DMAICは、業務改善や品質問題をDefine・Measure・Analyze・Improve・Controlの5段階で進めるフレームワークです。
言葉の意味だけを理解しても、「実際の現場でどのように使うのか」「どの段階で何を判断するのか」はイメージしにくいものです。
この記事では、請求処理のリードタイムが長く、月末残業と差し戻しが増えていた管理部門を例に、DMAICをどのように使って問題を定義し、現状を測り、原因を検証し、改善策を試し、定着させたかを通して解説します。
基本的な意味や5つの段階から確認したい場合は、DMAICとは?を参照してください。実務での手順を先に確認したい場合は、DMAICのやり方が役立ちます。
ケースの背景|請求処理に5営業日以上かかっていた
今回の企業では、管理部門が毎月約300件の請求依頼を処理していました。
請求依頼を受け付けてから最終承認が終わるまで、平均で約5.1営業日かかっており、月末には7営業日を超える案件もありました。
その結果、
- 請求書送付が遅れる
- 月末に残業が集中する
- 差し戻しで再作業が増える
- 営業部門から進捗確認が頻発する
といった問題が起きていました。
現場では、
- 承認者を増やした方がよい
- 担当者の処理を速くすべき
- 月末だから仕方がない
という意見が出ていました。
しかし、責任者は「本当に承認者不足が主因なのか」「どこに時間がかかっているのか」をデータで確かめる必要があると考え、DMAICで改善を進めることにしました。
課題|対策案が先に出て、原因が確認できていなかった
当初の会議では、「承認者を増やす」「残業で対応する」といった改善案が先に出ていました。
しかし、現状の工程別時間や差し戻し理由は整理されていませんでした。
この状態では、対策を実施しても、本当の原因に効かない可能性があります。
そこで、
- 問題を数値で定義する
- 現状を工程別に測る
- 原因仮説をデータで検証する
- 原因へ効く改善策を小さく試す
- 改善後の状態を維持する
という順序で進めることにしました。
なぜDMAICを使ったのか
今回の問題は、単発のミスではなく、毎月繰り返し発生している業務プロセス上の問題でした。
また、
- リードタイム
- 承認待ち時間
- 差し戻し率
- 月末への集中度
など、数値で測れる指標がありました。
そのため、現状を測定し、原因を検証し、改善効果を維持するところまで段階的に進めるDMAICが適していました。
Define|問題と改善目標を定義する
最初に、改善テーマを具体化しました。
改善前の曖昧なテーマ
請求処理を効率化する。
これでは、何が改善したら成功か判断できません。
DMAICでの問題定義
請求依頼受付から最終承認完了までの平均リードタイムが5.1営業日かかっている。3か月以内に3.0営業日以内へ短縮する。
対象範囲
対象に含めたのは、
- 請求依頼受付
- 内容確認
- 請求書作成
- 承認依頼
- 最終承認
です。
入金消込や債権回収は、今回の範囲から外しました。
成功条件
- 平均リードタイム:3.0営業日以内
- 差し戻し率:10%未満
- 請求誤り率:悪化させない
速度だけを追って品質を落とさないよう、副作用を見る指標も決めました。
Measure|現状を工程別に測る
次に、直近100件の請求処理を確認しました。
リードタイムは、
請求依頼を受け付けた時点から、最終承認が完了するまでの経過営業日
と定義しました。
測定結果
- 平均リードタイム:5.1営業日
- 受付〜内容確認:0.8日
- 内容確認〜請求書作成:0.9日
- 作成〜承認依頼:0.4日
- 承認待ち:2.4日
- 修正・再承認:0.6日
- 差し戻し率:18%
さらに、日別に見ると、請求依頼の約60%が月末3営業日に集中していました。
Measureでわかったこと
単純に「全工程が遅い」のではなく、
- 承認待ちが長い
- 差し戻しが多い
- 月末への依頼集中が大きい
という特徴が見えました。
この時点では、まだ原因を決めませんでした。
Analyze|原因仮説をデータで検証する
Measureの結果をもとに、原因仮説を出しました。
仮説1|承認者の人数が少ない
承認待ちが平均2.4日あるため、承認者不足が原因ではないかと考えました。
しかし、月中と月末の承認件数を比較すると、月中は大きな遅延がなく、月末に依頼が集中したときだけ待ち時間が伸びていました。
そのため、単純な人数不足だけでは説明できませんでした。
仮説2|入力不備による差し戻しが多い
差し戻し案件50件を確認すると、多くが、
- 契約番号の未入力
- 税区分の未入力
- 添付資料不足
によるものでした。
この仮説はデータで支持されました。
仮説3|承認ルートが一律である
金額帯ごとに案件を確認すると、少額案件も高額案件も同じ管理職1人が承認していました。
承認の難易度に関係なく全件が1か所へ集まっていたため、月末集中時にボトルネックが発生していました。
仮説4|前倒しできる案件も月末まで待っている
営業部門へのヒアリングと過去データの確認で、月末まで待たなくても内容を確定できる案件が一定数あることがわかりました。
主因として整理したもの
Analyzeの結果、主要因を次の3つに絞りました。
- 月末への依頼集中
- 申請時の入力不備
- 承認ルートの一律運用
この時点で、単に「承認者を増やす」よりも先に見直せる業務設計があると判断しました。
Improve|原因へ効く改善策を小さく試す
主因に対して、改善策を1対1で結びつけました。
改善策1|前倒し可能な案件を早く処理する
対象原因:月末への依頼集中。
内容:内容変更の可能性が低い案件は、月末3日前から受付・確認を開始する。
改善策2|申請時の必須項目を増やす
対象原因:入力不備。
内容:申請フォームで契約番号、税区分、必要添付資料を必須化する。
改善策3|少額案件の承認を分散する
対象原因:承認ルートの一律運用。
内容:一定金額以下の案件は、代理承認者でも処理できるようにする。
小規模試行
いきなり全社へ展開せず、1部署で1か月だけ試しました。
確認した指標は、
- 平均リードタイム
- 承認待ち時間
- 差し戻し率
- 請求誤り率
- 残業時間
です。
1か月後の結果
1か月後、次の変化が確認できました。
- 平均リードタイム:5.1日 → 3.4日
- 差し戻し率:18% → 9%
- 承認待ち時間:短縮
- 月末残業時間:減少
- 請求誤り率:悪化なし
改善は見られましたが、問題もありました。
前倒しした一部案件で、月末直前に契約内容が変更され、請求内容を再確認するケースが発生したのです。
そこで、「前倒しできる案件」を、
- 契約内容が確定している
- 月末まで変更可能性が低い
- 必要資料がそろっている
という条件で限定しました。
Control|改善を標準化して維持する
3か月後、修正した運用で再測定しました。
3か月後の結果
- 平均リードタイム:2.9営業日
- 差し戻し率:7%
- 請求誤り率:悪化なし
- 月末3営業日の依頼集中:緩和
目標の3.0営業日以内を達成しました。
ただし、DMAICはここで終わりではありません。
改善内容を標準へ反映しました。
標準化した内容
- 申請フォームの必須項目を正式運用
- 代理承認ルールを手順書へ反映
- 前倒し可能案件の判断条件を標準化
- 月次KPIにリードタイムと差し戻し率を追加
管理ルール
- 平均リードタイム:月次確認
- 差し戻し率:月次確認
- 平均3.5営業日超で再分析
- 差し戻し率10%超で申請不備原因を再確認
こうして、改善を一度きりの施策ではなく、監視可能な標準運用に変えました。
そのまま記入できる型が必要なら、DMAICテンプレートを使うと、DefineからControlまでの判断を整理しやすくなります。
このケースからわかるDMAICのポイント
1. 改善策を先に決めない
今回、最初は「承認者を増やす」という案が出ていました。
しかし、Analyzeまで進めると、月末集中、入力不備、承認ルートの一律運用が主因とわかりました。
問題を測る前に対策を決めると、原因に効かない可能性があります。
2. 平均だけでなく工程別に見る
平均5.1営業日だけでは、どこが遅いかわかりません。
工程別に測ったことで、承認待ち2.4日が大きいとわかりました。
3. 原因仮説は反証できる形で確認する
「承認者が少ない」という仮説も、月中と月末の差を見ることで、単純な人数不足だけではないと判断できました。
4. 改善は小さく試す
前倒し処理は効果がありましたが、契約変更という副作用もありました。
小規模試行だったため、条件を修正してから標準化できました。
5. Controlまで進める
改善後にKPIと異常時ルールを決めなければ、元の運用へ戻る可能性があります。
DMAICはImproveで終わらず、維持できる状態まで作ることが重要です。
自分の業務へ置き換えるときの確認ポイント
自社でDMAICを使う場合は、次の問いを使ってください。
- 問題を数値で定義できているか
- 対象範囲を絞ったか
- 指標の開始点と終了点を揃えたか
- 平均だけでなく工程別・時期別に測ったか
- 原因仮説を複数出したか
- 支持条件と反証条件を確認したか
- 改善策が主因へ直接効いているか
- 一度に多くの施策を入れていないか
- 小さく試して副作用を確認したか
- 改善後を同じ指標で測ったか
- 標準手順へ反映したか
- 異常時の再対応ルールを決めたか
この問いに答えられれば、DMAICを「5つの見出しに情報を埋める作業」ではなく、問題を事実とデータで前へ進める改善プロセスとして使いやすくなります。
DMAICと他の改善フレームワークを使い分ける
DMAICは、数値で測定できる業務・品質問題について、原因分析から改善定着まで進めたい場合に向いています。
継続的な改善サイクルとの違いは、PDCAとDMAICの違いで確認できます。職場環境や標準化を整える5Sとの違いは、5SとDMAICの違いで整理できます。複数手法から選びたい場合は、PDCA・5S・DMAICの使い分けも参考になります。
よくある失敗を先に確認したい場合は、DMAICで失敗しやすいポイントを参照してください。生成AIを補助的に使って原因仮説や改善案を広げたい場合は、生成AIでDMAICを使う方法も役立ちます。
まとめ
このケースでは、請求処理の平均リードタイム5.1営業日という問題に対してDMAICを使いました。
Defineで目標を3.0営業日以内と定め、Measureで承認待ちと差し戻し、月末集中を可視化し、Analyzeで月末への依頼集中、入力不備、承認ルートの一律運用を主因として特定しました。
Improveでは前倒し処理、必須入力、承認分散を小さく試し、副作用を確認しながら条件を修正しました。その結果、3か月後には平均2.9営業日、差し戻し率7%まで改善しました。
さらにControlで手順・KPI・異常時ルールを標準化し、改善を維持できる状態へ変えました。
DMAICの価値は、改善案を思いつくことではありません。問題を定義し、測り、原因を検証し、改善を試し、効果が維持される仕組みまで作ることにあります。