<第2回>今こそ注目したい、税理士・会計士のためのデータドリブン経営

はじめに ― 試算表は「過去の記録」か「未来の材料」か
前回は、なぜ今、税理士・会計士にデータドリブン経営なのか、という視点から、皆様こそが顧問先のデータ活用を支援する最有力プレイヤーであることをお伝えしました。第2回は、いよいよ実践編です。とはいえ、新しいツールを導入する必要はありません。主役は、皆様が毎月作成している試算表や月次データです。多くの現場で、試算表は「先月の結果を確認するための過去の記録」として扱われています。
しかし、見方を少し変えるだけで、同じデータが「未来の意思決定材料」に変わります。本稿では、その具体的な読み方・活かし方を、取り組みやすい順に3つのステップでご紹介します。

ステップ1:月次推移の「可視化」で異常に気づく
最初のステップは、拍子抜けするほどシンプルです。数表をグラフにする。これだけです。売上高、粗利益、主要な経費科目について、過去24か月分の月次推移を折れ線グラフにしてみてください。数表を眺めていたときには気づかなかった変化が、驚くほどはっきりと見えてきます。
じわじわと上昇を続ける外注費。毎年同じ月に落ち込む売上の季節性。ある月を境に階段状に増えた地代家賃。グラフは、こうした「変化の形」を一瞬で教えてくれます。

人間の目は、数字の羅列から変化を読み取ることは苦手ですが、線の形の異変を見つけることは得意です。Excelでもクラウド会計ソフトの標準機能でも、グラフ化は数分でできます。
まずは顧問先との面談資料に、数表だけでなくグラフを1枚添える。ここから始めてみてください。「先生の資料は分かりやすい」という反応が、最初の手応えになるはずです。
ステップ2:「分解」してみる 顧客別・商品別に見る収益性
グラフで変化に気づいたら、次のステップは「分解」です。前回ご紹介した「売上=顧客数×客単価」のように、合計の数字を要素に分けて、変化の原因を特定します。分解の切り口は、顧客別、商品別、部門別、地域別など、顧問先の商売の形に合わせて選びます。
たとえば売上を顧客別に分解して上位から並べると、多くの会社で「売上の大部分を少数の顧客が占めている」という構造が見えてきます。上位顧客への依存度が高すぎないか。

逆に、手間ばかりかかって利益に貢献していない取引はないか。粗利益まで顧客別・商品別に分解できれば、「売上は大きいが儲かっていない商品」という、経営者の実感とデータが食い違いやすいポイントも発見できます。
ここで必要なデータは、会計データに加えて、より細かい顧問先の請求データや営業データです。もしそのようなデータが手元にないならば、「顧客別の請求データをいただけますか」という一言が、データドリブン支援の入り口になります。分解して眺めるだけなら、Excelのグラフやピボットテーブルなどで十分です。
ステップ3:一歩進んだ活用 資金繰り予測とKPIモニタリング
過去と現在が読めるようになったら、最後のステップは「未来」に目を向けることです。
代表例が資金繰り予測です。過去の入出金のパターン、売上の季節性、既に確定している支払予定を組み合わせれば、数か月先の資金残高の見通しを立てることができます。「このままだと3か月後の資金が薄くなる」という指摘を、資金が苦しくなる前に、「なんとなく」ではなく「ロジカルに数値」で伝えられることの価値は、言うまでもありません。

もう一つは、KPI(重要業績評価指標)の継続的なモニタリングです。労働分配率、限界利益率、一人当たり売上高など、顧問先の業種に合った指標を2つ3つ選び、毎月の面談で定点観測します。
指標は多く持つ必要はありません。少数の指標を「毎月続けて見る」ことで、変化の兆しを早期に捉えられるようになります。
おわりに ― 「1社・1グラフ」から始めよう
3つのステップをご紹介しましたが、すべてを一度に始める必要はありません。おすすめは「1社・1グラフ」です。まず1社だけ顧問先を選び、月次推移のグラフを1枚作って、次回の面談で見せてみる。社長の反応が良ければ、分解へ、予測へと少しずつ深めていく。
この小さな一歩の積み重ねが、事務所の支援スタイルを確実に変えていきます。

最終回となる次回は、視点を顧問先から皆様の事務所自身に移します。生成AIやBIツールとの付き合い方、データ活用を事務所の差別化と付加価値につなげる実践ステップをお伝えします。どうぞご期待ください。
【第1回】「先生、うちの会社、大丈夫でしょうか?」に何と答えるか
【第3回】ツール導入が目的になっていないか
高橋 威知郎
株式会社セールスアナリティクス
代表取締役 / Chief Data Scientist / 中小企業診断士
実務で20年以上データサイエンスの活用業務(中央省庁・大手IT・製造業など)に携わる。小売業から製造業、1人社長企業から大手企業まで様々な企業の現場データ活用(営業・マーケ・生産など)や数理モデル構築(需要予測・効果測定・最適化など)、データ活用の組織づくりなどを支援。業務効率化、コスト削減、売上向上などに寄与。データサイエンスの関連書を10冊以上執筆。
