P3 リスク管理へようこそ：発生確率（Likelihood）を理解する
こんにちは！CIMA P3学習の旅の中でも、最も実践的なセクションへようこそ。企業リスク管理（ERM）の世界では、私たちはよく「リスク」を影響度（Impact：どれほどの被害が出るか）と発生確率（Likelihood：どれくらいの頻度で起こるか）の組み合わせとして捉えます。今日は、この発生確率に焦点を当てて解説していきます。
なぜこれが重要なのでしょうか？それは、企業のリソース（経営資源）には限りがあるからです。すべての災害に対して備えることはできないため、実際に心配すべきリスクを見極める必要があるのです。数学や統計が苦手でも大丈夫。誰でも理解できるよう、シンプルで日常的な例を使って紐解いていきましょう。
1. 「発生確率」とは正確には何か？
CIMAのシラバスにおいて、発生確率（Likelihood）とは、ある事象が起こる確率を指します。つまり、リスクが実際に現実のものとなる可能性のことです。これには大きく分けて、客観的確率（Objective Probability）と主観的確率（Subjective Probability）という2つの考え方があります。
客観的確率（事実に基づくもの）
これは、確実なデータや過去の証拠に基づくものです。例えば、1,000日間のデータがあり、そのうち50日間で機械が故障したとすれば、事実に基づいた確率を計算できます。
たとえ話：トランプのカードを想像してください。カードは52枚と決まっており、その「データ」は固定されているため、エースを引く確率を正確に算出できますよね。
主観的確率（直感・経験に基づくもの）
時には、過去のデータが存在しない場合もあります。例えば、革命的な技術を持った全く新しい競合他社が市場に参入してくる確率はどれくらいでしょうか？前例がないため、専門家が経験や判断力を駆使して確率を「推測」するしかありません。
たとえ話：タレントショーで誰が優勝するかを予想するようなものです。数式はありませんが、これまでの様子から自分の意見や判断を下しますよね。
ワンポイント：P3の学習では、客観的確率が「より優れている」とされる一方で、変化の激しい現代の戦略的リスクにおいては、主観的確率が唯一の選択肢となることも多いという点を押さえておきましょう！
2. 発生確率の測定：頻度とデータ
発生確率を理解するためには、物事がどの程度の頻度で起こるかを調べる必要があります。カリキュラムにおいて重要なのは、以下の2つの概念です。
過去の分析（Historical Analysis）
過去を振り返って未来を予測する方法です。例えば、過去3年間でサプライヤーの納期遅延が10％の頻度で発生していれば、来月も同じく10％の確率で遅延が発生すると仮定します。
期待値 \( (EV) \)
\( EV \) は主に影響度の測定に使われますが、そこには発生確率が大きく関わっています。計算式は以下の通りです：
\( EV = \sum (Probability \times Outcome) \)
これは、発生確率に基づいて各リスクを重み付けするのに役立ちます。\(\sum\)という記号に怖がる必要はありません。これは単に「合計（sum）」を意味するだけです。
豆知識：企業はリスクを可視化するために「リスクヒートマップ」をよく使います。一般的に、片方の軸に発生確率（低～高）、もう片方の軸に影響度をとります。両方とも高いエリアが「レッドゾーン（最優先対応領域）」ですね！
3. 確率分布
CIMAのカリキュラムでは、リスクは一点だけで起こるのではなく、あるパターンに従うことを理解しておく必要があります。このパターンを分布（Distributions）と呼びます。
正規分布（ベルカーブ）
ほとんどの「自然な」リスクはこの分布に従います。平均値付近で結果が多く発生し、極端な結果（非常に高い、または非常に低い）は稀です。
例：配送トラックが到着するまでの時間。通常は30分ですが、たまに20分や40分になります。5分で着いたり2時間もかかったりすることは滅多にありません。
ポアソン分布
これは、特定の時間枠の中で事象が何回発生するかをモデル化する際に使われます。
例：午前9時から10時の間に、ヘルプデスクに何人の顧客から電話がかかってくるか？
難しく感じるかもしれませんが、大丈夫です！通常、複雑な微積分を行う必要はありません。発生確率とは単なる推測ではなく、可能性の「範囲」であるということを認識しておけば十分です。
4. 発生確率を評価する際の落とし穴
人間は確率を判断するのが苦手だということがよく知られています。CIMAで問われる可能性のある典型的な間違いを確認しましょう：
- 過信バイアス（Overconfidence Bias）：経営者は「悪いこと」の発生確率を過小評価し、「良いこと」の発生確率を過大評価しがちです。
- 利用可能性バイアス（Availability Bias）：最近起きたばかりという理由だけで、その事象が発生しやすいと思い込んでしまうこと。（例：昨日のニュースで火災を見たからといって、実際の火災リスクが変わっていないのに怖がってしまうなど）。
- 「基準率（Base Rate）」の無視：特定の詳細に集中するあまり、その事象が本来持っている一般的な発生確率を無視してしまうこと。
暗記のコツ：「OBA」ルールで覚えましょう！Overconfidence（過信）、Base rate neglect（基準率無視）、Availability bias（利用可能性バイアス）の頭文字です！
5. ステップ・バイ・ステップ：ビジネスでの発生確率の評価方法
あなたが今、リスクマネージャーだとしたら、どのように発生確率を扱うべきでしょうか？
- リスクの特定：（例：「ブラックフライデーのセール中にウェブサイトがダウンする可能性がある」）
- データの収集：過去5年間の高トラフィック時に何回サイトがダウンしたかを確認する。
- 専門家への相談：ITチームに、新しいサーバーによって以前よりダウンしにくくなったかどうかを確認する（主観的なインプット）。
- スコアの割り当て：通常1〜5で評価する（1＝極めて稀、5＝ほぼ確実）。
- リスクレジスターへの記録：後でレビューできるように、なぜそのスコアを選んだのかという理由を文書化する。
クイックレビュー・ボックス
重要ポイント：
- 発生確率（Likelihood）とは、リスクが起こる可能性のこと。
- 客観的確率は過去のデータを使用し、主観的確率は専門家の判断を使用する。
- 確率分布（正規分布など）により、可能性の範囲を視覚化できる。
- バイアス（過信など）により、評価が不正確になることがある。
セクションのまとめ
リスクの発生確率を評価することは、企業リスク管理の基礎です。事象の可能性を理解していなければ、企業は「まず起こらないこと」にお金を使いすぎたり、逆に「今にも爆発しそうな時限爆弾」を無視したりしてしまいます。データ（客観）と経験（主観）を組み合わせることで、マネージャーはどこに時間とお金を使うべきか、より賢明な判断を下すことができます。
あなたならきっと大丈夫です！発生確率を理解するコツは「これはどれくらいの頻度で起こるのか？そしてなぜそう判断できるのか？」と問い続けることです。その疑問を持ち続ければ、試験も素晴らしい結果を残せるはずです！