システムマッピング

英語名 Systems Mapping
読み方 システム マッピング
難易度
所要時間 1〜2時間
提唱者 Peter Senge / Donella Meadows
目次

ひとことで言うと
#

複雑な問題を構成する**要素(ノード)と関係性(矢印)**を1枚の図に描き出し、因果のつながりやフィードバックループを見える化する思考法。「木を見て森を見ず」を防ぎ、問題の構造そのものに介入するための地図を作る。

押さえておきたい用語
#

押さえておきたい用語
ノード(Node)
システムを構成する個々の要素のこと。「売上」「顧客満足度」「離職率」など、変化しうる変数として表現する。
フィードバックループ(Feedback Loop)
ある要素の変化が巡り巡って自分自身に戻ってくる循環構造を指す。強化ループ(雪だるま式に増幅)と均衡ループ(バランスを保つ方向に働く)の2種類がある。
レバレッジポイント(Leverage Point)
システム全体に大きな影響を与える介入点のこと。Donella Meadowsが提唱した概念で、小さな変化で全体を動かせるポイントを見つけることがシステムマッピングの最終目的にあたる。
因果関係(Causal Relationship)
ある要素の変化が別の要素の変化を引き起こす方向性のある関係。矢印で表し、同方向(+)と逆方向(−)を区別する。

システムマッピングの全体像
#

システムマッピング:要素と因果関係を地図にする
要素A例: 顧客満足度要素B例: リピート率要素C例: 売上強化ループReinforcing Loopフィードバックループ循環する因果の連鎖レバレッジポイント小さな介入で全体が動く点ノード(要素)変化する変数を丸で表す+ = 同方向に変化(増えると増える) − = 逆方向に変化(増えると減る)矢印の向き = 因果の方向 ループ = 要素が循環的につながる構造
システムマッピングの進め方フロー
1
要素の洗い出し
問題に関わる変数をすべてリストアップ
2
因果関係を矢印で接続
要素間の影響を+/−の矢印で描く
3
ループの発見
強化ループと均衡ループを特定する
レバレッジポイント特定
小さな介入で全体を動かせる点を見つける

こんな悩みに効く
#

  • 施策を打っても別のところでモグラ叩き的に問題が出てくる
  • 組織課題が複雑に絡み合っていて、どこから手を付けるべきかわからない
  • 対症療法ばかりで根本的な解決に至らない

基本の使い方
#

問題に関わる要素を洗い出す
まず「この問題に関係する変数は何か?」を問い、ノード(要素)を15〜25個ほどリストアップする。付箋1枚に1要素が鉄則。「売上」「顧客満足度」「従業員の残業時間」「採用コスト」など、測定可能な変数として表現する。「がんばり」「やる気」のような曖昧な表現は避け、「月間自主学習時間」のように定量化できる形にする。
要素間の因果関係を矢印で結ぶ
「AがBに影響するか?」を1つずつ確認し、矢印を引く。同方向の影響(Aが増えるとBも増える)には 、逆方向(Aが増えるとBは減る)には のラベルを付ける。全組み合わせをチェックする必要はなく、明らかな因果関係だけを結ぶ。迷ったら「データで裏付けられるか」を基準にする。
フィードバックループを見つける
矢印をたどって元の要素に戻ってくるループを探す。+が偶数個(0含む)のループは強化ループ(雪だるま式に増幅)、+が奇数個のループは均衡ループ(一定に収束)。ループに名前をつけると議論がしやすくなる。「好循環ループ」「疲弊スパイラル」のように直感的な名前がよい。
レバレッジポイントを特定して介入する
複数のループに共通して含まれる要素、またはループの起点になっている要素がレバレッジポイントの候補。そこに介入する施策を設計する。1つのレバレッジポイントを動かしたとき、マップ上で他の要素がどう連鎖するかをシミュレーションしてから実行に移す。

具体例
#

例1:飲食チェーンが離職率の悪循環を断ち切る

都内に8店舗を展開するラーメンチェーン。年間離職率が 72% に達し、採用コストが年間 1,800万円 を超えていた。

店長会議でシステムマッピングを実施し、18個の要素を洗い出してつないだところ、以下の強化ループ(悪循環)が浮かび上がった。

離職率が高い → 人手不足 → 1人あたりの残業が増える → 疲弊して接客品質が下がる → 売上が落ちる → 人件費を削る → さらに離職率が上がる

レバレッジポイントは「1人あたりの残業時間」と判断。全店一律で月 45時間上限 を厳守するルールを導入し、不足分はピーク帯だけのスポットスタッフで補った。スポットスタッフの人件費は月 38万円 増えたが、1年後に離職率は 72% → 41% に低下し、採用コストが 年間680万円 削減された。

例2:SaaS企業がオンボーディング改善でチャーンを減らす

従業員150名のBtoB SaaS企業。月次チャーンレート(解約率)が 3.8% で、投資家から改善を求められていた。

CSチームがシステムマッピングを行い、22個のノードを配置。見つかったループは3つ。

ループ名構造種類
活用度ループ機能理解 → 活用度 → 成果実感 → 継続利用 → さらに機能理解強化(好循環)
放置スパイラル初期設定の難しさ → 活用度低下 → 問い合わせ増 → CS対応遅延 → 不満 → 解約強化(悪循環)
リソース均衡既存顧客サポート増 → 新規オンボーディング手薄 → 新規の活用度低下均衡

3つのループすべてに「活用度」が含まれていた。レバレッジポイントを「初期30日間の機能活用度」に設定し、セルフオンボーディングの動画コンテンツ 12本 を制作。導入から90日後、初月の機能活用率が 28% → 54% に改善し、月次チャーンレートは 3.8% → 2.1% に下がった。

例3:地方自治体が人口減少の構造に介入する

人口4.2万人の地方都市。毎年 約400人 ずつ人口が減少し、20年後には3万人を割る推計が出ていた。

自治体の企画課が外部ファシリテーターを招き、部署横断で30個のノードを洗い出してマッピングを実施。出てきたループは5つ。その中で特に影響が大きかったのが「雇用の悪循環」。

若者の流出 → 働き手の減少 → 地元企業の業績悪化 → 雇用機会の縮小 → さらに若者が流出

従来の施策は「移住補助金」だったが、マップ上では補助金はループの外側にあり、因果の連鎖に直接介入できていなかった。レバレッジポイントとして「地元企業の雇用機会」に着目し、リモートワーク対応のサテライトオフィスを 3拠点 整備。都市部の企業が地方拠点として活用する形で、2年間で 67名 の移住・転入につながり、人口減少ペースが年 400人 → 280人 に鈍化した。完全な解決ではないが、構造に介入する第一歩になっている。

やりがちな失敗パターン
#

  1. 要素を細かくしすぎる — ノードが50個を超えるとマップが読めなくなる。最初は15〜25個に絞り、必要に応じて部分を拡大する
  2. 相関と因果を混同する — 「AとBが同時に動く」だけでは因果関係とは言えない。「Aを変えたらBが変わるか?」という介入テストの視点で矢印を引く
  3. きれいなマップを作ることが目的になる — マップは議論のための道具であって成果物ではない。レバレッジポイントを特定し、施策を1つ決めて実行するところまでがゴール

まとめ
#

システムマッピングは、問題の構成要素をノード、因果関係を矢印で描き出し、循環構造を可視化する手法。ループを見つけることで「なぜ同じ問題が繰り返されるのか」が構造的に理解でき、対症療法から脱却できる。最終ゴールはレバレッジポイントの特定と、そこへの介入施策の実行。複雑な問題ほど、まず地図を描くことから始めてみてほしい。