Home / 意思決定マトリクスとは | 複数の評価基準で選択肢を比較し、判断の妥当性を検証する手法

意思決定マトリクスとは | 複数の評価基準で選択肢を比較し、判断の妥当性を検証する手法

意思決定マトリクス（Decision Matrix）は、複数の選択肢を複数の評価基準に基づいて比較し、意思決定を支援するための分析手法です。Decision Grid、Selection Matrix、Weighted Decision Matrixなどとも呼ばれ、製品開発、研究開発テーマの選定、設備投資、事業戦略、立地選択、日常生活における意思決定など、幅広い場面で利用されています。

私たちは複数の選択肢から一つを選ぶとき、さまざまな条件を考慮します。例えば、新規事業テーマを選定する場合、市場性、技術的実現可能性、競争優位性、必要投資、開発期間などが判断材料になります。しかし、すべての条件で最も優れた選択肢が存在するとは限りません。市場性が高いテーマは技術的な難易度も高く、開発コストが小さいテーマは競争優位性が弱いといったトレードオフが存在します。

意思決定マトリクスは、こうした複雑な判断を、選択肢と評価基準からなる表として整理します。各選択肢の評価を数値化し、必要に応じて評価基準の重要度を重みとして設定することで、総合得点や順位を求めることができます。

しかし、意思決定マトリクスの価値は、単に最高得点の選択肢を見つけることではありません。何を評価しているのか、どの基準を重視しているのか、評価方法を変えると結論がどう変わるのかを明らかにすることにあります。

意思決定マトリクスの基本構造

意思決定マトリクスでは、通常、行に評価対象となる選択肢を、列に評価基準を配置します。それぞれの交点に、選択肢がその評価基準をどの程度満たしているかを入力します。

例えば、3つの研究開発テーマを「市場性」「技術的実現可能性」「戦略的重要性」の3基準で比較するとします。

研究開発テーマ市場性技術的実現可能性戦略的重要性
テーマA867
テーマB698
テーマC956

ここでは、各基準を0～10点で評価し、数値が大きいほど望ましい状態を表すものとします。数値は説明のための仮定です。

この表を見るだけでも、各テーマの特徴が分かります。テーマAは比較的バランスが取れており、テーマBは技術的実現可能性が高く、テーマCは市場性に優れています。

ただし、どのテーマを選ぶべきかは、何を重視するかによって異なります。そこで評価基準に重みを設定します。

重み付き意思決定マトリクス

最も一般的な方法の一つが、重み付き評価（Weighted Scoring）です。

各評価基準に重要度を表す重みを設定し、評価得点と重みを掛け合わせて合計します。

総合評価は、次の式で表されます。

V(a) = Σ wᵢ × vᵢ(a)

ここで、V(a)は選択肢aの総合評価、wᵢは評価基準iの重み、vᵢ(a)は選択肢aの評価基準iにおける得点です。

通常、重みの合計は1になるように設定します。

先ほどの研究開発テーマについて、次の重みを設定します。

評価基準重み
市場性0.40
技術的実現可能性0.35
戦略的重要性0.25
合計1.00

この重みを用いて計算すると、テーマAの総合得点は次のようになります。

0.40 × 8 + 0.35 × 6 + 0.25 × 7 = 7.05

同様に、3つのテーマの総合得点を計算すると、次の結果になります。

テーマ総合得点順位
テーマA7.052
テーマB7.551
テーマC6.853

この結果では、テーマBが最も高く評価されます。技術的実現可能性が高く、戦略的重要性でも比較的高い評価を得ているためです。

しかし、この順位は設定した重みに依存しています。市場性をもっと重視する企業であれば、別の結果になる可能性があります。

また、この計算では、各基準の0～10点が比較可能な価値尺度として設定されていることを前提としています。単に異なる評価項目に数字を付けただけでは、加重和が意味のある総合評価になるとは限りません。

評価基準の設定と数値化

意思決定マトリクスで最初に考えるべき問題は、何を評価基準にするかということです。

例えば、研究開発テーマの評価で「市場性」「収益性」「事業性」という3つの項目を設定した場合、これらは互いに重複している可能性があります。市場規模が大きいという理由で市場性を高く評価し、同じ情報に基づいて収益性や事業性も高く評価すると、同じ長所を何度も加算してしまうことになります。

また、重要な評価基準が抜けていれば、どれだけ精密に計算しても適切な判断にはつながりません。

評価基準は、意思決定の目的に照らして定義し、それぞれが何を測定するのかを明確にする必要があります。

次に問題となるのが、評価基準をどのように数値化するかです。

例えば、市場規模は金額で表現でき、開発期間は月数、製品重量はキログラムで測定できます。一方、競争優位性や戦略的重要性は、直接測定できる数値がない場合もあります。

このような場合、評価段階を定義した尺度を利用できます。例えば、戦略的重要性について、0点を「戦略上の意義がない」、5点を「既存事業への一定の貢献がある」、10点を「将来の主要事業を形成する可能性が高い」と定義する方法です。

ただし、評価段階に数値を割り当てることと、それらの数値間隔に定量的な意味があることは別問題です。0、5、10という評価が、必ずしも等間隔の価値の違いを表すわけではありません。

意思決定マトリクスの計算が数学的に正しくても、入力された評価尺度が妥当でなければ、結果の解釈には注意が必要です。

評価基準の重みはどう決めるか

重み付き意思決定マトリクスでは、評価基準の重要度を設定する必要があります。

最も単純な方法は、利用者が直接重みを入力することです。例えば、市場性40%、技術的実現可能性35%、戦略的重要性25%といった設定です。

複数の関係者が参加する場合には、各自が重みを設定し、その違いを議論することもできます。

しかし、「どの基準が重要か」という質問だけでは、適切な重みを設定するのが難しい場合があります。

例えば、市場性が重要であるという判断は、市場規模がどの程度変化する可能性があるのかによっても意味が変わります。

そこで利用できる方法の一つが、スイング・ウェイティング（Swing Weighting）です。

この方法では、各評価基準について、最も望ましくない状態から最も望ましい状態へ改善することの価値を比較します。

例えば、研究開発テーマの市場性が最低水準から最高水準へ改善することと、技術的実現可能性が最低水準から最高水準へ改善することでは、どちらに大きな価値があるかを考えます。

このように、評価基準の重要度を、単なる抽象的な重要性ではなく、評価値の変化がもたらす価値として捉えることで、重みの意味を明確にできます。

また、AHP（階層分析法）を利用して、評価基準の一対比較から重みを求めることも可能です。

ただし、AHPで得られた重みを別の評価尺度と組み合わせる場合にも、尺度や重みの意味が整合しているかを確認する必要があります。

Pughマトリクス：基準案との相対比較

意思決定マトリクスには、すべての選択肢に数値得点を与える方法だけでなく、基準となる選択肢と比較する方法もあります。

代表的なのが、Pugh Matrix（ピューマトリクス）です。

Pughマトリクスでは、基準案（Reference Alternative）を一つ選び、他の選択肢を各評価基準について比較します。

一般的には、基準案より優れていれば＋、同等であれば0、劣っていれば−といった記号を付けます。

例えば、既存製品を基準として、新しい製品案A、Bを比較する場合には、性能、コスト、製造容易性、保守性などについて、既存製品より優れているかどうかを評価します。

この方法は、絶対的な点数を設定することが難しい初期の製品企画や設計案の選択に適しています。

ただし、＋と−を単純に合計しただけでは、改善の大きさや重要度を十分に反映できません。必要に応じて重み付けや詳細な数値評価を追加します。

また、基準案の選び方によって比較結果の解釈が変わる場合があるため、基準案を明示しておくことが重要です。

総合得点による意思決定の限界

重み付き意思決定マトリクスは使いやすい方法ですが、評価基準の値を加重和で統合することには、重要な前提があります。

第一に、評価基準が適切な価値尺度に変換されている必要があります。例えば、開発コストを円、開発期間を月、市場規模を売上金額のまま加算することはできません。価値関数や正規化などによって、比較可能な尺度へ変換する必要があります。

第二に、評価基準間の選好上の独立性が問題になります。ある評価基準の価値が別の基準の状態によって変化する場合、単純な加重和では評価を適切に表現できない可能性があります。

第三に、加重和では、ある項目の低い評価を別の項目の高い評価によって補うことができます。これは補償的評価（Compensatory Evaluation）と呼ばれます。

しかし、実際の意思決定では、すべての欠点を別の長所で補えるわけではありません。

例えば、設備投資の候補が法令上の安全基準を満たさない場合、収益性が高くても採用できません。賃貸住宅の家賃が支払い可能な上限を超えている場合、立地や広さが優れていても選択できないことがあります。

このような条件を通常の加重和で扱うと、不適切な結果が得られる可能性があります。

必須条件を考慮した意思決定

こうした問題に対応するため、意思決定マトリクスには必須条件（Hard Constraints）を設けることができます。

例えば、設備投資の評価では、法令への適合、必要な生産能力、予算上限などを必須条件とし、それらを満たした候補だけを総合評価の対象とします。

必須条件と評価基準を区別することで、ある条件を満たしていない候補が、他の評価項目の高得点によって採用されることを防げます。

ただし、すべての意思決定で厳格な足切りが適切とは限りません。

研究開発テーマの選定では、技術的実現可能性が現時点で低いこと自体が、そのテーマを研究する理由になる場合があります。挑戦的な研究開発テーマを、低い実現可能性だけで除外するのは適切ではないかもしれません。

したがって、何を必須条件とし、何を比較評価の対象とするかは、意思決定の目的によって決める必要があります。

非線形効用関数による評価

評価基準と価値の関係が直線的でない場合には、非線形効用関数や価値関数を導入できます。

例えば、賃貸住宅の選択で、駅から徒歩5分と10分の違いは重要でも、徒歩25分と30分の違いはそれほど重要でない人がいるかもしれません。

このような場合、徒歩時間をそのまま線形的に評価するのではなく、距離と満足度の関係を曲線として表現します。

一般化すると、選択肢aの評価は次のようになります。

V(a) = Σ wᵢ × vᵢ(xᵢ(a))

ここで、xᵢ(a)は選択肢aの評価基準iに関する実際の特性値、vᵢはその特性値を価値へ変換する関数です。

これにより、費用、距離、性能などの実測値と、人間が感じる価値との非線形な関係を表現できます。

ただし、各評価基準に非線形な価値関数を設定しても、それらを加重和で統合する限り、評価基準間の交互作用は直接表現できません。

例えば、駅からの距離の重要性が通勤頻度によって変化するという問題を扱うには、別の工夫が必要になります。

評価基準間の交互作用

従来の意思決定マトリクスでは、各評価基準を独立に評価することが一般的です。

しかし、現実には、ある評価基準の価値が別の基準によって変化することがあります。

例えば、研究開発テーマの評価で、技術的優位性が高くても、製造能力がなければ競争優位性につながらない場合があります。一方、優れた技術と高い製造能力を組み合わせることで、大きな事業価値が生まれる場合もあります。

このような相乗効果は、単純な加重和では表現しにくい関係です。

評価基準間の交互作用を扱う方法として、条件による重みの変更、交互作用項を持つ評価関数、多属性効用理論の非加法的モデル、Choquet積分などがあります。

特にChoquet積分は、評価基準の組み合わせによる相乗効果や重複を考慮するための非加法的な集約方法です。

ただし、これらの方法は加重和より多くのパラメータを必要とする場合があります。複雑なモデルを導入するほど、利用者がその意味を理解し、適切に設定できるかが重要になります。

したがって、最初から高度なモデルを使用するのではなく、単純な評価モデルで問題を整理し、必要な場合に非線形性や交互作用を追加する方が実用的です。

感度分析：評価結果はどれほど安定しているか

意思決定マトリクスの結果を利用するとき、最も重要な分析の一つが感度分析（Sensitivity Analysis）です。

感度分析では、評価基準の重みや各選択肢の得点を変更し、総合得点や順位がどのように変化するかを調べます。

先ほどの研究開発テーマの例では、市場性40%、技術的実現可能性35%、戦略的重要性25%という重みを設定した結果、テーマBが最も高く評価されました。

では、市場性の重要度を60%に高め、技術的実現可能性を15%、戦略的重要性を25%に変更するとどうなるでしょうか。

テーマ当初の重み変更後の重み
テーマA7.057.45
テーマB7.556.95
テーマC6.857.65

この場合、最上位はテーマBからテーマCに変化します。

これは、評価結果が市場性の重みに大きく影響されることを示しています。

ここから考えるべきなのは、どちらの重みが正しいかという問題だけではありません。

市場性を40%と評価した根拠は何か。60%と考える関係者がいるなら、その判断の背景にはどのような事業戦略があるのか。そもそも研究開発テーマの種類によって、評価基準を変えるべきではないか。

感度分析は、このような議論の出発点になります。

また、評価得点自体に不確実性がある場合には、得点の範囲を設定したり、複数のシナリオについて計算したりすることも可能です。

総合得点の差が小さい場合や、少しの条件変更で順位が入れ替わる場合には、順位を確定的な結論として扱わないことが重要です。

意思決定マトリクスとAHP・ANPの関係

意思決定マトリクス、AHP、ANPはいずれも多基準意思決定分析（Multi-Criteria Decision Analysis：MCDA）に関係する手法ですが、それぞれ重点が異なります。

意思決定マトリクスは、評価対象と評価基準を表形式で整理し、得点や重みを使って比較するための一般的な枠組みです。

AHPは、一対比較によって評価基準や選択肢の相対的な優先度を求める手法です。AHPで得た評価基準の重みを意思決定マトリクスに利用することもできますが、評価尺度の整合性には注意が必要です。

ANPはAHPを拡張し、評価基準や選択肢の間に依存関係やフィードバックを持つネットワーク構造を導入します。

手法主な特徴特に適した用途
意思決定マトリクス評価基準と得点を一覧化して比較多数の選択肢の整理・評価
AHP一対比較による重み・優先度の算出重要度の判断が難しい問題
ANP要素間の相互依存を考慮依存関係のある複雑な評価
非線形効用モデル特性値と価値の非線形な関係を表現満足度・効用が直線的でない問題
Choquet積分評価基準間の相乗効果・重複を考慮非加法的な多基準評価

これらを一律に高度さの順序として捉える必要はありません。

複雑なモデルほど優れた判断ができるとは限らず、意思決定の目的に対して、必要な複雑さを持つ手法を選択することが重要です。

研究開発テーマと新規事業テーマへの応用

研究開発テーマや新規事業テーマの評価では、意思決定マトリクスがよく利用されます。

ただし、すべてのテーマを単一の総合得点で順位付けすることには注意が必要です。

例えば、既存製品の改良研究、新市場向けの応用研究、長期的な基盤研究では、研究の目的や期待する成果が異なります。それぞれに同じ評価基準を適用すると、短期的に事業化しやすいテーマばかりが高く評価される可能性があります。

また、複数の研究開発テーマは必ずしも互いに独立しているとは限りません。あるテーマの成果が別のテーマの実現可能性を高めたり、複数のテーマを組み合わせることで新しい製品が生まれたりする場合があります。

このような問題では、個別テーマの評価だけでなく、研究開発ポートフォリオ全体を検討する必要があります。

意思決定マトリクスは、そのための基礎的な評価情報を提供できますが、すべての問題を単独で解決するものではありません。

また、新規性の高い研究開発テーマでは、評価に必要な情報が十分に存在しないこともあります。その場合には、数値を無理に設定するのではなく、不確実性や未確認事項を明示することが重要です。

AI時代の意思決定マトリクス

LLMの発展によって、意思決定マトリクスの利用方法にも新しい可能性が生まれています。

従来、意思決定マトリクスを利用するには、評価対象を整理し、評価基準を決め、必要な情報を収集し、それぞれの得点を設定する必要がありました。

LLMを利用すれば、意思決定の目的を自然言語で説明するだけで、評価基準や選択肢の候補を提案させることができます。

また、関連する技術文献、市場調査、製品仕様、企業情報などから、各評価基準の判断材料を収集することも可能です。

例えば、新規事業テーマを比較する際、LLMが市場動向や競合情報を調査し、評価の根拠となる情報を整理します。利用者は、その情報を確認しながら得点や重みを設定できます。

さらに、LLMによって評価モデルを批判的に検討することも考えられます。

「市場性と収益性の評価が重複していないか」「必須条件を満たしていないテーマが含まれていないか」「技術的実現可能性と開発コストの関係を考慮する必要がないか」といった問いを提示することで、利用者が見落としていた問題を発見できる可能性があります。

ただし、LLMが生成した評価得点が客観的に正しいとは限りません。外部情報に基づく評価であっても、評価基準の定義や情報の選択によって結果は変わります。

また、AIがすべての評価を自動的に行い、最高得点の選択肢を推奨するだけでは、評価モデルの前提を十分に検討できない危険があります。

望ましい役割分担は、LLMが情報収集、評価基準の検討、選択肢の発見、評価結果の批判的検討を支援し、数理エンジンが計算を行い、最終的な判断は利用者が行うというものです。

ThinkNaviにおける意思決定マトリクス

ThinkNaviでは、意思決定マトリクスを、複数の選択肢を比較するための基本的な思考支援手法として位置づけます。

ThinkNavi Freeでは、利用者が評価基準、選択肢、評価得点、重みを手入力し、総合評価や順位を計算できる機能を提供する計画です。

さらに、AHPによる重み付け、必須条件の設定、非線形な価値関数、重みの変更、感度分析などを組み合わせ、単純な加重和だけでは扱いにくい問題にも対応することを目指します。

LLM活用版では、評価基準や選択肢の提案、必要な情報の自動調査、評価根拠の整理、結果の批判的な検討などを支援する方向が考えられます。

また、ConceptMiner R&Dで生成された研究開発仮説や技術テーマを意思決定マトリクスに引き継ぎ、利用者自身が評価できるようにすることも想定しています。

意思決定マトリクスは、比較的単純な表と計算によって複雑な判断を整理できるという利点があります。しかし、計算結果の妥当性は、評価基準、尺度、重み、統合方法、必須条件などの設定に依存しています。

重要なのは、複数の選択肢に点数を付けて順位を決めることではありません。どのような前提で評価しているのかを明確にし、その前提を変更した場合にも判断が妥当であるかを検討することです。

意思決定マトリクスは、単純な得点表として使うこともできますが、感度分析や数理的な評価手法と組み合わせることで、人間の判断をより透明で検証可能なものにするための基盤となります。

関連する思考技法：

参考文献・資料