結論：データは答えを出すためではなく、仮説を早く見つけるために使う営業組織で「データ活用」と聞くと、次のようなイメージを持たれがちです。数字で白黒をつける正解の行動を見つける完璧な勝ちパターンを導き出すしかし、可視化営業期におけるDataの役割は、それとは大きく異なります。結論から言えば、データは“正解”を出すためのものではない。仮説を早く見つけ、次の一手を決めるための道具である。この前提を間違えると、データは現場を縛るものになり、逆に営業のスピードを落としてしまいます。本記事では、営業データを「管理」ではなく成果につながる意思決定に変えるためのData設計を、具体的なステップで解説します。1. 可視化営業期におけるDataの位置づけフェーズ2（可視化営業期）では、すでに次の状態が整いつつあります。Process商談フェーズと進行基準が定義されているContents顧客の反応データが取得できているこの状態で初めて、Dataは意味を持ち始めます。逆に言えば、プロセスが定義されていない反応データが取れていない状態でDataを見ても、数字はノイズにしかなりません。可視化営業期のDataは、People・Process・Contentsを横断して「成果との関係」を照らす役割を担います。フェーズ2「可視化営業期」の詳細はこちらの記事で解説していますので、ぜひご覧ください。https://www.coleta.jp/digitalsalesnavi/kashika2. なぜ多くの営業データ活用は失敗するのか営業データ活用がうまくいかない組織には、共通した特徴があります。2-1. データを見ることが目的化しているダッシュボードを作ったKPIを並べた毎週数字を確認しているそれでも成果が変わらない理由は、数字を見て終わっているからです。2-2. 行動と結果が結びついていない案件数受注率売上これらの数字だけを見ても、何を変えればいいのか次に何をすべきかは分かりません。2-3. 正解を求めすぎている「これをやれば必ず勝てる」「最適なKPIは何か」こうした問いは、可視化営業期には早すぎます。3. 可視化営業期のDataが目指すゴール可視化営業期におけるDataのゴールは、非常にシンプルです。営業活動データと成果を照合し、「何をすると成果につながりやすいか」を仮説として把握することここでは、100％正しい必要はない一度で結論を出す必要もない重要なのは、次の改善アクションが決まることです。4. 可視化営業期のData設計：全体像可視化営業期のData活用は、以下の3ステップで行います。勝ち案件・失注案件を抽出するAIを使って両者の違いを整理する抽出した行動パターンをKPIに反映するここから、それぞれを詳しく見ていきます。5. ステップ① 勝ち案件・失注案件を抽出するまずやるべきは、データを絞ることです。抽出対象の例直近3〜6か月一定金額以上の案件条件が近い案件重要なのは、すべてを見ること全案件を分析することではありません。比較できるサンプルを用意することが目的です。6. 比較するのは「結果」ではなく「過程」ここでのポイントは、勝ち案件と失注案件を、受注した／しなかっただけで比較しないことです。見るべきなのは、そこに至るまでの行動の違いです。例初回提案までの日数決裁者同席の有無商談回数DSRでの資料閲覧状況フェーズ滞留期間これらはすべて、Process・Contentsと紐づいた行動データです。7. ステップ② AIを使って違いを要約する可視化営業期では、ここでAIを積極的に活用します。なぜAIを使うのか人が見落としがちな傾向を拾える大量の情報を短時間で整理できる仮説出しを高速化できるやることはシンプルです。AIへの入力例勝ち案件と失注案件の違いを、行動・プロセス・意思決定の観点で3点に要約してください。重要なのは、AIの出力を「答え」と思わないことAIは、仮説のたたき台を出す存在です。8. AI分析を正しく使うための考え方AI分析を使う際の注意点を整理します。8-1. 完璧さを求めない精度100％は不要大まかな傾向で十分8-2. 現場の感覚と照らす「確かにそうかも」「これは違和感がある」この議論こそが価値です。8-3. すぐ検証できる形に落とす次の案件で試せるか行動に落とせるかこれが、AI分析を活かす最大のポイントです。9. ステップ③ 行動パターンをKPIに反映するAIや分析から見えてきた仮説は、行動KPIとして定義します。行動KPIの例初回提案までの日数決裁者同席率特定資料の閲覧有無商談回数フェーズ滞留日数ここで重要なのは、成果KPI（売上・受注率）ではなく行動KPIに落とすことです。行動KPIは、営業がコントロールできる指標です。10. KPIは「管理」ではなく「改善」のために使うKPI設計で最も避けるべきなのは、管理・評価目的で使うことです。可視化営業期のKPIは、守らせるもの縛るものではありません。改善のヒントを得るためのものです。なぜ達成できなかったかどこで詰まったかプロセスを変えるべきかこうした議論につながって初めて、KPIは意味を持ちます。11. DataがProcess・Contentsを進化させるDataは単独で価値を生みません。Processどのフェーズで止まりやすいかContentsどの資料が成果に寄与しているかこれらを照らし合わせることで、改善の方向性が明確になります。つまり、Dataは、People・Process・Contentsをつなぐハブとして機能します。12. 可視化営業期のData活用でよくある失敗最後に、よくある失敗を整理します。KPIを増やしすぎる一度決めたKPIを変えない数字だけを追いかける現場を置き去りにする可視化営業期では、軽く・早く・回すことが何より重要です。13. まとめ：データは「仮説生成エンジン」である本記事の要点をまとめます。データは答えを出すためのものではない仮説を早く見つけるために使う勝ち案件と失注案件を比較するAIを使って傾向を要約する行動KPIに落とし、次の改善につなげる可視化営業期におけるDataは、営業を科学するための第一歩です。次の記事予告次回は、フェーズ2全体を総括する記事として、可視化営業期の全体像フェーズ1からどう進化したか次の「勝ちパターン期」への入り方を解説します。