管理職の仕事は「正解を出すこと」ではない｜『仕事の9割は数学思考でうまくいく』で考える、判断を“勘”から再現可能にする方法【Case OS BOOKS #80】

うな重｜コンサルが解く、人と組織

2026年9月27日 20:49

Case OS BOOKS #80

管理職の方と話していると、こんな悩みをよく聞きます。
「部下が自分で考えてくれない」
「何度説明しても、こちらの意図と違うものが出てくる」
「数字を見て判断してほしいのに、感覚で話してしまう」
「結局、自分が判断した方が早い」

一方、部下側からは逆の声も聞きます。
「上司によって言うことが違う」
「何を基準に判断しているのか分からない」
「結論だけ言われても、なぜそうなるのか分からない」
「“もっと考えて”と言われるけれど、何を考えればいいのか分からない」

面白いのは、どちらも真面目に仕事をしていることです。管理職は、自分の経験をもとに考えている。部下も、渡された情報から一生懸命考えている。それでも噛み合わない。この間に何があるのでしょうか。

今回読んだ秋田洋和さんの『仕事の9割は数学思考でうまくいく』は、この問題を考えるうえでかなり面白い一冊でした。

タイトルを見ると、「ビジネスでも数学を勉強しましょう」という本に思えるかもしれません。でも、本書が扱っている「数学思考」は、計算が速いとか、難しい公式を知っているという話ではありません。

著者は冒頭から、数学を仕事に使うとは、数字を扱うだけではなく、「考える」「整理する」「なぜを問う」「情報を視覚化する」「仮説を立てる」といった思考そのものだと捉えています。

読みながら、私は管理職にこそ必要な考え方だと感じました。なぜなら、管理職の仕事には「唯一の正解」がほとんどないからです。

誰をアサインするか。どの案件を優先するか。どこまで部下へ任せるか。売上が落ちた原因は何か。どの顧客に投資するか。採用するか。撤退するか。こうした判断を毎日行います。

そして、その判断を「長年の経験です」「なんとなくこちらだと思います」だけで行っていると、本人は判断できても、組織には残りません。

今回のCase OSでは、「数学思考」をこう捉えてみます。数学思考とは、正解を出す力ではなく、“なぜその判断になったのか”を再現可能にする力。ここから考えてみます。

今回紹介する本

秋田洋和『仕事の9割は数学思考でうまくいく』

本書は、大きく5つのテーマで構成されています。

第1章では「頭のいい人は数学をうまく使っている」として、なぜを考えること、情報を整理すること、見落としている情報に気づくこと、アイデアを生み出すことなどを扱います。

第2章では、条件整理、図解、仮説、情報の単純化などを通して、決断力・選択力を高める。第3章では、数字、グラフ、チャートなどを使って、ビジネス表現力を高める。第4章では、予測、組み合わせ、パターンなどから、発想やアイデアを生み出す。そして第5章では、分類やルールを使いながら、物事を捉える力そのものを磨いていきます。

特徴的なのは、数学を「公式集」として扱っていないことです。むしろ、問題をどう見るか。どう分けるか。何が足りないか。どう比べるか。どの条件なら成立するかという思考の訓練になっています。

誤解①「数学思考＝数字に強いこと」

最初に外しておきたい誤解があります。「数学思考」と聞くと、計算が速い。Excelが得意。統計に詳しい。数字に強いといったイメージがあります。

もちろん、それらも役に立ちます。でも本書の出発点は、もっと手前にあります。「なぜ？」と考える。

例えば小学校で習う「速さ・時間・距離」。公式を覚えれば問題は解けます。

でも、なぜこの式になるのか。なぜこの条件ではこの計算なのかを考えると、単なる暗記ではなくなります。

本書では、公式やルールを覚えることよりも、その背景にある理由を考え、新しい可能性へつなげることに数学思考の価値を置いています。

ビジネスでもまったく同じです。
「前からこの方法だから」
「この業界では普通だから」
「上司からそう言われたから」ではなく、なぜ、この方法なのかを考える。実はこれだけでも、仕事はかなり変わります。

管理職になると、「なぜ」が減っていく

若手の頃は、分からないことが多い。だから聞きます。「なぜですか？」

ところが経験を積むと、自分の中にパターンができます。
「こういう案件はこうする」
「このタイプのお客様にはこれ」
「この金額ならGO」
判断が速くなる。これは経験の価値です。

ただ、同時に一つ問題が起きます。本人の中では理由が分かっているため、理由を説明しなくなる。

「経験上こっち」
「普通はそうでしょう」
「そこは察してほしい」
すると、部下は結果だけを受け取ります。

次に似た案件が来ても、自分で判断できません。なぜなら、判断基準を渡されていないからです。

Case OSでは「判断のブラックボックス化」と呼びたい

管理職に経験が増えるほど、判断速度は上がります。一方で、その思考過程を言語化しなくなると、判断がブラックボックス化します。

入力すると、管理職から答えが出てくる。でも、その中で何が行われているかは分からない。これは、短期的には非常に効率的です。

ただし、その管理職が休むとチームが止まります。部下は、「課長に聞かないと分からない」となる。管理職本人は、「うちの部下は自分で考えない」と思う。

でも、考えるための「変数」や「判断ルール」を渡していなかった可能性もあります。ここに、数学思考が効きます。

数学思考は、「頭の中の判断基準」を外に出す

例えば、新規案件を受けるかどうか判断するとします。

経験豊富な管理職なら、顧客規模。売上。利益率。将来性。担当者との関係。実施負荷。競合。リスク。さまざまな要素を一瞬で見ています。

そして、「今回はやった方がいい」と言う。本人には、理由があります。でも部下には見えていない。

そこで一度、判断を分解します。

これだけで、部下との会話が変わります。「受ける？受けない？」ではなく、「この5項目で見たらどう？」と問える。

管理職の頭の中にあった経験知が、少しずつチームの判断基準になります。

「部下に考えさせる」とは、丸投げすることではない

管理職研修では、「答えを教えず、部下に考えさせましょう」と言われます。

すると、「君はどう思う？」と聞く。部下が黙る。管理職はイライラする。「やっぱり考えていない」

でも、その問いは少し難しいかもしれません。

何について考えるのか。条件は何か。何を優先するのか。判断基準は何か。これらがないまま、「どう思う？」と聞いているからです。

数学の問題でも、条件が何も書かれていなければ解けません。本書の第2章では、情報を図にする、条件を分類する、足りない情報を確認するなど、問題を解く前に状況そのものを整理する重要性が示されています。

部下育成でも同じです。考えさせる前に、考えるための枠組みを渡す。これは答えを教えることとは違います。

誤解②「数字を使えば客観的になる」

もう一つ、管理職が気をつけたい誤解があります。「数字だから正しい」です。経営会議でも、資料に数字があると安心します。
「前年比120％」
「満足度85％」
「離職率5％」
数字になると、急に客観的に見えます。

でも、本書はここにもかなり注意を向けています。例えばグラフ。同じデータでも、縦軸の取り方や比較期間によって、増加が大きく見えたり、小さく見えたりします。本書では、年間盗難件数のグラフを例に、軸の途中を省略するだけで「急増した」ような印象を与えられることを示しています。

数字そのものは同じ。でも、見せ方で印象は変わる。これはビジネスで非常によくあります。

「120％達成」に、管理職は何を見るか

例えば、

売上前年比120％

と報告された。良い数字です。そこで終わる管理職と、「何が増えたの？」と聞く管理職では差が出ます。

単価が上がったのか。顧客数が増えたのか。特定の大型案件があったのか。前年が低かったのか。市場全体が伸びたのか。

数字を否定するのではありません。数字を分解する。これが必要です。

管理職に必要な数字力とは、暗算の速さではなく、

その数字が何によってできているかを問い直す力

なのだと思います。

「平均」は、ときに現場を消してしまう

本書には「平均」についての問題も登場します。平均身長が163.5cmだった。だから、「163.5cm以上の人と以下の人が半分ずついる」とは限りません。

当たり前なのですが、「平均」という言葉を見ると、なんとなく真ん中の人を想像してしまいます。本書では、平均が必ずしも分布の中心や実態そのものを意味しないことが、問題を通じて示されています。

これは管理職にとって、かなり重要です。

従業員満足度平均4.0。残業時間平均20時間。研修満足度平均4.5。平均だけ見ると問題がなさそうでも、一部の人だけ残業が80時間。特定部署だけ満足度が極端に低い。若手だけ評価が低いということはあります。

平均は、組織の凸凹を平らにする。だから管理職は、「平均はいくつか」の次に、「ばらつきはどうなっているか」を見る必要があります。

Case OSでは「数字を見る」を「数字の後ろを見る」と捉える

ここで一つ、Case OSとして整理します。数字を見る。グラフを見る。データを見る。これだけでは足りません。

数字の後ろにある構造を見る。

前年比120％なら、何が20％をつくったのか。平均4.0なら、誰の4.0なのか。離職率5％なら、どんな人が辞めているのか。採用10名なら、何人応募して、どこで落ちたのか。

数字は答えではありません。数字は、問いをつくるための入口です。この考え方を管理職が持っているかどうかで、データ活用はかなり変わります。

誤解③「経験豊富な管理職ほど、判断は正しい」

経験は大きな武器です。過去の失敗。成功。顧客の反応。組織の癖。経験者は、若手には見えないものを見ています。

ただし、経験には一つ弱点があります。経験した範囲の中で判断しやすい。

本書では、仮説を立て、条件を変え、検証し、場合によっては最初の地点まで戻る考え方が繰り返し出てきます。途中で誤りに気づいたら、ゼロからではなく復元ポイントまで戻るという説明もあります。

仕事でも、「前にもこうだったから」という経験則は便利です。

ただ、顧客が変わった。市場が変わった。人が変わった。技術が変わったなら、同じ答えになるとは限らない。

経験を捨てる必要はありません。経験を仮説として扱う。この距離感が大事です。

「私はこう思う」を、「何を根拠にそう思うか」へ変える

管理職の言葉は、組織で大きな影響力を持ちます。
「この人は伸びないと思う」
「この市場は厳しい」
「この企画は売れない」
「この部下にはまだ早い」
経験豊富な人が言うと、そのまま結論になりやすい。

でも、何を見てそう思ったのか。どの事実から判断したのか。反対の可能性はないかを聞いてみる。

これは管理職を疑うためではありません。判断の精度を上げるためです。

管理職自身も、「何となくそう思った」を放置せず、「私は何を見てそう感じたのだろう」と一度考える。それだけで、自分の思い込みにも気づきやすくなります。

数学思考は「正解主義」とは逆にある

数学というと、答えは一つ。○か×かというイメージがあります。

でも、本書を読むと、むしろ違う面が見えます。条件によって答えが変わる。情報が不足していれば答えられない。仮説を置いて検証する。別の解き方を試す。見方を変える。

つまり、「正解を覚える」のではなく、「どう考えれば答えへ近づけるか」を扱っている。これは、管理職の仕事にかなり近い。

管理職には答えのない問題が来ます。そのとき、「正解を知っている上司」を演じる必要はない。

むしろ、「何を確認すれば判断できるのか」を示せる方が強い。

「分からない」と言える管理職の方が、判断は強くなる

これは意外と難しいことです。部下から、「どうすればいいですか」と聞かれる。管理職なので、答えなければならない気がする。

でも、情報が足りない。前例がない。判断できないこともあります。そこで、「ちょっと分からない。まずAとBを確認しよう」と言えるか。

数学の問題なら、条件不足の問題に無理やり答えを出すことはしません。

ビジネスでも同じです。分からないものを、分かったふりをしない。これは判断力の弱さではなく、むしろ判断品質を守る行動です。

誤解④「グラフを入れれば、資料は分かりやすくなる」

本書第3章では、棒グラフ、折れ線グラフ、円グラフ、帯グラフ、マトリックスなど、それぞれの特徴が整理されています。ここも管理職にはかなり使えます。

資料でよくあるのは、とにかくグラフ化する。色を増やす。表を入れる。しかし大切なのは、何を伝えたいかによって、表現方法を変えること。

推移を見せたいなら折れ線。構成比なら円や帯。項目比較なら棒。二軸で比較するならマトリックス。

形式から入らない。目的から選ぶ。これはプレゼンテーションだけでなく、マネジメントそのものにも似ています。

管理職の説明力は、「情報量」ではなく「編集力」

部下へ説明するとき、詳しい人ほど話が長くなります。背景も説明したい。例外も説明したい。注意点も伝えたい。すると、結局何が重要なのか分からなくなる。

本書では、情報を整理し、図式化し、簡略化することで、伝わりやすくする考え方が繰り返されています。

管理職に必要なのは、全部知っていることではありません。部下に必要な情報を選べることです。これは情報量の多さではなく、編集力です。

「ちゃんとやって」は数学思考ではない

例えば部下へ、「もっとちゃんと考えて」と言う。この「ちゃんと」は何でしょうか。

顧客ニーズを確認する。数字を見る。競合を見る。リスクを出す。選択肢を比較する。どれなのか分からない。

同じように、
「もう少し分かりやすく」
「もっと主体的に」
「よく考えて」も曖昧です。

Case OSとしては、管理職の指示にも数学思考を入れたい。

曖昧な要求を、観察可能な条件へ変える。

「主体的に動いて」なら、「次回は、自分なりの選択肢を2案用意し、それぞれのメリット・リスクを書いて相談してください」と変える。これなら部下も動けます。

Case OSでは「数学思考＝判断をチームへ移す技術」と捉える

今回の本で最も管理職へ伝えたいのはここです。数学思考を、計算能力。データ分析力。論理的思考だけで捉えると、少し狭い。

管理職にとっては、

自分の頭の中で行っている判断を、他の人も使える形へ変える技術

と考えると、価値が一気に大きくなります。

例えば、管理職が案件を判断するとき、何を見ているのか。どんな条件ならGOなのか。何があればSTOPなのか。何をリスクと考えるのか。どこまでなら許容するのか。これらを言語化する。すると、部下も少しずつ同じ基準で判断できるようになります。

管理職の役割は、正解を持つことから、判断基準を残すことへ変わる。これが今回のCase OSとしての一番大きな考察です。

管理職が判断するときの「6つの問い」

実務で使うなら、判断の前にこの6つだけでも確認するとかなり変わります。

これは高度な数学ではありません。でも、かなり数学的です。

条件を置く。情報を整理する。選択肢を比較する。判断基準を明確にする。そして、結果が違えば条件や仮説を見直す。これが仕事における数学思考なのだと思います。

「部下が考えない」のではなく、「判断基準が共有されていない」のかもしれない

ここで冒頭の管理職の悩みに戻ります。「部下が考えてくれない」もちろん、本当に考えていないケースもあります。

でも、ときには、目的が曖昧。必要な情報がない。判断基準が分からない。上司の経験則が共有されていないということもある。

その状態で、「自分で考えて」と言う。これはかなり難しい。

だから、管理職が全部答える。でもなく、全部部下へ丸投げする。でもない。考えるための条件を渡し、判断は本人にさせる。この中間に、育成があります。

AI時代だからこそ、数学思考の価値はむしろ上がる

生成AIを使えば、計算。情報整理。グラフ。分析。アイデア出し。かなりの部分を支援してもらえます。だから、「数学的処理ができること」そのものの希少性は下がるかもしれません。

一方で、何を聞くのか。どの条件を入れるのか。どのデータを使うのか。何を判断基準にするのか。結果に違和感はないか。これは人間側に残ります。

AIへ、「売上を伸ばす方法を考えて」と聞くのと、「粗利率を維持しながら、既存顧客単価・継続率・新規獲得単価の3変数から、売上改善案を比較して」と聞くのでは、アウトプットはまったく違います。

AI時代ほど、問題を数学的に整理する力が重要になる。そんな読み方もできると思います。

結論｜優れた管理職は、「答え」ではなく「考え方」を残す

『仕事の9割は数学思考でうまくいく』。タイトルだけを見ると、数字に強い人になるための本にも見えます。でも、私がこの本から最も強く感じたのは、数学は、考え方を他者と共有するための言語でもあるということでした。

条件をそろえる。事実と推測を分ける。足りない情報を探す。比較する。図にする。数字を見る。仮説を置く。検証する。間違えたら戻る。これらは全部、管理職の日常です。

そして管理職になればなるほど、自分一人が判断できることより、他の人も判断できる状態をつくることの価値が高まります。

毎回、「課長、どうすればいいですか」と聞かれるチーム。それに対して、「今回はこうして」と答え続ける管理職。短期的には仕事が進みます。でも、管理職の頭の中にしか答えがない状態は変わりません。

一方で、「今回は、顧客価値・収益性・実現性の3点で考えてみよう」と判断軸を渡す。次の案件でも、その部下は3点を考えられる。さらに経験を積めば、自分で判断軸を追加できるようになる。ここまでいくと、管理職の経験がチームへ移っています。

Case OSとして最後に残したい問いは、

あなたが普段「経験で判断していること」を、部下が使える言葉や条件にするとしたら、何になるでしょうか。

です。優れた管理職とは、いつも正しい答えを出す人ではない。自分がいなくても、チームがより良い判断をできるように「考え方」を残せる人。数学思考は、そのためのかなり強い道具になると思います。