WaterfallBridge — 価値・パーセンテージ・率メトリクスにわたる KPI 変化を解説
財務・マーケティング・EC・運営・プロダクト分析のための滝グラフ・Bridge・貢献度分析を自動化 — 売上高やマージンからコンバージョン率・リテンション・イールドなど説明しにくい KPI 変動まで。 ユースケースを見る →
🔒 100%ローカルデータ処理 — データがデバイスから外に出ることはありません
ステップバイステップ：WaterfallBridgeの使い方
詳細なウォークスルーに従って、初日からキードライバー分析をマスターしましょう。
事例紹介
この数四半期の利益率の状況はどうですか？
売上は10%増加しましたが、利益率は全体で7pt低下しました。
それは良くありませんね。利益率7pt低下のブレークダウンと分析レポートをもらえますか？具体的にどの製品、何の原因でこの低下が起こったのか知りたいです。地域別、製品タイプ別、チャネル別、チーム別など他の次元でも包括的な分析をして、昨年、一昨年、予算など異なる時期と比較してください。これにより、問題を迅速に発見し、即座に解決できます。
売上分析なら簡単ですが、利益率7ptの低下を具体的な1000のSKUにブレークダウンし、価格、割引率、コストなどのどの要因がどれだけ全体の低下に貢献したかを知るのは容易ではありません。さらに地域、製品タイプ、チャネル別に分け、昨年、予算など異なるデータと比較するとなると、さらに複雑で、ほぼ不可能です...
上記のような要求は仕事で頻繁に遭遇しませんか？このような分析に一日、数日間、またはそれ以上（異なる次元の分析）の時間を費やして結論を得ているでしょうか？この分析には大量の手作業での推定が含まれ、最終的にすべての影響要因を合計した利益率低下は正確な7ptではなく、手作業で調整する必要があり、計算プロセスが100%正しいかどうか確信が持てないという疑念を抱いているでしょうか？
WaterfallBridgeをご利用ください。数分でこのような分析を完了し、アルゴリズムによって正確な分析結果を得て、収入、利益率の変化などを希望する影響要因、異なる次元、異なるシナリオ比較にブレークダウンします。問題の所在を正確に見つけ、迅速な行動を取り、企業の競争力を向上させます。
WaterfallBridgeの対象ユーザー
WaterfallBridgeは財務だけのツールではありません。 KPIの変化理由を説明する必要があるすべてのチーム、特にパーセンテージや比率指標を扱うチームに適しています。Margin %・転換率・リテンション・歩留まりから、内定承諾率・SLA・修了率まで、WaterfallBridgeは製品・顧客・チャネル・地域・コホートなど各ディメンション全体にわたって変化を完全な追跡可能な形で分解します。
特に以下のような場面で役立ちます：
- 売上・利益・コスト・支出・数量などの絶対値指標の変化を説明する
- Margin %・転換率・CTR・歩留まり・割引率・解約率などの比率・パーセンテージ指標の変化を分解する
- SKU・製品・顧客・チャネル・地域・サプライヤー・キャンペーンなどの詳細ディメンションの貢献度を特定する
- 合計値と完全に一致し、ステップごとに確認できる厳密な分析結果を生成する
| 業界 / 領域 | 典型的な職種 | よくある分析課題 | WaterfallBridgeが分解する主要因 | 独自の価値 |
|---|---|---|---|---|
| 財務 / FP&A | FP&A Manager, Finance Analyst, CFO Office | Revenue / Profit / Margin %が予算や昨年比でなぜ変化したか？ | Price, Volume, Mix, Cost, FX, Structure | 金額のBridgeだけでなく、Margin %などの比率指標も追跡可能な形で分解 |
| 銀行 / 金融機関 | FP&A, 財務, ALM, Finance Manager, Bank Performance Analyst | NIMやNIIがなぜ変化したか？どの商品、預金タイプ、支店が要因か？ | Rate, Volume, Mix, バランスシート構造, 商品, 満期, 通貨, 支店 | NIM / NIIをレート・ボリューム・ミックス・構造要因に分解 — 経営報告や取締役会レビューに対応 |
| 保険 | Finance Analyst, 引受アナリスト, アクチュアリー, CFO Office | コンバインドレシオ、ロスレシオ、引受マージンがなぜ変化したか？どの商品や地域が要因か？ | ロスレート, 費用率, 保険料ボリューム, Product Mix, 地域, チャネル, 事故頻度 | ロスレシオやコンバインドレシオなど比率指標を商品・地域・構造別に分解 |
| マーケティング / 広告 | Performance Marketing Analyst, Growth Analyst, Marketing Ops | CTR・CVR・ROAS・CACがなぜ変化したか？どのキャンペーン/キーワードが影響したか？ | Traffic, Channel Mix, Device Mix, Geography, Campaign, Keyword, Offer | 比率指標の変化を説明し、広告ディメンションまでドリルダウン可能 |
| EC / 小売 | E-commerce Analyst, Category Manager, Commercial Analyst | 売上・粗利率・割引率・転換率がなぜ変化したか？どのSKU/チャネルが寄与したか？ | Price, Units, Discount, Product Mix, Channel Mix, Freight, Cost | SKU / カテゴリ / チャネル / 地域レベルまで分解可能、高次元分析に対応 |
| 調達 / サプライチェーン | Procurement Analyst, Supply Chain Analyst, Sourcing Manager | 調達費用や単位調達コストがなぜ上昇したか？どのサプライヤー/カテゴリが主な要因か？ | Unit Price, Volume, Supplier Mix, Category Mix, FX, Logistics | 支出総額だけでなく、コスト率や調達構造の変化も説明可能 |
| 製造 / オペレーション | Operations Analyst, Plant Controller, Manufacturing Finance | 単位コスト・歩留まり・不良率・粗利率がなぜ変化したか？ | Volume, Yield, Scrap, Labor, Overhead, Material Cost, Product Mix | yield %・scrap %・margin %などの比率指標の分解に特に強み |
| SaaS / サブスクリプション | RevOps, BizOps, Growth Ops, Customer Success Ops | trial-to-paid・retention・churn・ARPU・NRRがなぜ変化したか？ | Customer Mix, Plan Mix, Price, Volume, Cohort, Region, Channel | サブスクリプション・転換KPIの変化要因を構造的に説明 |
| 営業管理 / 商業オペレーション | Sales Ops, Business Analyst, Commercial Excellence | 勝率・平均販売価格・顧客利益率・地域別売上がなぜ変化したか？ | Price, Volume, Customer Mix, Product Mix, Region, Sales Team | 総売上から顧客 / 製品 / 地域の貢献度まで分析可能 |
| プロダクト / データ分析 | Product Analyst, BI Analyst, Data Analyst | エンゲージメント・アクティベーション・転換・リテンションがなぜ変化したか？ | User Mix, Channel Mix, Version Mix, Region, Device, Feature Adoption | ダッシュボードよりも解釈しやすい「KPIが変化した理由」を提供 |
| カスタマーサービス / サポート | Service Ops, Support Analyst, Call Center Analyst | SLA・解決率・苦情率・チケット効率がなぜ変化したか？ | Ticket Mix, Channel Mix, Team Mix, Region, Product Type | サービス指標の変化を構造的要因と実行要因に分離 |
| 医療 / 教育 / 公共サービス | Operations Analyst, Planning Analyst, Program Manager | 運営指標やパフォーマンスKPIがなぜ変化したか？ | Volume, Mix, Resource Allocation, Region, Service Type | 複雑なKPI変化を明確に説明する必要があるあらゆるシナリオに対応 |
| 採用 / 人材獲得 | Recruiter, Talent Acquisition Analyst, HR Operations, 採用マネージャー | 面接通過率・内定承諾率・採用転換率がなぜ変化したか？どの職種・チャネル・地域が要因か？ | 候補者数, Source Mix, 職種Mix, 地域, Recruiter, 面接ステージ, オファー内容 | 職種・ソース・担当者・地域別のドリルダウンで採用ファネル比率の変化を説明 |
| 教育 / 研修 | Education Operations, Academic Analyst, Program Manager, Learning Ops | 修了率・出席率・合格率・満足度がなぜ変化したか？どのコース・コホート・キャンパスが要因か？ | 受講者Mix, コースMix, コホート, 講師, キャンパス, 受講形態, 出席, 評価結果 | コホート・コース・講師・キャンパス軸で教育KPIの変化を分解 |
| ゲーム / モバイルアプリ | Game Analyst, Live Ops, Growth Manager, Monetization Analyst | D1/D7リテンション・課金転換・ARPPU・エンゲージメント率がなぜ変化したか？バージョン・国・獲得チャネルが要因か？ | ユーザーMix, バージョンMix, チャネルMix, 国, デバイス, コホート, コンテンツ/イベントMix | バージョン・コホート・チャネル別に説明可能な形でゲーム・アプリのKPI変化をBridge |
| コールセンター / コンタクトセンター | Call Center Manager, WFM Analyst, Service Ops Analyst | 放棄率・サービスレベル・対応時間・初回解決率がなぜ変化したか？キュー・シフト・チームが要因か？ | コール数, キューMix, チームMix, シフト, 言語, 地域, 問題タイプ, 人員配置 | サービスKPIにおける構造的ミックス効果と実行要因を分離 |
| DTC / 中小店舗 / クリエイターコマース | Shopifyストアオーナー, Creator Manager, Growth Operator, E-commerce Lead | 店舗転換率・返品率・AOV・商品マージンがなぜ変化したか？商品・キャンペーン・流入元が要因か？ | トラフィックMix, 商品Mix, 価格, 割引, チャネル, クリエイター/キャンペーン, 地域 | 大企業だけでなく小規模チームでも高度なBridge分析を活用可能 |
| 職種 | 注目するポイント | WaterfallBridgeが提供する価値 |
|---|---|---|
| FP&A / Finance Analyst | Budget vs Actual、Forecast vs Actual、YoY差異の説明 | 完全に突合できるBridgeを迅速に生成、Margin %などの複雑指標にも対応 |
| CFO / 財務責任者 | 経営報告、結果の帰属、主要ドライバーの透明性 | 明確で審査・検証可能な変化の説明経路を提供 |
| 銀行 FP&A / ALM / 財務 | NIM、NII、貸出利回り、預金コスト、リプライシングリスク、資金調達構造 | マージン変化をレート・ボリューム・ミックス・バランスシート構造に分解、完全追跡可能 |
| 保険財務 / 引受アナリスト | ロスレシオ、コンバインドレシオ、引受マージン、保険料ミックス | コンバインドレシオの変化を商品・地域・チャネル・構造ドライバー別に説明 |
| Marketing Analyst | CTR、CVR、ROAS、キャンペーンパフォーマンス | 全体結果からキャンペーン / キーワード / チャネルの貢献分析まで |
| E-commerce Analyst | SKU・割引・チャネル・カテゴリの収益性分析 | 総粗利率からSKU / カテゴリ / ストア / チャネルへのドリルダウン |
| Procurement Analyst | 支出差異、サプライヤー影響、単位コスト変化 | レポートを表示するだけでなく、コスト変化の要因を説明 |
| Supply Chain Analyst | コスト・物流・サプライヤー切替・構造変化 | 構造変化が総コストと効率にどう影響するかを分析 |
| Operations Analyst | 効率・サービスレベル・キャパシティ・歩留まり変化 | オペレーション結果の変化を実行可能なドライバーに分解 |
| Sales Ops / Commercial Analyst | 地域・顧客・製品・価格ドライバー | 本当に結果を動かしている顧客 / 地域 / 製品を特定 |
| BI / Data Analyst | ダッシュボードの先にある「なぜ」 | 監視・アラートだけでなく、構造的なKPI変動の説明を提供 |
| Pricing Analyst | 値上げ・割引・構成変化が利益に与える影響 | 価格・ミックス・割引・コストの影響を明確に分離 |
| Growth Analyst | 転換・アクティベーション・リテンション・ファネルパフォーマンスがなぜ変化したか？ | KPI変化をチャネル・コホート・デバイス・地域・バージョンをまたぐ構造的ドライバーに分解 |
| RevOps / BizOps | パイプライン転換・ARPU・リテンション・エクスパンションの変化要因は？ | ヘッドラインKPIから顧客 / プラン / 地域 / チャネル貢献度へのBridgeを提供 |
| Talent Acquisition Analyst | 面接通過率・内定承諾・ソース効果・採用ファネル品質 | 職種・ソース・担当者・地域・ステージ別に採用ファネル比率の変化を説明 |
| 中小企業オーナー / 事業者 | 店舗転換率・AOV・返品率・商品収益性 | 完全なBIモデルを構築せずに高度なKPI分解を実現 |
| 分析シナリオ | 主な指標 | 適用例 |
|---|---|---|
| Budget vs Actual | Revenue, Profit, Margin %, Cost | 実績と予算の差異を説明する |
| Forecast vs Actual | Sales, GM %, Opex, Conversion Rate | 予測のずれがどこから来ているかを分析する |
| YoY / MoM / WoW 変化 | Revenue, Units, Spend, KPI rates | 期間間の変化ドライバーを比較する |
| Price–Volume–Mix 分析 | Revenue, Gross Profit, Margin % | 価格・数量・ミックスの結果への影響を分解する |
| Margin % ドライバー分析 | GM %, CM %, EBITDA % | 金額だけでなく、比率指標の変化を説明する |
| 貢献度分析 | SKU, Customer, Region, Channel, Campaign | 全体結果を引き上げている / 引き下げているものを特定する |
| チャネル / 地域 Bridge | Sales, Conversion, Spend, Profitability | チャネル・地域のパフォーマンス変化を比較する |
| 製品 / SKU 分析 | Margin, Discount, Units, Mix | 製品構造の変化が全体KPIにどう影響するかを把握する |
| サプライヤー / 調達分析 | Unit Cost, Spend, Landed Cost | サプライヤーと調達構造がコストに与える影響を分析する |
| オペレーション KPI 分析 | Yield, Scrap, SLA, Resolution Rate | オペレーション効率やサービス指標の変化を説明する |
| マーケティング KPI 分解 | CTR, CVR, CPC, ROAS | 広告パフォーマンスとトラフィック品質の変化を説明する |
| SaaS KPI Bridge | Retention, Churn, ARPU, Trial-to-Paid | サブスクリプションと顧客構造の変化を分析する |
| NIM / NII 差異分析 | NIM, NII, 貸出利回り, 預金コスト, スプレッド | 純利息マージンに対するレート・ボリューム・ミックス・バランスシート再編の影響を分離する |
| ロスレシオ / コンバインドレシオ分析 | ロスレシオ, 費用率, コンバインドレシオ, 引受マージン | 商品・地域・チャネル別に引受結果の変化を分解する |
| 採用ファネル分析 | Screening Rate, Interview Pass Rate, Offer Acceptance Rate, Time-to-Hire | 職種・ソース・担当者・地域を横断した採用転換率の変化理由を説明する |
| リテンション / チャーン Bridge | Retention Rate, Churn Rate, Renewal Rate, Expansion Rate | 顧客Mix・プランMix・価格・コホート品質がサブスクKPIの変化に影響したかを特定する |
| 転換率分解 | CVR, Checkout Rate, Trial-to-Paid, Activation Rate | デバイス・チャネル・地域・ランディングページを横断して転換率がなぜ変化したかを説明する |
| カスタマーサービス KPI Bridge | SLA, Resolution Rate, Abandonment Rate, Complaint Rate | サポート運営における量 / ミックス変化と実行課題を分離する |
| アプリ / ゲーム KPI 分析 | D1 Retention, D7 Retention, Payer Conversion, ARPPU | アプリバージョン・コホート・イベント・国・獲得元別にKPI変化を説明する |
| ストア / DTC パフォーマンス Bridge | Store Conversion, AOV, Refund Rate, Product Margin % | 商品・キャンペーン・流入元別に小規模オンラインビジネスの変化要因を説明する |
- Revenue（売上）
- Profit（利益）
- Cost（コスト）
- Spend（支出）
- Units / Volume（数量）
- Headcount（人員数）
- Inventory（在庫）
- Margin % / GM % / CM %
- Conversion Rate（転換率）
- Click-Through Rate（クリック率）
- Engagement Rate（エンゲージメント率）
- Discount Rate（割引率）
- Yield % / Scrap Rate（歩留まり/不良率）
- Retention Rate / Churn Rate（継続/解約率）
- Net Interest Margin（NIM）
- ロスレシオ / コンバインドレシオ
- SKU / 製品 / カテゴリ / ブランド
- 顧客 / アカウント
- チャネル / ストア
- キャンペーン / キーワード
- 国 / 地域 / サイト
- サプライヤー / ベンダー
- 工場 / チーム
- 商品 / 満期 / 通貨（銀行）
- 支店 / 事業ライン（銀行）
分解のすべてのステップが可視化され、追跡可能。ブラックボックスなし。
すべての貢献度の合計が常にKPIの総変化と一致。手動調整不要。
チャートだけでなく、ドライバーと貢献度分析のための完全なBridgeロジック。
Margin %・転換率・CTR・歩留まりなど、比率型KPIの分析に特に強力。
SKU・顧客・チャネル・地域・サプライヤー・キャンペーンの貢献度を分析。
迅速な回答・経営層向けアウトプット・使い慣れたワークフローが必要なチームに最適。
仕組み
実際の業務では、2つの結果の差異を絶対値で分解することは比較的簡単です。例えば、総売上が1,000から1,200に増加した場合、+200の変化は通常、数量、価格、製品ミックス、為替などの要因に直接分解できます。WaterfallBridgeはこの種の分析を非常に効率的かつ便利に処理できます。
しかし、差異がマージン%のようなパーセンテージ指標で表現される場合、要因分解と貢献度分析は大幅に難しくなります。その理由は、パーセンテージ指標は加法性を持たず、その変化はウェイト効果やミックス効果の影響を受けることが多いからです。
そのため、以下の例ではマージン%の変化に焦点を当て、要因ごとに差異を分解し、各要因の貢献度をステップバイステップで計算する方法を示します。
同時に、WaterfallBridgeは各要因内で最も細かい粒度（例：SKUレベル）での貢献度も計算できます。これにより、どの上位要因が結果に影響したかだけでなく、具体的にどの項目がその変化に寄与したかも追跡できます。
総じて、WaterfallBridgeは、さまざまなビジネスコンテキストや分析シナリオにおいて、絶対値指標とパーセンテージ指標の両方に対する貢献度分析を効率的に処理するよう設計されています。
I. プログラム原理の紹介
以下の例では2製品シナリオを使用し、各要因がどのようにステップバイステップで置き換えられ、貢献度がどのように正確に合計されるかを説明します。
基本原理
全体のマージン%の変化を分析する際、個々の製品・国・地域のマージン%変化を単純に合計することはできません。なぜなら、総マージン%は本質的に次のようなものだからです：
これは売上加重に基づいて形成される結果であり、各サブ項目のパーセンテージの単純な合計ではありません。
したがって、最も信頼性が高く、常に一致する方法の一つは：
具体的には：
- 旧シナリオ（予測/ベースライン）から出発する
- 毎回1つの変数のみを新しい値（実績）に置き換え、他の変数は変更しない
- 各置換後に全体のマージン%を再計算する
- 前のステップとの差がその変数の貢献度となる
- 全ての変数が実績値に置き換えられるまで続ける
これにより次が保証されます：
また、製品詳細レベルでは、数量/ボリュームを予測から実績に更新する際、通常は製品間の販売構造も同時に更新されるため、ミックス効果はボリュームのステップにすでに含まれていることが多く、別途「ミックス」バーを設ける必要はありません。
II. ケース設定
例をシンプルかつ明確に保つため、2つの製品を使用します：
- 製品A：本来マージンが高い
- 製品B：本来マージンが低い
1) 予測（ベースライン）
| 製品 | 数量 | 単価 | 単位原価 | 売上 | 利益 | マージン% |
|---|---|---|---|---|---|---|
| A | 100 | 10.0 | 6.0 | 1,000 | 400 | 40.0% |
| B | 200 | 8.0 | 7.0 | 1,600 | 200 | 12.5% |
| 合計 | 300 | — | — | 2,600 | 600 | 23.08% |
売上 = 数量 × 単価
利益 = 数量 × (単価 − 単位原価)
総マージン% = 総利益 / 総売上 = 600 / 2,600 = 23.08%
2) 実績（最終結果）
| 製品 | 数量 | 単価 | 単位原価 | 売上 | 利益 | マージン% |
|---|---|---|---|---|---|---|
| A | 140 | 9.5 | 6.2 | 1,330 | 462 | 34.74% |
| B | 170 | 8.4 | 6.8 | 1,428 | 272 | 19.05% |
| 合計 | 310 | — | — | 2,758 | 734 | 26.61% |
合計変化：26.61% − 23.08% = +3.54pp
III. 段階的置換の分解プロセス
ここでは以下の順序を使用します：
- まず数量と構造の変化を更新
- 次に価格の変化を更新
- 最後にコストの変化を更新
| 製品 | 数量 | 単価 | 単位原価 | 売上 | 利益 | マージン% |
|---|---|---|---|---|---|---|
| A | 100 | 10.0 | 6.0 | 1,000 | 400 | 40.0% |
| B | 200 | 8.0 | 7.0 | 1,600 | 200 | 12.5% |
| 合計 | 300 | — | — | 2,600 | 600 | 23.08% |
このステップでは、数量のみを予測から実績に置き換えます。価格とコストは予測値のままです。
| 製品 | 数量 | 単価 | 単位原価 | 売上 | 利益 | マージン% |
|---|---|---|---|---|---|---|
| A | 140 | 10.0 | 6.0 | 1,400 | 560 | 40.0% |
| B | 170 | 8.0 | 7.0 | 1,360 | 170 | 12.5% |
| 合計 | 310 | — | — | 2,760 | 730 | 26.45% |
総マージン%が23.08%から26.45%に変化したため：
Aは高マージン製品、Bは低マージン製品であるため、ミックスがAに偏移しており、このステップにすでに構造効果が反映されています。
このステップでは、ステップ1に加えて単価も実績値に置き換えます。コストは予測値のままです。
| 製品 | 数量 | 単価 | 単位原価 | 売上 | 利益 | マージン% |
|---|---|---|---|---|---|---|
| A | 140 | 9.5 | 6.0 | 1,330 | 490 | 36.84% |
| B | 170 | 8.4 | 7.0 | 1,428 | 238 | 16.67% |
| 合計 | 310 | — | — | 2,758 | 728 | 26.40% |
総マージン%が26.45%から26.40%に変化したため：
最後に、単位原価も実績値に置き換えます。これで実績状態に完全に到達します。
| 製品 | 数量 | 単価 | 単位原価 | 売上 | 利益 | マージン% |
|---|---|---|---|---|---|---|
| A | 140 | 9.5 | 6.2 | 1,330 | 462 | 34.74% |
| B | 170 | 8.4 | 6.8 | 1,428 | 272 | 19.05% |
| 合計 | 310 | — | — | 2,758 | 734 | 26.61% |
総マージン%が26.40%から26.61%に変化したため：
IV. 最終Bridgeの結果
| ステップ | マージン% | 貢献度 |
|---|---|---|
| 予測ベースライン | 23.08% | — |
| 数量後（ミックス含む） | 26.45% | +3.37pp |
| 価格後 | 26.40% | −0.05pp |
| コスト後 | 26.61% | +0.22pp |
| 合計変化 | 26.61% − 23.08% | +3.54pp |
検証：
+3.37pp − 0.05pp + 0.22pp = +3.54pp ✓
合計変化と完全に一致します。
これが段階的置換法の価値です：各ステップが追跡可能で、合計は常に一致します。
使用方法
WaterfallBridgeツールを使用するにはExcel 2016以上がプリインストールされている必要があります。最新版Microsoft 365の使用を推奨します。古いバージョンではプログラムが正常に動作しない場合があります。
以下の説明では「模擬スーパーマーケット」の仮想データセットを使用して、WaterfallBridgeツールを使用してBridge分析を自動生成し、主要な推進要因を得る方法を実演します。
Excel サンプルをダウンロード初期パネルには「新規Bridgeファイル」と「既存Bridgeファイルを開く」の2つのボタンが表示されます
1.1「新規Bridgeファイル」ボタンをクリック - 新しい「Data」ワークシートを含む新しいexcelファイルを生成します。「Data」ワークシートに対応するデータを入力し、これを基にさらなる分析を行います。
1.2「既存Bridgeファイルを開く」ボタンをクリック - 以前に使用されたExcelファイルを選択します。このファイルは対応するデータを保存し、Data Typeが設定されている必要があります。
Dataワークシートの列B以降で、1行目にデータタイプ、2行目にフィールド名、3行目以降にデータを入力してください。列Aは自動生成された1行目から3行目のデータ入力の識別説明で、列A自体はデータと分析に影響しません。
「Data」ワークシートの1行目に生成されるドロップダウンメニューから、列B以降でデータのタイプを選択してください。タイプはデータが表現する意味によって決定されます。プログラムはデータのタイプに基づいて自動分析を実行します。
データのタイプは5種類に分かれます：Dimension、Key、SumY、SumN、Result。各フィールドは1つのデータタイプを定義する必要があります。ドロップダウンメニューを使用してデータタイプを選択できます。
模擬スーパーマーケットのデータを例にして、各データタイプの意味を説明します。各タイプの定義は以下の通りです：
例：「Product Name」をKeyとして選択すると、プログラムは各変数の「Product Name」次元での変化が最終結果(Result)に与える影響を計算します。
例：各行の異なる商品のQuantityは合計可能で、合計後の意味は総商品数量となります。したがってQuantityのTypeはSumYに設定できます。
SumYには数値を直接入力するか、他のフィールドを通じて数値を計算する数式を使用できます。ただし数式ではExcel数式の加減乗除四則演算記号と括弧のみ使用できます：加算+、減算-、乗算*、除算/、左括弧「(」、右括弧「)」。数式使用注意事項
例：異なる商品のPriceは異なり、すべての商品の平均Priceを計算する場合、商品AのPriceと商品BのPriceを直接足して全体のPriceを得ることはできません。したがってPriceのTypeはSumNに設定できます。
SumNには数値を直接入力するか、他のフィールドを通じて数値を計算する数式を使用できます。ただし数式ではExcel数式の加減乗除四則演算記号と括弧のみ使用できます：加算+、減算-、乗算*、除算/、左括弧「(」、右括弧「)」。数式使用注意事項
例：Resultフィールドの内容がsalesの場合、セルに = Price * Quantity を入力する必要があります。または margin% の場合、セルに =profit / revenue を入力します。
Resultの数式は変数と結果を関連付け、分析ロジック依存の重要な情報です。各行のResultセルにResultを計算できる数式が含まれていることを確認し、数式は簡潔で明確である必要があります。Resultは数式内の各変数がResultに与える影響を分析し、数式にない変数は分析範囲外となります。Result数式には少なくとも1つのData TypeがSumYのフィールドが含まれている必要があります。これにより異なる行のデータを統合分析できます。
Result数式ではExcel数式の加減乗除四則演算記号と括弧のみ使用できます：加算+、減算-、乗算*、除算/、左括弧「(」、右括弧「)」。数式使用注意事項
「Data」ワークシートの列B以降の2行目にフィールド名を入力します。フィールド名が表すデータの意味は1行目のデータタイプに対応している必要があります。フィールド名は重複できません。
「Bridge Data」ワークシートの列Bの3行目以降に具体的なデータを入力します。
「New Bridge File」または「Select Bridge File」をクリックしてファイルを開くと、パネルに青色のボタンNew BridgeとRefresh Bridgeが表示されます。
3.1 New Bridgeボタンは、ワークシートDataのデータに基づいて新しいドロップダウンメニューとBridgeワークシートなどの分析フレームワークを生成し、後でデータを分析できるようにします。（注意：元のworkbookにBridgeワークシートなどの関連ワークシートと対応するデータがある場合は削除されます。）Dataワークシートのデータに変更がある場合は、まず「New Bridge」ボタンを押して新しい分析フレームワークを生成してから：1.新しいBaselineとComparisonのドロップダウンメニューを選択；2.「Refresh Bridge」ボタンを押して、必要なBridgeチャートとContribution Analysis分析を再生成します。
3.2 Refresh Bridgeボタン - 分析ニーズに応じてBaselineとComparisonのドロップダウンメニューのオプションを選択した後、「Refresh Bridge」ボタンを押して、必要なBridgeチャートとContribution Analysis分析を生成します。データまたはワークシートが不足している場合は提示が表示され、New Bridgeをクリックして新しいBridgeを再生成することを推奨します。
ドロップダウンメニューはBaselineとComparisonの2つの領域に分かれます
BaselineとComparisonのドロップダウンメニューの各フィールドに含まれるオプションは完全に同じです。ユーザーはニーズに応じてドロップダウンメニューでどのオプションをBaselineデータ、どのオプションをComparisonデータとしてフィルタリングするかを選択でき、これをBridge両端の比較・分析データとします。注意：初期状態では、BaselineとComparisonのドロップダウンメニューのフィールドはすべて選択されているため、BaselineとComparisonは完全に同じデータセットを取得し、差異のないBridgeが得られます。
4.1 Baselineドロップダウンメニュー - 分析比較の基準データを選択します。例えば、ある年のデータを比較の基準とする場合は、ここで2023年を選択します
4.2 Comparisonドロップダウンメニュー - 分析比較の対象データを選択します。例えば、ここで2024年を興味のある年として選択し、2023年と比較します。
Bridgeワークシートは最終分析結果を表示するワークシートで、BridgeチャートとContribution Analysis表を含みます
5.1 Bridge データソース - 左上のセルB3から、フィールド名とデータが表示されます。これはBridgeチャート生成に使用されるデータです。
5.2 Bridgeチャート - プログラム実行後の分析で得られたBridgeを表示します。左の青い棒はBaseline、中央は各変数の貢献影響、右の棒チャートはComparisonです。
5.3 Contribution Analysis 表 - Bridgeチャートの直下に、Contribution Analysis表が表示されます。Keyフィールドの各アイテムが異なる要因で全体の変化に対する貢献を示します。
BridgeチャートとContribution Analysis表により、変化に影響する最も重要なアイテム（SKU）および変化の要因（価格？コスト？それとも数量ミックス？）を迅速に見つけることができます
2.1 データタイプ選択で、どのフィールドがKey、どのフィールドがResultかを選択し、異なる次元、異なるresultデータを分析できます。また、3のドロップダウンメニューに基づいて、どのデータをBaselineとComparison用にフィルタリングするかを選択し、Refresh Bridgeをクリックして更新されたBridgeチャートとContribution Analysis表を生成し、実際のビジネス状況を分析して改善提案を行います
6.SumY と SumN 演算ルール
Dataワークシートの1行目Data Typeで、数値はSumY とSumNの2つのタイプに分けられ、Result列に数式を含んでこれらのデータを使用します。データを正しく分析するため、ここではSumYとSumNに関する演算ルールを定義します：
SumY + SumY = SumY
SumY + SumN (エラーが表示されます）
SumN + SumN = SumN
SumY * SumY = SumY
SumY * SumN = SumY
SumN * SumN = SumN
SumY / SumY = SumN
SumY / SumN = SumY
SumN / SumY = SumN
SumN / SumN = SumN
各列で同じ数式を使用：プログラムは自動的に4行目の数式から固定セル記号「$」を除去してコピーし、列全体で数式が同じになるようにします。
6.4.1 数式に括弧が含まれる場合、四則演算の規則に従って括弧内のデータを優先的に計算し、結果を値として上記のルールを適用して演算を続行します。
例： (SumY + SumY) * SumN
ステップ1：SumY + SumY = SumY
ステップ2：SumY * SumN = SumY
最終結果タイプ：SumY
6.4.2 Resultの列の数式が他のセルを参照し、そのセルも数式を含む場合、分析はすべての参照ネスト数式を1つの数式に統合して分析します。
例：
E列数式：=B*C （Total Cost = Quantity * Unit Cost）
F列Result数式：=D-E （Profit = Revenue - Total Cost）
統合後：プログラムは =D-(B*C) を分析します
6.4.3 プログラムは数式の構造に基づいて、自動的に変数の再配列と乗法分配律を使用します。これはより良いデータ分析のためです。
元の数式： =SumY*(SumN1 + SumN2)
プログラム処理後： =SumY*SumN1 + SumY*SumN2
これによりSumY、SumN1、SumN2それぞれの貢献をより明確に分析できます。
7. Process ワークシート
Processワークシートには、Bridgeチャートとデータ生成のロジックとアルゴリズムが含まれており、これらの分析結果がどのようにステップごとに計算されるかを直感的に見ることができ、ブラックボックスや説明不可能な現象を回避します。
Bridge 分析計算ロジックと原理
すべての変数はBaseline初期値に基づき、各ステップで1つの変数をComparisonの値に変更し、各Keyアイテムへの影響を計算します。
例：製品Aの売上分析
Baseline: Price=10, Quantity=100, Sales=1000
Comparison: Price=12, Quantity=80, Sales=960
ステップ1: Priceのみ変更：10→12, Quantityは100を維持, Sales=1200
ステップ2: 次にQuantityを変更：Price=12, Quantity=100→80, Sales=960
各ステップでの変数変更による統合への影響を計算
Price影響： 1200 - 1000 = +200
Quantity影響： 960 - 1200 = -240
総変化： +200 + (-240) = -40
検証： 960 - 1000 = -40 ✓
7.1から7.2を経て、すべての変数をBaselineの値からComparisonの値に置き換えることで、Bridgeチャートに必要な各影響要因のimpactを取得します。
Contribution計算表では、各Keyの各factor変化での全体への影響を計算します。
全体Price影響： +500
製品A貢献： +200 (40%を占める)
製品B貢献： +180 (36%を占める)
製品C貢献： +120 (24%を占める)
Added DataはBaselineデータに新たに追加されたデータ（Comparisonデータに存在）を表し、Removed DataはBaselineデータから削除されたデータ（Comparisonに存在しない）を表します。この2種類のデータは通常、他のfactorの分析から分離する必要があります。
シナリオ：製品組合せ変化分析
Baselineデータ：製品A, B, C
Comparisonデータ：製品A, B, D（Dを追加、Cを削除）
Added Data：製品Dの貢献
Removed Data：製品Cの影響（負の貢献）
これらの変化は単独で表示され、価格、数量などの要因と混合されません。
8. その他のワークシート
プログラムの正常な動作のため、いくつかの他のワークシートが生成されますが非表示になります。これらのワークシートを変更しないでください。
9. データセキュリティ保障
すべてのデータはローカルexcelにのみ存在し、プログラムもローカルでのみ実行されます。プログラム分析自体にはネットワーク通信は一切ありません。
10. 透明で説明可能な分析
AI分析の曖昧な結論と説明不可能性を拒絶し、分析計算プロセスは完全に透明で説明可能です
Processワークシートの透明性
Bridgeチャートとデータ生成のロジックとアルゴリズムを含み、各計算ステップを追跡・検証可能です。
従来のブラックボックス分析：
❌ 「AIモデルは利益率7pt低下を表示」
❌ 具体的な計算プロセスを説明できない
❌ 結果の正確性を検証できない
透明分析：
✅ 「価格要因：-3pt, コスト要因：-2pt, 数量要因：-2pt」
✅ 各計算ステップがProcessワークシートで確認可能
✅ すべての数式とロジックが完全に検証可能
ローカルデータセキュリティ
ネットワーク通信ゼロ、すべてのデータ処理はローカルで完了し、企業データの絶対的な安全性を確保します。
データセキュリティ保障：
✅ データはローカルコンピューターから離れません
✅ クラウドサーバーへのアップロードは不要
✅ ネットワーク接続要件なし
✅ 企業データセキュリティポリシーに適合
✅ データ漏洩リスクを回避
精密数学計算
厳密な数学公式に基づき、分析結果の正確性と信頼性を確保します。
従来の推定分析：
❌ 手作業推定で誤差の可能性
❌ 各要因の影響を精密に定量化できない
❌ 統合結果に手作業調整が必要
精密計算：
✅ 数学公式が100%の正確性を保証
✅ 各要因の貢献を小数点まで精密化
✅ 合計は自動的にバランスし、調整不要
高効率分析
従来数日かかる複雑な分析を数分で完了し、作業効率を大幅に向上させます。
多次元分析
製品別、地域別、時間別など多次元での詳細な推進要因分析をサポートします。
柔軟な設定
いつでも分析次元と比較シナリオを調整でき、様々なビジネス分析ニーズに対応します。