売上予測はエクセルでどこまでできる？ 店舗開発での活用と限界

時系列分析と回帰分析

時系列分析（過去のデータの推移から未来を予測する手法）

過去から現在までの売上のトレンドを基に、将来の数値を予測します。エクセルには「予測シート」という機能が標準搭載されており、日付と売上データを選択するだけで、季節性や変動を考慮した予測グラフを自動生成できます。また、FORECAST.LINEAR関数を用いることで、過去の傾向が継続したと仮定した直線的な予測値を算出することも可能です。

回帰分析（ある結果と、それを左右する要因の関係を数式化する手法）

「何が売上に影響を与えているか」という要因を探る手法です。例えば、売上を「客数」や「周辺人口」といった変数（売上を左右する要素）で説明します。エクセルではTREND関数やLINEST関数が活用されます。

● 単回帰分析: 「売場面積」と「売上」の関係など、1つの要因から予測を行います。
● 重回帰分析: 「周辺人口」「駅からの距離」「競合店数」など、複数の要因を組み合わせて予測します。

簡易モデルの作り方

エクセルで予測モデルを構築する際は、一般的に以下のステップを踏みます。

1. データのクレンジング（重複や誤りを取り除き、分析に適した形に整えること）
欠損値を処理し、分析に使える状態に整理します。

2. 散布図による視覚化
予測したい数値（売上）と要因（人口など）を散布図（2つの要素の関係を点で表したグラフ）にし、相関関係の有無を確認します。

3. 近似曲線の追加
グラフ上にトレンド線を表示させ、回帰式
y=ax+b
を算出します。

4. 検証
予測モデルに過去のデータを当てはめ、実際の売上とどれくらい乖離があるか、すなわち残差（予測値と実績値の差）をチェックします。

店舗開発での活用シーン

エクセルは、データ量が限定的な場合や、迅速に大まかな傾向を把握したい場面で真価を発揮します。

既存店データの分析

既存店の売上推移を分析し、翌月や翌四半期の着地を予測する作業は、エクセルの得意分野です。前年比や移動平均（一定期間の平均値をずらしながら計算する手法）を用いた簡易的な予測により、店舗ごとの成長率や季節変動のパターンを可視化できます。これにより、予算策定や在庫管理の目安を立てることが可能になります。

簡易な出店シミュレーション

新規出店の検討初期段階において、候補地のポテンシャルを既存の類似店舗と比較する際にもエクセルが活用されます。「商圏人口が既存のA店と同等であれば、売上も同程度になるはずだ」といった簡易的な比準法（似た条件の事例と比較して評価する方法）や、数個の変数を用いた重回帰モデルによるシミュレーションは、迅速な一次判断を支援します。

エクセルの限界

A多機能なエクセルですが、多店舗展開を行う企業が「精度」と「効率」を追求し始めると、明確な限界に突き当たることになります。

データ量の制約

エクセルは数万行を超える膨大なデータを取り扱うと、動作が極めて重くなります。店舗開発においては、国勢調査データや数千万件のGPS人流データ（スマートフォンの位置情報を基にした人の動き）、自社の全来店客データなどを統合して分析する必要がありますが、これらをエクセルで処理しようとすれば、ファイルの破損やフリーズといったリスクが常につきまといます。

多変量分析の難しさ

現代の商圏は極めて複雑であり、売上に影響を与える変数は数十から数百に及ぶこともあります。しかし、エクセルでこれほど多くの変数を扱うのは現実的ではありません。特に、変数同士の相互作用（例：駅に近いが、競合が多すぎる場合のマイナス影響など）を数式で表現するには高度な統計知識が必要となり、一般の担当者がメンテナンスし続けるのは困難です。

属人化リスク

「エクセル職人」と呼ばれる特定の担当者に依存した運用は、組織にとって大きなリスクとなります。複雑な関数やマクロ（操作を自動化するプログラム）で組まれた予測シートは、作成者以外には内容の修正や検証ができないブラックボックス（内部の仕組みが不明透明な状態）になりがちです。担当者の異動や退職によって予測モデルの根拠が不明確になり、意思決定の再現性が失われるケースは少なくありません。

よくある失敗

エクセルでの売上予測を過信することで陥りやすい、実務上の失敗パターンを挙げます。

過去データの当てはめだけになる

エクセルによる時系列予測は、あくまで「過去の延長線上に未来がある」という前提に立っています。しかし、近隣に強力な競合店が出現したり、急激な人流変化が起きたりした場合、過去のトレンドは参考にならなくなります。外部環境の変化をリアルタイムに取り込めない点は、エクセル運用の大きな弱点です。

競合や立地を考慮できない

エクセルは「地図」の機能を持っていません。そのため、競合店との距離や、道路の横断しにくさといった分断要素（人の流れを遮る物理的な要因）、視認性の良し悪しなどの「空間的な要因」を数値化して取り込むには、手作業での入力が不可欠となります。全国の候補地を比較する際に、これらすべての空間情報を手動で入力するのは、膨大な工数とミスの温床を生みます。

次のステップ

エクセルでの売上予測に限界を感じ始めたら、それは組織のデータ活用レベルを次のステージへ進めるべきサインです。

AI・専用ツールへの移行判断

以下のような兆候が出始めたら、MarketAnalyzer® 5のようなGIS（地理情報システム）や、売上予測AIツールへの移行を検討すべきタイミングといえます。

● データ規模の拡大
管理するデータ量や拠点が一定数を超え、エクセルでの処理が困難になった場合。
● 同時編集の必要性
複数人が同時にデータを更新し、常に最新の予測値を共有したい場合。
● 精度の飽和
エクセルの重回帰分析では、どうしても予測誤差が縮まらなくなった場合。
● 業務の標準化
「誰が分析しても同じ結果が出る」状態を作り、属人化を排除したい場合。

エクセルは「思考の整理」には最適ですが、企業の成長を支える「意思決定のインフラ」としては限界があります。より高精度な予測を行うには、分析手法そのものの理解が重要になります。

■ 次に読むべき記事
売上予測精度を一段引き上げるには、「回帰分析」の手法を押さえることが重要です。
→「売上予測における回帰分析の使い方 出店判断に活かす実践手法」を読む

■ 関連記事
・売上予測×AIで出店判断はどう変わる？
・売上予測に必要なデータとは？

---

監修者プロフィール

市川 史祥

技研商事インターナショナル株式会社
執行役員CMO　シニアコンサルタント　市川 史祥

一般社団法人LBMA Japan 理事
ロケーションプライバシーコンサルタント
流通経済大学客員講師／共栄大学客員講師
統計士／医療経営士／介護福祉経営士
Google AI Essentials／Google Prompt Essentials

1972年東京生まれ。早稲田大学政治経済学部卒業。不動産業、出版社を経て2002年より技研商事インターナショナルに所属。 小売・飲食・メーカー・サービス業などのクライアントへGIS（地図情報システム）の運用支援・エリアマーケティング支援を行っている。わかりやすいセミナーが定評。年間講演実績90回以上。

電話によるお問い合わせ先：03-5362-3955（受付時間／9：30～18：00 ※土日祝祭日を除く）
Webによるお問い合わせ先：https://www.giken.co.jp/contact/