「その患者数の根拠は?」「シェアの前提はなぜその数値なのか?」
　売上予測が会議で差し戻される時、指摘されるのは計算式の誤りではない。前提 (アサンプション) を説明できないことである。
　根拠が担当者の感覚値にとどまっている。担当者が出所を不明確のまま設定している。楽観バイアスが入っているのに誰も気づいていない。こうした予測は、いずれ会議の場で行き詰まる。
　本講座は、「数字を作る作業」から「意思決定者が即断できる根拠を作る」プロセスへの転換を目的とする実践講座である。売上構造の基本4要素 (患者数×治療日数×薬価×シェア) を起点に、データ不備下での変数設計、回帰分析による過去バイアスの事前検知、そして上限・下限を定量化する3点シナリオ分析までを体系化する。
　Excelを用いたライブ演習を通じて、実務でそのまま使える入力フォーマットと1枚サマリーの構築手順を習得する。「差し戻されない予測」を、翌日から自分の手で作れるようになりたい方は、ぜひこの機会にご参加ください。

1. ステップ1 : 意思決定を動かす売上予測の設計思想
   • 売上予測における「精度追求」と「説明可能性」のトレードオフ
   • 社内会議で差し戻しを発生させる4大要因と処方箋
   • 製品フェーズ別の予測アプローチ分岐 (既存品 vs 新製品)
   • 全体シミュレーションの対象期間設定 (学習・検証・将来予測)
2. ステップ2 : 売上構造の分解とアサンプション (前提条件) の標準化
   • 売上構造の基本4要素 (患者数・治療日数・1日薬価・処方シェア) への分解
   • 前提データの切り分け技術
   • データ不足・不整備な環境における代理変数選定手順
   • 情報源の優先順位ルール
   • 演習1 : アサンプション (前提記録) テーブルの作成
3. ステップ3 : 実績データの検証と過大評価 (バイアス) の検知
   • 前処理の実務判断 (欠損・異常値の除外と補填ロジックの記録)
   • 制度変更・競合参入などの構造変化点に対する手動設定アプローチ
   • 回帰分析を実行する目的 (将来自動予測ではなくトレンド・バイアス検証)
   • 統計出力の読み解き (係数・符号・p値・R2の実務的解釈)
   • 演習2 : 回帰分析の実行と回帰影響額の試算
   • モデル精度評価 (MAPE・RMSE) の閾値と実務的許容限界
   • 残差推移からの「楽観バイアス」の早期発見
   • 演習3 : 精度・バイアス評価
4. ステップ4 : シナリオ分析によるリスク・アップサイドの定量化
   • 3点シナリオ (Base / Upside / Downside) の定義と設定作法
   • 感度分析を用いた「最優先で調査・モニタリングすべき変数」の特定
   • イベント影響 (薬価改定・競合参入) の動的月次推移への組み込み
   • 演習4 : 将来36か月シミュレーションと主要ドライバーの特定
5. ステップ5 : マネジメント層の意思決定を促す報告資料の構築
   • 意思決定者が求める「3つの問い (根拠・信頼度・次の行動) 」
   • 報告資料に必要な「9要素」の構造的マッピング
   • 生成AIの取り扱い
   • 演習5 : 意思決定者向けサマリーの集約・作成
• 質疑応答