market-sizing

関連スキル

サイジング結果にチャートや図が必要な場合は、$visualize-data を使用してください。

このスキルが選択されている場合は、ユーザーがインラインでのチャットのみの簡潔な回答／成果物なしを明示的に求めている場合、レポート／ファイル／成果物を作成しないよう依頼している場合、または別の主要な成果物を選択している場合を除き、最終的な推定値、前提、感度分析、留意事項、出典の背景情報をまとめるために $build-report を使用してください。

市場規模の推定

関連するコンテキスト、公開情報、透明性のある前提、監査可能な計算を用いて、市場や機会について妥当な推定値を作成するには、このスキルを使用してください。市場を定義し、適切な推定方法を選び、根拠と前提を区別し、感度を検証したうえで、確信度を高めるために最も有効な情報を示します。

スキルの設定

出典の発見と検証

関連するセマンティックレイヤーは出発点として利用し、境界とは見なさないでください。

1. 考えられるすべての出典を調べます。 タスクに関連するデータが含まれている、または解釈を変える可能性がある、接続済みまたは提供済みの出典をすべて検索してください。各構造化データソースでは、関連するスキーマ、データセット、テーブル、ビュー、モデル、メトリクスを対象に、カタログまたはメタデータを新たに調査してください。既知の出典、テーブル、ダッシュボード、セマンティックマッピングは出発点であり、調査の終点ではありません。
2. 重複や不一致を比較します。 出典が重複している、または食い違っている場合は、所有者、鮮度、定義、粒度、網羅性、直接性を比較してください。最も信頼できる権威ある出典を使用するか、必要に応じて相互補完的な出典を組み合わせてください。重要な不一致があれば記録し、選択した出典が回答の根拠となる理由を説明してから、ライブデータの読み取りを通じて選択したデータを検証してください。

出典アクセスに関するガードレール

出典への問い合わせ、成果物の作成、結論の提示を行う前に、回答に特定の信頼できる情報源が必要かどうかを判断してください。

必須の出典を利用できない場合は、その経路での作業を中止してください。必要な出典をユーザーに伝え、利用可能にするか、レビュー済みの代替情報を提供するよう依頼してください。また、信頼性の低い代替情報を同等のものとして扱わないでください。

不足している出典が補足情報にすぎない場合は、利用可能な最も強い根拠に基づいて作業を続け、不足が回答に重大な影響を与える場合は、その点を明記してください。

不足している入力によって推定値や推奨内容が大きく変わる場合は、ユーザーに確認してください。それ以外の場合は、妥当な前提を置き、それを明示して作業を進めてください。

ワークフロー

1. 市場または機会を定義する

推定を始める前に、市場または機会の範囲を定義してください。

• 何を推定するのか。たとえば、製品カテゴリー、ワークフロー、課題、ユースケース、活動カテゴリーなどです。
• どこで、いつ適用されるのか。たとえば、地域、セグメントの範囲、期間、市場の成熟度などです。
• 何を市場に含めるのか。たとえば、対象となる母集団、需要の単位、取引の種類、含める活動などです。
• 機会をどのように測定するのか。たとえば、支出、売上、数量、創出価値、または質問に適した別の単位です。
• ユーザーがどのような推定結果を必要としているのか。たとえば、TAM／SAM／SOM、市場参入、拡大余地、支出プール、売上プール、母集団数、数量などです。

2. 初期の推定方法と入力値を選ぶ

質問に適した、最もシンプルで妥当な推定方法を選び、計算の流れと推定値を左右する主要な入力値を整理してください。

信頼できる市場全体のデータがある場合はトップダウンモデルが適しています。観測可能な単位と前提から市場を構築できる場合はボトムアップモデルが適しています。公表された市場全体の数値ではなく、創出される価値を起点とすべき場合は価値ベースモデルが適しています。異なる方法による照合で確信度が大きく高まる場合に限り、複合的な方法を使用してください。複数の方法が適している場合は、最も信頼できる方法とその理由を簡潔に説明してください。

出典の確認によって、別のモデルのほうが妥当だと分かった場合は、最初の方法を変更することを想定してください。

3. 入力値の情報源を集める

推定に最も大きく影響する入力値に基づいて、情報源を選びます。

指定された情報源がある場合は、まずそれを使います。次に、最初のアプローチで重要な各入力値について、利用できる中で最も確かな根拠を使います。入力値をユーザーのデータウェアハウスや別の構造化データソースから取得する場合は、~~structured_data を使います。入力値にビジネス上の意味、信頼できる情報源に関する指針、または構造化データだけでは把握できない前提が必要な場合は、~~company_docs、~~team_communication、~~dashboards_or_bi などのコンテキストレーンを使います。入力値が外部市場に依存する場合は、ベンチマーク、人口推定、類似市場、または代理となる前提値について公開情報を使います。

適切な信頼できる情報源やビジネス上の意味、前提のセットが不明な場合は、$gather-business-context を使ってコンテキストレーンを確認します。

最も確かな情報源を利用できない、または情報が限られている場合でも、推定が有用であれば、透明性のある代理前提を使って進めます。情報の不足を明示し、それが信頼度にどう影響するかを説明します。

4. 事実と前提を分ける

モデル内では、情報源に基づく事実、推定値、判断を明確に区別します。正確なデータを入手できない場合は、妥当性を説明できる代理値を使い、信頼度も記載します。市場の実際の動向、現実的に変化しうる要素、機会の規模を左右する要因に関する根拠に基づいて、前提を設定します。

5. モデルを構築する

モデルを確認し、調整しやすい形にします。

モデルでは、次の要素を簡単に監査または修正できるようにします。

• 市場の定義と測定単位
• 前提と情報源のコンテキスト
• 計算の連鎖と導出値
• 基準ケース、重要な範囲、感度分析のロジック
• 検証の優先順位

主要な各入力値について、情報源の経路が分かるようにします。構造化データ、コンテキストレーン、公開情報、ユーザー提供の入力値、または代理前提のいずれかを示します。

導出値はハードコードされた出力ではなく、数式またはコードから追跡できるようにします。

情報源の調整、計算、感度分析、または再利用可能なモデリングロジックにコードが必要な場合は、$jupyter-notebooks を使います。数式、入力値、中間計算、感度分析のロジックを確認できる状態に保ちます。

ユーザーがスプレッドシート、ワークブック、または Google Sheets の成果物を求めている場合や、市場規模モデルに編集可能な前提、感度分析テーブル、グラフ、または見やすく整えられたワークブックの書式が特に役立つ場合は、$Spreadsheets スキルを使います。

6. 感度をテストする

推定値を最も大きく左右する前提を特定します。

そうした前提を増減させた場合に、推定値がどう変化するかを示します。網羅的すぎるシナリオを並べるより、シンプルで意思決定に役立つ感度分析を優先します。

不確実性が大きい場合は範囲で示します。入力値の根拠が限られているのに、単一の点推定値で不確実性を覆い隠してはいけません。

7. 推定値と検証の優先事項を提示する

ユーザーがレポート作成を明示的に免除するか、別の主要成果物を選択しない限り、推定値、手法、主要な前提、不確実性、次に検証すべき優先事項を $build-report に引き継えて終了します。人間による明示的な免除がない場合、この引き継ぎは必須です。ユーザーが推定値を求めた、または「レポート」という語を使わなかったからといって、免除を推測してはいけません。このワークフローでは規模算定モデルと結論を担当し、$build-report は読者向けの構成、ビジュアル、根拠の配置、提供方法を担当します。

引き継ぐ前に、市場規模の結論を明確にします。

• 市場の定義と測定単位
• 推定値または範囲
• 手法と計算の流れ
• 主要な前提と、それを裏付ける出典
• 主な不確実性要因と感度分析から得られる示唆
• 検証の優先事項と、ユーザーの意思決定に向けた実践的な解釈

出典による裏付けが不十分な場合は、主要な入力値のうち、どれが代理的な前提に依存しているか、また、どの出典があればそれらを最も改善できるかを明記します。

共有前に手法、計算、前提、留保事項、出典による裏付けを確認する必要がある場合は、$validate-data を使用します。

このスキルでチャートを直接作成してはいけません。感度分析、シナリオ、ファネル、市場内訳のビジュアルによって推定値がわかりやすくなる場合は、ビジュアルの意図と根拠となる証拠を $build-report に渡し、チャートの選定と品質確認は $visualize-data が担当できるようにします。