リーン思考
概要
体系的に無駄を排除し、 「構築・計測・学習（Build-Measure-Learn）」 のサイクルを加速させることで、価値創造を最大化することを中心とした哲学である。厳格な長期計画に従うのではなく、不確実性を乗り越え、顧客にとって本当に重要なことにリソースを集中させるために、迅速な実験と検証された学習を優先する。
評価 (1–5)
- 適用性: 5
- 即効性: 4
- 理解の難しさ: 3
- 誤用のリスク: 4
評価コメント
学習と適応のスピードを大幅に向上させる。しかし、単なる 「コスト削減思考」 として誤解されると、価値の最大化と戦略的学習というその中核となる本質が失われてしまう。
最初の問い
「検証された学習を最大限に得るために、私たちが実行できる最小の実験は何か？」
目的
- 「完了」や「完璧さ」よりも 「学習」 を優先すること。
- 誰も望まない機能やプロダクトへの無駄な投資を防ぐこと。
- 「早く失敗すること（フェイルファスト）」が戦略的な成功と見なされる環境を育むこと。
質の低い問い
- 「まずは完璧で網羅的な計画を作ろう。」 （不確実性という現実を無視している）
- 「どうすれば失敗を確実に防げるか？」 （過度な警戒心と動きの鈍さにつながる）
- 「立ち上げる前に、すべてが準備できるまで待つべきか？」 （重要なフィードバックを遅らせてしまう）
使い方 (ステップ・バイ・ステップ)
-
最もリスクの高い仮説を特定する
- アイデアが成功するために、何が真でなければならないかを明確に述べる。
-
小さく実験する (MVP)
- 仮説をテストできる、アイデアの最もシンプルなバージョンである 「実用最小限のプロダクト (MVP: Minimum Viable Product)」 を作成する。
-
データを収集する
- ユーザーの行動やシステムのパフォーマンスを客観的に測定するための、具体的な指標（KPI）を定義する。
-
学習し、方向転換または継続する
- データを分析して洞察を得る。学習したことに基づいて、方向性を変更する（ 「ピボット」 ）か、そのまま軌道を維持する（ 「パーシビア」 ）かを決定する。
出力例
1. 実験ログ
- 仮説: ユーザーは、毎日の水分摂取量を追跡する機能を求めている。
- 実験設計: ホーム画面に機能しない「水分を記録する」ボタンを追加し、クリック数をカウントする。
- 指標: ボタンをクリックしたデイリーアクティブユーザーの割合。
- 学習: クリック率が20%を超えれば、基本的な機能の構築に進む。それより低ければ、必要性を再考する。
2. 視覚化
- ループ図: 仮説 → 実験 → データ → 学習 → 洗練された仮説、へと進む循環図。
- ピボットマップ: 実験結果に基づいた決定ポイントを示すフローチャート。
ユースケース
- ビジネス: 新規事業の立ち上げ、プロダクトの反復的な改善、業務の合理化。
- 日常生活: 新しい習慣のテスト、新しいスキルの小さな単位での学習、または個人の生産性に関する実験。
- 意思決定 / 思考: 「正しい」道がまだ見えず、不確実性が高い状況。
典型的な誤用
- コスト削減のためだけに使用する: 学習ループや価値創造を考慮せずに予算を削減すること。
- KPIの定義を怠る: 明確な成功・失敗の基準なしに実験を行い、主観的な解釈を招いてしまうこと。
- 学習せずに繰り返す: 次のステップの判断材料とするための結果分析を実際に行わず、単に「物事を速くこなす」こと。
他のモデルとの関係
- 下位概念: MVP（実用最小限のプロダクト）、かんばん（Kanban）
- 補完的: 仮説思考、OODAループ（観察-情勢判断-意思決定-行動）
- 関連: パレートの法則（価値の80%を生み出す20%の労力に集中する）