出典: Evaluate / J+D「What Good AOP Forecasting Actually Looks Like」(2026年7月) の要約
はじめに:年間事業計画と最新見通しは「役割が違う」
製薬・バイオ企業のコマーシャルチームが回す予測プロセスの中でも、AOP(Annual Operating Plan/年間事業計画) と LBE(Latest Best Estimate/最新見通し) は特に重要でありながら、最も誤解されやすい2つです。誤解の多くは「この2つがどう連携すべきか」に集中しています。
- AOP は、その年の戦略的・財務的な基準(ベースライン)を定めるもの。想定売上・数量、そして必要に応じて治療開始数やバイオマーカー検査対象患者数といった患者指標を規定します。
- LBE は、その基準に対して実績がどう推移しているかを追跡する年度内の仕組み。新しいデータが入るたびに前提を再調整します。
重要なのは、両者は補完関係にあり、互換ではないという点です。AOPが年間の基準を「固定」する一方、LBEは着地点が実際にどこへ向かっているかを「追跡」します。
3つの計画レイヤーの関係
| レイヤー | 内容 | 役割 |
|---|---|---|
| LRP(長期計画) | 3〜5年の戦略的な道筋 | 方向性 |
| AOP(年間事業計画) | その年の固定基準:目標・予算・説明責任 | 基準 |
| LBE(最新見通し) | 現実の変化に応じて更新される年度内の追跡レイヤー | 追跡 |
そして、LBEで得られた年度内の乖離(variance)が、次のAOPおよびLRPサイクルの入力になる——このループが回ることで計画の質が高まります。
1. スプレッドシートではなく「戦略」から始める
よくある失敗は、いきなり数字づくりに飛びつくことです。モデリングを始める前に、組織はその年の最重要となる3〜5個の戦略的・財務的目標について合意しておく必要があります。この「軸」がないと、計画プロセスは予測に見せかけた願望リストを生み出しがちです。
AOPはLRPと接続すべきです。LRPが示す翌年の年間数値が自然な出発点となり、月次の売上・数量の詳細が長期の戦略的視点と整合します。アフィリエイト(各国・地域チーム)がLRPプロセスに関与していれば——そしてそうあるべきですが——AOPに国別チームにとっての「サプライズ」は含まれないはずです。
2. 単一の真実(Single Source of Truth)を確立する
多くの組織は、複数の予測を同時に走らせています。代表的なものは以下です。
- 年間事業計画(AOP)
- 最新見通し(LBE)
- 長期計画(LRP)
- 新製品計画
- 営業目標
- 需給計画
問題は、これらが互いに真に整合していることは稀だという点です。ズレは、手を打つには手遅れになった段階で初めて表面化します。
ベストプラクティスは、1つのコマーシャル・財務予測を主要な参照点として据え、他のすべてをそこへ遡って追跡できるようにすることです。予測が食い違えば意思決定も食い違います。リソース配分・コスト目標・業績評価を左右する計画サイクルにおいて、そのほころびを後から解くのは高くつきます。
各予測ビューはそれぞれ異なる問いに答えるものですが、すべてがAOPの基準と現行のLBEに立ち返って整合すべきです。
3. AOPとLBEを混同しない
前提が変わり実績が入ってくると、「基準に照らして測る」のではなく「基準そのものを書き換える」誘惑が生まれます。しかしこの習慣は、業績ギャップを覆い隠し、説明責任を消してしまいます。
- AOPの基準は一年を通じて保持する
- LBEは「基準に対してどう推移しているか」を伝えるためにあるのであって、元の計画を消し去るためのものではない
4. 「検証できる前提」を作る
AOP予測の信頼性は、その土台にある前提の質を超えません。前提は具体的で測定可能である必要があります。
✅「市場シェアが22%から24%へ拡大する」→ 検証可能な前提
❌「業績が改善する」→ 検証不能
短い前提ログ(assumption log)を用意し、LBEサイクルごとに見直すと管理が現実的になります。前提が変わったら、次を記録します。
- 何が、なぜ変わったのか
- 元の計画との差を埋めるためにどんな行動を取っているのか
5. AOPプロセスが崩れる3つの落とし穴
よく設計された計画プロセスでも、実行段階で失敗します。繰り返し現れるのが次の3つです。
① サイロでの計画立案 各部門が独立して計画を作ると、統合したアウトプットに不整合が生じます。例えば、営業計画がQ2ローンチを前提にしているのに、オペレーションはQ3にローンチを設定している、というケース。財務・メディカル・マーケットアクセスでも同じことが起こります。部門横断の計画セッションで互いに前提を提示し合えば、こうしたズレをその場で洗い出せます。信頼できる計画の前提条件です。
② 不完全なデータへの依存 前年実績の一部だけを土台にすると、誤差がモデル全体に波及します。「明確な理由なく直近8か月分だけ使い、残り4か月を除外する」のがよくある例です。データ品質は計画プロセスの一部として明示的に評価すべきです。
③ 市場変化を反映しない 外部環境の最新像を欠いたAOPは、真空の中で計画するようなものです。各サイクルの前に、競合ポジショニング・需要動向・価格圧力・患者や処方医の行動変化を扱う構造化されたブリーフを用意すれば、予測が現実を反映する可能性が高まります。そして、これは企業が最も省きがちなステップでもあります。
6. AOPを「生きた文書」として扱う
優れたAOPは、1月に固定して12月まで見直さないものではありません。ベストプラクティスは次のとおりです。
- 市場やブランドの状況が実質的に変化したときに発動する再予測トリガーを組み込む
- 変更が文書化・追跡できるようバージョン管理を維持する
- 新サイクルの前に厳密な前年レビューを行い、実績を「最終LBE」ではなく**「当初のAOP」**と照合する
すべてに共通する原則は一貫しています——機能する予測は、何を知っていて、何を仮定していて、どこで間違ってきたかについて正直であり続ける、ということです。
専門家の視点:Amanda Randall(J+D Forecasting シニアディレクター)
レポート後半では、J+Dのクライアント実装チームを5年以上率いるAmanda Randall氏へのインタビューが掲載されています。要点は以下の通りです。
- 単一の真実は実際どれくらい実現しているか 正直、ほとんど達成されていません。多くの組織で複数の予測が別々のチーム・時期・目的で走っており、ズレはほぼ不可避です。よくある失敗は、年度が進むにつれてLBEがAOPを主要な参照点として事実上「置き換えて」しまうこと。鍵は、適切なガバナンスとツールを整えることです。
- 予算圧力があるなかで戦略から始めるのは難しいのでは 非常に難しく、最もよく見る緊張の一つです。数字を達成する圧力から、戦略を積み上げるのではなく目標から逆算しがちになります。そうして作った計画は、紙の上では正しく見えても、状況が変わると崩れる脆さを持ちます。うまくやる組織は、数字が居心地悪くてもリーダーが「戦略優先の議論」を積極的に守っています。
- サイロが常態の組織で部門横断計画をどう作るか 全員が自分版の数字にコミットしてしまう前に、適切な人(コマーシャル・財務・供給・メディカルなど)を早期に同じ部屋へ集めること。各機能が独自の計画リズムと世界観を持っている点が本質的な課題で、これを崩すには意図的なプロセス設計、共有された前提、そして「整合させる」ことにチームの説明責任を持たせるリーダーシップが要ります。
- レビューは最終LBEではなく当初AOPで測るべき理由 LBEと比べるのは楽ですが、正直ではありません。年度末までにLBEは悪材料を吸収し尽くしていることが多く、比較しても「劣化をどれだけ正確に予測できたか」が分かるだけで、「当初計画に対してどう performした」かは分かりません。AOPこそが、期初のコミットメントを反映した真のベンチマークです。
- 前提ログを形骸化させないコツ「オーナーシップ」と「関連性」の2つ。誰も見ないスプレッドシートに置かれた前提ログは死にます。生き続けるのは、レビューで参照され、変化に応じて更新され、数字に直結した「生きた文書」として扱われるもの。共有責任は往々にして「誰もやらない」を意味するため、明確なオーナーを置くことが有効です。
- 正式な再予測を発動する基準 普遍的な閾値はなく、常に問うのは「これはストーリーを変えるか?」。数字を動かしても戦略的な絵を変えない乖離は、次のLBEサイクルまで待てます。しかしピーク売上のタイミング、ローンチ前提、重要市場に影響したり、AOPに対して意味のある形でオフトラックにするなら、正式な再予測に値します。
- グローバルとアフィリエイトの摩擦 最大の摩擦点は「オーナーシップ対 統合」。市場に近いアフィリエイトは、グローバルAOPが自分たちの実態を上から降ってくる一つの数字に平板化する、と感じがちです。一方グローバルは市場横断で一貫した絵を作ろうとします。透明性・早期の対話・数字が統合されてもアフィリエイトが「聞いてもらえた」と感じられるようにすることが、うまく管理する鍵です。
- AOP作成におけるAIの役割 意味はあるが、期待とは違う形で。AIは、戦略的選択・リスクの議論・部門横断の整合といった判断そのものは代替せず、経験ある forecaster が持つ市場知識や治療領域の専門性も置き換えません。一方で、シナリオモデリング・データ統合・乖離分析・過去前提のパターン抽出といった手作業を減らし、人の判断が要る部分に時間を割けるようにします。AIを「アウトプットの速さ」ではなく「議論の質」を高める手段として捉える組織が、計画で最も恩恵を受けます。
まとめ
優れたAOP予測は、精緻なスプレッドシートから生まれるのではなく、戦略的な合意・単一の真実・検証可能な前提・部門横断の対話・正直な前年レビューという規律から生まれます。AOPは固定すべき基準として保持しつつ、LBEでその乖離を追跡し、次のサイクルへ学びを還流させる——この循環こそが、現実を反映し続ける計画の条件です。
本記事はAIによる要約であり、原資料の内容を完全に反映するものではありません。詳細は必ず原資料をご参照ください。