フェルミ推定

フェルミ推定とは、調査や計測が困難な数量を、既知の基本データと論理的な分解・積み上げによって概数を導き出す推定手法である。

なぜフェルミ推定が注目されるのか

「東京都内にタクシーは何台あるか」「日本全国のコンビニの年間総売上はいくらか」——こうした問いに対し、手元に資料がない状況でも論理的に概数を導き出せるか。この能力が問われる場面は、コンサルティングや事業企画の現場で増え続けている。

複雑化するビジネス環境では、データが十分に揃う前に意思決定を迫られるケースが珍しくない。その際に求められるのが、限られた情報から筋道を立てて数値を推定し、仮説を組み立てる力である。

フェルミ推定はこの力を鍛える思考訓練として機能し、構造的に問題を分解する習慣そのものをつくる。大手ITプラットフォーム企業や戦略コンサルティングファームの採用面接においても、この推定プロセスが思考力の指標として用いられている。

フェルミ推定とは

フェルミ推定（Fermi Estimation）の名称は、イタリア出身の物理学者エンリコ・フェルミ（Enrico Fermi）に由来する。フェルミはわずかな既知情報から驚くほど正確な概算を導き出す能力で知られており、「シカゴにはピアノの調律師が何人いるか」という問いへの推定が代表例として広く引用されている。

手法の構造は以下の2条件を軸とする。
・分解可能性：推定対象を「人口×比率×単価」などの構成要素に論理的に分解できること
・数値の根拠化：各要素に対して既知のデータや合理的な仮定を置き、計算可能な状態にすること

推定値の精度そのものよりも、「どのように問題を構造化し、どのような仮定を置いたか」というプロセスの論理性が重視される点が、単純な計算問題との本質的な違いである。

フェルミ推定の基本プロセス

ステップ	内容	例（東京のタクシー台数推定）
① 問題の定義	何を推定するのかを明確化する	「東京都内で稼働中のタクシー台数」を対象と設定
② 分解軸の設定	推定対象をMECEに分解する切り口を選ぶ	需要側：乗客数×利用頻度 or 供給側：台数×稼働率
③ 既知データの活用	一般的に入手可能な数値を仮定として使用する	東京都の人口：約1,400万人、移動手段シェアなど
④ 計算と概算	各要素を掛け合わせて概数を算出する	例：1日あたり乗車人数 ÷ 1台あたり対応乗客数
⑤ 妥当性の検証	別の切り口から推定した結果と照合する	国土交通省の公表データと桁が合うかを確認

具体例：「日本全国のコンビニの年間総売上」を推定する

フェルミ推定の手順を、実際の問いに沿って確認する。

①問題の定義

「日本全国のコンビニエンスストア全店舗の年間総売上高」を推定対象とする。

②分解軸の設定

店舗数 × 1店舗あたりの1日売上 × 365日、という供給側の分解を採用する。

③既知データと仮定

・日本全国のコンビニ店舗数：約5万8,000店（業界統計より概算）
・1店舗の1日あたり売上：約50万円（客単価700円×来客700人と仮定）

④計算

5万8,000店 × 50万円 × 365日＝約10.6兆円

⑤妥当性の検証

日本フランチャイズチェーン協会の公表値では、コンビニ業界の年間売上高は10〜12兆円台で推移している。上記の推定値はこの実績値と近い桁に収まっており、分解の妥当性が確認できる。

類似手法との違い：フェルミ推定・ケース面接・市場規模分析の比較

項目	フェルミ推定	ケース面接（全般）	市場規模分析（実務）
目的	概数の推定・思考プロセスの可視化	事業課題の診断と施策立案	投資・参入判断のための精度の高い規模把握
データ精度	概算・仮定を前提とする	問題による（概算〜詳細）	一次データ・公式統計を使用
所要時間	5〜20分	30〜60分	数日〜数週間
主な用途	思考力評価・アイデア検証	採用選考・社内提案	事業計画・M&A・新規参入
精度要件	桁が合えば十分	論理の一貫性が重要	誤差±10%以内が目安

コンサルティング業務でのフェルミ推定の位置づけ

論点設計（イシュー出し）

プロジェクト初期のスコープ設定において、「この市場は攻める価値があるか」「改善余地はどの程度か」を素早く見積もる場面でフェルミ推定が機能する。詳細調査に入る前に大まかな仮説の優先順位をつけるスクリーニングとして活用することで、調査コストの無駄を減らすことができる。

現状分析（As-Is整理）

クライアントの業種や規模によっては、詳細データが存在しない場合もある。そのような状況で「業界全体の市場規模に対して自社シェアがどの程度か」「1店舗あたりの生産性はどの水準か」を概算で把握することで、ベースラインの構築が可能となる。類似企業のベンチマーク情報と組み合わせると、現状の位置づけがより明確になる。

施策設計（To-Be）

施策の効果試算にフェルミ推定の手法が応用される。「新しい店舗フォーマットを100店に導入した場合、年間売上への影響はどの程度か」といった問いに対し、単価・客数・導入コストを分解して見積もることで、施策の費用対効果を仮説レベルで検証できる。この段階での試算が詳細計画のたたき台となる。

資料作成（スライド構造）

コンサルティングの提案資料では、推定の根拠となる分解ツリーや試算表を1枚のスライドにまとめることが多い。左側に分解の構造（ツリー図）、右側に数値の積み上げ計算を配置するレイアウトが標準的である。分解の論理と数値の根拠が1枚で確認できるため、レビュー時の議論がスムーズになる。

フェルミ推定の活用メリットと注意点

メリット

仮説思考の習慣化：問題を構造的に分解する訓練になり、未知の課題に対するアプローチ能力が向上する
意思決定の迅速化：完全なデータを待たずに概数でスクリーニングできるため、初期の優先順位付けが速くなる
コミュニケーションの共通言語化：数値を介した議論の土台として機能し、チーム内での認識合わせに役立つ

注意点

精度の過信：フェルミ推定で得られる値はあくまで概算であり、最終的な意思決定には一次データや詳細調査が必要である
前提の非開示：仮定の置き方が人によって異なるため、前提を明示せずに推定値のみを共有すると誤解を招く
分解軸の偏り：一つの切り口だけで推定すると見落としが生じる。需要側と供給側の双方から推定し、クロスチェックすることが有効である

コンサル採用面接でフェルミ推定を押さえておくべき理由

コンサルティングファームの採用選考において、フェルミ推定が頻繁に登場するのは、知識量ではなく思考プロセスを観察するためである。

面接官が確認しているのは、答えが「正しいかどうか」よりも「問題をどのように構造化したか」「仮定の置き方に論理的根拠があるか」「不確実な状況でも前進できるか」という点である。

ケース面接では、市場規模の推定が施策立案の起点になることが多い。その際、分解のロジックが曖昧だと後続の議論全体が崩れてしまう。フェルミ推定の構造を内面化した思考は、こうしたケース解答の質を底上げする。

また、答えを出した後に「別のアプローチで検算してみてください」と求められることもある。複数の分解軸を持ち、それを切り替えながら推論できる柔軟性が、候補者の思考の幅として評価される。概念と構造の骨格を理解しておくことで、こうした場面での論理展開に説得力が生まれる。

フェルミ推定に関するFAQ

Q1.フェルミ推定とは何か？

フェルミ推定とは、調査や直接計測が困難な数量を、既知の基本データと論理的な分解・積み上げによって概数を導き出す推定手法である。イタリア出身の物理学者エンリコ・フェルミ（1901〜1954年）がわずかな情報から驚くほど精度の高い概算を行ったことに由来する。

手法の核心は「正確な答えを出すこと」ではなく、「問題をどのように分解し、何を仮定として置くか」という推論プロセスにある。推定対象を人口・比率・単価・頻度などの構成要素に分け、それぞれに合理的な仮定を置いて積み上げる。

最終的な計算値が実際の値と大きく乖離しないことよりも、分解の論理が一貫していることのほうが重視される。コンサルティングや事業企画の現場では、詳細データが揃う前に仮説の優先順位をつけるスクリーニング手段として機能する。

Q2.フェルミ推定とケース面接はどう違うのか？

フェルミ推定は「数量の概算」に特化した推定手法であるのに対し、ケース面接（Case Interview）はより広範な事業課題の診断と施策立案を問う選考形式である。両者の関係は「部分と全体」に近い。

ケース面接の中で「この市場の規模を推定してください」という問いが登場したとき、その回答プロセスとしてフェルミ推定の手法が使われる。ケース面接全体では、市場分析・競合分析・課題特定・施策立案・効果試算という一連の思考が問われるが、そのうちの「規模感の把握」や「効果の試算」という局面でフェルミ推定が機能する。

したがって、フェルミ推定の構造を理解することはケース面接の解答品質を高める土台となるが、ケース面接の準備はそれ以外の分析フレームワークの理解も含む広いものである。

Q3.フェルミ推定の手順はどのように進めるのか？

基本的な手順は5段階で構成される。

まず「何を推定するか」を正確に定義する（問題の定義）。
次に推定対象をMECE（相互排他・全体網羅）に分解できる切り口を選ぶ（分解軸の設定）。
第3に、各要素に対して既知のデータや合理的な仮定を置く（既知データの活用）。
第4に各要素を掛け合わせて概数を算出する（計算と概算）。
最後に、別の切り口から同じ問いに答えてみて整合性を確かめる（妥当性の検証）。

実務上は需要側（ユーザー数×利用頻度×単価）と供給側（店舗数×稼働率×客単価）の双方から推定し、両者の結果が近い桁に収まるかを確認するクロスチェックが有効である。推定値が大きく乖離した場合は、いずれかの仮定に誤りがある可能性が高いため、前提に立ち返って修正する。

Q4.フェルミ推定はコンサルティング実務でどのように使われるのか？

コンサルティング実務においてフェルミ推定は、主に3つの場面で機能する。

第1は、プロジェクト初期の仮説優先順位付けである。詳細調査に入る前に「この課題には取り組む価値があるか」を概算で判断することで、調査リソースを集中させる方向が定まる。

第2は、施策効果の試算である。新サービスの投入や業務改善施策の費用対効果を、詳細データが揃う前に大まかに見積もることで、提案の方向性を早期に固めることができる。

第3は、クライアントへのプレゼンテーションにおける数値根拠の提示である。推定の分解ロジックを可視化した「ツリー図＋積み上げ計算」のスライドは、仮説の論拠を説明する場面で標準的なアウトプット形式として使われる。

いずれの場面でも、前提の明示と複数切り口によるクロスチェックが信頼性の担保につながる。

Q5.フェルミ推定でよくある誤解は何か？

最も多い誤解は「正確な数値を当てることが目的である」というものである。フェルミ推定の本質は、推定プロセスの論理性にあり、最終値の精度は副次的な要素に過ぎない。したがって、暗記した数値を組み合わせて「正解に近い値」を出すことに注力するのは本末転倒である。

次によくある誤解は「データさえ豊富なら不要な手法である」というものである。しかし実務では、完全なデータが揃わない状況での意思決定が日常的に求められるため、概算力は常に有効なスキルである。

また「フェルミ推定は面接だけのテクニックである」という誤解も根強い。実際には、新市場参入の初期評価や施策効果の仮試算など、ビジネスの実務場面で恒常的に使われるアプローチである。精度より論理を重視する姿勢が、実務での活用においても変わらない原則である。

Q6.フェルミ推定に役立つ基本数値にはどのようなものがあるか？

推定の精度を高めるために、日本に関する以下の数値を概数として把握しておくと有用である。

日本の総人口は約1億2,500万人（減少傾向）、平均寿命は男性81歳・女性87歳、世帯数は約5,500万世帯、1世帯の平均構成人員は2.2人である。

国土面積は約38万平方km（うち平地約30%・山岳地約70%）、市の数は約800（2022年時点）、企業数は約370万社、給与所得者数は約6,000万人、GDPは約591兆円（2023年）である。

世界については、総人口が約80億人（アジア・アフリカ中心に増加傾向）、地球の表面積は5億平方km（うち海洋70%・陸地30%）が基本値として活用できる。これらの数値は総務省統計局や厚生労働省の公式統計を随時参照して最新値に更新することが望ましい。

まとめ：フェルミ推定の実務的意義

フェルミ推定とは、調査が困難な数量を既知データと論理的分解によって概算する手法であり、その真価は「正確な答えを出すこと」ではなく「問題をどう構造化し、何を仮定として置くか」というプロセスにある。

コンサルティングの現場では、仮説優先順位の設定・施策効果の試算・クライアントへの数値根拠の提示といった場面で実際に機能するアプローチである。構造的に問題を分解し、限られた情報から筋道を立てる力は、業種や職種を問わずビジネスの現場で汎用的に活かせる。

採用面接との関係においては、フェルミ推定の構造を内面化しておくことで、ケース問題への対応において論理の骨格が安定する。知識として暗記するより、実際に手を動かして何度も推定を行い、分解と検証のサイクルを体感することが実力の底上げにつながる。概念と手順の概要をおさえておくことが、実務においても選考においても十分な知識基盤となるだろう。