「売上がもし10%下がったら、利益はどうなるんだろう？」「材料費が値上がりしたら、うちの会社はやっていけるの？」——ビジネスの計画を立てるとき、こういう「もしも」の不安って、誰でも一度は考えるよね。でも、なんとなく不安なまま進めるのって怖い。そんなとき使えるのが「感度分析」というツールで、この記事を読めばその仕組みと使い方がちゃんとわかるよ。
- 感度分析とは、1つの数字（変数）を変えたとき結果がどう変わるかを調べる 「もしも分析」 のこと。
- ビジネスでは売上・コスト・価格などを少しずつ動かして、利益への影響度 を事前に確認するために使う。
- 一度に1変数だけ動かす 基本ルール を守ることで、どの要因が一番大事かがはっきりわかる。
もうちょっと詳しく
感度分析は「シナリオ分析」と混同されることが多いけど、厳密には別物だよ。シナリオ分析は「楽観・中立・悲観」みたいに複数の変数をまとめて変えるのに対して、感度分析は1つだけ変えて純粋にその影響を測るのが基本。この違いを意識するだけで、分析の精度がグッと上がる。実務では両方セットで使うことが多くて、まず感度分析で「どの変数が一番利益に効くか」を絞り込み、次にシナリオ分析でリスク全体を評価するという流れが王道だ。Excelのデータテーブル機能やWhat-If分析ツールを使えば、複雑な計算もあっという間にできるようになるよ。
感度分析＝1変数だけ動かす。シナリオ分析＝複数まとめて動かす。まずここを分けて考えよう！
⚠️ よくある勘違い
→ 「感度が高いとわかった＝将来こうなる」と思ってしまう人が多いけど、感度分析は未来予測じゃなくて「もしこうなったらどうなるか」の仮定シミュレーション。
→ 正しくは「売上が10%下がったとき、利益への影響がこれくらい大きい」というリスクの大きさと優先度を知るためのもの。予測ではなく準備のための道具だよ。
[toc]
感度分析とは何か——「もしも」を数字で答える技術
一言で言うと「もしも計算機」
感度分析とは、ある計画やモデルの中で1つの数字（変数）を変えたとき、最終的な結果がどれくらい変わるかを調べる手法のこと。つまり「もしも価格が5%上がったら？」「もしも売上が20%落ちたら？」という問いに、数字でズバリ答えを出す技術だよ。
身近な例で考えてみよう。友だちとたこ焼き屋の出店計画を立てたとする。材料費・テント代・1個の値段・1日の販売個数……いろんな要素があるよね。このとき「雨で客が半分に減ったら赤字になる？」を調べるのが感度分析。雨という1つの要因だけを変えて、利益への影響を計算するんだ。
「変数」と「結果」の関係を理解しよう
感度分析で登場するのは大きく2種類の数字。
- インプット変数（入力）：自分で変える数字。価格・数量・コストなど。
- アウトプット（結果）：変化を確認したい数字。利益・売上・ROIなど。
インプットをちょっと動かして、アウトプットがどれだけ動くかを見る——これが感度分析の基本動作。「感度が高い」とは、インプットを少し変えただけでアウトプットが大きく変わること。逆に「感度が低い」は、インプットを変えてもアウトプットがほとんど変わらないことを意味するよ。
どんな場面で使うの？
感度分析が活躍する場面はたくさんある。
- 新商品の価格設定（値段を変えたら利益はどう動く？）
- 投資判断（金利が上がったら事業の採算はどうなる？）
- プロジェクト管理（工期が1週間延びたらコストはどう増える？）
- 在庫管理（仕入れ量を変えたら在庫コストと品切れリスクはどう変わる？）
要するに、「計画に不確かな要素があって、その影響を事前に知りたい」ときはほぼ全部使えるツールなんだ。
感度分析のやり方——3ステップで完成
ステップ1：ベースケース（基準）を作る
まず「普通のシナリオ」での計算式を作る。たこ焼き屋の例なら「1日500個×1個100円－材料費15,000円－テント代5,000円＝利益30,000円」みたいな計算式だ。この基準のことをベースケースと呼ぶ。
Excelで作るときは、変数を別々のセルに入れて計算式で参照するのがポイント。変数をそのまま数式に埋め込むと、後で変えるのが大変になる。「変数セル」と「計算式セル」をちゃんと分けておくだけで、感度分析がサクサク進むよ。
ステップ2：変数を1つずつ動かす
次に、調べたい変数を1つ選んで、段階的に変化させていく。「販売個数を400個・450個・500個・550個・600個と変えたとき、利益はどう変わる？」みたいに、上下にいくつかのパターンを試すんだ。
よく使われる変化の幅は、ベースケースに対して±5%・±10%・±20%。Excelの「データテーブル」機能を使うと、この作業が自動化できてものすごく楽になる。手動でも1個ずつ数字を入れ替えれば同じことができるよ。
ステップ3：結果を整理して「どれが一番効く？」を見つける
各変数を変えたときの結果を並べて、「1%変えたとき利益が何%変わるか」を比べる。これを感度の大小で並べると、「一番利益に影響する変数はどれか」が一目でわかる。この順位表のことを感度ランキング（トルネードチャート）と呼ぶことも多いよ。トルネードチャートというのは竜巻みたいな形のグラフで、感度の高い変数が上に来るように並べるものだ。
感度分析の2種類——一変数と多変数
一変数感度分析：基本にして最強
一度に動かす変数が1つだけの分析を一変数感度分析（One-Way Sensitivity Analysis）と言う。シンプルだけど、「どの変数が結果に最も影響するか」をクリアに示せるのが最大の強み。ビジネスの現場で一番よく使われるのもこのタイプだよ。
たこ焼き屋の例で言えば、「販売個数だけ変える」「材料費だけ変える」「価格だけ変える」をそれぞれ別々に試すイメージ。それぞれの結果を並べると「一番ヤバいリスクはどこか」がはっきりわかる。
二変数感度分析：2つ同時に動かす応用版
二変数感度分析（Two-Way Sensitivity Analysis）は、2つの変数を同時に変えて結果を表にまとめる方法。たとえば「価格と販売個数、両方を変えたときの利益一覧表」を作るイメージ。Excelのデータテーブルで縦軸・横軸に変数を設定すれば、マトリクス形式で結果が表示されるよ。
ただし3変数以上になると一気に複雑になるので、実務では「2変数まで」が現実的な上限とされることが多い。変数を増やせばリアルに近くなるけど、その分「どの変数のせいで変わったか」がわかりにくくなるトレードオフがあるんだ。
感度分析をビジネスで活かす——実例で理解する
新規事業の投資判断
新しい事業を始めるとき、投資額・売上・コスト・市場シェアなどたくさんの不確かな数字がある。ここで感度分析を使って「どの変数がプロジェクトの採算性に一番効くか」を調べると、どこに注力すべきかが見えてくる。
たとえば感度分析の結果、「市場シェアが1%変わると利益が3,000万円変わるけど、コストが5%変わっても利益変化は200万円程度」とわかったとする。これは「シェア獲得が最優先、コスト削減は二の次」という意思決定の根拠になるんだ。感度の高い変数に経営資源を集中させるための地図みたいなものだよ。
価格設定の最適化
値段をいくらにするかって難しいよね。高すぎると売れないし、安すぎると利益が出ない。感度分析を使うと「価格を10%上げたとき、販売数量が何%以上落ちたら利益がマイナスになるか」という損益分岐点（つまり、赤字にならないギリギリのライン）を事前に計算できる。
これがわかると「価格を上げても需要がそこまで落ちないなら値上げすべき」「いや、このジャンルは価格に敏感な客が多いから危険」という判断が、感覚ではなく数字でできるようになる。
サプライチェーンのリスク管理
最近は円安・原材料高騰・物流コスト上昇など、コスト系の変動リスクが大きくなっている。感度分析で「材料費が20%上がったとき、現在の価格体系で利益はどう変わるか」を計算しておけば、値上げのタイミングや代替材料への切り替え判断が先手で打てる。「なんかまずい気がする」ではなく「材料費がX%を超えたら利益がゼロになる」という具体的な警戒ラインが設定できるんだ。
感度分析の限界——万能じゃないことも知っておこう
変数同士の「連動」は考慮できない
感度分析の基本は「他を固定して1つだけ変える」だけど、現実は変数同士が連動して動くことが多い。たとえば価格を上げると販売数が落ちる（価格と需要の関係）。でも一変数感度分析では「価格だけ上げて需要は同じ」という前提で計算するから、現実とズレが出ることがある。
この限界を補うために、実務では感度分析とシナリオ分析（つまり、複数の変数を組み合わせて「楽観シナリオ・標準・悲観」みたいな現実的な物語を作る方法）を組み合わせて使うことが多い。
モデル自体が間違っていたら意味がない
感度分析はあくまで計算モデルの中で試す話。もとの計算式（モデル）が現実を正しく表していないと、分析結果も的外れになる。「ゴミを入れればゴミが出る（Garbage In, Garbage Out）」という言葉があるように、モデルの精度が結果の精度を決めるんだ。感度分析をする前に「このモデルは現実と合っているか？」を確認する癖をつけておこう。
確率（起こりやすさ）は考慮しない
感度分析は「もし〇〇が変わったら」という仮定の話で、「その変化が実際どれくらい起こりやすいか」（確率）は考えない。たとえば「売上が50%減る」という最悪ケースの感度は計算できても、そのケースが5%の確率なのか50%の確率なのかは別の話。確率まで含めて分析したいなら、モンテカルロシミュレーション（つまり、乱数を使って無数のシナリオを自動で試す高度な分析法）という手法が使われるよ。
