フェルミ推定という言葉を聞いて、「なんだか難しそう」「数学が得意な理系の人だけのもの」と感じる人は多いかもしれません。しかし、フェルミ推定とは、限られた情報から論理的に未知の数値を導き出す非常に実用的で便利な思考法です。結論から言えば、高度な数学の知識は一切必要ありません。
物事を細かな要素に因数分解し、日常の常識的な仮説を積み上げていく「論理的思考力」こそが鍵となります。本記事では、フェルミ推定の基本的な考え方から、有名な代表例、具体的な解き方の方法、そして上達するためのコツまでをわかりやすく徹底解説します。
この記事を読むことで、ビジネスの現場や就職活動の面接において、自分の意見に圧倒的な「説得力」を持たせる強力な武器を手に入れることができるはずです。さっそく、フェルミ推定の奥深い世界を紐解いていきましょう。
フェルミ推定とは？限られた情報から未知の数値を導く思考法
ビジネスパーソンや就職活動中の学生にとって、いまや必須のスキルと言っても過言ではないフェルミ推定。まずは、この言葉の基本的な定義や、どのような背景で使われるようになったのかを解説します。
フェルミ推定の基本的な定義と本来の目的
フェルミ推定とは、実際に調査して正確な数を把握することが極めて困難な事柄に対し、手元にあるいくつかの手がかりをもとに論理的な推論を行い、短時間でおおよその数値を導き出す手法を指します。
たとえば、「世界中に存在するアリの数は何匹か？」「日本全国にあるマンホールの数はいくつか？」といった、一見すると見当もつかないような問いが対象になります。こうした途方もない疑問に対して、決して当てずっぽうのカンで答えるのではなく、筋道を立てて概算を算出するのがフェルミ推定の最大の特長です。
ここで重要なのは、フェルミ推定の本来の目的は「正解の数字をピタリと当てること」ではないという点です。むしろ、「どのような論理的プロセスを経て、その結論に至ったのか」という思考の道筋を構築することに主眼が置かれています。わからない問題に直面した際、思考を停止させずに手持ちの情報から仮説を立てる力が養われるのです。
エンリコ・フェルミに由来する歴史的背景
このユニークな名称は、1938年にノーベル物理学賞を受賞したイタリア出身の物理学者、エンリコ・フェルミに由来しています。彼は、一見するとデータ不足で解けそうにない問題について、常識的な知識を組み合わせて概算することに非常に長けた人物でした。
フェルミは教鞭をとっていたシカゴ大学の学生たちに対し、物理学の専門知識だけでなく、こうした概算力を養うための突飛な質問を日常的に投げかけていたと言われています。彼の教え子たちの中からも後に多くのノーベル賞受賞者が輩出されており、この思考法がいかに科学的アプローチの基礎として優れていたかが伺えます。
現代において、この思考法は科学の分野を飛び出し、コンサルティングやマーケティング、経営企画など、あらゆるビジネスシーンで応用される一般的なフレームワークとして定着しました。
「正解を当てること」が目的ではない理由
フェルミ推定を学ぶ上で、初心者が最も陥りやすい誤解が「実際の答えとズレていたら失敗である」と思い込んでしまうことです。しかし、先述の通り、フェルミ推定において実際の数値との誤差はそれほど問題視されません。
なぜなら、私たちが直面するビジネスの課題の多くは、「正解がまだ誰にもわからない」ものだからです。新規事業を立ち上げる際、5年後の正確な市場規模を知っている人はいません。大切なのは、根拠のない「なんとなく」の予測ではなく、他者を納得させられるだけの「合理的な仮定に基づいた推測」を提示できるかどうかです。
仮定した数値が間違っていたら、後から正しいデータに入れ替えれば済む話です。完璧なデータが揃うのを待つのではなく、不完全な状態でも論理の力で「確からしい答え」を紡ぎ出す。それこそが、フェルミ推定に求められる本質的な価値と言えるでしょう。
なぜビジネスや就活面接でフェルミ推定が重要視されるのか
外資系コンサルティングファームや総合商社などの難関企業の面接において、フェルミ推定の問題が出題されることは広く知られています。なぜ企業はこぞってこの能力を測ろうとするのでしょうか。
コンサルティングファームのケース面接で頻出する背景
コンサルティングファームの採用試験では、「ケース面接」と呼ばれる特殊な面接が行われます。ここでは、「スターバックスの売上を2倍にするにはどうすればよいか？」といった経営課題とともに、その前提となる市場規模をフェルミ推定で計算させることが頻繁にあります。
コンサルタントの仕事は、クライアントが抱える複雑で答えのない課題に対し、限られた時間と情報の中で最適な解決策を提示することです。膨大なデータを集める時間的猶予がない中で、フェルミ推定の考え方は日々の業務そのものと言えます。
そのため面接官は、応募者が「未知の課題に対してどのようにアプローチするか」「仮説を立てるセンスはあるか」を、フェルミ推定を通じてダイレクトに見極めようとしているわけです。
未知の課題に対する「論理的思考力」の証明になる
フェルミ推定を解くプロセスは、その人の「論理的思考力（ロジカルシンキング）」を丸裸にします。大きな問題を細かい要素に分解し、それぞれの関係性を数式で表し、矛盾のない結論を導き出す能力です。
例えば、計算の途中で「1人が1日に食べるお米の量」を仮定する際、「だいたい10キロくらい」といった非現実的な数字を置いてしまえば、その時点で常識や論理性が欠如していると判断されてしまいます。
逆に、多少計算が合わなくても、「自分はこういう前提を置いたから、こういう式になった」と理路整然と説明できれば、高い評価を得ることができます。つまり、フェルミ推定は「私は感情や思いつきではなく、論理で物事を考えられる人間です」と証明するための最適なツールなのです。
根拠なき直感ではなく、説得力のあるコミュニケーションを生む
実際のビジネスシーンにおいても、フェルミ推定は強力なコミュニケーションツールとなります。上司に新しい企画を提案する際、「若者の間で流行っているので、絶対に売れます！」と主張しても、なかなか首を縦に振ってはもらえません。
しかし、「ターゲット層である20代の人口が約1000万人おり、そのうちの10％が月に1回、1000円を利用すると仮定すると、年間で120億円の市場規模が見込めます」と説明すればどうでしょうか。
この数字がたとえ推測であったとしても、根拠となるロジックが明確であれば、聞く側は「なるほど、その計算なら妥当だな」と納得しやすくなります。フェルミ推定は、他者を巻き込み、企画を前に進めるための「説得力」を飛躍的に高めてくれるのです。
フェルミ推定の代表例！思考プロセスがわかる有名な問題
フェルミ推定を深く理解するには、具体的な問題を実際に解いてみるのが一番の近道です。ここでは、世界的に有名な古典的良問から、身近なテーマを扱った問題まで、3つの代表例とその解き方のアプローチを紹介します。
代表例1：アメリカ・シカゴのピアノ調律師は何人か？（古典的良問）
フェルミ推定の歴史において最も有名な問題が、「アメリカのシカゴには、ピアノの調律師が何人いるか」という問いです。これはエンリコ・フェルミ本人が学生に出題したと言われています。一見すると手がかりがゼロに見えますが、次のように要素を分解していきます。
まず、シカゴの人口を仮定（例：約300万人）し、1世帯あたりの人数（例：3人）で割って世帯数（100万世帯）を割り出します。次に、「何世帯に1台の割合でピアノがあるか」を推測（例：10世帯に1台）し、シカゴ全体のピアノの総数（10万台）を算出します。
さらに、ピアノ1台あたり年に何回調律が必要か（例：1回）、1人の調律師が1日に何台調律でき（例：3台）、年間何日働くか（例：200日）を設定します。これにより、1人の調律師が年間で調律できる台数（3台×200日＝600台）がわかります。
最後に、シカゴ全体で必要な調律の総数（10万回）を、1人の調律師がこなせる数（600台）で割ると、「約166人」という概算が導き出されます。大きな問題を細かく分解していくプロセスの美しさが際立つ良問です。
代表例2：日本全国のコンビニエンスストアの店舗数は？（需要ベース）
もうひとつの代表例が、「日本全国にコンビニエンスストアは何店舗あるか」という非常に身近なテーマです。この問題は、商品やサービスに対する消費者の「需要（ニーズ）」側からアプローチする手法の基本となります。
アプローチの方法としては、主に「人口ベース」で考えるやり方が一般的です。日本の総人口を約1億2000万人と仮定し、「1つのコンビニがどれくらいの人口をカバーして成り立っているか（商圏人口）」を推測します。
都市部であれば歩いて数分の距離に店舗が密集しており、地方であれば車で移動する距離に点在しているため、全国の平均として「約2000人に1店舗」といった仮説を立てます。1億2000万人を2000人で割ることで、約6万店舗という概算が導き出される計算です。実際の店舗数（約5万5000〜6万店舗）と非常に近い数字になることからも、この考え方の精度の高さがわかります。
代表例3：日本国内にある電柱の数は？（面積ベース）
最後に紹介するのは「日本国内にある電柱の数は何本か？」という問題です。先ほどのコンビニとは異なり、インフラストラクチャーに関する問題は、人口ではなく「面積（供給ベース）」からアプローチするのがセオリーとなります。
まず、日本の国土面積を約38万平方キロメートルと仮定します。しかし、国土のすべてに電柱が均等に立っているわけではありません。そこで、国土を「人が住んでいるエリア（都市・平野部）」と「人が住んでいないエリア（山林など）」に分けます。日本の国土の約7割は森林だと知っていれば、電柱があるのは残りの約3割（約11万平方キロメートル）だと仮定できます。
次に、そのエリア内で「どれくらいの間隔で電柱が立っているか」を考えます。たとえば「50メートル四方に1本」といった仮定を置き、1平方キロメートルあたりの電柱の密度を計算します。最後にそれを対象面積に掛け合わせることで、全体の概算を導き出す手法です。物理的な配置をイメージする力が試されます。
フェルミ推定を支える重要な「考え方」とアプローチ
フェルミ推定の具体的な解法に入る前に、ベースとして持っておくべき根本的な思考の枠組みについて解説します。これらの考え方を身につけることで、どんな難問にも怯まずに立ち向かえるようになります。
複雑な問題をシンプルに構造化する「因数分解」
一見すると雲をつかむような巨大な問題でも、細かく分解していくことで考えやすくなります。この要素分解のことを、ビジネスの現場では数学の用語になぞらえて「因数分解」と呼びます。フェルミ推定における最重要プロセスと言ってもよいでしょう。
たとえば、「あるカフェの1日の売上」を求める場合、そのままでは見当がつきません。しかし、「売上＝客数×客単価」と因数分解し、さらに客数を「座席数×稼働率×回転率」に、客単価を「ドリンク単価＋フード単価×注文率」といった具合に細分化していきます。
ここまで細かく切り分ければ、「座席数はだいたい30席くらい」「ランチタイムの稼働率は80%くらい」と、それぞれの要素ごとに具体的な数値を予測できるようになります。複雑な事象を自分が扱えるサイズにまでシンプルに構造化する力が不可欠です。
トップダウンとボトムアップのアプローチを使い分ける
フェルミ推定のアプローチには、大きく分けて「トップダウン」と「ボトムアップ」の2つの方向性があります。問題の性質に合わせて、これらを適切に使い分けることが精度を高めるコツです。
トップダウン・アプローチとは、全体から部分へと落とし込んでいく方法です。先ほどの「日本のコンビニの数」のように、日本の総人口というマクロな数字（全体）からスタートし、条件を絞って対象となる数字を割り出していくやり方です。マクロデータを基にするため、とんでもない桁違いのミスが起きにくいというメリットがあります。
一方、ボトムアップ・アプローチとは、部分から全体へと積み上げていく方法です。「ある個人の1日のスマホ利用時間」をベースに、それを全国民に掛け合わせていくような手法を指します。身近な感覚からスタートできるためイメージしやすい反面、個人の偏りが全体に波及しやすいため注意が必要です。
完璧主義を捨てて「仮説」を立てて前に進む
フェルミ推定に取り組む中で、「ここのデータは知らないから、これ以上は計算できない」と諦めてしまう人がいます。しかし、手元に正確な情報がないときにこそ、「仮説思考」をフル活用して前に進まなければなりません。
仮説思考とは、「現時点での限られた情報から、最も確からしい仮の答え（仮説）を導き出す」という考え方です。「サラリーマンの平均的なランチ代はだいたい1000円くらいだろう」「スマホの買い替え周期は平均3年くらいではないか」といった日常の肌感覚をベースに、大胆に数値を置いて計算を進める勇気が求められます。
実社会では、すべての情報が揃うことなど稀です。完璧なデータを待って時間を浪費するよりも、60点の精度でもいいからスピーディーに仮説を立てて結論を出し、後から修正していく機動力が重宝されます。
MECE（モレなく、ダブりなく）を意識したセグメンテーション
数値をより正確に推計するために、対象をいくつかのグループに分けること（セグメンテーション）がよく行われます。このとき、論理的思考の基本原則である「MECE（ミーシー：Mutually Exclusive, Collectively Exhaustive）」を意識することが重要です。
MECEとは、「モレなく、ダブりなく」という意味の言葉です。たとえば、日本の人口をセグメントに分ける際、「会社員」と「学生」と「主婦」に分けてしまうと、フリーターや年金受給者が漏れてしまいますし、「会社員」をしながら「学生」をしている人がダブってしまう可能性があります。
年齢別（0〜19歳、20〜39歳…）や、性別（男性、女性）など、全体を完全に網羅しつつ、決して重ならない基準で切り分けることが、計算の精度と論理の説得力を高めるうえで不可欠な作業となります。
説得力を高めるフェルミ推定の具体的な「方法」と5つのステップ
ここからは、実際にフェルミ推定を用いて問題を解く際の具体的な手順を解説します。以下の5つのステップに沿って順序立ててアプローチすることで、相手に対する説得力は格段に跳ね上がります。
ステップ1：前提条件を明確に定義する（対象範囲の確定）
問題を解き始める前に、真っ先に行うべきなのが「前提条件の定義」です。問題文の解釈が人によってブレるのを防ぐため、何を対象とし、何を除外するのかを明確に線引きする重要な作業となります。
たとえば、「日本にあるスマートフォンの数を求めよ」というお題が出た場合、「個人が所有しているスマホのみを指すのか、企業が業務用に支給しているものも含めるのか」を定義しなければなりません。また、「中古ショップに並んでいる在庫や、引き出しに眠っている古い端末は数に入れるのか」といった条件設定によって、最終的な数値は大きく変動します。
この前提を相手（面接官など）と共有しておくことで、その後の論理展開に一本の筋が通り、「なぜその数字になったのか」という理由付けが明確になります。
ステップ2：アプローチを設定し、計算式（モデル）を作る
前提条件が固まったら、次に行うのがアプローチの設定と「モデル化（計算式の作成）」です。どのような切り口で計算を進めるのかの全体図を描くステップです。
前述の通り、対象が日用品やサービスであれば「需要ベース（人口×利用頻度など）」、店舗やインフラであれば「供給ベース（面積×密度など）」といった基本方針を決めます。
方針が決まったら、それを要素分解して数式に落とし込みます。たとえば、「日本における年間の映画館の売上」であれば、「日本の人口 × 年間平均鑑賞回数 × 映画1回あたりの平均単価」といった大きな式を作ります。いきなり数字を当てはめるのではなく、まずは文字の式だけで論理構造を完成させることがポイントです。
ステップ3：基礎数値を設定し、不足データは仮定を置く
計算式ができあがったら、そこに具体的な数字を当てはめていきます。ここで必要になるのが、「日本の人口」や「世帯数」といった、あらかじめ知っておくべき基礎的な数値データです。（※具体的な数値は後述の「コツ」で紹介します）
基礎数値を当てはめた上で、自分の中に知識がないデータについては「仮説」を立てて数値を補います。先ほどの映画館の例であれば、「年間平均鑑賞回数」は正確にはわからなくても、「月に何度も行く映画ファンもいれば、全く行かない人もいる。平均すると1年に1〜2回くらいではないか？」と日常の感覚から推測します。
このとき、なぜその数値を置いたのかという「理由」をセットで用意しておくことが、後からツッコミを受けた際の防御策となります。
ステップ4：セグメントごとに計算を実行する
要素分解したモデル全体を、年齢層やライフスタイルなどのセグメントに分けて計算を実行します。全体をひとまとめにして強引に平均値を出すよりも、特性の異なるグループごとに分けて計算したほうが、現実に近い精度の高い数値が導き出せるからです。
映画館の例で言えば、全体を「10〜20代（よく行く）」「30〜50代（たまに行く）」「60代以上（あまり行かない）」といったように年齢で分解します。
それぞれのセグメントごとに、ステップ3で設定した数値を代入し、掛け算や割り算といった四則演算を行います。複雑な数学の公式は不要で、誰もがわかる単純な計算式を使うことが重要です。最後に各セグメントの数値を合算すれば、求めるべき概算値が姿を現します。
ステップ5：算出された結果を現実の感覚と照らし合わせる
計算が終わって最終的な数字が出たからといって、そこで満足して終了してはいけません。フェルミ推定における最後の重要なプロセスが、導き出した結果に対する「検証（リアリティチェック）」です。
算出された数値が、日常の常識に照らし合わせて非現実的な規模になっていないかを必ず確認しましょう。たとえば、日本の特定商品の市場規模が国家予算を超えるような兆円単位になってしまったり、逆に1店舗あたりの1日の来客数が数人レベルになってしまった場合、計算式や前提に置いた仮定のどこかに無理があった証拠です。
もし不自然な点が見つかれば、要素分解の過程に戻って仮定を見直し、数値を修正します。この「自分の出した答えを客観的に疑い、検証する」という冷静な姿勢を示せるかどうかが、実務能力の高さを証明することにつながります。
フェルミ推定の精度とスピードを劇的に上げる「コツ」
フェルミ推定は、やり方の手順を知っているだけでは実践でスムーズに使いこなすことは困難です。精度の高い推論を短時間で行うために、普段から意識しておくべき実践的なコツを紹介します。
コツ1：必ず覚えておくべき日本の基礎数値を暗記する
論理的に推定を行うといっても、スタート地点となる「基準の数字」が全くわからなければ、手も足も出ません。そのため、フェルミ推定によく登場する基礎的なマクロ数値は、一般常識として暗記しておくことを強くおすすめします。
日本の総人口や世帯数、国土面積などは、あらゆる問題のベースとなる重要な情報です。以下の表に、最低限覚えておきたい代表的な数値をまとめましたので、参考にしてみてください。
| 項目 | 目安となる数値（概算） | 活用のポイント |
|---|---|---|
| 日本の総人口 | 約1億2000万人 | 市場規模や需要を計算する際の最も基本となる母数。 |
| 日本の世帯数 | 約5000万世帯 | 家電や自動車など、一家に一台あるような商品の推計に使用。 |
| 平均世帯人数 | 約2.4人 | 人口から世帯数を割り出す際に活用（単身世帯の増加を考慮）。 |
| 日本の国土面積 | 約38万平方キロメートル | インフラ（電柱、信号機など）の数を面積から割り出す際に使用。 |
| 平均寿命 | 約80〜85歳 | 年代別の人口分布を等分（10代ごとに約1500万人）して考える際に便利。 |
これらの数字を瞬時に引き出せるようにしておくだけで、考える時間を大幅に短縮し、より精緻な要素分解の作業に頭のリソースを割くことができるようになります。
コツ2：細かい端数は大胆に丸めて計算を簡略化する
面接などの限られた時間内で結論を出すためには、計算プロセスでの時間のロスを防ぐ工夫が必要です。その最大のコツが、「細かい端数を無視して、自分が計算しやすいキリの良い数字に大胆に丸めること」です。
現在の日本の実際の人口が1億2400万人前後だったとしても、フェルミ推定の暗算においては「約1億2000万人」として扱って全く問題ありません。同様に、1年は365日ですが、計算上は「約400日」あるいは「約300日」など、掛け算や割り算がしやすい数値に補正してしまいます。
フェルミ推定の目的はあくまで「桁数（オーダー）や規模感が合っているか」を確認することです。細かい端数にこだわって計算ミスをしてしまっては本末転倒ですので、勇気を持ってざっくりと概算する習慣をつけましょう。
コツ3：日常の何気ない疑問からフェルミ推定のトレーニングをする
フェルミ推定のスキルは、一朝一夕で身につくものではありません。日常的に仮説を立てる思考の癖をつけることが、何よりのトレーニングとなります。
たとえば、通勤電車の中で「この車両には何人の乗客がいるか？」と考え、座席数とつり革の数から推測してみる。あるいは、よく行くカフェで「このお店の1日の利益はいくらか？」と考え、客席の回転率やスタッフの時給から計算してみるのです。
このように、身の回りにある何気ない事象に対して「なぜ？」「どれくらい？」と疑問を持ち、頭の中でパッと式を組み立てる練習を繰り返すことで、いざという時にスムーズにフェルミ推定を引き出せるようになります。
ビジネスの実践現場におけるフェルミ推定の活用例
フェルミ推定は、就活の面接を突破するための単なる頭の体操ではありません。実際のビジネス現場でどのように活用され、企業の意思決定に貢献しているのか、具体的なシーンを解説します。
新規事業の市場規模予測で企画の根拠を強化する
フェルミ推定が最も威力を発揮するのは、新規事業の立案やマーケティング戦略の策定において、未知の市場規模を予測する場面です。世の中にまだ存在しない画期的なサービスを提案する際、上司や投資家からは必ず「その市場はどれくらいの規模があるのか？」と問われます。
まだ世に出ていない以上、正確なデータや過去の統計は存在しません。そこでフェルミ推定を用いて、「ターゲットとなる潜在層の人口 × 想定される利用頻度 × 見込み客単価」を計算し、「年間で約〇〇億円の市場ポテンシャルがあります」と提示するのです。
データが存在しない領域だからこそ、自らの手で論理的なストーリーを組み立て、数字という共通言語で他者を納得させることが求められます。これこそが、ビジネスにおけるフェルミ推定の真骨頂と言えるでしょう。
競合他社の売上や利益構造を推測し戦略を立てる
競合他社の動向を分析する際にも、フェルミ推定は役立ちます。非上場企業の場合、詳細な売上や利益率は公開されておらず、外部からは実態が見えにくいことが多々あります。
しかし、外側から観察できる情報（店舗の広さ、立地、従業員の数、客足の多さ、商品の価格帯など）を拾い集め、フェルミ推定のフレームワークに当てはめることで、ある程度の精度で相手の収益構造を丸裸にすることが可能です。
「あの店はいつも混んでいるが、家賃と人件費を考慮すると利益率は案外低いのではないか」といった仮説を立てることで、自社の戦略を練る上での重要な判断材料を得ることができます。
フェルミ推定で初心者が陥りがちな「失敗パターン」と対策
最後に、フェルミ推定に取り組む際、多くの人がやってしまいがちな失敗例とその回避方法をお伝えします。これらを意識するだけでも、アウトプットの質は劇的に向上します。
失敗例1：前提条件の定義が甘く、議論が噛み合わなくなる
最も多い失敗が、最初のステップである「前提条件の定義」を怠ってしまうことです。自分の中では「都内のカフェ」を想定して計算していたのに、面接官は「全国のカフェ」を想定していたとしたら、出てくる数字に巨大なズレが生じてしまいます。
解決策としては、考え始める前に必ず「今回は〇〇という定義で進めてもよろしいでしょうか？」と相手に確認を取るプロセスを挟むことです。自分なりの前提を宣言することで、認識のズレを防ぐことができます。
失敗例2：いきなり細かい計算から始めて全体像を見失う
問題を出された瞬間に、いきなり「日本人は1日に何回スマホを見るか…」と細かい要素の推測から入ってしまうのもよくある失敗です。これをやってしまうと、計算の途中で自分が今何を求めているのかわからなくなり、論理が迷子になってしまいます。
対策としては、必ず「全体のアプローチ（数式）」を最初に完成させることです。数字を代入するのは一番最後。まずは文字式の状態で構造を作り上げることを徹底してください。
失敗例3：出した答えの「現実性チェック」を怠ってしまう
一生懸命に計算をして答えが出たことで安心してしまい、その数字が現実的かどうかを検証せずに発表してしまうケースです。
たとえば、「全国の美容院の数」を計算して「1000万店舗」という結果が出た場合、日本の人口が1億2000万人であることを考えれば、12人に1人が美容院を経営していることになり、明らかに異常だと気づくはずです。最後に必ず「常識的な感覚」フィルターを通し、桁がひとつ違っていないかなどを冷静に見直す癖をつけてください。
【徹底解説】クマムシは量子もつれ状態になった？最強生物と量子力学の衝撃実験の真相
まとめ：フェルミ推定をマスターして圧倒的な課題解決力を手に入れよう
この記事では、フェルミ推定の基礎知識から代表例、そして実践的な考え方や解き方のコツについて詳しく解説してきました。
一見すると難解なクイズのように思えるフェルミ推定ですが、その本質は「複雑な事象を要素に分解し、自分が知っている知識と論理でつなぎ合わせる」という極めてシンプルな思考プロセスにあります。
このスキルを身につけることで、未知の問題やデータのない課題に直面してもパニックにならず、冷静に仮説を立てて突破口を見出せるようになるはずです。
日頃から「あの看板広告は1日に何人見ているだろうか」「この飲食店の月間利益はどれくらいか」と推測する癖をつけることが、論理的思考力を鍛える最良のトレーニングになります。ぜひフェルミ推定をマスターし、あらゆる場面で説得力のあるアウトプットができる優秀なビジネスパーソンを目指してください。