営業職のデータ分析入門｜受注率の読み方と学習を進める手順

※本記事はアフィリエイト広告（PR）を含みます。

営業職のデータ分析は、商談記録の定義をそろえ、件数・割合・推移を確認するところから始められます。必要な統計知識やツールは課題によって異なり、集計だけで売上改善が保証されるわけではありません。この記事では、学習順序の一例と、指標の定義、分析結果を施策に生かす際の注意点を整理します。

この記事では、営業職が数字で語れるようになるまでの道筋を、学ぶ順序、置くべき指標、道具の選び方、行動への落とし込み方の順に整理します。先に要点を挙げます。

• ✅ 出発点は新しいデータではなく、すでに手元にある記録を比較できる形に整えること
• ✅ 学ぶ順序は、集計、可視化、統計の基礎、SQLの順。後半は全員に必要なわけではない
• ✅ 指標はKGIから逆算し、行動に直結するKPIだけに絞る
• ✅ 道具はExcelから始め、限界を感じてからBIツールやSFA・CRMの連携を考える
• ✅ 分析は行動に変えて初めて価値になる。検証できる形のルールにする

なお、ツールの機能や料金、市場の動向は変わります。ここで触れる内容は執筆時点での一般的な役割分担にすぎませんので、導入や受講を検討するときは必ず最新の情報をご自身で確認してください。

データ分析を学んだ営業は、何がどう変わるのか

データ分析というと専門部署の仕事に聞こえますが、営業が扱う範囲はもっと手前にあります。商談数、受注率、失注理由、顧客の業種や企業規模といった、すでに記録されている情報を整理して読むこと。ここが出発点です。変わるのは知識の量ではなく、打ち手の決め方だと考えてください。

効果が出るのは売上の数字だけではありません。受注につながりやすい提案の型が分かれば、資料をゼロから作る時間が減ります。訪問や架電の総量を増やすのではなく、成果に結びつく行動の割合を増やす。少人数の組織ほど、この考え方の恩恵は大きくなります。

勘と経験だけで走る営業がぶつかる壁

経験を積んだ営業ほど、成果が出ているあいだは感覚で回せます。問題は、うまくいかなくなったときに原因を特定できないことです。「今月は流れが悪い」で振り返りが終わってしまうと、翌月に何を変えればいいのかが決まりません。同じ動き方を続けて、結果が戻るのを待つしかなくなります。

多くの現場では、日報やSFAに記録そのものは溜まっています。それでも活用しきれないのは、入力項目がばらついていて比較できない、数字を見ても改善案に結びつかない、という状態で止まっているからです。つまり足りないのは新しいデータではなく、すでにあるデータを比べられる形に整える作業です。まず何を測るのかを決め、その項目だけでも入力の粒度をそろえるところから始めるのが現実的です。

数字に強い営業がやっているのは、結果の分解

受注件数が減ったときは、商談数と受注率を分けて確認します。受注率を「対象商談のうち受注した割合」と定義する場合は、対象期間・商談の範囲・判定時点をそろえ、受注件数を対象商談数で割って算出します。商談数だけの増減では率の変化を説明できません。進行中の案件を含めるかどうかも決め、分母がゼロなら率を算出しないでください。

この分解ができると、社内での説明も変わります。「来月は頑張ります」ではなく「見積提出後に止まる案件が増えているので、提出時の比較資料を作ります」と言えるようになる。特別な道具は要りません。紙に要素を書き出し、そこへ自分の案件の数字を当てはめるだけでも十分に機能します。分析の本質は計算ではなく、この分け方を考えるところにあります。

学ぶ順序は、集計、可視化、統計の基礎、そしてSQL

学習順序の一例として、集計、可視化、統計の基礎、必要に応じたSQLを紹介します。担当業務や既存スキルに合わせて順序を調整してください。集計で確認できる課題もあれば、統計や専門家の支援が必要な課題もあります。

最初に試す集計と可視化の基礎

第一段階では、利用を許可されたデータや練習用の架空データで集計します。業種別などの区分ごとに商談数と受注数を並べ、定義をそろえて率を求めます。少数の案件や特定期間の偏りだけで、顧客層の優劣や担当者の能力を決めないようにしましょう。

第二段階は可視化です。数字の表のままでは、自分は理解できても他人には伝わりません。時系列の変化は折れ線、項目どうしの比較は棒グラフ、と使い分けるだけで会議の質が変わります。扱うデータの量が増えたり、複数の情報源をまとめて見たくなったりしたら、Tableau のようなBIツールの出番です。ただし、道具を先に導入しても、見るべき指標が決まっていなければ画面が増えるだけで終わります。

統計の基礎とSQLは、必要になった人だけが進めば十分です

第三段階の統計の基礎は、「その差に意味があるのか」を判断するために学びます。たとえば今月の受注率が前月より三ポイント高いとき、それは施策の効果なのか、案件数が少ない月にたまたま起きた揺れなのか。平均だけでなく中央値との差を見る、件数が少ないときは結論を急がない、といった感覚が身につくだけでも、判断の精度は上がります。難解な検定手法を暗記する必要はありません。

第四段階のSQLは、社内のデータベースから自分で条件を指定してデータを取り出すための知識です。ここは全員に必要なわけではありません。依頼すれば数日で必要な一覧が出てくる環境なら、その時間を提案の準備に使ったほうが成果につながります。逆に、毎週のように抽出を依頼していて待ち時間がボトルネックになっている人、営業企画やマネジメントへ進みたい人にとっては、投資に見合う段階です。自分がどちらなのかを見極めてから手をつけてください。

チームで考えると、この点はさらにはっきりします。全員が同じ深さまで進む必要はなく、現場で数字を読み解ける人、分析の設計ができる人、道具を扱える人と役割を分けたほうが機能します。大切なのは、全員が同じ指標の定義を共有していることです。そこさえそろっていれば、深いところまで学ぶ人は数人でも組織としては十分に回ります。

統計の基礎やSQLまで進む必要が出てきた場合は、Python・統計学・SQLなど30以上のコースが受け放題のスタビジアカデミーがあり、2026年10月時点の表示ではライトプランが月1,280円です（税込・税抜の表示なし）。ライトプランは月額の定期購読で、解約・中断はマイページから自分で行う必要があり、利用規約に返金の定めは見当たりませんでした。条件は変わることがあるため、申し込み前に公式サイトで確認してください。

KGIとKPIの置き方と、指標を絞る考え方

分析の前に決めるべきなのが、何を目標に置くかです。KGIは最終的に達成したい成果、KPIはそこへ向かう途中経過を測る指標を指します。KGIが年間売上一億円なら、KPIは商談数、提案件数、受注率といったものになります。この関係が整理できていないと、集めた数字が「見て終わり」になります。

目的が曖昧なまま分析を始めると、必要な範囲が決まりません。売上そのものを伸ばしたいのか、商談化率を上げたいのか、失注を減らしたいのかで、見るべきデータは変わります。先にゴールを決めることで、集めるべきデータも自然に絞り込めます。

指標を見るときは、上下だけで一喜一憂しないことも大切です。受注率が落ちたなら、案件の母数が変わったのか、扱う商材の構成が変わったのか、担当の入れ替わりがあったのか。原因の候補を挙げてから数字に戻ると、同じ数値でも読み取れる情報が増えます。

KPIは、自分の行動で動かせるものだけに絞る

KPIを増やしすぎる失敗はよく起こります。十個以上の指標を毎週追いかけようとして、結局どれも見なくなる。絞り込みの基準は単純で、自分やチームの行動で直接動かせるかどうかです。架電数、初回訪問後のフォロー日数、提案書の提出件数は動かせます。一方、市況や競合の動きは重要ではあっても、KPIには向きません。三つから五つに収め、週次の会議で必ず全員が同じ数字を見る状態をつくってください。

もう一つ意識したいのが、短期の指標と中長期の指標のバランスです。今月の受注件数だけを追うと、解約や追加受注の見込みが薄い契約でも取りにいく力が働きます。そこで、一人の顧客が取引期間全体でもたらす価値、いわゆるLTVのような視点を併せ持つと、判断が偏りにくくなります。すべてを厳密に計算する必要はありません。「この顧客は続くのか」を提案の段階で考える習慣があるだけでも、案件の質は変わります。

クロス集計と相関で傾向を調べる

営業が使う分析は、専門家しかできない高度なものである必要はありません。項目を掛け合わせて傾向を見るクロス集計と、二つの指標がどれくらい連動するかを見る相関。この二つを扱えれば、日々の判断材料としては十分に実用的です。どちらもExcelの標準機能で計算できます。

クロス集計と相関から仮説を考える

クロス集計は、業種と受注率、企業規模と平均単価、リード獲得経路と商談化率といった組み合わせで表をつくる方法です。BtoBの営業であれば、過去の受注データを業界と従業員規模で分けるだけで、決まりやすい層と時間ばかりかかる層がはっきり分かれることがよくあります。そこが見えると、ターゲットを絞り込めて、勝ち目の薄い提案に費やしていた時間を回収できます。あわせて失注理由を集計すると、提案内容のどこを直すべきかも見えてきます。

案件の分析も同じ要領です。停滞している案件を段階ごとに数えて、どの工程で止まりやすいかを見ます。見積提出後に動かない案件が突出して多いなら、価格そのものより、価格に納得してもらうための材料が足りていない可能性を疑えます。仮説を立て、数字で確かめ、外れたら次の仮説へ移る。分析はこの繰り返しです。

個人のお客様を相手にする営業でも、考え方は変わりません。訪問件数のような総量ではなく、初回の接触からどれくらいの速さで次の連絡を入れたか、どの時間帯の連絡が反応を得やすいかといった、行動の中身を分けて数えます。全体の件数だけを見ていると気づけない差が、分解すると浮かび上がってくる。売上に直結する行動が特定できれば、限られた時間の配分先も自然に決まります。

相関を見るときには注意が必要です。訪問回数と受注率に正の相関があったとしても、訪問すれば受注するとは限りません。もともと有望な案件だから何度も足を運んでいる、という逆向きの説明も成り立つからです。関係があることと、原因であることは別だと覚えておいてください。本当に効果があるかを知りたければ、比較条件を設計し、他の要因の影響も検討する必要があります。

道具の使い分け、Excel とBIツールとSFA・CRM

道具は目的が違うため、優劣ではなく役割で選びます。手元の集計はExcel、複数のデータをまとめて見せるのはBIツール、活動と顧客の記録を溜めるのはSFAとCRM。この住み分けを理解しておくと、無理な導入で疲弊せずに済みます。

Excelから始めて、限界を感じたら次を考える

最初からBIツールを導入する必要はありません。Excelは集計と簡単なグラフ作成に向いており、営業現場でもすぐ使えます。まずはピボットテーブルで自分の案件を分類し、気づいたことをメモする。この作業を何回か繰り返すと、自分が本当に見たい指標が絞られてきます。そのうえで、扱う件数が増えて処理が重くなった、チームで同じ数字を見たいのに版が分かれてしまう、といった具体的な不便が出てきたときが、次の道具を検討するタイミングです。

TableauのようなBIツールの強みは、複数のデータを見やすく可視化できることにあります。逆にいえば、見せたい指標が決まっていない段階で導入しても効果は出にくい。導入の判断は、機能の多さではなく「毎週その画面を見て意思決定する人がいるか」で行ってください。誰も開かない画面は、作成と保守の手間だけが残ります。

SFAとCRMは、分析の前に入力の設計を

SFAは営業活動の進捗管理に強く、CRMは顧客情報の管理に強い道具です。両者を連携させると、案件の情報と顧客の履歴を一元的に分析できるようになります。商談化から受注までの期間、段階ごとの離脱、失注理由の傾向。こうした情報が溜まれば、改善すべき点はかなり具体的に見えてきます。

ただし、成否を分けるのは機能ではなく入力ルールです。たとえば失注理由を自由記述だけにすると、後から比較できません。よくある理由を選択式で用意し、補足だけを自由記述にすると、集計と背景の把握を両立できます。項目は欲張らず、必ず埋める数個に絞る。誰が入力しても同じ意味になる定義を先に決める。この地味な設計が、後の分析精度をほぼ決めてしまいます。

分析を行動に変え、PDCAで検証する

分析は、結果を眺めた時点では何の価値も生みません。次にとる行動が具体的に決まり、それを実行し、効果を数字で確かめて初めて意味を持ちます。ここで役立つのが、計画、実行、評価、改善を回すPDCAの考え方です。難しい話ではなく、施策を一つ試して結果を見る、という当たり前の流れを止めずに続けることを指します。

行動に落とすときのこつは、誰がやっても同じになるくらい具体的なルールにすることです。よく挙げられる例が、フォローの速度です。商談の直後にどれだけ早く連絡を入れるかは、担当者によってかなりばらつきます。そこで、初回の商談後は24時間以内に必ず御礼と次の提案の骨子を送る、といった形に決めてしまう。曖昧な「こまめに連絡する」では、実行したかどうかも測れません。

施策を試す期間と比較する指標を先に決め、集計対象や定義をそろえて記録します。ただし前後の期間を比べるだけでは、季節性、案件構成、価格変更などの影響を除けず、施策の因果効果は断定できません。重要な判断では比較対象の設計や必要な件数について分析担当者に相談し、確認できた傾向と未検証の仮説を分けて説明してください。

そして、効果が確かめられた行動は、個人の工夫のままにせず全員のやり方に組み込みます。この横展開ができるかどうかで、組織としての差が出ます。うまくいった小さな事例を会議で共有し、使う指標をそろえ、数字を見てから議論する順番を習慣にする。特別な制度をつくらなくても、この積み重ねでデータを前提とした進め方は定着していきます。

• ✅ 施策は一度に一つだけ変える
• ✅ 検証の期間と比較する指標を、始める前に決めておく
• ✅ 結果と適用条件を確認し、チームで展開を検討する

つまずきやすい点と、注意しておきたいこと

データ活用は有効ですが、使い方を誤ると逆効果になります。よくある失敗には型があり、先に知っておけばほとんどは避けられます。数値の追い方、データの品質、そして情報の取り扱い。この三つは特に注意してください。

数値だけを追うと、かえって成果が遠のく

受注件数だけを強く追いかけると、短期の数字は上がっても、無理のある提案が増えて解約や不満につながることがあります。営業の目的は数字を良く見せることではなく、顧客との関係を保ちながら成果を出し続けることです。指標は現実を映す道具であって、目的そのものではないと確認しておきましょう。件数と併せて継続率や追加受注を見るなど、片側に寄らない組み合わせにしておくと安全です。

分析する側と現場のすれ違いも起こりがちです。詳細なレポートが作られても、現場が知りたいのは「明日どう動けばいいか」であることが多い。分析を始める前に現場の困りごとを確認し、出した結果について反応をもらう場を定期的に設けると、この溝は埋まります。

データの品質も見落とせません。入力漏れや表記ゆれが多いと、集計そのものがずれます。同じ企業が複数の名称で登録されていれば、取引額は分散して実態より小さく見えます。分析を高度にする前に、まず登録ルールを整えるほうが効果は大きいと考えてください。

最後に、扱う情報の性質です。営業データには顧客の氏名、連絡先、商談の内容といった機密情報が含まれます。共有範囲を誤ると情報漏えいに直結するため、閲覧権限の管理と、社外への持ち出しルールの明確化は必ず先に行ってください。個人が私物の端末へ写して集計する、といった運用は、便利でも避けるべきです。分析の推進と安全管理は、必ずひと組で考えます。

よくある質問

営業職がデータ分析を学び始めるときに、よく寄せられる疑問をまとめます。

数学が苦手でも身につきますか

最初の段階に必要なのは、足し算と割り算、そして割合の考え方です。数学の得意不得意より、自分の案件データを実際に触ってみるかどうかで差がつきます。統計の理論に進むのは、集計と可視化を業務で何度か回してからで構いません。順序を守れば、苦手意識が学習を止める場面はかなり減ります。

統計検定などの資格は取ったほうがよいですか

資格そのものより、学習の過程で基礎が体系的に身につく点に価値があります。独学だと自分の興味のある部分に偏りやすいため、範囲が決まっている試験は目安として使えます。ただし、資格が受注につながるわけではありません。取得を目的にせず、学んだ内容を翌週の商談や社内会議で試す前提で選んでください。

どのくらいの期間で実務に使えるようになりますか

実務に使えるまでの期間は、前提知識、データの品質、必要な作業によって異なります。まずは練習用データで、件数と割合の集計、グラフ作成、結果の説明を一つずつ試しましょう。実際の業務データを使う際は社内の利用権限と持ち出しルールを確認し、学習目的でも無断で外部サービスへ送信しないでください。

まとめ、明日からできる最初の一歩

営業がデータ分析を学ぶ目的は、分析の専門家になることではありません。自分の判断に根拠を持たせ、成果の出た動き方を再現できるようにすることです。要点を三つに整理します。

• 学ぶ順序は、集計、可視化、統計の基礎、SQLの順。後半の二つは全員に必要なわけではなく、必要になった人だけが進めば十分です。
• 指標はKGIから逆算し、自分の行動で動かせるKPIを三つから五つに絞る。短期の件数に偏らないよう、LTVのような視点も併せて持ちます。
• 道具はExcelから始め、不便が出てからBIツールやSFA・CRMの連携を考える。どの道具でも、入力ルールの統一が前提になります。

最初は、許可されたデータまたは架空の練習データで、商談数・受注数・受注率を並べた表を作ってみましょう。対象期間、分母、進行中案件の扱いを表に添え、件数の少ない区分を確認します。気づいた傾向は仮説として記録し、実際の顧客対応を変える前にチームで検討してください。

教材を検討する際はリスキリングアプリ・学習サービスの比較、費用を抑えて試す場合は無料で学べる動画・アプリの選び方も参考にしてください。