新規事業のホワイトスペースを公的データで探す方法｜候補抽出の5ステップ

本記事は、公的データを用いて新規事業の候補領域を絞り込みたい事業企画担当者に向けて、実務で再現できる調査手順を解説します。

新規事業を検討する際は、需要が伸びる一方で供給が手薄に見える領域を見つけ、どこから顧客調査を始めるかを決めます。

この記事で扱うホワイトスペースとは、需要を示す指標に対して、供給を示す指標が相対的に少なく見える領域のことです。これはあくまで、次に行動するための追加調査候補を指します。

公的データで候補を絞った後は、顧客の支払意思、参入障壁、競合の実際の製品を現場調査で確かめます。この記事では、その前段となる需要と供給のずれを可視化する手順を紹介します。

読者はここで説明する5つのステップに沿って分析単位や指標を揃えることで、説得力のある候補表を作成できます。その結果、現場ヒアリングや一次情報収集といった次に行うべき追加調査を的確に選べるようになります。

ホワイトスペースは事業機会ではなく追加調査候補

新規事業の企画担当者が市場調査を進める際、公的な統計データやデータベースを活用してホワイトスペースを探すアプローチは有効な手段の一つです。

本記事では、公的データを同じ地域、同じ産業分類、同じ時点へと条件を揃えて比較した際に、需要を示す指標に対して供給を示す指標が相対的に少なく見える領域を「追加調査候補」と定義します。

抽出された結果は、あくまで次にどのような仮説検証を行うべきか、どこに焦点を当てて一次情報を集めるべきかを決めるための候補リストです。

なぜ公開されたデータだけでは事業機会を確定できないのか、そこには明確な理由があります。政府や公的機関が提供する統計データは、マクロな経済動向や産業構造の把握には優れています。しかし、新規事業を立ち上げる上で不可欠なミクロの要素を捉えきれないためです。

たとえば、その領域に顧客の実際の支払意思が存在するのか、目に見えない参入障壁がどれほど高いのかといった情報は、統計表から直接読み取ることはできません。法規制や既存企業の囲い込み、競合他社が水面下で進めている非公開事業の進行度合いなども同様です。

自社が獲得できる市場の規模は、候補を絞った後に顧客への接触可能性や購買条件を調べて見積もります。

調査の入力候補として、e-Statの経済構造実態調査と経済産業省企業活動基本調査を用います。工業統計、産業連関表、個人企業経済調査なども対象です。RESASの産業構造マップや、gBizINFO、J-PlatPatといったデータベースも利用します。

これらの公的データは公開されていますが、それぞれ調査の目的が異なります。そのため、対象となる母集団や産業分類の定義、集計方法が一致していません。

したがって、需要の指標と供給の指標を比較してホワイトスペース候補を探るプロセスにおいては、安易に異なる統計の数字を直接結合してはいけません。

作業を行う際は、数値を結合する前に必ず各データの属性を記録し、保存しておくことが求められます。統計名、表番号、対象年、公開日を記録します。地域粒度、産業分類、単位も必要です。

同じ産業分類の名称であっても、調査年度や調査主体によって対象範囲が変わる可能性があるためです。分類と時点を揃えることが、候補を比較する第一歩になります。

e-Statで需要と供給の代理指標を選ぶ

新規事業のホワイトスペース候補を探る第一歩は、需要と供給の差分を推測するための代理指標を定めることです。直接的な需要そのものを測る統計は存在しないため、政府統計の総合窓口であるe-Statから、複数の指標を組み合わせて仮説を立てます。

このとき、需要の伸びを示す指標として売上や付加価値などを選びます。また、供給側の混雑度合いを示す指標として企業数や事業所数を選定します。

指標を選ぶ上で基本となるのが経済構造実態調査です。2025年経済構造実態調査の企業集計では、企業産業別の企業数、売上、費用、付加価値額などを確認できます。

また、経済構造実態調査の二次集計一覧や経済構造実態調査の一次集計を利用すれば、業種別の市場規模とプレイヤー数のバランスを比較する基礎データを得られます。これらは産業分類や資本金階級、売上階級といった切り口で確認できます。

同様に、経済産業省企業活動基本調査データベースでも企業数、事業所数、売上、付加価値額などを産業別に確認可能です。ただし、ここで注意すべきは母集団の違いです。

企業活動基本調査は対象企業の範囲が定められており、全法人を表す数字として扱うことはできません。売上成長率に対して企業数の伸びが追いついていない領域を探すような場合でも、必ず同じ調査の同じ対象年から抽出した数字を用いて計算することが鉄則です。

製造業の事業所数、従業者数、製造品出荷額、付加価値額などを扱う場合には、工業統計調査データベースや工業統計の産業別・地域別表を参照します。ここでも対象年の違いが調査結果に影響します。

経済構造実態調査との間に制度変更や対象年のズレがあるため、古い工業統計の数字と新しい調査の数字を連続系列として自動結合する処理は避けてください。

また、地域サービスなどを視野に入れる際に個人企業経済調査データベースを活用することがあります。しかし、これは個人経営を対象としているため、法人中心の企業統計と単純合算してはいけません。

さらに、産業間のつながりから需要の代理指標を補う方法としてe-Stat産業連関表データベースが役立ちます。

ある特定業種の売上が伸びていることが分かっても、その業種がどの投入財を多く消費するかは企業数のデータだけでは見えません。産業連関表を使えば、成長している産業を顧客候補とし、そこに財やサービスを提供する供給側産業との取引関係を仮説化できます。

ただし、産業連関表を組み合わせる際には分類差に配慮する必要があります。産業連関表の部門分類と、経済構造実態調査などで用いられる日本標準産業分類は一致しない場合が多々あります。

これらを機械的に一対一で対応させようとせず、対応表の作成ルール、集約方法、どうしても対応不能な項目などを調査記録として残しておくことが大切です。

また、全国表の産業間取引の割合をそのまま各地域のデータへ当てはめることも避けてください。地域ごとの産業構造の差異を無視することになるためです。データごとに異なる前提条件を整えることが、精度の高い追加調査候補を抽出する前提となります。

RESASで地域差を比べる

e-Statや産業連関表を用いて産業ごとの需要と供給の代理指標を整理した後は、対象を絞り込むために地域ごとの違いを検証していきます。特定の領域におけるホワイトスペースの候補を探す段階では、RESAS（地域経済分析システム）を利用できます。

RESASの産業構造マップでは、企業数、従業者数、売上高を地域や業種別に可視化できます。付加価値額、事業所数、労働生産性などの指標も対象です。

2026年のRESAS新システムの産業構造マップに関する資料では、指標の表示や事業所立地データの取り扱いが説明されています。また、RESASセミナー資料も参照することで、システムの活用方法を把握できます。

これらの機能を使って、需要を示す指標に対し、供給側である事業所や企業が相対的に手薄になっている地域を追加調査の対象として抽出します。

地域別の候補を絞り込む際には、単一の地域だけを眺めるのではなく、同じ指標を用いて複数の地域比較を行うことが基本となります。

隣接する地域や全国水準と比べることで、その地域に特有の傾向なのか、より広範なトレンドの一部なのかを区別しやすくなります。

このとき最も注意すべき点は、画面に表示される地図の色だけで結論を出さないことです。色分けの閾値や濃淡の表現は、相対的な違いを際立たせるための視覚的な補助にすぎません。

地図上で特定の産業の供給が少ないように見えるからといって、そこが自社にとって有望な市場機会であると即座に断定してはいけません。必ず実際の数値の規模や分母となる絶対値を確認し、視覚によるバイアスを排除する必要があります。

また、地域人口が減少しているという事実を、あらゆる産業における需要減と単純に直結させることも避けます。高齢化の進展、昼間人口、観光流入によって需要構造は変わります。事業所集積や域外への販売比率も影響します。

さらに、RESAS上で複数の指標を比較したり、e-Statから取得した独自の集計データと組み合わせたりする際には、地域粒度と対象年を厳密に確認する作業が欠かせません。

都道府県レベルでの傾向が、特定の市区町村レベルにそのまま当てはまるとは限らないため、分析の単位が揃っているかを常に意識します。

RESASは複数の公的データを組み合わせて構築されているため、指標によって裏側にあるデータの出典や集計年が異なるケースがあります。候補となる地域を選んだ後は、画面に記載されている出典元と統計表の対象年を必ず確認します。

もし手元のデータや比較したい別の指標と同一年度に揃えられない場合は、データ間に時点差が存在することを明確に注記して記録に残します。

社会情勢や制度の変更によって比較の前提が変わっている可能性があるため、異なる年の数字を説明なしに直接結合して分析することは避けなければなりません。

地域差から抽出した候補は、現場で確かめる順番を決めるために使います。供給が手薄に見える上位地域から顧客の課題と支払意思を聞き、統計上の差が事業上の需要につながるかを検証します。

gBizINFOとJ-PlatPatで法人・技術を確認する

e-StatやRESASを用いたマクロな統計データ分析で追加調査の候補領域を抽出した後は、その市場を構成する具体的な法人や技術活動の存在を確認します。ここで活用するのがgBizINFOとJ-PlatPatです。

検索件数が少ない領域では、法人の事業内容と特許の請求項を確認し、統計に表れない競合や参入障壁を探します。

まず、gBizINFOは、法人の基本情報や政府との関係情報を確認する入り口になります。このデータベースは、法人名、所在地、法人番号を用いて情報を正規化します。同名企業の区別や社名変更の追跡を行うための法人同定に向いています。

ただし、登録法人の主業だけでは各社が進める新規事業、製品ラインナップ、実際の営業地域までを捉えきれません。そのため、特定の事業領域に合致する法人の件数が少ない結果が出たとしても、それを競合不在と解釈してはいけません。

公開されている法人情報と実際の事業活動の範囲には必ず乖離が存在するからです。

次に、技術的な動向や知的財産の取得状況を確認するためにJ-PlatPatを利用します。ここでは特許・実用新案、意匠、商標に関する公報を検索できます。

J-PlatPatのトップページに配置されている簡易検索機能は手軽である一方で、検索対象の項目や範囲が限定的であるという限界を持ちます。詳細な検索には、簡易検索ではなく法域別検索を使うようJ-PlatPatで案内されています。

特許を検索する際は、単なるキーワードのヒット件数だけで技術競争の強さを決定してはいけません。同義語の考慮はもちろんのこと、IPCを用いた検索を組み合わせます。

さらに、出願人表記の揺れ、パテントファミリー、そして権利が現在も有効かどうかという法的状態までを確認する必要があります。

また、2022年4月発行分以降の一部外国文献の和文抄録には機械翻訳のデータが含まれるとの案内もあります。必要に応じて原文を確認する手順も忘れてはいけません。

さらに留意すべきは、特許件数の多寡がそのまま市場の参入難易度や機会を表すわけではないという点です。特許件数が少ない領域でも、営業秘密やノウハウとして秘匿されているケースがあります。法規制、設備投資そのものが参入障壁になり得ることもあります。

逆に特許件数が多い領域であっても、すでに権利が失効しているものが大半であったり、自社が想定する用途と他社の請求項が全く重なっていなかったりすることもあります。

特許データはあくまで特定の企業が過去に行った技術活動の痕跡を示す補助指標であり、市場需要の直接指標ではありません。

gBizINFOによる法人情報も、J-PlatPatによる特許情報も、統計データから導き出した仮説を検証するための手がかりとして扱います。これらは次にどのような一次情報を取りにいくべきかを決めるために重要です。

AI（ChatGPT）で候補の矛盾と反証条件を洗い出す

公的統計と地域差を確認した後は、法人と特許の情報も確認します。その後、集めたデータを統合し、矛盾や反証条件を洗い出します。

ここでの分析前の仮説は、売上または付加価値が伸びる一方で企業数や事業所数が伸びない産業や地域は、顧客確認を優先する候補になり得るというものです。新規事業担当者はこの仮説を検証し、どのホワイトスペース候補を顧客インタビューへ進め、どれを追加調査または見送りにするかを決めます。

分析には、候補データのCSVファイルが必要です。統計名、表番号、対象年、地域粒度を保持します。産業分類、指標定義、分母、単位も必要です。欠測状態と原文URLも保持します。公開情報だけを使い、顧客名、個人情報、社内の売上データなどは含めません。

業務で利用する場合、ChatGPT Business、Enterprise、EduおよびAPIの入力・出力は既定でモデル訓練に使われません。それでも、利用前に組織のデータ取扱規程と利用権限を別途確認してください。

手作業では抽出条件を変えるたびに再計算と比較が必要ですが、ChatGPTのデータ分析機能へCSVファイルをアップロードすれば、同じデータに複数条件を適用して検査できます。以下の依頼文を入力して処理を実行します。

添付CSVは公的データから作ったホワイトスペース候補表です。最初に列名、型、行数、欠測、重複、統計名、表番号、対象年、地域粒度、産業分類、単位の不一致を検査してください。秘匿、非公表、対象外、該当なしをゼロへ置換しないでください。その後、現在の抽出条件と、閾値を上下させた複数条件で候補順位を再計算してください。各候補について、仮説を支持する証拠、反する証拠、未確認項目、順位が変わる条件、次に確認する一次資料を示してください。計算に使ったPythonコードと、元行を追える識別列を残したwhitespace-review.csvを出力してください。

この操作では、実行したPythonコードと検査結果を出力させます。閾値別の順位、支持する証拠と反証、未確認項目を含むCSVファイルも出力させます。

ChatGPTではアップロードしたファイルを対話型の表で確認し、生成した表をCSV形式でダウンロードできます。

もし、閾値を少し変えると順位が消えてしまう、母集団や分類を揃えられない場合は、その候補仮説を退けます。あるいは需要の減少や規制や設備制約による供給不足として説明できる場合も同様です。

AIは複数資料の統合や候補作成、矛盾の抽出に向いていますが、AIが誤った事実や出典を示す可能性もあるため、事実の確定と事業判断は人が行います。

出力された引用リンクや原文URLは、原典を人が確認するために使用します。人が元の統計表と出力行を照合し、分類と対象年を揃えられ、複数パターンの閾値でも残る候補だけを抽出し、次節の顧客確認へと進めます。

候補表から顧客確認へ進む5ステップ

公的データを集めて新規事業の追加調査候補を絞り込む作業は、複数の異なる統計を統合する複雑なプロセスとなります。公開情報から市場の空白候補を可視化し、次のアクションへ繋げるための実務手順を5つのステップで解説します。

第一のステップは、分析単位の固定です。異なる母集団や調査背景を持つ公的データを比較可能にするため、分析のキーとなる単位を「産業分類×地域×対象年」として固定します。

その上で、需要側を示す候補指標として売上、付加価値、投入額などを選びます。また、供給側を示す候補指標として企業数、事業所数、従業者数などを選定します。

異なる調査を統合する際は、後から数字の出所や意味を検証できるようにします。統計名、表番号、指標の定義を別列へ保存します。分母と単位も必ず保存しておきます。

第二のステップは、欠測値の適切な処理です。公的データには、回答数が少なく個人の特定に繋がる恐れがある場合の「秘匿」や、「非公表」「対象外」「該当なし」といった値が存在します。

これらの欠測をデータ処理の便宜上ゼロへ置換してしまうと、そこに需要や供給が全く存在しないという誤った解釈を生みます。そして、有望な追加調査候補を見落とす原因になります。欠測はゼロではなく、非公表や秘匿といった元の状態を示す値としてそのまま保持します。

第三のステップは、抽出式の保存と感度分析の実行です。需要に対して供給が相対的に少なく見える領域を探すため、抽出条件を設定します。たとえば、売上成長率が一定の基準を超えている一方で、企業数の伸びが低い組み合わせを抽出します。

しかし、ここで得られた結果は市場の空白を確定するものではなく、追加調査の優先順位を示したものにすぎません。抽出のための閾値を変えたときに候補リストがどのように変動するかを確認する感度分析を行い、その抽出式とともに記録として残します。

第四のステップは、AIを活用する際の入出力の管理です。データの整理をAIへ処理させる場合、入力には数値だけでなく、どの統計のどの部分を参照したかが分かるようにします。具体的には、表番号、列定義、対象年、元データへのURLを含むデータを用います。

また、AIには候補表とそのデータを用いた採用理由を出力するよう指示します。除外理由と処理過程で見つかった欠測一覧も出力対象です。これにより、算出根拠を失うことなく作業を効率化できます。

第五のステップは、人による確認から顧客の検証へ進むことです。抽出された上位候補について、統計上の差が実際の顧客課題と重なるかを調べます。

ここから先は人が主導し、統計の一次表に立ち返って不自然な点がないかを確認します。さらに、データには表れない現場へのヒアリング、実在する競合製品の有無、業界特有の法規制、そして最終的な顧客の支払意思を調査します。

データが示す統計上の空白と、実務上の需要が一致しているかを検証することで、次に進むべき事業調査を選択できます。

よくある質問

公的データだけで空白市場を確定できますか

公的データから見つかるホワイトスペースは追加調査のための候補にすぎません。これだけで事業機会が存在する空白市場とは断定できません。

公開データのみでは、実際の顧客の支払意思、市場への参入障壁、競合企業の非公開事業の実態などを把握できないためです。

需要と供給の指標に見られるずれを元に仮説を立て、そこから顧客へのヒアリングなど一次情報へあたるプロセスが必要です。

異なる統計データの対象年や更新日はどう扱えばよいですか

公的データは調査の実施時期や集計期間がそれぞれ異なります。複数の指標を組み合わせる際は、自動でデータを結合する前に統計名と表番号を記録してください。対象年と公開日も必ず記録します。

同じ統計調査であっても制度変更により過去データとの連続性がない場合があります。地域差などを比較する際も、同一年度に揃えられない場合は時点差があることを注記し、前提条件を明確にした上で分析します。

特許検索で件数が少ない領域は競合不在と判断できますか

J-PlatPatでの検索結果が少ないからといって、競合が不在であるとは限りません。特許化になじまないビジネスモデルであったり、技術が営業秘密やノウハウとして保護されていたりする場合があります。

また、法規制や初期の設備投資が大きな参入障壁として機能している可能性もあります。特許データは技術的な補助指標として扱い、IPCや権利の有効性なども合わせて確認します。

候補表を作成した後の次の調査は何をすればよいですか

候補表を完成させた後は、統計データ上の空白が実社会での需要と一致しているかを確かめるための調査へ進みます。

売上成長率が高いにもかかわらず企業数が増加していない理由は何か、既存の製品は顧客のどのような課題を満たせていないかといった問いを立てます。

絞り込んだ上位候補について、現場での顧客インタビューを通じた支払意思の確認や、実際の競合動向に関する一次情報を収集します。