パレート図は、問題や原因を件数・金額・時間などの大きさ順に並べ、どこから優先して改善すべきかを見つけるためのグラフです。棒グラフで各項目の大きさを示し、折れ線で累積比率を重ねることで、「全体への影響が大きい少数項目」を見つけやすくなります。
職場では、不良件数、問い合わせ理由、クレーム、作業遅延、手戻り、コスト超過、在庫差異など、複数の要因がある問題を優先順位付けするときに役立ちます。
ただし、パレート図は「上位3項目だけ直せばよい」と機械的に判断するための道具ではありません。重要なのは、分析目的に合うデータを集め、分類ルールをそろえ、件数や金額など適切な尺度で並べ、上位項目の中身を確認したうえで改善対象を決めることです。
この記事では、パレート図の作り方と使い方を、入力・行動・出力・判断基準まで含めて8ステップで解説します。基本的な意味から確認したい場合は、パレート図とは?意味・使い方・具体例を参照してください。
パレート図を使う前に決めること
最初に決めるのは、「何を優先したいのか」です。
悪い例:
「クレームを分析する」
良い例:
「直近3か月の顧客クレームについて、件数の多い原因から優先改善対象を決める」
良い例では、対象期間、対象データ、評価尺度、目的が明確です。
同じデータでも、「件数を減らしたい」のか「損失金額を減らしたい」のかで並び順が変わることがあります。最初に尺度を決めることが重要です。
パレート図のやり方|実務で使う8ステップ
ステップ1:分析テーマと評価尺度を決める
入力
- 解決したい問題
- 対象期間
- 対象部署・商品・工程
- 優先順位を決める基準
行動
「何を、どの尺度で優先するか」を一文にします。
例:
「直近3か月の顧客クレームを原因別に集計し、件数の多い項目から改善優先度を判断する」
出力
分析テーマと評価尺度。
判断基準
- 対象期間が決まっているか
- 分類対象が明確か
- 件数、金額、時間など尺度が一つ決まっているか
- 改善判断につながるテーマか
ステップ2:元データを集める
次に、対象となる記録を集めます。
たとえば顧客クレームなら、
- 発生日
- 顧客区分
- 商品・サービス
- クレーム内容
- 原因分類
- 対応時間
- 返金・損失金額
などです。
この段階で重要なのは、分析対象期間のデータを漏れなく集めることです。
判断基準
- 同じ期間・範囲のデータか
- 集計対象外の記録が混ざっていないか
- 分類に必要な情報があるか
- 重複登録がないか
ステップ3:分類ルールをそろえる
パレート図では、同じ意味の項目が別名で分かれると結果が歪みます。
たとえば、
- 配送遅れ
- 納品遅延
- 配達遅延
が実質的に同じ原因なら、分類ルールを決めて統合します。
逆に、「商品不良」という大きすぎる分類に、破損・欠品・仕様違いを全部まとめると、改善対象が見えにくくなります。
出力
統一したカテゴリ一覧。
判断基準
- 同じ意味の項目が重複していないか
- 一つの項目だけ粒度が大きすぎないか
- 分類ルールを第三者が再現できるか
ステップ4:項目ごとに集計する
分類が決まったら、件数や金額など、決めた尺度で集計します。
例:直近3か月のクレーム100件
- 配送遅延:32件
- 商品破損:24件
- 説明不足:18件
- 請求誤り:12件
- 返信遅延:8件
- その他:6件
ここでは、全体件数も確認します。
32 + 24 + 18 + 12 + 8 + 6 = 100件です。
ステップ5:大きい順に並べ、構成比・累積比率を計算する
各項目を大きい順に並べます。
上の例では、すでに件数順になっています。
構成比は、
「各項目 ÷ 全体 × 100」
で求めます。
- 配送遅延:32%
- 商品破損:24%
- 説明不足:18%
- 請求誤り:12%
- 返信遅延:8%
- その他:6%
累積比率は上から足します。
- 配送遅延:32%
- 商品破損まで:56%
- 説明不足まで:74%
- 請求誤りまで:86%
- 返信遅延まで:94%
- その他まで:100%
この計算により、上位項目が全体の何割を占めるかが見えます。
ステップ6:棒グラフと累積比率の折れ線を作る
横軸に原因項目、左の縦軸に件数や金額、右の縦軸に累積比率を置きます。
棒グラフは大きい順に並べます。
折れ線は、各項目までの累積比率を示します。
このとき、
- 棒の並びが降順になっているか
- 左軸と右軸を混同していないか
- 累積比率が最終的に100%になるか
を確認します。
ExcelやGoogleスプレッドシートでも作成できます。
ステップ7:重要少数を見つけ、優先対象を決める
パレート図では、上位少数が全体の大きな割合を占めることがあります。
今回の例では、
- 配送遅延
- 商品破損
- 説明不足
の3項目で74%です。
そのため、この3項目を優先候補にできます。
ただし、「累積80%までを必ず改善する」と機械的に決める必要はありません。
優先順位を決めるときは、
- 件数
- 損失金額
- 顧客影響
- 安全・法令リスク
- 改善可能性
も合わせて見ます。
たとえば件数が少なくても、安全事故につながる項目なら優先度は高くなります。
ステップ8:上位項目を深掘りし、対策後に再集計する
パレート図は、原因を特定する最終分析ではありません。
上位項目が分かったら、その中身をさらに確認します。
たとえば「配送遅延」が32件で最多なら、
- 倉庫出荷遅れ
- 運送会社遅延
- 住所不備
- 在庫引当遅れ
などへ分けて再分析できます。
対策後は、同じ分類・同じ尺度で再集計し、上位構成が変わったかを確認します。
通し例|顧客クレーム100件をパレート図で整理する
ここまでの流れを一つのケースで見ます。
1. 分析テーマ
「直近3か月の顧客クレームについて、件数の多い原因から優先改善対象を決める」
2. データ収集
対象期間のクレーム記録100件を集めました。
3. 分類ルールを統一
「配送遅れ」「納品遅延」「配達遅延」は「配送遅延」に統合しました。
一方、「商品不良」は、破損と仕様違いで対応方法が異なるため分けました。
4. 集計
- 配送遅延:32件
- 商品破損:24件
- 説明不足:18件
- 請求誤り:12件
- 返信遅延:8件
- その他:6件
5. 構成比・累積比率
上位3項目で74%を占めました。
6. 優先対象の判断
件数だけ見れば、まず配送遅延が最優先です。
ただし、商品破損は返金・再送コストが大きかったため、配送遅延と商品破損を並行して優先することにしました。
7. 上位項目を深掘り
配送遅延32件をさらに分類すると、
- 倉庫出荷遅れ:18件
- 運送会社遅延:8件
- 住所不備:4件
- その他:2件
でした。
この結果から、「配送遅延」全体に一律対策するのではなく、まず倉庫出荷遅れを詳しく調べることにしました。
8. 対策と再集計
出荷締切、ピッキング完了時刻、承認待ち時間を確認し、倉庫内の締切前確認を見直しました。
翌3か月も同じ分類でパレート図を作り、配送遅延と倉庫出荷遅れが減ったか確認しました。
このように、パレート図は「どの問題を先に深掘りするか」を決める入口として使います。
より多くの適用例は、パレート図の具体例で確認できます。
件数・金額・時間のどれで作るか
パレート図は、何を縦軸にするかで優先順位が変わります。
件数で作る
向いている場面:
- クレーム件数
- 不良件数
- 問い合わせ件数
- ミス件数
頻発する問題を減らしたいときに向きます。
金額で作る
向いている場面:
- 不良損失
- 返品金額
- コスト超過
- 売上損失
発生頻度より経済影響を重視したいときに向きます。
時間で作る
向いている場面:
- 手戻り時間
- 待ち時間
- 問い合わせ対応時間
- 停止時間
工数やリードタイムを改善したいときに使えます。
同じ原因一覧でも、件数と金額で上位が入れ替わることがあります。分析目的に合わせて尺度を選びます。
パレート図でつまずきやすいポイント
分類粒度がばらばら
「配送遅延」と「倉庫担当者Aの入力ミス」が同じ階層にあると比較しにくくなります。
同じレベルの分類へそろえます。
「その他」が大きすぎる
「その他」が全体の20〜30%を占める場合、重要な原因が隠れている可能性があります。
必要に応じて再分類します。
80%を絶対基準にする
80%は目安です。安全、法令、顧客影響が大きい項目は件数が少なくても優先します。
件数だけで判断する
損失金額や重大度が重要な場合、件数だけでは優先順位を誤ります。
上位項目を原因だと決めつける
パレート図で分かるのは「多い項目」です。なぜ多いのかは別途深掘りが必要です。
よくある失敗と改善策は、パレート図で失敗しやすいポイントで詳しく解説しています。
パレート図テンプレートを使う場合
記録用には、次の項目があると使いやすくなります。
- 分析テーマ
- 対象期間
- 評価尺度
- 分類項目
- 件数・金額・時間
- 構成比
- 累積比率
- 優先順位
- 判断理由
- 次の深掘り対象
- 対策後の再集計日
そのまま使える形式は、パレート図テンプレートで確認できます。
他のフレームワークとの使い分け
パレート図は、複数ある問題の中から「どれを優先して見るか」を決めるのに向いています。
一方、論点を漏れなく整理したい場合はMECE、原因や打ち手を階層的に分解したい場合はロジックツリーが向いています。
詳しい違いは、MECEとパレート図の違い、ロジックツリーとパレート図の違い、MECE・ロジックツリー・パレート図の使い分けで確認できます。
生成AIを使う場合の注意点
生成AIは、分類候補の整理、似た項目の統合案、表形式への整形、追加確認事項の洗い出しを補助できます。
ただし、元データの件数や金額が正しいか、分類ルールが妥当か、どの尺度で優先順位を決めるかは人が確認する必要があります。
AIに任せやすいこと:
- 表記ゆれの候補を見つける
- 分類案を複数出す
- 集計表の形を整える
- 上位項目の深掘り観点を出す
人が判断すること:
- 元データの正確性
- 分類ルール
- 集計尺度
- 重要少数の解釈
- 安全・法令・顧客影響
- 最終的な改善優先順位
具体的な使い方は、生成AIでパレート図を使う方法で解説します。
実務チェックリスト
パレート図を作る前後に、次を確認してください。
- 分析テーマが具体的
- 対象期間・範囲が決まっている
- 件数・金額・時間など評価尺度を決めた
- 元データの重複・漏れを確認した
- 分類ルールを統一した
- 同じ意味の項目を統合した
- 項目を大きい順に並べた
- 構成比・累積比率の合計を確認した
- 「その他」が大きすぎないか確認した
- 80%を絶対基準にしていない
- 件数だけでなく重大度も確認した
- 上位項目をさらに深掘りする対象として扱った
- 対策後に同じ条件で再集計する
まとめ|パレート図は「上位項目を見つける」だけでなく「どこから深掘りするか」を決める
パレート図を実務で使う流れは、分析テーマと尺度を決め、元データを集め、分類ルールをそろえ、項目別に集計し、大きい順に並べ、構成比と累積比率を計算し、グラフ化して重要少数を見つけ、その上位項目を深掘りするというものです。
重要なのは、累積80%や上位3項目を機械的に採用することではありません。件数、金額、重大度、安全・法令リスク、改善可能性を合わせて見て、実際に優先すべき問題を判断します。
複数の問題があり、どこから改善すべきか迷うとき、パレート図は「全体の中で影響の大きい項目を見つけ、次に調べる場所を絞る」ための実務的なフレームワークとして使えます。