Decision Making & Critical Thinking（意思決定とクリティカルシンキング）

MBA人材の本質的価値は「不確実性下で良質な意思決定ができる」こと。多くのケースを通じて磨かれる思考力と判断力。

学ぶ目的

• 構造化された問題解決ができる
• データと直感を統合した意思決定ができる
• 認知バイアスを理解し、自分・他人の思考を点検できる
• 不完全情報・時間制約・対立利害下で判断できる

構造化問題解決（Structured Problem Solving）

McKinsey、BCG、Bain などコンサルが磨いてきた手法。MBAで標準化。

7ステップ問題解決（McKinsey流）

1. Define the Problem（問題定義）
2. Structure the Problem（イシューツリー）
3. Prioritize Issues（80-20で重要論点に絞る）
4. Plan Analysis & Work（仮説と分析計画）
5. Conduct Analysis（分析実行）
6. Synthesize Findings（洞察に統合）
7. Communicate（推奨案を伝達）

Issue Tree（イシューツリー）

問題を MECE に分解し、ツリー構造で可視化。

例：「売上を倍増させるには？」

売上倍増
├── 既存顧客の客単価向上
│   ├── アップセル
│   ├── クロスセル
│   └── 値上げ
├── 既存顧客の購入頻度向上
│   ├── リテンション施策
│   ├── プロモーション
│   └── ロイヤルティプログラム
└── 新規顧客獲得
    ├── 既存セグメント
    └── 新セグメント

Hypothesis-Driven Approach（仮説思考）

• 全データを集めてから考えるのではなく、仮説を先に立てて検証
• "What is the answer most likely to be?"
• データは仮説検証のために集める

80-20 Rule（パレートの法則）

• 80%の結果は20%の原因から
• 重要論点を見極め、深掘りする
• "Don't boil the ocean"

Driver Tree（ドライバーツリー）

数値分解で本質的なレバーを特定。

例：利益のDriver Tree

利益 = 売上 - コスト
売上 = 顧客数 × 客単価 × 購入頻度
顧客数 = 新規 + リテンション
コスト = 変動費 + 固定費

クリティカルシンキング

主要原則

1. Question Assumptions（前提を疑う）

• 「みんなが知っている」ことを問い直す
• "Why?" を5回繰り返す（5 Whys）

2. Distinguish Facts from Opinions

• データ（事実）
• 解釈（意見）
• 推測（仮説）

3. Consider Alternative Explanations

• 1つの仮説に固執しない
• "What else could explain this?"

4. Examine Evidence Quality

• ソースの信頼性
• サンプルサイズ、選抜バイアス
• 因果と相関

5. Recognize Logical Fallacies（論理的誤謬）

• ストローマン（藁人形）
• アドホミネム（人格攻撃）
• スリッパリースロープ（滑り坂）
• 偽の二分法
• アンカリング
• 確証バイアス

6つの帽子思考法（Edward de Bono）

意思決定時に6つの視点を順に取る：

1. 白：事実・データ
2. 赤：感情・直感
3. 黒：批判・リスク
4. 黄：楽観・利点
5. 緑：創造・選択肢
6. 青：プロセス管理

Fermi Estimation（フェルミ推定）

完全データなしで概数を導く：

• "How many gas stations are there in Manhattan?"
• ロジックを組み立て、Reasonableなアサンプションで計算
• ケース面接（マッキンゼー等）で必須

意思決定理論

期待値（Expected Value）

• EV = Σ（確率 × 結果）
• リスクニュートラルな意思決定者の最適化基準

期待効用（Expected Utility）

• リスク回避者：効用関数が凹（√x）
• 確実性等価（Certainty Equivalent）

Decision Tree（決定木）

意思決定ノード（□）、チャンスノード（○）、結果ノード（△）で構造化。

Sensitivity Analysis（感度分析）

• 主要前提を変えると結論が変わるか
• Tornado Diagram
• Monte Carlo Simulation

Value of Information

• 追加情報を得るコスト vs 得られる意思決定改善
• 「もう少し調査」が常に正しいわけではない

認知バイアス（Cognitive Biases）

System 1 vs System 2（Kahneman）

• System 1：早い、自動、感情的
• System 2：遅い、意識的、論理的

主要バイアス

判断・推論のバイアス

• Confirmation Bias（確証）：自分の仮説に合う情報だけ集める
• Availability Heuristic：思い出しやすい情報を過大評価
• Anchoring：最初の情報に引っ張られる
• Representativeness Heuristic：典型例で判断
• Base Rate Neglect：基礎確率を無視

選好・選択のバイアス

• Loss Aversion（損失回避）：損失は利得の2倍重く感じる
• Endowment Effect：自分が持つものを過大評価
• Status Quo Bias：現状維持を好む
• Sunk Cost Fallacy（埋没費用）：払ったコストに引きずられる
• Hyperbolic Discounting（双曲割引）：近い将来を過大評価

自己評価のバイアス

• Overconfidence Bias：自分を過大評価
• Hindsight Bias：「やっぱりね」、後付けで予測可能と感じる
• Self-serving Bias：成功は自分のおかげ、失敗は外部のせい
• Dunning-Kruger Effect：無能ほど自信過剰

集団のバイアス

• Groupthink：集団浅慮
• Group Polarization：集団極性化
• Bandwagon Effect：流行追随
• Authority Bias：権威に従いすぎ

バイアスへの対処

1. Devil's Advocate：あえて反対意見役を作る
2. Pre-mortem（Klein）：「もしこの計画が失敗するとしたら？」を事前に
3. Red Team / Blue Team：批判チームと推進チーム
4. Outside View（Kahneman）：類似事例の base rate を確認
5. Slow Down：System 2を意識的に作動

Decision Making Frameworks

Eisenhower Matrix（重要度×緊急度）

• 緊急かつ重要 → 即対応
• 重要だが緊急でない → 計画
• 緊急だが重要でない → 委任
• 緊急でも重要でもない → やらない

RACI Matrix（責任分担）

• Responsible：実行する人
• Accountable：最終責任者（1人）
• Consulted：相談する人
• Informed：情報共有する人

OKR（Objectives & Key Results）

• 大胆な目標 + 計測可能な結果
• Google、Intel、メルカリ などで採用

One-Way vs Two-Way Doors（Bezos）

• 1Way：取り返しがつかない → 慎重に
• 2Way：戻せる → 早く決めて学ぶ
• スタートアップのほとんどは 2Way

Bezos の "Disagree and Commit"

• 異論はあっても、決定したら全力でコミット

Speed of Decision Making

70% Rule（Bezos）

• 70%の情報があれば決める
• 90%まで待つと遅すぎる

High Quality Disagreement

• Bridgewater の "Idea Meritocracy"（Ray Dalio）
• 意見の質を競わせる
• "Believability-weighted decision making"

Pre-mortem

• 失敗仮定で問題を予見
• 「もしこのプロジェクトが1年後に失敗したとしたら、原因は何か」

After-Action Review (AAR)

• 米軍発祥
• What was supposed to happen?
• What actually happened?
• Why was there a difference?
• What can we learn?

推奨教材

必読

• Daniel Kahneman, Thinking, Fast and Slow
• Annie Duke, Thinking in Bets
• Olivier Sibony, You're About to Make a Terrible Mistake
• Charles Duhigg, Smarter Faster Better
• Chip & Dan Heath, Decisive

構造化思考

• Barbara Minto, The Pyramid Principle
• Ethan Rasiel, The McKinsey Way
• Bulletproof Problem Solving（Conn & McLean、McKinsey）
• 内田和成『仮説思考』

バイアス・行動経済学

• Dan Ariely, Predictably Irrational
• Richard Thaler, Misbehaving
• Cass Sunstein & Reid Hastie, Wiser

オンライン

• HBS Online: Strategy Execution
• Coursera: Duke "Decision Making in a Quantitative World"
• Wharton "Decision Making" specialization

実践

自分の意思決定を記録する

• 大きな決定の Pre-mortem
• 決定後の AAR
• 1年・3年後の振り返り
• 自分の判断精度を測定

Daily Habit

• "What did I assume today that may be wrong?"
• "What evidence would change my mind?"
• "What would the smartest person I know do?"

バイアスチェックリスト

• 確証バイアス：反証情報を探したか？
• アンカリング：最初の数字に縛られていないか？
• サンクコスト：これからの利得で判断しているか？
• 過信：自分の予測の信頼区間を意識したか？

自己評価チェックリスト

• 7ステップ問題解決で構造化できる
• MECE な Issue Tree を1時間で書ける
• 仮説思考で分析計画を立てられる
• フェルミ推定で30秒で概算を出せる
• 認知バイアス10個以上を実例で説明できる
• Pre-mortem を実施する習慣がある
• AAR で意思決定を振り返る習慣がある
• 1Way / 2Way 判断を区別して決定スピードを変えられる
• 期待値・期待効用で不確実性下の意思決定ができる
• 自分の確信度を確率で表現できる（Calibration）