Home / MECEとは ― 漏れと重複をなくす論理的思考と、その限界

MECEとは ― 漏れと重複をなくす論理的思考と、その限界

MECE（Mutually Exclusive, Collectively Exhaustive：ミーシー）とは、物事を分類・分解する際に、各要素が互いに重複せず、全体として漏れがないようにするという原則です。日本語では一般に「漏れなく、ダブりなく」と説明されます。

例えば、ある企業が売上を商品カテゴリー別に集計するとします。同じ売上を複数のカテゴリーへ計上すれば二重計上が発生します。また、どのカテゴリーにも該当しない売上があれば、集計結果は全体を表しません。

このような問題を避けるためには、分類対象とカテゴリーの定義を明確にし、すべての対象が重複なく分類されるようにする必要があります。

MECEは、戦略コンサルティングの分野で普及し、ロジカルシンキング（Logical Thinking：論理的思考）の基本原則としても紹介されるようになりました。ロジックツリー、イシューツリー、業務分析、経営戦略の立案など、さまざまな活動で利用されています。

しかし、MECEには重要な限界があります。

例えば、未知の事業機会を探索する場合、最初に設定したカテゴリーがすべての可能性を含んでいるとは限りません。また、現実の問題では複数の要因が相互に関係し、一つのカテゴリーだけに分類できないこともあります。

MECEは、すでに定義された対象を整合的に分類するためには有効ですが、未知の可能性を発見することまで保証する原則ではありません。

MECEを有効に利用するためには、その論理的な意味だけでなく、どのような目的で使い、どのような問題には適用しない方がよいかを理解する必要があります。

MECEの起源 ― マッキンゼーとバーバラ・ミント

MECEという表現は、マッキンゼー・アンド・カンパニーで活動したバーバラ・ミント（Barbara Minto）によって考案・普及されたものです。

ミントは、コンサルタントが報告書や提案書を作成する際に、情報や主張をどのように整理すれば、読者が理解しやすくなるかという問題に取り組みました。

その成果が、ピラミッド原則（The Pyramid Principle）です。

ピラミッド原則では、伝えたい主張を上位に置き、それを支える論点や根拠を下位に整理します。その際、同じ階層に置かれた論点がどのような関係にあるのか、上位の主張を適切に支えているかが重要になります。

MECEは、こうした情報や論点のグループ化を検討する原則として発展しました。

ミント自身は、MECEという略語を考案したことを認めながらも、重複のない分類という考え方そのものは古代から存在する論理的原理であると説明しています。

実際、対象を重複なく、かつ網羅的に分割するという考え方は、数学の集合論や分類学などにも存在します。

したがって、MECEを外資系コンサルティング会社が発明した独自の論理原則と考えるのは適切ではありません。

むしろ、一般的な分類の原理を、企業の分析、論点整理、報告書作成などの実務へ適用しやすい形で普及させたものと理解できます。

MECEの二つの条件

MECEには、二つの条件があります。

1. Mutually Exclusive ― 相互に排他的である

分類されたカテゴリーが互いに重複せず、一つの対象が複数のカテゴリーに該当しないことを意味します。

例えば、顧客を年齢によって分類する場合、次のような区分が考えられます。

  • 0〜17歳
  • 18〜64歳
  • 65歳以上

対象となる顧客の年齢が判明しているという前提であれば、一人の顧客は一つの年齢区分に属します。

一方、「学生」「社会人」「高齢者」という分類では、複数のカテゴリーに該当する人が存在します。

例えば、大学に通いながら働いている人は「学生」と「社会人」の両方に該当します。

この場合、カテゴリーは相互に排他的ではありません。

ただし、分析の目的によっては、同じ対象が複数の属性を持つこと自体が重要な情報になります。その問題については後述します。

2. Collectively Exhaustive ― 全体として網羅的である

分類されたカテゴリーの集合が、対象となる全体を漏れなく含むことを意味します。

例えば、顧客を「18〜64歳」と「65歳以上」に分類すると、18歳未満の顧客が含まれません。

この場合、分類は網羅的ではありません。

すべての顧客を対象とするなら、18歳未満のカテゴリーを追加する必要があります。

ただし、最初から「18歳以上の顧客」を分析対象としているのであれば、18歳未満を含める必要はありません。

つまり、何を全体とするかによって、分類が網羅的であるかどうかは変わります。

数学的には集合の分割に相当する

MECEの基本的な考え方は、数学における集合の分割（Partition）に対応しています。

ある集合を複数の部分集合に分けるとき、それぞれの部分集合が重複せず、それらを合わせると元の集合全体になるという条件です。

例えば、ある工場で製造された製品100個について、検査結果を「合格」「不合格」の二つに分類するとします。

すべての製品について検査結果が確定しており、合格と不合格の判定条件が排他的であるなら、この分類はMECEになります。

しかし、未検査の製品が含まれていれば、二つのカテゴリーだけでは全体を網羅できません。

また、検査基準が曖昧で、合格とも不合格とも判定できる製品が存在すれば、相互排他性に問題が生じます。

このように、MECEが成立するかどうかは、分類の対象、判定基準、境界条件によって決まります。

なお、ビジネスでMECEと呼ばれる分析には、厳密な集合の分割だけでなく、論点の分解や数式による要因分解も含まれます。

例えば、「売上＝販売数量×平均販売単価」は、有用な数学的分解ですが、販売数量と平均販売単価が売上という集合の排他的な部分集合になっているわけではありません。

このような分析をMECEの実践例として説明することはありますが、数学的な集合の分割とは区別して理解する必要があります。

なぜMECEが論理的思考と呼ばれるのか

MECEは分類の原則ですが、ロジカルシンキングの基本としても紹介されます。

その理由は、物事を論理的に説明したり、問題を分解して分析したりする際に、分類の整合性が重要になるためです。

例えば、ある企業の販売不振について、担当者が次のように説明したとします。

「原因は、営業活動の不足、広告効果の低下、販売促進の不足です」

しかし、営業活動と販売促進は、内容が重複する可能性があります。

また、製品の競争力、価格、流通など、重要な観点が考慮されていないかもしれません。

MECEを意識すると、分析の観点を整理し、重複や漏れがないかを点検できます。

この意味では、MECEは論理的な説明を構成するために有用です。

しかし、分類がMECEであることと、論証が論理的に正しいことは同じではありません。

例えば、ある問題について、原因を「内部要因」と「外部要因」に分けたとします。

定義の仕方によっては、この分類をMECEにできます。

しかし、実際の問題が内部要因と外部要因の相互作用によって発生している場合、二つのカテゴリーを整理しただけでは、その原因を説明できません。

また、分類されたすべての項目を調査しても、その結果から導かれた結論が正しいとは限りません。

論理的思考には、概念の定義、前提の確認、推論の妥当性、証拠の評価など、さまざまな要素があります。

MECEは、そのうち分類や分解の整合性を確認するための原則です。

論理的思考のすべてを代表するものではありません。

MECEが役立つ場面

MECEは、分析対象が比較的明確であり、情報を分類・集計・分担する必要がある場合に有効です。

売上や費用の集計

売上を商品別、地域別、販売チャネル別などに集計する場合、集計対象の定義を統一し、重複や漏れを避けることが重要です。

例えば、一つの売上明細を一つの主たる商品カテゴリーへ計上するルールを定めれば、カテゴリー別売上を合計して総売上と照合できます。

ただし、オンラインで広告を見た顧客が実店舗で購入した場合、その売上をどの販売チャネルへ帰属させるかについては、別途ルールが必要です。

分類が整合的であることと、分類の意味が適切であることは区別しなければなりません。

作業分担と進捗管理

プロジェクトの作業を分解し、担当者を割り当てる場合にもMECEの考え方が役立ちます。

同じ作業を複数の担当者が重複して実施したり、誰も担当していない作業が残ったりすることを避けられます。

ただし、品質確認や安全確認のように、意図的に複数人が確認することが重要な業務もあります。

そのような場合には、作業分担の重複をなくすことと、必要な確認の冗長性をなくすことを混同してはいけません。

問題の分解

複雑な問題を複数の論点へ分解するときにもMECEが利用されます。

例えば、顧客数の減少を調べる場合、新規顧客の獲得と既存顧客の離脱という観点から分析することが考えられます。

ただし、ある期間に新規顧客となり、その期間中に離脱した顧客も存在する可能性があります。

顧客の状態、一定期間中の出来事、期首と期末の人数などを区別しなければ、分類や集計が曖昧になります。

問題の分解では、何を単位として分類しているのかを明確にすることが重要です。

MECEの進め方

MECEは独立した作業手順というより、分類や分解の結果を点検する原則です。

実務では、次のような考え方が参考になります。

活動確認すること
目的を明確にする何のために分類するのか
対象を定義する何を全体とするのか
分類単位を決める人、取引、製品、出来事、原因など、何を一件とするのか
分類の観点を選ぶ年齢、地域、機能、工程など、どの基準で分けるのか
境界条件を定めるどの条件なら、どのカテゴリーに入るのか
漏れと重複を確認する分類不能な項目や、複数に該当する項目がないか
分類の有用性を確認するその分け方が、解きたい問題に役立つか
必要に応じて再分類する新しい情報や別の観点を反映する

ここで重要なのは、MECEを満たすことだけを目的にしないことです。

例えば、顧客の名前の頭文字によって、あ行、か行、さ行というように分類すれば、一定の条件下で漏れや重複のない分類を作れます。

しかし、顧客の購買行動を理解したい場合、その分類にはほとんど意味がないかもしれません。

分類は、対象と目的に応じて選択する必要があります。

MECEとロジックツリー・イシューツリー

MECEは、ロジックツリーやイシューツリーを作成するときに利用される代表的な原則です。

ロジックツリーは、問題や対象を階層的に分解する方法です。

例えば、製造不良について、「材料」「設備」「作業方法」「環境」などの観点から原因候補を整理することが考えられます。

MECEを意識することによって、同じ原因を複数の枝で重複して扱っていないか、重要な観点が抜けていないかを確認できます。

しかし、現実の不良原因が必ず一つのカテゴリーに分類できるとは限りません。

例えば、設備の設定が適切でなかったという問題について、作業手順の不備と設備設計の問題が同時に関係している場合があります。

一つの原因を無理に一つの枝へ割り当てると、問題の背景にある関係が失われる可能性があります。

また、イシューツリーでは、解決すべき問いを複数の論点に分解します。

この場合も、論点が重複していないことや、重要な問いが抜けていないことは有用です。

しかし、MECEによって論点を整理したからといって、最初の問題設定が正しいことまで保証されるわけではありません。

MECEは、与えられた問題の分解を点検できますが、そもそも何を問題として捉えるべきかを決定する原則ではありません。

MECEの限界1 ― 最初に設定した枠組みの外を見落とす

MECEの最も重要な限界は、分類対象となる全体が適切に定義されていることを前提とする点です。

例えば、ある企業が新しい市場機会を探索するとします。

その企業は、既存の顧客を「自動車」「電機」「機械」という三つの業種に分け、その中で新しい需要を調べることにしました。

この三つの業種が、現在の顧客を重複なく分類できるとしても、将来の事業機会が三つの業種の範囲内に限定されるとは限りません。

医療、食品、建設、農業など、従来とは異なる産業に新しい用途が存在する可能性があります。

したがって、現在の顧客集合を漏れなく分類することと、新しい市場機会を漏れなく探索することは異なります。

ここでMECEを過度に重視すると、既存の分類が分析の前提として固定され、その外側の可能性が検討されなくなるおそれがあります。

これは、MECEの論理そのものが誤っているという意味ではありません。

問題は、分類対象をどのように設定したかという前提が、十分に検討されないまま使われることにあります。

MECEが成立しているかどうかを点検する前に、何を全体として扱っているかを確認する必要があります。

MECEの限界2 ― 複数のカテゴリーにまたがる関係を見落とす

現実の人間、製品、技術、社会現象などは、複数の属性を同時に持つ場合があります。

例えば、一人の顧客が「学生」であり「社会人」でもあることがあります。

ある技術が「材料技術」であると同時に「環境技術」や「医療技術」に関係することもあります。

このような対象を一つのカテゴリーに限定すると、他の側面が見えなくなる可能性があります。

特に、研究開発や事業開発では、複数の技術分野や産業分野にまたがる関係が重要になる場合があります。

例えば、ある材料技術を「化学材料」というカテゴリーに分類したとしても、その材料が医療機器や電子部品に利用できる可能性がなくなるわけではありません。

分類を一つに固定すると、分野を横断する関係が発見されにくくなる可能性があります。

この問題を避けるには、対象を一つのカテゴリーへ無理に割り当てるのではなく、複数の属性を保持する方法が考えられます。

例えば、技術を「対象材料」「利用機能」「適用産業」「成熟段階」など、異なる観点から分類できます。

ある観点ではMECEを満たす分類を利用しながら、別の観点では異なる分類を利用することもできます。

つまり、一つの分類軸についてMECEを満たすことと、対象が持つすべての側面を一つの分類体系に押し込むことは異なります。

MECEの限界3 ― 相互作用を分解によって失う

複雑な問題では、複数の要因が相互に影響することがあります。

例えば、製造不良が、材料の特性と加工温度の組み合わせによって発生するとします。

材料と加工温度を別々の原因カテゴリーへ分類することはできます。

しかし、不良の発生条件が両者の組み合わせに依存しているなら、材料だけ、加工温度だけを調べても原因を十分に説明できない可能性があります。

ここで重要なのは、分類されたカテゴリーが重複しているかどうかではなく、要因同士がどのように関係しているかという問題です。

相互排他的なカテゴリーを作成しても、それらのカテゴリーに属する要因が現実に独立しているとは限りません。

例えば、設備、材料、作業方法という分類が重複なく作られていても、設備と材料の適合性や、設備と作業方法の関係が不良に影響している場合があります。

このような問題では、分類による分解に加えて、相互作用の分析が必要です。

統計解析では、実験計画法や分散分析などによって、要因の交互作用を検討できます。

また、因果ループ図やシステム思考によって、要因間の相互依存やフィードバックを考えることもできます。

MECEは、要素を整理するには役立ちますが、要素間の関係を説明する方法ではありません。

MECEの限界4 ― 分類の整合性が判断の正しさを保証しない

MECEを満たす分類が完成すると、対象を正確に理解したように感じることがあります。

しかし、分類が整合的であることと、分類された内容が正しいことは別です。

例えば、顧客を「価格重視」「品質重視」「ブランド重視」に分類したとします。

これらのカテゴリーは、顧客の購買動機を理解するうえで有用かもしれません。

しかし、同じ顧客が価格と品質の両方を重視する可能性があります。

また、購入する製品や状況によって、重視する条件が変化するかもしれません。

この分類をMECEにするために、各顧客を必ず一つのタイプへ割り当てたとしても、その顧客の実際の行動が正確に説明されるとは限りません。

分類のために設定したルールは整合的でも、そのルールが現実を適切に表現しているかは別途検討する必要があります。

さらに、分類を利用した分析結果から導かれた結論についても、証拠による検証が必要です。

MECEは、正しい結論を導くための十分条件ではありません。

MECEの限界5 ― 形式を整えることが目的化する

MECEは、報告書やプレゼンテーションの論理構成をわかりやすくするためにも使われます。

しかし、過度に形式を重視すると、現実の複雑さよりも、整理された説明のわかりやすさが優先される可能性があります。

例えば、ある事業の失敗について、原因を三つの項目へきれいに整理したとします。

その説明は読みやすく、説得力があるかもしれません。

しかし、実際には原因が十分に調査されていなかったり、重要な要因が三つの項目に含まれていなかったりする可能性があります。

また、既存のカテゴリーに該当しない情報が発見されても、それを無理にいずれかのカテゴリーへ組み込んでしまう場合があります。

これでは、分類の整合性を守るために、重要な例外や新しい発見を排除することになります。

本来、分類できない情報が現れた場合には、分類体系そのものを見直す必要があるかもしれません。

整った説明を作ることと、問題を深く理解することは同じではありません。

MECEと「その他」カテゴリーの問題

MECEを満たすために、「その他」というカテゴリーが利用されることがあります。

例えば、顧客の職業をいくつかの主要カテゴリーへ分類し、該当しない顧客を「その他」へ分類する方法です。

この方法によって、形式上は分類対象をすべて含められます。

ただし、「その他」に多くの対象が含まれる場合、既存の分類が分析目的に適していない可能性があります。

また、これまで想定していなかった種類の対象が「その他」へ集まることもあります。

例えば、新しい事業分野を探索する際に、既存の産業分類に該当しない活動が「その他」としてまとめられてしまうと、その中に重要な新興分野が存在しても見落とされる可能性があります。

そのため、「その他」は単に余った項目を収納する場所と考えるべきではありません。

分類体系の限界や、まだ適切に理解できていない対象を示す情報として扱うことができます。

さらに、情報が不足して分類できないものと、既存の分類自体に該当しないものを区別することも有用です。

前者は追加調査によって分類できる可能性があります。

後者は、分類体系を見直す必要性を示しているかもしれません。

MECEが適する問題と適さない問題

MECEの有効性は、分析の目的によって異なります。

分析の目的MECEの有効性注意点
売上・費用の集計高い集計単位と分類基準を明確にする
作業分担・進捗管理高い必要な重複確認まで排除しない
顧客の属性別集計高い場合が多い複数属性や時間変化を考慮する
論点整理・報告書作成高い分類が整っていても結論の正しさは保証されない
原因分析条件付きで有効複数要因の相互作用を考慮する
顧客ニーズの探索補助的に有効未知のニーズを既存分類で排除しない
新規事業・R&Dテーマ探索限定的既存の分類の外側へ探索を広げる
複雑な社会問題の分析限定的関係者の視点や相互依存を考慮する

重要なのは、MECEを使うか使わないかという二者択一ではありません。

すでに把握している対象を整理する段階ではMECEを利用し、新しい可能性を探索する段階では分類を固定しないという使い分けが考えられます。

また、未知の可能性を探索した結果として新しいカテゴリーが生まれた場合、その後の整理にMECEを利用することもできます。

MECEと創造的思考 ― 分類することと発見すること

創造的思考では、既存のカテゴリーを超えた関係を発見することが重要になる場合があります。

例えば、ある企業が化学材料の技術を持ち、その用途を探索しているとします。

既存の産業分類に従って用途を整理すれば、現在の市場における販売機会を体系的に調べることができます。

しかし、新しい用途が既存の産業分類の境界に存在する場合や、異なる産業の技術と組み合わせることで新しい製品が生まれる場合もあります。

このような可能性を探索するには、材料の具体的な用途だけでなく、技術が実現している機能や特性を抽象化して考える必要があります。

例えば、「酸化を防止する」「局所的な熱を逃がす」「表面の状態を変化させる」などの特徴を抽出し、それらを必要とする異なる分野を探索する方法です。

ここでは、既存の分類体系よりも、機能や原理の類似性が重要になります。

このような探索において、最初から一つのMECEな分類体系を完成させようとすると、むしろ思考の自由度を狭める可能性があります。

一方、探索された候補を評価する段階では、対象産業、技術的な実現可能性、用途、事業性などの観点から整理することが有用です。

したがって、MECEは創造的思考と必ずしも対立しません。

可能性を広げるときには分類を柔軟に扱い、整理・比較するときには分類の整合性を重視するという使い分けが考えられます。

MECEと問題構造化

問題構造化は、与えられた問題をどのように理解し、どのような要素や関係から構成されるものとして捉えるかを検討する活動です。

MECEは、その一部として利用できます。

例えば、「製造品質を改善する」という課題について、品質に関係する工程や要因を整理する際には、漏れや重複がないかを点検できます。

しかし、問題構造化では、それ以前に何を問題とするのかという問いがあります。

製造不良率を下げることが本当の課題なのか。

検査体制を見直す必要があるのか。

そもそも製品の設計思想や顧客要求の捉え方に問題があるのか。

このように、問題の範囲や定義そのものを変更する必要がある場合、最初の分類体系をMECEに整えるだけでは十分ではありません。

RittelとWebberが論じたWicked Problems（厄介な問題）のように、問題の定義そのものが争点となる場合には、あらかじめ一つの完全な分類を設定することが難しいこともあります。

MECEは、問題を一定の観点から分解するためには有効ですが、異なる問題設定を探索するための方法ではありません。

そのため、問題構造化では、MECEによる分解と、問題の捉え直しを区別する必要があります。

AIによるMECEの支援

LLMなどのAIは、情報を分類し、分類の重複や漏れを点検する作業を支援できます。

例えば、収集した顧客の声を分類したり、報告書の論点を整理したり、業務上の問題を階層化したりする場合に利用できます。

また、ある分類体系について、意味の重複するカテゴリーや、分類できない項目を発見することも考えられます。

しかし、AIによる自動分類でも、MECEの限界は残ります。

特に、AIが既存のカテゴリーへ情報を割り当てる場合、想定外の内容をもっとも近いカテゴリーへ無理に分類する可能性があります。

これでは、分類結果は整っていても、新しい種類の問題や未知の特徴が見えなくなります。

そのため、AIによる分類では、次のような処理を区別することが重要です。

処理目的
既存カテゴリーへの分類定められた分類体系に従って情報を整理する
重複の確認同じ情報やカテゴリーが重複していないか調べる
分類不能な情報の抽出既存カテゴリーへ適切に割り当てられない情報を見つける
複数属性の保持一つの対象が持つ複数の特徴を保存する
新しいカテゴリーの提案既存分類では説明できないまとまりを探索する
分類基準の見直し分析目的に適した新しい観点を検討する

特に重要なのは、既存カテゴリーへ分類できない情報を、分析の失敗として排除しないことです。

その中に、まだ認識されていなかった問題や、新しい概念が含まれている可能性があります。

ただし、分類できない情報がすべて重要な発見になるわけではありません。記録の誤り、情報不足、特殊な例外なども含まれます。

それらを区別するために、追加の調査や検証が必要になる場合があります。

ThinkNaviでの位置づけ

ThinkNaviでは、MECEを、分類や分解の整合性を確認するための論理的思考の原則として位置づけます。

ロジックツリー、イシューツリー、問題構造化、情報分類などにおいて、漏れや重複を確認するために利用できます。

例えば、ロジックツリーを作成する際に、同じ階層の項目がどのような分類基準に基づいているかを確認し、重複や漏れを指摘する機能が考えられます。

また、既存の分類体系では扱いにくい情報を抽出し、分類の観点を再検討することもできます。

さらに、概念マップや概念構造モデルと組み合わせれば、一つのカテゴリーに限定されない関係や、複数の分類を横断する概念を表現できます。

ThinkNavi Freeでは、分類対象、カテゴリー、分類基準を入力し、漏れや重複を点検するような基本機能が考えられます。

LLMを利用する場合には、分類体系の提案、意味的に重複する項目の検出、分類不能な情報の抽出、別の分類観点の提案などが開発候補になります。

これらは今後の機能開発の可能性を示すものであり、現在すべての機能が提供されていることを意味しません。

MECEを思考支援へ利用する際には、分類体系を完成させることだけでなく、分類できない情報や、複数カテゴリーにまたがる関係を保持することが重要です。

既知の情報を効率よく整理する活動と、まだ知らない可能性を探索する活動では、求められる思考が異なります。

前者では、分類の整合性が重要になります。

後者では、既存の分類を変更したり、分類されていない対象へ目を向けたりすることが必要です。

MECEの価値は、考えられるすべての世界をあらかじめ分類できることではありません。目的が明確なときに情報を効率的に整理できることです。未知の問題や新しい可能性を発見するためには、分類の枠組みそのものを疑う視点が必要になります。

関連ページ

参考文献・関連資料