データドリブン経営入門：ホテル経営に必要な数字の読み方

「勘と経験」と「データ」は対立しない

データドリブン経営という言葉を聞くと、「経験ある支配人の勘より、AI・BIツールの方が優れている」という二項対立を想像する人がいます。しかし実際のデータドリブン経営は、経験と数字の対立ではなく、「経験を数字で裏付けて、判断の精度を高める」営みです。数十年の現場経験で培われた直感は、その人が過去に処理してきた膨大なデータの結晶です。データドリブンはこれを無視するのではなく、より多くの変数・より広い期間のデータで補強します。

出典: 日本経営協会 データドリブン経営調査（2023年）、ビジネスブレーン 運用施設1,200件分析

データドリブン経営の実質は「仮説→検証→学習→改善」のサイクルを組織で回すことです。経験者の直感を仮説として扱い、データで検証する。データが仮説を支持すれば経験が正しかった証拠になり、支持しなければ仮説を修正する。このプロセスを組織全体で共有することで、個人の経験が組織の資産に変わります。

データドリブンになれない組織の共通点

• データを集めているが見ていない：PMSに膨大なデータが蓄積されているが、月次レポート以外で使われない
• 数字より声の大きい人の意見：会議で数字を根拠にした発言より、ベテランの勘で決まる
• 失敗から学べない：施策を実行しても効果検証がなく、成功・失敗パターンが蓄積されない
• 部門ごとに指標がバラバラ：同じ「稼働率」でも部門ごとに定義が違い、議論が噛み合わない

KPI設計の基本：3層カスケード

データドリブン経営の出発点は、経営KPIから現場KPIまでを3層で接続することです。

第1層：経営KPI

経営層が見る指標。3〜5個に絞り、全て財務・市場に直結する指標を選びます。

• 総売上（Revenue）
• GOP率（営業利益率）
• RevPAR（業界標準指標）
• 顧客満足度（NPS等の非財務指標）

第2層：部門KPI

部門長が見る指標。経営KPIを構成要素に分解します。

• 宿泊部門：ADR・OCC・ルームタイプ別収益・チャネル別売上
• F&B部門：朝食単価・レストラン売上・宴会売上・F&B原価率
• 清掃部門：清掃時間・ルーム当たり人件費・アメニティ原価
• マーケティング部門：直販比率・OTAコミッション率・リピート率

第3層：現場KPI

現場スタッフが見る指標。日次で動く実務指標です。

• フロント：チェックイン所要時間・ウォークイン成約率・アップセル率
• 清掃：清掃1室あたり時間・再清掃発生率
• 料飲：提供時間・クレーム発生率・廃棄率

経営KPIと現場KPIがつながっていないと、現場が何を頑張っても経営に反映されません。逆に、経営判断が現場の行動を変えないと、数字は動きません。KPIの3層接続は、戦略と実行をつなぐ神経系統です。

データリテラシー：読み書きの基本

データドリブンには、組織全体のデータリテラシーが必要です。以下の基本スキルを全マネージャーが身につけます。

基本1：比較の軸を意識する

「売上1,000万円」は大きいか小さいか、単独では判断できません。以下の比較軸が必要です。

• 時系列（前月・前年・前々年・3年平均）
• ベンチマーク（業界平均・市場成長率）
• 目標（予算・計画）
• セグメント（ルームタイプ別・顧客層別）

基本2：相関と因果を区別

「ADRが上がってOCCが下がった」は相関ですが、「ADRを上げたからOCCが下がった」は因果です。相関を因果と誤認すると、間違った打ち手を選びます。経済学的な検証手法（価格弾力性分析・A/Bテスト等）を使える人材を育てることが、データドリブン組織の成熟度を決めます。

基本3：ノイズと信号を分離

単月のブレは大きいため、「売上-3%だから何か悪いことがあった」と決めつけると判断を誤ります。3ヶ月移動平均や季節調整値で見て、本当に構造変化があるかを判別します。前述の年前年比補正（曜日・祝日・特殊要因）もこの一環です。

データ文化を組織に根付かせる

ツールを導入するだけではデータドリブンにはなりません。組織文化の変革が必要です。

経営会議の運用変革

全ての意思決定は「データを根拠に」進める文化を作ります。会議冒頭の10分間でダッシュボードレビュー、各議題ごとにデータの提示を必須化。「なんとなく」「昔からの慣例で」という発言は、「どのデータを見るべきか」に言い換えます。

KPIオーナー制度

各KPIに責任者（オーナー）を定めます。KPIの定義・計測・改善に責任を持つ人を明確化することで、数字の品質と運用の一貫性が保たれます。オーナーは月次会議で自分のKPIの状況と打ち手を報告します。

データ共有の透明性

データを一部の経営層だけが見るのではなく、現場まで共有します。現場スタッフが自分の部門KPIを日次で確認できるダッシュボードを提供し、「自分の仕事が数字にどう影響するか」を実感できる環境を作ります。

データドリブン導入の段階的ロードマップ

組織規模に応じた段階的な導入が成功の鍵です。

Phase 1：データ整備（3〜6ヶ月）

• PMSデータの一元化（複数システムを統合）
• KPI定義の標準化（各部門の用語統一）
• ダッシュボード基本版の構築
• 月次レポートフォーマットの標準化

Phase 2：意思決定の変革（6〜12ヶ月）

• 経営会議のデータドリブン化
• 部門別KPIカスケードの確立
• 予実管理サイクルの確立
• 現場ダッシュボードの提供

Phase 3：予測・AIの導入（12〜24ヶ月）

• 需要予測モデルの導入
• AIベースの価格提案
• AIベースのシフト提案
• 異常検知・アラートの実装

Phase 4：組織文化の成熟（24ヶ月〜）

• データリテラシー研修の定着
• 失敗から学ぶ改善サイクル
• 他社データとのベンチマーキング
• 次世代の育成（データ分析人材）

よくある誤解と落とし穴

データドリブン導入で陥りがちな誤解を整理します。

誤解①：ツールを入れれば解決する

BIツールを導入しても、経営会議で使われなければ意味がありません。ツールは手段であり、運用プロセスの変革が本質です。

誤解②：データが多いほど良い

指標が30個・50個あっても、活用できなければ何も見ていないのと同じです。重要なのは「少ない核心KPIを深く見る」姿勢です。

誤解③：経験者の意見を軽視

ベテランの直感は貴重なデータポイントです。データドリブンは経験を否定するのではなく、補強するアプローチです。経験者がデータを使いこなせる環境を作ることが重要です。

まとめ：数字で語れる組織を作る

データドリブン経営の本質は、組織全体が「数字で語り、数字で学ぶ」文化を持つことです。経営KPIから現場KPIまでを3層で接続し、全員が自分の役割と数字の関係を理解できる環境を作ります。

ツール導入は手段であり、目的は「意思決定の質を高める」ことです。経験と勘を否定せず、むしろ数字で裏付けて精度を高める姿勢が、競合との差を生みます。一度に完成形を目指さず、段階的に組織を成熟させていく長期視点が必要です。5年後に「当社はデータで経営できている」と言える組織を、今日から作り始めましょう。