この記事で分かること
- トップダウン・ボトムアップ・ドライバーベース・時系列という4つの予測パラダイムが、それぞれどんな場面で機能し、どんな場面で静かに外すか
- 同じ会社を2通りの手法で予測すると、なぜ結果が食い違うのか。1つの仮設例で実際に数字を突き合わせて検算
- データの有無・事業成熟度・予測期間・意思決定の重さという4つの判断軸で、自分の予測にどの手法を選べばよいか
- 1つの手法の答えを鵜呑みにせず、複数手法を突き合わせて予測の妥当性を検証する考え方
結論：4手法の判断軸を1枚で
結論からいうと、「どの予測手法が正しいか」という問いには唯一の答えがありません。トップダウン（市場規模×シェアからの逆算）、ボトムアップ（現場の積み上げ）、ドライバーベース（因果関係を明示した数式）、時系列（過去の推移の延長）は、それぞれ得意な場面と、静かに外す場面を持つ別々の道具です。どれか一つを万能の型として覚えるのではなく、目の前の予測が置かれた状況に応じて道具を選び、複数の道具の結果を突き合わせて検算することが、実務での正しい使い方になります。
手法を選ぶ判断軸は、大きく4つに整理できます。第一に実績データがどれだけ蓄積しているか、第二に対象事業が新規か既存かという事業の成熟度、第三にこれから予測しようとしている期間の長さ、第四にその予測がどれだけ重い意思決定（年度予算のような繰り返しの判断か、LBOの投資判断や財務デューデリジェンス、IPOの業績予想のような一度きりの高い意思決定か）に使われるかです。この4軸の詳細は本記事の後半で整理します。
年度予算の編成プロセスそのものは年度予算の作り方と予算編成の手法に、ドライバー・統計モデル・営業見込みという3手法の突き合わせはAIで売上予測を作るに譲り、本記事では「そもそもどの予測パラダイムを選ぶか」という判断軸そのものに絞って整理します。各手法の一行定義だけを素早く確認したい場合は予測手法の比較の用語ページも参照してください。以下、4つの手法を順に確認したうえで、同じ小売チェーンをトップダウンとボトムアップの両方で予測すると数字がどれだけ食い違うかを実際に検算し、最後に判断軸と手法併用によるクロスチェックの考え方を整理します。
トップダウン予測：市場規模・シェアからの逆算が向く場面
トップダウン予測は、対象市場の規模に自社の獲得シェアを掛け合わせて、売上高を上から逆算する方法です。TAM・SAM・SOMのような市場規模の三層分析で対象市場を絞り込み、そこに現在または目標とするシェアを掛けるのが典型的な組み方です。
この手法が向くのは、対象事業にまだ実績データがない場面です。新規事業の立ち上げ期、新製品・新サービスのローンチ、あるいは新市場への進出のように、積み上げようにも積み上げる現場実績がまだ存在しない局面では、トップダウンが数字を作る出発点になります。ビジネスケースモデリングで新規投資案件の売上を検討する際も、初期の段階ではトップダウンの市場規模から入ることが多くなります。
一方でトップダウンが静かに外すのは、市場規模の境界線とシェア目標の根拠です。市場規模は定義の仕方（対象顧客の範囲、地理的範囲、代替品を含めるかどうか）によって数倍単位で変わり得るため、算出元の定義を明示しないまま使うと、前提を変えただけで結論が動く不安定な数字になります。さらに、シェア目標を「来期は0.2ポイント上げる」のように置いても、その裏付けとなる出店計画・営業体制・販促投資といった現場側の実行力と紐づいていなければ、目標というより願望に近い数字になってしまいます。この失敗のパターンは、後述する設例で実際の数字を使って確認します。
ボトムアップ予測：現場積み上げが向く場面
ボトムアップ予測は、現場の実態を単位ごとに積み上げて全体の数字を作る方法です。小売業であれば店舗数×既存店売上高伸び率、営業組織であれば営業人員×一人当たり生産性、単価×数量のような形で、末端の実績データから積み上げていきます。既存店売上高伸び率（SSS）、要員計画、労働生産性は、いずれもボトムアップ予測の基本単位になる考え方です。この2つの予測パラダイムの基本的な違いは積み上げ型とトップダウン型の予測にも整理されていますが、本記事では実際に数字を動かして検算します。売上ドライバーの具体的な組み方（単価×数量の設計、成長率の分解）は売上予測とドライバー設計で詳しく扱っているため、実装まで踏み込みたい場合はそちらを参照してください。
この手法が向くのは、既存事業で実績データが十分に蓄積している場面です。店舗ごとの日販、営業担当ごとの受注実績、製品ごとの数量といった粒度のデータがあれば、トップダウンよりも精度の高い積み上げが可能になります。予算編成や中期経営計画で「今の事業をどう伸ばすか」を扱う場面では、ボトムアップが軸になることが多くなります。
一方でボトムアップが静かに外すのは、過去に実績のない打ち手です。新規出店の初年度売上、新しい営業体制の生産性、M&Aで加わった事業の統合後の数字は、社内に参照できる実績がないため、既存店・既存人員の平均値をそのまま当てはめると過大あるいは過小に見積もりやすくなります。また積み上げの粒度を細かくしすぎると、前提の数が膨れ上がり、どの前提が結論を動かしているのか追いにくいモデルになります。さらに、個々の単位を積み上げているだけなので、市場全体が縮小するようなマクロ環境の変化を、ボトムアップの積み上げだけでは捉えにくいという弱点もあります。
ドライバーベース予測：因果関係を明示する
ドライバーベース予測は、ボトムアップの積み上げをさらに一歩進め、「何が何を動かすか」という因果関係を数式として明示する方法です。売上＝客数×客単価、原価＝生産数量×歩留まり率×原単価のように、結果指標を動かす要因（ドライバー）を分解し、それぞれのドライバーの前提値を置きます。ドライバーベース・プランニングは、この考え方を予算編成に応用したものです。
ボトムアップとの違いは、単に現場の単位を積み上げるのではなく、なぜその数字になるのかという因果のロジックを明示する点にあります。客数が増えたから売上が増えたのか、客単価が上がったから増えたのかを分けて説明できるため、前提が変わったときにどこを直せばよいかが分かりやすくなります。KPIで現場をマネジメントする組織では、この形の予測が経営会議での説明力を高めます。
一方でドライバーベースが静かに外すのは、ドライバー同士の因果関係そのものの想定です。相関はあっても因果とは言えない変数をドライバーに選んでしまうと、一見精緻な数式でも実態とはずれた予測になります。またドライバーの数を増やすほど、それぞれの前提を検証するコストが増え、結局は客数や稼働率といった個々のドライバーの将来値を、トップダウンかボトムアップのどちらかで別途予測する必要に迫られます。ドライバーベースは因果関係を可視化する強力な方法ですが、それ自体が予測を自動生成してくれるわけではないという点は押さえておく必要があります。
時系列予測：移動平均・トレンド・季節性
時系列予測は、対象そのものの過去の推移だけを使って将来を延長する方法です。直近数期の平均をとる移動平均、直線または指数曲線を当てはめるトレンド予測、四半期・月次の周期パターンを調整する季節指数などが代表的な手法にあたります。総務省統計局が公開する統計学習サイトでも、移動平均は「各月の移動平均値として、その月を含む一定期間の平均値を使用する方法」であり、季節変動を除いた傾向を捉えやすくすると説明されています。
時系列予測が向くのは、対象の実績データが十分にあり、かつ事業構造が大きく変わっていない成熟事業の短期〜中期予測です。トップダウンやドライバーベースのように市場規模や因果関係の前提を一から置く必要がなく、過去の数字だけから機械的に将来値を計算できる手軽さが強みになります。ExcelでのFORECAST.LINEAR・TREND・GROWTH関数を使った具体的な実装方法はFORECAST.LINEAR・TREND・GROWTH関数で予測モデルを作るで扱っています。
一方で時系列予測が静かに外すのは、過去の構造がそのまま続くという前提が崩れる場面です。実績データに一時的な事象（大型契約、災害、規制変更）が混ざっていると外れ値として予測を歪めますし、業績のトレンドそのものが転換点を迎えている場合、時系列の延長は転換の直前まで正常に見えてしまいます。過去の値が今期に影響を残す自己相関、平均や分散が時間で変わらないという定常性、周期的に繰り返す季節性という3つの統計的な前提が崩れていないかを確認しないまま回帰や延長にかけると、見せかけの関係を本物の関係と誤認するリスクもあります。この統計的な基盤は時系列データの自己相関・定常性・季節性の基礎で扱っているため、時系列予測を採用する前に一度目を通しておくことをお勧めします。
設例：同じ小売チェーンをトップダウンとボトムアップで予測すると何が起きるか
以下は説明用の仮設例であり、実在する企業や取引のデータではありません。生活雑貨を扱う専門店チェーンA社を使い、同じ会社の来期売上高をトップダウンとボトムアップの両方で予測し、数字がどれだけ食い違うかを実際に検算します。A社の直近期の実績は、店舗数100店、年間売上高120億円（1店舗あたり平均1.2億円）、既存店売上高伸び率は+2.0%だったとします。来期は新規に10店舗を下期（10月）に出店する計画があり、新規店舗の年間売上ポテンシャルは既存店と同水準の1店舗あたり1.2億円と仮定します。
式：ボトムアップ予測
来期売上高 ＝ 既存100店の来期売上 ＋ 新規10店の年間貢献（稼働期間で按分）
既存100店の来期売上 ＝ 120億円 ×（1＋既存店売上高伸び率2.0%）
新規10店の年間貢献 ＝ 10店 × 1.2億円/店 × 稼働期間50%（10月出店のため年間の半分のみ寄与）
数値代入と結果
既存100店の来期売上 ＝ 120億円 × 1.02 ＝ 122.4億円
新規10店の年間貢献 ＝ 10店 × 1.2億円 × 50% ＝ 6.0億円
来期売上高（ボトムアップ）＝ 122.4億円 ＋ 6.0億円 ＝ 128.4億円（対120億円で+7.0%）
式：トップダウン予測
来期売上高 ＝ 来期の市場規模 × 来期の目標シェア
来期の市場規模 ＝ 当該市場の現在の市場規模5,000億円 ×（1＋市場成長率3.0%）
現在のシェア ＝ 自社売上120億円 ÷ 市場規模5,000億円
来期の目標シェア ＝ 出店拡大・販促強化を根拠に、現在のシェアから0.2ポイント引き上げた水準
数値代入と結果
来期の市場規模 ＝ 5,000億円 × 1.03 ＝ 5,150億円
現在のシェア ＝ 120億円 ÷ 5,000億円 ＝ 2.4%
来期の目標シェア ＝ 2.4% ＋ 0.2ポイント ＝ 2.6%
来期売上高（トップダウン）＝ 5,150億円 × 2.6% ＝ 133.9億円（対120億円で+11.6%）
| 項目 | ボトムアップ | トップダウン |
|---|---|---|
| 出発点 | 既存100店の実績と成長 | 市場規模×自社シェア |
| 主要な前提 | 既存店成長率+2.0%、新規10店（下期稼働） | 市場成長率+3.0%、シェア2.4%→2.6% |
| 来期売上高 | 128.4億円 | 133.9億円 |
| 来期の伸び率 | +7.0% | +11.6% |
同じ会社の同じ来期を予測したにもかかわらず、ボトムアップは128.4億円、トップダウンは133.9億円と、5.5億円（ボトムアップ比で約4.3%）の差が生まれました。伸び率で見ると、ボトムアップの+7.0%に対してトップダウンは+11.6%であり、その差は4.6ポイントです。どちらの数字が正しいかを直感で決める前に、この差がどこから生まれているのかを検算する必要があります。
トップダウンの133.9億円のうち、既存100店の来期売上122.4億円を差し引くと、11.5億円が「既存店の自然な成長以外の何か」で説明されるべき金額になります。ところが実際に計画されている新規出店は10店（下期稼働のため年間貢献6.0億円）だけなので、具体的な打ち手で説明できるのは11.5億円のうち6.0億円にとどまり、残りの5.5億円は出店計画にも既存店の成長計画にも紐づかない、シェア目標だけが生んだ数字だということが分かります。
この5.5億円を既存店の成長率だけで説明しようとすると、何が必要になるかも計算できます。新規10店の貢献6.0億円をそのまま据え置いた場合、133.9億円との差から逆算すると、既存店の来期売上高は127.9億円（133.9億円−6.0億円）必要になり、これは120億円に対して約+6.6%の成長率に相当します。予算前提として置いていた既存店売上高伸び率+2.0%の3倍以上であり、出店計画にも既存店の販促計画にも根拠が見当たらない水準です。トップダウンの目標シェア2.6%という一見小さな数字の裏に、これだけ大きな前提の飛躍が隠れていたことになります。
| 項目 | 金額・伸び率 |
|---|---|
| トップダウン予測 | 133.9億円 |
| 既存100店の来期売上（+2.0%想定） | 122.4億円 |
| 新規10店の年間貢献（下期稼働） | 6.0億円 |
| 出店計画で説明できない差 | 5.5億円 |
| この差を既存店成長率だけで埋める場合に必要な伸び率 | 約+6.6%（計画+2.0%の3倍超） |
この設例が示すのは、トップダウンそのものが間違っているということではなく、トップダウンの数字は必ずボトムアップの積み上げと突き合わせて検算しなければ、実行力の伴わない目標になりかねないということです。逆に言えば、ボトムアップの積み上げだけを見ていても、市場全体がどれだけ伸びているか、競合がどれだけシェアを取りに来ているかという外部環境の変化には気づけません。次の見出しで、この2つを含めた4手法をどう選び分けるかを整理します。
手法を選ぶ4つの判断軸
ここまでの内容を踏まえ、予測手法を選ぶ4つの判断軸を整理します。どの軸も単独で結論を出すのではなく、複数の軸を重ねて総合的に判断する材料として使います。
| 判断軸 | 実務での目安 |
|---|---|
| データの有無 | 実績データがない新規事業・新製品ではトップダウンを出発点にドライバーベースで補強する。単位別・期別のデータが蓄積していればボトムアップ・時系列が有効になる。 |
| 事業成熟度 | 新規事業の立ち上げ期はトップダウン中心。既存事業の運営・予算編成はボトムアップ・ドライバーベース中心になる。 |
| 予測期間の長さ | 数か月〜1年の短期はボトムアップ・時系列が精度で優位。3〜5年超の中長期は、市場の伸びしろを織り込めるトップダウンとドライバーベースが軸になる。 |
| 意思決定の重さ | 予算改定など反復的な判断は時系列・簡易なドライバーベースで足りる。LBOの投資判断・財務デューデリジェンス・IPOの業績予想のような一度きりの高い意思決定は、ボトムアップ・ドライバーベースを軸に、トップダウンは検証用の参考値として使う。 |
予測期間を四半期・月次まで細かくする場合の実務は四半期・月次モデルへの展開を、予測の当たり外れそのものを継続的に管理する仕組みは着地見込みと予測精度の管理を参照してください。特にLBOやデューデリジェンスのように予測期間が長く、かつ意思決定が重い場面では、トップダウンの成長率だけを根拠にせず、必ずボトムアップの実行計画と整合しているかを確認する姿勢が重要になります。
手法の併用によるクロスチェック
本記事の設例で使った検算の考え方、すなわちボトムアップの内訳を使ってトップダウンの前提を裏付ける、あるいはその逆を行うという発想は、実務では「Reasonability Check（妥当性検証）」と呼ばれる作業の一種です。単一の手法の答えをそのまま採用するのではなく、複数の手法で同じ数字を求め、乖離が出たらその乖離が何によって生まれているのかを、金額・比率・単位あたりの数字にまで分解して説明できる状態にすることが、予測の妥当性を担保する実務的な方法になります。
具体的な手順としては、まずボトムアップまたはドライバーベースで積み上げた数字と、トップダウンで逆算した数字を並べ、差額を確認します。次にその差額を、既存店成長率や客単価・客数のような具体的なドライバーの単位に翻訳し直し、その水準が過去の実績や現場の計画と整合するかを確認します。本記事の設例のように、差額を「既存店成長率約+6.6%相当」まで分解できれば、その前提が妥当かどうかを現場の担当者や過去の実績と照らして議論できます。この妥当性検証をモデルの中でどう仕組み化するかはReasonability Check（妥当性検証）の作り方で扱っているため、あわせて参照してください。
よくある質問（FAQ）
新規事業でボトムアップの実績データがない場合、何を予測の出発点にすればよいですか。
実績データがない段階では、トップダウンで市場規模とシェアから大まかな水準を作るのが出発点になります。ただしその数字をそのまま採用せず、類似業態の店舗あたり売上高や1人当たり生産性といったドライバーベースの仮定で裏付けを取り、本記事の設例のように
4手法の予測結果が一致しない場合、どれを採用すべきですか。
一致しないこと自体は異常ではありません。重要なのは、乖離が生まれた原因を、具体的なドライバーの水準にまで分解して説明できるかどうかです。説明できる前提に基づく数字を採用し、説明できない乖離が残る場合は、その乖離を明記したうえで複数のシナリオとして経営陣に提示する方が、単一の数字を無理に一本化するよりも実務的です。
LBOの投資判断や財務デューデリジェンスのように、予測期間が5年を超える場合はどの手法を軸にすべきですか。
中長期になるほど、市場規模の伸びしろを織り込めるトップダウンと、コスト構造・稼働率などの因果関係を明示できるドライバーベースの重要性が増します。一方で、投資判断の根拠として使う数字は、店舗網や人員体制といったボトムアップの実行計画と整合しているかを必ず確認し、トップダウンの成長率だけが独り歩きしないようにする必要があります。
時系列予測は、実績データが何期分あれば使えますか。
関数としては数期分でも計算できますが、件数が少ないほど1期の変動が予測全体に与える影響は大きくなります。時系列予測の実装方法や外れ値の影響についてはFORECAST.LINEAR・TREND・GROWTH関数で予測モデルを作るを、自己相関・定常性という前提の考え方については時系列データの自己相関・定常性・季節性の基礎を参照してください。
予算編成のプロセスの中で、この判断軸をどう使えばよいですか。
年度予算のスケジュールや承認プロセスそのものは年度予算の作り方を、ゼロベース・ドライバーベース・ローリングフォーキャストといった編成手法の違いは予算編成の手法を参照してください。本記事の4つの判断軸は、その中でどの予測パラダイムを選ぶかという、手前の意思決定を整理するために使うものです。
まとめ
トップダウン・ボトムアップ・ドライバーベース・時系列は、どれか一つが常に正しい万能の手法ではなく、データの有無・事業成熟度・予測期間・意思決定の重さという状況に応じて使い分ける道具です。本記事の設例では、同じ小売チェーンをトップダウンとボトムアップで予測しただけで、来期売上高に5.5億円、伸び率にして4.6ポイントの差が生まれることを確認しました。この差は、トップダウンのシェア目標が現場の出店計画で説明しきれない飛躍を含んでいたために生じたものです。実務では単一の手法の答えをそのまま採用せず、複数の手法を突き合わせ、乖離を具体的なドライバーの水準まで分解して説明できる状態にすることが、予測の妥当性を担保する近道になります。
判断軸を、手を動かしながら確認する
4つの予測手法をどう使い分けるかは、実際に数字を組んでみて初めて感覚がつかめる部分もあります。Labの演習で、トップダウンとボトムアップの前提を変えながら、結果がどれだけ動くかを試してみてください。
出典・参考（2026年9月確認）
- 総務省統計局
「な るほど統計学園」その他のデータ分析手法（移動平均法）｜ stat.go.jp（2026年9月、到達・内容を確認） - 日本チェーンストア協会「チェーンストア販売統計」既存店ベース（店舗調整後）の定義｜ jcsa.gr.jp（2026年9月、到達・内容を確認）
※本記事は教育目的の一般的な解説であり、法務・税務・投資助言ではありません。設例は理解のための仮設例です。
