例としては、ローン返済のシミュレーションがあります。借入金額、年利、ローン期間といった入力項目を変更することで、ローン返済の各支払いにおける利息と元金の構成要素が一定期間でどのように分解されるかを詳細に調査できます ⁴。

3.2 シナリオ・マネージャの構造と継承の概念

戦略モデリングに使用される高度なシステムでは、シナリオ・マネージャによって分析の整合性と効率性が保証されます ²。

デフォルトで存在する主要なシナリオには、すべての勘定科目の元の入力値が含まれる基本シナリオと、過去の実績値が含まれる実績シナリオがあります ²。基本シナリオは、他のシナリオがデータを提供しない場合の最終的なデータ・ソースとして機能し、現在の戦略の基準点を提供します。

特筆すべきは、シナリオ継承の概念です。新しいシナリオを作成する際、既存のシナリオから勘定科目、入力値、および予測方法を継承するよう定義できます ²。これにより、データ入力の手間が削減され、モデル内の既存の関係性を壊すことなく、値の変更を試すことが容易になります。さらに、複数継承を使用することで、異なる戦略的な変更セット（例：サプライチェーンの変更に関するシナリオと、販売価格の変更に関するシナリオ）を組み合わせたり一致させたりすることが可能となり、複合的な影響の評価においてモデルの柔軟性が大幅に向上します ²。

3.3 スプレッドシートベースの「データテーブル」活用

最もアクセスしやすいWhat-if分析のツールは、Excelなどのスプレッドシートツールに組み込まれている「データテーブル」機能です ⁶。これは、簡単な計算式に基づいたシミュレーションを迅速に実行するための基礎的な方法を提供します ⁶。例えば、「広告費はいくらまでかけられるか」という目的を達成するために、広告費の入力値を段階的に変更し、その変更が設計された計算式（モデル）を通じて広告効果にどのように影響するかをシミュレーションすることができます ⁶。

IV. 予測ベースのWhat-if分析のための時系列モデリング基盤

戦略的What-if分析がビジネスの将来計画に不可欠であるにつれて、過去の時系列データに基づいて、将来の活動レベルおよび排出量レベルを予測するための高度な単変量時系列モデルが利用されるようになりました ³。

4.1 活動データに基づく排出量予測のプロセス

カスタムAIモデルを用いた予測的What-if分析（例：組織の炭素排出量予測）では、まず「活動データ」（例：消費電力量、燃料使用量）の将来の予測値が生成されます ³。次に、この活動レベルの予測が、対応する「排出量レベル」の予測に変換され、これにより、特定のビジネス慣行の変更が環境目標に与える影響が定量的に示されます ³。

4.2 サポートされる主要な単変量時系列予測モデル

高度なWhat-if分析プラットフォーム（例：Sustainability Manager）は、予測の精度と堅牢性を最大化するために、複数の時系列予測モデルをサポートしています ³。

4.2.1 (季節)自己回帰和分移動平均 ((S)ARIMA) モデル

(S)ARIMAモデルは、時系列データ内の自己相関を記述するために使用される統計的手法です ³。このモデルは、データの定常性を確保するために差分処理を行い、過去の値が現在の値に与える短期的な依存性やノイズを捉えることに優れています。ARIMAモデルは、特に市場データや在庫レベルなど、先行する値との強い相関を持つデータ系列の予測に適しており、変動が大きくランダムウォーク的な要素を含む時系列の基準予測を生成する役割を果たします。

4.2.2 エラー・トレンド・季節性 (ETS) モデルと指数平滑化のメカニズム

ETSモデルは、時系列データを傾向（Trend）、季節性（Seasonality）、およびエラー（Error）の構成要素として記述することに特化しています ³。ETSの基盤は指数平滑化にあり、作成された予測値は、過去の観測値の加重平均です ³。この重みは観測値が古くなるにつれて指数関数的に減衰するため、結果として、より最近の観測値により高い重みが与えられます ³。このフレームワークは、トレンドや季節性の変動が大きい活動データに対して、信頼性の高い予測値を迅速に生成できるため、産業界での応用において極めて重要な役割を果たします ³。

4.3 モデル選択フレームワークとデータの品質管理

4.3.1 最適モデルの自動選択基準と予測区間の生成

予測モデル選択フレームワークは、過去の活動データに基づいて最適な予測モデルを自動的に選択します ³。具体的には、ETSモデルはデータ内の傾向と季節性の記述に依存し、ARIMAモデルはデータ内の自己相関の記述に依存します ³。

さらに、これらの統計的モデル（特にETSモデルはイノベーション状態空間モデルとして実装されることで）は、単なる点予測だけでなく、予測に関連する不確実性を定量化するために予測区間を生成します ³。通常、95%の信頼度を用いて将来の観測値が含まれる区間が推定されます ³。

4.3.2 データの均一性チェックとフォールバック予測方法の適用

高度なWhat-if分析システムにとって、データの品質は予測精度に直結する大きな課題です。予測の前に、データが月単位で集計され、均一性がチェックされます ³。データが比較的均一な月ごとのリズムを示さない場合は、集計を2か月、3か月、4か月、または6か月に調整することが試みられます ³。

これらの調整によっても系列が均一性を達成できない場合、または履歴データが少なすぎる場合、あるいは非常に不規則な場合 ³、ARIMAまたはETSのような高度なモデルの代わりに、より単純なフォールバック予測方法が選択されます ³。このフォールバック戦略は、データ品質の課題（特に欠損データが多い時系列や不規則な間隔の履歴データ ³）が存在する場合に、高度なモデルが誤った予測を生成することを防ぐための安全網として機能し、実用的なAIシステムのロバスト性を確保する上で不可欠です。

Table 1: What-if分析の基盤となる予測モデルの比較

モデル	基礎となる原理	強み	What-if分析での役割
(S)ARIMA	データの自己相関と差分処理（定常性）	短期的な変動とデータの依存性を捉える	過去の活動データに基づき、将来の基準排出量を予測
ETS (指数平滑法)	傾向、季節性、エラー（指数関数的重み付け）	信頼性の高い予測値を迅速に生成、トレンドや季節性を明示的に記述 3	季節変動が大きい活動データの予測精度向上
フォールバックモデル	単純な平均/直近値など	データが不均一または欠落している場合の安全性確保 3	高度なモデルが適用不能な場合の基準予測の生成

V. 因果推論（Causal Inference）に基づく高度なWhat-if分析

従来の予測モデル（ARIMA/ETS）が、将来の予測値の不確実性を扱うのに対し、因果的What-if分析は、特定の介入がシステムに与える真の影響を特定することを目指します。

5.1 相関から因果への移行：なぜ因果モデルが必要か

What-if分析の究極の目的は、単に未来を予測するだけでなく、物事の関係性を深く理解し、戦略的アクションがもたらす効果を正確にシミュレーションすることです ¹。従来の時系列予測は、過去の挙動に基づく予測であり、複数の交絡因子が存在する複雑なシステムにおいて、「この要因を意図的に変えたらどうなるか」という介入効果を正確に分離して評価することは困難です。そのため、What-if分析の精度と信頼性を高めるには、相関ではなく因果関係に基づいたモデルが必要となります。

5.2 DECI（Deep End-to-end Causal Inference）アルゴリズムの仕組み

RATHなどのプラットフォームでは、因果関係の発見とWhat-if分析のためにDECIアルゴリズムが導入されています ¹。DECIは深層学習に基づく因果推論手法であり、ディープニューラルネットワークを構築することで因果関係をモデル化します ¹。

このプロセスは、まず高次元データ内の非線形な影響関係を発見し、暫定的な因果構造図を自動生成することから始まります ¹。次に、モデルの学習を通じて因果関係のパラメーターが推定され、これが予測と推論に使用されます ¹。この手法は、あるイベントが別のイベントに及ぼす影響を予測したり、測定値が結果に及ぼす影響を推定したりするために利用されます ¹。

5.3 因果的What-if分析の具体的適用例

因果モデルが確立されると、それに基づいてWhat-if分析が実行されます。分析者は、1つまたは複数の要因（独立変数）を制御し（増加させてから減少させる） ¹、その介入が他の従属変数にどのように影響するかを理解できます。

例えば、「禁煙と体重」の関係を調査するデータセットにおいて ¹、独立変数として「禁煙」を選択し、これを調整・増加させた場合、DECIアルゴリズムは、禁煙が体重増加に及ぼす影響の程度を推定および予測します ¹。この分析は、従来の統計的回帰モデルでは捉えにくい、複雑なシステムにおける非線形な交絡因子や間接的な影響（例：行動変容や代謝の変化）を定量的に評価する能力に優れており、医療や行動科学における仮説検証ツールとしても応用され始めています。

VI. 戦略的応用事例：サステナビリティと炭素削減戦略

予測的What-if分析（レベル2）の最も顕著な事例の一つが、企業が自社の環境フットプリントを管理するために利用する、炭素排出量予測における応用です ³。

6.1 Sustainability ManagerにおけるWhat-if分析の役割

Microsoft Sustainability ManagerなどのプラットフォームにおけるWhat-if分析は、カスタムAIモデルを利用して、いくつかのビジネス慣行の変更が組織の炭素排出量に与える影響を予測します ³。この機能の目的は、より情報に基づいた炭素削減戦略を作成し、全体的な持続可能性の目標を加速させることにあります ³。予測シナリオを作成する際、ユーザーは1つのシナリオ内で1から3個までの新しい戦略を指定し、その影響を評価することができます ³。

6.2 炭素排出量予測の具体的なシナリオ評価

What-if分析は、特定の経営判断が環境目標に及ぼすトレードオフを定量化するための手段を提供します。具体的な予測事例は以下の通りです ³。

1. 再生可能エネルギー源への切り替え効果: 風力や太陽光発電などの再生可能エネルギー源への切り替えが、将来の炭素排出量に与える削減効果を予測します。これは、大規模な設備投資の正当性を裏付ける重要なデータとなります。
2. サプライヤーおよび車両タイプの変更影響: サプライヤー固有の要因に基づくサプライヤーの切り替えが排出量に与える影響を予測します。これは、特にスコープ3排出量の管理において不可欠です。また、移動式内燃機関の車両および燃料タイプを変更した場合の影響（例：既存のガソリン車フリートをEVフリートへ変更する戦略）を予測し、現在の戦略との比較を行います ³。

これらのシミュレーションにより、企業は特定の経営資源の配分（投資、購買、ロジスティクス）に関する決定の環境的・経済的な影響を、実行する前に定量的に把握することが可能になります。

6.3 予測結果の解釈：既存戦略、新規戦略、予測区間の活用

What-if分析の予測結果は、意思決定者がリスクを考慮しながら戦略を評価できるように、複数の側面から提示されます ³。

• 既存の戦略（Baseline）: 現在の方法を維持した場合に、そのカテゴリから予測される排出量を示し、新規戦略を評価するための基準となります ³。
• 新しい戦略（Intervention Result）: 新しいビジネス戦略に切り替えた場合に予測される排出量を示します ³。
• 予測区間（Prediction Interval）: 過去のデータに基づき、将来の観測値が一定の確率（通常95%の信頼度）で含まれる区間の推定値を示します ³。

予測区間は、結果の不確実性を管理するために最も重要な要素です。例えば、新しい戦略の点予測値が低かったとしても、その予測区間の上限が既存の戦略の区間を大きく超えている場合、その戦略は高い変動リスクを伴うと判断できます。これにより、What-if分析は単なる点予測の比較から、リスク・リターン特性の比較へと昇華されます。

Table 2: What-if分析の複雑性レベル別による応用範囲

複雑性レベル	採用手法	典型的な質問	意思決定の性質
レベル 1 (基礎)	スプレッドシート、シナリオ・マネージャ 2	「金利が1%上がったら、毎月のローン支払いはいくらになるか？」	財務計画、予算編成、感度分析（主に決定論的）
レベル 2 (予測的)	ARIMA/ETS/時系列AIモデル 3	「もし風力発電に切り替えたら、来年の炭素排出量はどれだけ削減できるか？」	目標設定、戦略的投資計画、リスク評価（確率論的）
レベル 3 (因果的)	DECI、因果モデル 1	「特定のサプライヤーへの切り替えが、他のサプライチェーン全体のリスク要因にどのように非線形に影響するか？」	根本原因の理解、非線形な影響の評価（介入主義的）

VII. 結論と提言：次世代の戦略的意思決定ツールとしてのWhat-if分析

What-if分析は、単純な会計ツールから、AIと深層学習に基づく洗練された戦略的介入シミュレーションへと進化しました。この進化の核心的なトレンドは、データの相関関係に基づく予測（ARIMA/ETS）の限界を補完し、複雑なシステムにおける真の介入効果を定量化できる因果推論（DECI）が導入された点にあります ¹。

What-if分析が提供する価値は、リスクの定量化と戦略の事前評価能力にあります。しかし、その精度は基盤となるデータに強く依存します。分析の成功には、データの均一性、集計頻度の適切性、および欠損データの管理といったデータ品質の課題を克服するための積極的なデータガバナンスが前提条件となります ³。

企業は、What-if分析を単体で使用するのではなく、その結果をゴールシーク分析 ⁵ と組み合わせて使用することが推奨されます。What-if分析によって「もしXをしたら、Yはどうなるか」という結果予測（どうなるか）を把握し、ゴールシークによって「Yを達成するためにXをどれだけすべきか」という実行可能なアクション（何をすべきか）を特定することで、目標達成のための包括的かつ実行可能な戦略が策定されます。この統合的なアプローチこそが、不確実性の高い現代ビジネス環境において、企業が情報に基づいた意思決定を行うための鍵となります。

引用文献

1. What If 分析 – Kanaries https://docs.kanaries.net/ja/rath/discover-causals/what-if-analysis
2. シナリオを使用したWhat-If分析の実行 – Oracle Help Center https://docs.oracle.com/cloud/help/ja/pbcs_common/PFUSU/strat_mod_scenario_manager_120x7f13e80a.htm
3. What-if 分析を使用して、排出量に関するビジネス慣行の変化を予測 … https://learn.microsoft.com/ja-jp/industry/sustainability/sustainability-manager-analytics-what-if-analysis
4. What If 分析 – ローンの償却計算 | 使用例 | SpreadJS（スプレッドJS）チュートリアルデモアプリケーション | Developer Solutions〈開発支援ツール〉 – メシウス株式会社 https://demo.mescius.jp/spreadjs/demos/showcase/what-if-analysis/purejs
5. シナリオ分析とは？企業の危機を回避する方法とツールをご紹介 | BOXIL Magazine https://boxil.jp/mag/a2146/
6. 広告効果をExcelデータテーブルでシミュレーションする | 管理会計を起点とする経営支援研究会 https://www.aoyamaoffice.jp/1305