決定木 演習問題【Go/No-Go判断・2段階意思決定】
監修・編集
Master
CaseMaster Pro メディア編集部
CaseMaster Pro は、MBB出身者が開発・監修するケース面接対策プラットフォームです。
本メディアはそのコンテンツ部門として、ケース面接・フェルミ推定・フレームワーク・コンサルキャリアに関する実践的な情報を発信しています。
CASEMASTER PRO — AIケース面接プラットフォーム
練習するたびに、実力と自信が積み上がる。
AIが面接官を務め、6軸評価でスコアをリアルタイム可視化。成長の手応えを感じながら、コンサル選考突破を目指せます。
決定木（デシジョンツリー）は不確実性のある意思決定を「分岐＋確率＋期待値」で構造化するフレームワークです。ケース面接では「新規事業のGo/No-Go判断」「投資判断」を問われる場面で頻出します。本記事では2つの演習問題で決定木の使い方を解説します。
TL;DR（3行まとめ）
- 決定木は「決定ノード（四角）」「機会ノード（円）」を組み合わせて意思決定を構造化
- 各シナリオの確率×インパクトを掛け合わせて期待値を算出
- 選択肢比較の根拠が定量で示せ、感度分析でロバストネスを検証できる
決定木の基本構造
| 記号 | 意味 |
|---|---|
| 決定ノード（□） | 意思決定者の選択肢分岐 |
| 機会ノード（○） | 確率的に分岐する結果 |
| 終端ノード（△） | 最終的な利得/損失 |
期待値（EV）＝Σ（確率×利得）で各選択肢を比較。最大EVの選択肢を選ぶのが基本です。
演習1：新製品投入のGo/No-Go判断
期待値計算：
- 投資する：0.6×80＋0.4×(-15)＝48-6＝+42億円（初期投資差し引き後22億円）
- 投資しない：0円
期待値ベースでは投資推奨。ただし「最悪シナリオ-35億円」の許容可能性も確認が必要です。
演習2：2段階意思決定（試作→本格量産）
2段階の期待値：
- 試作好反応→量産：0.8×100＋0.2×(-20)＝76億円
- 量産投資30億円控除：+46億円
- 試作好反応の確率0.7×46＝32.2億円
- 試作費用5億円控除：+27.2億円
2段階構造により、悪反応時の損失を試作費5億円に限定できる「リアル・オプション」効果が示されます。
Key Takeaways
- 決定木は期待値ベースで選択肢を比較する定量フレーム
- 2段階以上の意思決定では「リアル・オプション」効果が見える
- 感度分析で確率変動への耐性を検証する
- 期待値だけでなく「最悪シナリオの許容性」も同時評価
- 面接では「数式で説明できる構造化能力」と「定性論点の補足」の両立が評価される
よくある質問
確率はどう設定すればよいですか？
過去事例・業界統計・専門家見解から推定します。面接では「業界一般値で60%」のように仮定の根拠を明示すれば十分です。
決定木の限界は？
①確率設定の主観性、②複数結果の連鎖が複雑、③感情・戦略要素が反映されにくい、の3点です。期待値だけで判断せず、定性要素も併記が重要です。
ケース面接でどう活用しますか？
「Go/No-Go判断」「投資判断」「ピボット判断」等で活用。「期待値ベースで〇〇推奨、ただし最悪シナリオの許容性も検証必要」のように定量＋定性で結論を述べると評価が伸びます。
学んだら、次は練習です
AI面接官と本番レベルの
練習を始めましょう
CaseMaster Proなら、いつでも・何度でも・詳細なフィードバック付きで ケース面接を練習できます。
無料アカウントを作成する登録30秒 · クレジットカード不要
他のガイドを読む