ビジネスは常に、意思決定（目標を達成するために必要な行動を選択すること）の連続です。ただ、この意思決定が勘や経験だけに基づくものだったり、単なる前例踏襲だったりすると、周囲から「なぜ、その選択をしたの？」と尋ねられたときに論理的な説明ができません。そこで紹介したいのが、「樹形図（決定木）」を作って考え得る行動の選択肢を洗い出し、最良のものを選び出すフレームワーク「ディシジョンツリー」です。

１　ディシジョンツリーとは

　ディシジョンツリー（Decision Tree）とは、「決定木」や「決定木分析」と訳されるもので、

何かの意思決定をする際、考え得る選択肢の中から最良のものを選び出すフレームワーク

木の形をした「樹形図（決定木）」を作って、欲しい答え（目標変数）にたどり着くための条件（説明変数）を見つけるから

です。
　ディシジョンツリーを使うことで、勘や経験だけでなく、定量的な分析に基づいた判断がしやすくなります。この記事では、ディシジョンツリーにおいて必要な知識とその作り方、そして書き込みシートを紹介します。

２　ディシジョンツリーで大切な分類木と回帰木

1）分類木とは？

　図表1では、「年齢40代以上、年収600万円以上」の人が最も有力な見込み客となっています。分類木には、

早めに出てくる分岐ほど力が強くなる（重要度が高い）

という特徴があります。例えば、年代で別々の広告手法を模索しているなら「年齢」、地域なら「居住地」などが分岐の条件になります。

2）回帰木とは？

• Web広告を「出す（出さない）」場合の収益を「結果の数値」
• Web広告が「好調（不調）」となる確率を「発生する確率」

としています。
なお、樹形図の「□」「○」「◁」の意味は次の通りです。

□（意思決定ノード、決定ノード）：自分で分岐を選べる（意思決定によって決まる）
○（確率ノード、イベントノード）：自分で分岐を選べない（確率によって決まる）
◁（終点ノード）：これ以上は行動を起こさないので、分岐しない（終点である）

　図表2は、おおまかなイメージを示したものなので、収益や確率の具体的な数値を記載していません（Web広告を出さない場合については、収益は「100％」の確率で「0円」となります）。次章でもう少し詳しく説明します。

３　ディシジョンツリーの作り方

1）Web広告を出すか否か

　図表3の場合、ディシジョンツリーの作成手順とポイントは次の通りです。

1.「決定」の分岐を示す
　意思決定の可能性の分岐です。図表3では、Web広告を「出す」「出さない」の2分岐になります。

2.「結果」の分岐を示す
　意思決定によって生じる「結果」の可能性であり、その確率は作成者が決めます。図表3では、Web広告を「出す」場合、その「好調」「不調」の2分岐になります。

3.全ての分岐を終点まで洗い出す
　「結果」の分岐の先でさらに行動を起こす場合、「決定」の分岐（成功した場合どうするのか、失敗した場合どうするのかなど）を付け足します。何も行動を起こさない場合、そこが分岐の終点となります。図表3では、Web広告を「出す」場合の結果（2分岐）と、「出さない」場合の結果（分岐なし）が終点です。最後に、終点ごとに収益を書き込みます。

2）Web広告を出すか否か、広告調査を実施するか否か

　図表4の場合、ディシジョンツリーの作成手順とポイントは次の通りです。

1.「決定」の分岐を示す
　図表4では、広告調査を「実施する」「実施しない」の2分岐になります。

2.「結果」の分岐を示す
　広告調査を「実施する」「実施しない」の分岐の先に、「結果」の分岐を付け足し、発生する結果とその確率を書き込みます。

3.全ての分岐を終点まで洗い出す
　「結果」の分岐にWeb広告を「出す」「出さない」という「決定」の分岐を付け足します。図表4では、この意思決定が終点となります。最後に、終点ごとに収益を書き込みます。
　そして、図表3（広告調査を実施しない場合の分岐）と図表4（広告調査を実施する場合の分岐）を組み合わせた完成形が図表5であり、A～Gの7つの終点ができています。

　樹形図が完成したら期待値を計算します。手順とポイントは次の通りです。

4.終点での期待値を計算する
　期待値は、（結果の数値）×（発生する確率）で求められます。上から順に、広告調査を実施する分岐（終点A～D）では、

• 終点A（好調、出す）では、60万円（300万円×20％）
• 終点B（好調、出さない）では、0円（0円×20％）
• 終点C（不調、出す）では、24万円（30万円×80％）
• 終点D（不調、出さない）では、0円（0円×80％）

となります。
次に、広告調査を実施しない分岐（終点E～G）では、

• 終点E（出す、好調）では、60万円（300万円×20％）
• 終点F（出す、不調）では、24万円（30万円×80％）
• 終点G（出さない（好不調は関係ない））では、0円（0円×100％）

となります。

5.不要な選択肢を刈り取る
　次に、不要な選択肢を刈り取ります。不要な選択肢とは、簡単に言うと「論理的におかしい選択肢」のことです。図表6のように「☓（バツ）」を付けます。

　図表6の場合、

• 「好調」なのに、Web広告を「出さない」
• 「不調」なのに、Web広告を「出す」

という選択肢が刈り取りの対象です。選択肢を刈るときに大事なのが、

• 「やりたい」「やりたくない」といった感情で判断しないこと
• 刈り取った選択肢を削除しないこと

です。ディシジョンツリーはあくまで数値で結果を得るものなので、感覚を交えた判断は結果を出した後に行います。また、「何を刈り取ったのか」を見返したり、「なぜ刈り取ったのか」を社内で話し合ったりすることがあるので、×印を付けるなどにとどめ、後から確認できるようにします。

6.初めの選択肢ごとの期待値を集計する
　最後に、初めの選択肢ごとの期待値を求めます。

ここでいう初めの選択肢とは、

• 広告調査を「実施」し、「好調」となる場合、Web広告を「出す」
• 広告調査を「実施」し、「不調」となる場合、Web広告を「出さない」
• 広告調査を「実施しない」

の3つです。具体的には、図表7の緑枠で囲った部分（α群、β群、γ群）ごとの期待値を出します。また、

「結果」の分岐の先では、関わってくる数値全てに割合が影響する

という点に注意が必要です。例えば、20％で分岐している先でかかる費用が100万円なら、期待値から引くべき費用は20万円（100万円×20％）です。
以上を踏まえると、α群、β群、γ群それぞれの期待値は次のようになります。なお、広告調査の費用は20万円とします。

• α群（終点A＝広告調査を「実施」し、「好調」となる場合、Web広告を「出す」）
  ＝収益の期待値60万円－Web広告の費用100万円×20％－広告調査の費用20万円
  ＝20万円
• β群（終点D＝広告調査を「実施」し、「不調」となる場合、Web広告を「出さない」）
  ＝収益の期待値0円－広告調査の費用20万円
  ＝－20万円
• γ群（終点E＋F＋G＝広告調査を「実施しない」）
  ＝収益の期待値60万円＋24万円＋0円－Web広告の費用100万円
  ＝－16万円

　この場合、最も期待値が高いのはα群です。従って、今回は、

広告調査を「実施」し、「好調」となる場合、Web広告を「出す」

という選択を取ることとなります。
　また、今回は広告調査を実施する前の段階でディシジョンツリーを作成していますが、実際に広告調査を行った場合には、その結果を踏まえて数字（収益や確率）を修正し、再度ディシジョンツリーを作り直すと、より精度の高いものになります。

４　ディシジョンツリーで特に陥りやすいポイント

1）過学習になっている（条件を増やし過ぎていないですか？）

　もしも分岐が多くなるようであれば、図表3と図表4で実践したように、小さなディシジョンツリーを別々に作って見比べて判断するとよいでしょう。

2）結果に違和感がある

５　書き込みシート

　最後に、実際にディシジョンツリーで意思決定を行うための書き込みシートを紹介します。プリントアウトしてお使いください。図表9は、1～3つの意思決定で悩んでいるときにお使いいただけます。

図表10は、2段階の意思決定が発生するときにお使いいただけます。

以上

※上記内容は、本文中に特別な断りがない限り、2022年12月8日時点のものであり、将来変更される可能性があります。

※上記内容は、株式会社日本情報マートまたは執筆者が作成したものであり、りそな銀行の見解を示しているものではございません。上記内容に関するお問い合わせなどは、お手数ですが下記の電子メールアドレスあてにご連絡をお願いいたします。

【電子メールでのお問い合わせ先】 inquiry01@jim.jp

（株式会社日本情報マートが、皆様からのお問い合わせを承ります。なお、株式会社日本情報マートの会社概要は、ウェブサイト http://www.jim.jp/company/をご覧ください）