データモデリング通り #5オンライン勉強会： AIに『ビジネスの文脈』を教え込むデータモデリング

講師：株式会社データミネーションパートナーズ 代表取締役　半田 裕明さん

（はんだ・ひろあき）製造業大手の情報システム部門にて、10年以上IoT基盤のデータ活用に携わる。「しっかり活用してもらえる基盤を作るには」を論文として形式知化、第54回 日本IBMユーザー論文 金賞を受賞。SI大手にて、得た経験値を活かし、データマネジメントコンサルタントとして、案件獲得から顧客デリバリー迄一気通貫で実施。大手広告代理業テック企業にて、グループ会社横断データマネジメント組織を立ち上げ、社長賞を受賞。2026年3月より独立、法人向けのデータマネジメントコンサルティング事業含め、個人向けのキャリア創成支援「エンジニア研鑽塾」を立ち上げ。

Transcript

1. AIに『ビジネスの文脈』を教え込むデータモデリング 株式会社データミネーションパートナーズ 代表取締役 半田 裕明 2026年5月13日 　 主催 データモデリング通り オンライン勉強会#5
3. 本日のアジェンダ １．自己紹介 ２．イントロ：AI時代のデータモデリングは守りから攻めへ ３．デモ1：AIを活用しデータモデル下書きを生成 - 下書きはAIに：Excelテーブル定義書からMode-aiが瞬時にモデルを生成 ４．デモ2：データモデルに正解文脈を注入、資産化 - 魂を入れるのは人間：区分値や組織固有のビジネスルールを定義・修正 - 資産への接続：MCP経由でClaude Codeに共有 ５．これからのデータモデラーはどうすべきか？ Appendix：宣伝 P.4～6 P.7～15 P.16～18 P.19～20 P.21～22
4. 『データ活用一筋19年、現場データ活用実戦家』 IoT×バリューチェーン ＠製造業 MDM×データ基盤構築 ＠様々な業種 生活者データ×様々な業務 ＠広告代理業 会社名 株式会社データミネーションパートナーズ 設立 2025年2月6日 代表取締役 １．自己紹介 1/3
5. 事業概要 １．自己紹介 2/3 法人&個人向け データモデリングツール開発 個人向け データ利活用キャリア創成支援サービス 法人向け データ利活用コンサルティングサービス 19年磨き続けた専門性を 活かし、 DX/AI文脈におけるデー タ活用戦略策定～実行 の伴走型ご支援 Youtube他教育コンテンツ配信 研修、ナレッジプラットフォーム提供 ヒトにも、AIにも伝わるデータモデルをワンタッ チ制作、圧倒的生産性向上を実現 当社独自の強み 顧客導線づくり 人財登用 AI-Readyデータ言語 AIR-DML™を開発 npmで1,916DL/weekを達 成 ※準備中 データ利活用に携わるあらゆる個人と組織に、変革を推進する突破口を。
6. Draw.io[論理モデル] ※記法で悩み。わかりや すさ重視のお絵描きレベ ルだったため ⇒DAMA-Jのデータモデ リング分科会で相談迷い 晴れる Whyデータモデリングツール開発？ １．自己紹介 3/3 “Only One”の価値を、世のため人のため提供できると確信したから WB手書き / Excel astah*professional ERwin / Draw.io A5:SQL Mk-2 marmaid 1社目～2社目 ～2022年 さまざまなデータモデリング ツールを活用 3社目 2023年 自分の理解用に描いていた データモデル図が喜ばれる DBML[物理モデル] ※AIも人間も理解できる データモデル図を目指 し、13種のツールを調査 の上、選定 3社目 2024年 生成AIが流行りだす 自社でエディタ開発 AIR-DML(言語) ＋データモデリングツー ル開発[概念+物理モデ ル] ※AIも人間も理解できる データモデル図 自社 2025年 自社で言語＋データモデリ ングツール開発 ・誰もメンテできないER図(記法) ・無償ツールしか使えない ・リッチな機能を使いこなせない ・物理実装時に結局DDL書く ・有識者不在のデータセット散在 ・テーブル定義書からの転記がしん どい ・データモデラー育成で難航 ・AIに読ませても回答精度出ない ・かゆいところに手が届かないエ ディタ ・論理物理の二重メンテ忌避し たかったが、物理の可読性が低 く、結局Draw.io手放せない 現場の 困りごと 自身が経験 してきた、現 場の 困りごと 解決を目指 し開発！
7. そもそもデータモデリングとは AI文脈におけるポイントは2点 ２．イントロ：AI時代のデータモデリングは守りから攻めへ 1/9 出典：データマネジメント知識体系ガイド 第二版 P.63, P.153, P.466 ①業務要件をデータ要件として 記述する ②成果物は、メタデータの一つとなる （メタデータと密接な関りがある） 　　　　　　　　↑ AIに業務要件を教え込めるメタデータは、モ デリングメタデータしかない！！
8. 背景　～なぜデータモデリングが求められるの？～ AIの台頭により、放っておくと、 不確かな文脈でデータを処理し、結果ごみを量産してしまうため ２．イントロ：AI時代のデータモデリングは守りから攻めへ 2/9
9. 背景　～データモデラーに期待される役割～ AIが誤った文脈 で動き出すのを 防ぐだけでなく、 AIに正しい文脈 を供給することで、 爆速開発･分析を実現させる ２．イントロ：AI時代のデータモデリングは守りから攻めへ 3/9 守り 攻め から へ
10. 正しい文脈とは AIは一般用語と、 企業特有「方言」 の違いがわからない →データモデラーが、正しい文脈を作らなければならない ２．イントロ：AI時代のデータモデリングは守りから攻めへ 4/9 他にも 　・異音同義語の闇 　・区分値の魔界 　・単位/レート不一致 等
11. 爆速開発･分析を実現させるには 脱・口伝が必須 ２．イントロ：AI時代のデータモデリングは守りから攻めへ 5/9
12. 事例：食品原料メーカー販売条件DXプロジェクト 「正しい文脈」を共有することで、超高速開発できる ２．イントロ：AI時代のデータモデリングは守りから攻めへ 6/9 データソース データ基盤 Webアプリ 10,000以上 2 160 24 20 ユーザー DB API UI Raw層　 DWH層　MART層 凡例(数字) DB:テーブル数 API:ｴﾝﾄﾞﾎﾟｲﾝﾄ数 UI:画面数 40 20 10 プロトタイプ API UI 本開発(1カ月で構築) 26 20 顧客打合せ/現場ヒアリング議事録 顧客事業・業務ナレッジ・用語解説 正しい文脈 注入 営業 SAP GUIよりDL データディクショナリ ソースコード 帳票データ WebUIよりDL 営業現場有識者 レビュー/週 データモデル
13. データモデリングが必要なシーン 大まかに2つ ２．イントロ：AI時代のデータモデリングは守りから攻めへ 7/9 ①単一システム開発の業務/システム要件定義段階 ②全社データ活用基盤の構築要件定義段階
14. データモデラーの業務プロセスはどう変わる データモデル（ER図）下書きや、システム寄り作業のみAIに託す ２．イントロ：AI時代のデータモデリングは守りから攻めへ 8/9 A.業務有識者 ヒアリング C.ビジネスルール と意味定義 D.業務ロジック 仮説検証 E.実装 B.現状設計書の 読解と概念化 チーム内へ展開 AIが活躍する領域 高度な人間の判断が必要な領域
15. データモデラーの業務プロセスはどう変わる 本日のデモ対象 ２．イントロ：AI時代のデータモデリングは守りから攻めへ 9/9 A.業務有識者 ヒアリング C.ビジネスルール と意味定義 D.業務ロジック 仮説検証 E.実装 B.現状設計書の 読解と概念化 チーム内へ展開 AIが活躍する領域 高度な人間の判断が必要な領域 デモ1. デモ2.
16. デモシナリオ 課題 　・現状設計書の読解と概念化 課題背景 　・あなたは本日着任したばかりの、 Z社データモデラーです。 　・製造業X社データ基盤構築PJの協力会社Y社契約終了を受け、Z社が運用保守を巻き取ることとな りました。 　・X社の急な経営判断であったため、Y社からの引き継ぎはありません。 　・X社のプロジェクトマネージャーより 　　「前任のベンダーがデータ基盤を作っていたが、予算削減のあおりをうけて契約終了する 　　　判断となった。ついては弊社のプライムベンダーである貴社にて引き取って、 　　　運用保守及び今後の拡張を担ってもらいたい。基盤内はブラックボックスであるため。」 あなたは、データ基盤の現状把握から着手することとしました。 ３．デモ1：AIを活用しデータモデル下書きを生成 1/3 X社データ基盤構築PJ Y社 ※契約終了 X社 データモデラー
17. デモシナリオ 課題 　・現状設計書の読解と概念化 デモ内容 　・構造の可視化と透明化 - 前任ベンダーの設計をデータモデリングで解明します。 - ブラックボックス化したデータ構造をカタログ化し、技術負債を資産へと変換します。 ３．デモ1：AIを活用しデータモデル下書きを生成 2/3 テーブル定義書 ・国内のIT現場ならば、必ずと言って良いほど先人たちが残してくださっている。 ・システムを構築した当初に、ビジネス側と協議しつつ確定させた情報の賜物。 ・内容をリスペクトし、そのものを下書きとしてモデル化する。 ※実際の現場には、業務要件定義書等のドキュメントもありますが、本デモでは テーブル定義書にフォーカスします。
18. コーポレート デモデータ全体像 ３．デモ1：AIを活用しデータモデル下書きを生成 3/3 出荷管理 在庫管理 製造管理 製品管理 会計管理 組織・人事 管理 資産・保守 管理 販売管理 バリューチェーン 資産化 　・構造の可視化と透明化 　　　　☑　前任ベンダーの設計をデータモデリングで解明します。 　　　　　⇒『テーブル定義書』をリスペクトしたうえで、AIで忠実に再現したデータモデル下書きを作る。 　　　　　　テーブル定義書は、フォーマットがバラバラ⇒どのカラムに何の意味(セマンティック)が 　　　　　　あるか？は、人間が構造化補助を指示する必要がある。 　　　　☑　ブラックボックス化したデータ構造をカタログ化し、技術負債を資産へと変換します。
19. デモシナリオ 課題 　・ビジネスルールと意味定義 デモ内容 　・実際にやる作業 - 前任ベンダーが確定させた内容自体は『正解文脈』とします。 - 一方、システムを使っていく中で、「定義したけれど実態として使われていない」 テーブルや、項目が生じます。 - 実データと照らし合わせ、業務側にヒアリングし、「今も使われている箇所」を絞ります。 　例）Null率100%のカラム、メンテナンスされていないマスター、最終更新日が1年前、等々 - 使われている／使われていない、はデータモデラーが判断する。 　・AIへの『正解文脈』を注入するとは - （地道ですが）上記結果として『生きたデータモデル＝正解文脈』を構築できます。 ４．デモ2：データモデルに正解文脈を注入、資産化 1/2
20. デモシナリオ 課題 　・ビジネスルールと意味定義 デモ内容 　・AIが動き出す 　　データモデラーが作成した正解文脈に対し、開発者にも共有が可能 ４．デモ2：データモデルに正解文脈を注入、資産化 2/2 Mode-ai Mode-ai MCP Claude Code Webブラウザ データモデラー Claude Code 開発者 ※認可制御有
21. ５．これからのデータモデラーはどうすべきか？ ・2年前までは、AIの出力はハルシネーションが多く信頼できなかった 　↓ ・AIは、これまでのExcel転写・転記作業を担ってくれるし、最新ファイルがどこにいったか？ 　というトラブルを防ぐ、正解文脈として管理していかなければならない時代になってきた 　↓
22. ５．これからのデータモデラーはどうすべきか？ データモデラーは「AIの教育者」へ お問い合わせ先 Email ：hiroaki.handa@data-mination.com HP ：https://data-mination.com/ Product：https://mode-ai.io/ ・データモデラーによるデータモデリングの重要性はAI時代に入って益々高まっている ・AIが即座にシステムを構築できてしまうため、『正しい文脈』を参照しない≒『誤った文脈』のまま開発 に着手してしまうことが最大のリスク ・そのリスク低減のためには、『正しい文脈』をいかに早く提供できるかが肝要 ・データモデラーは『正しい文脈』を作る、高度な人間判断に注力するため、Excel転記作業や使い捨て 図面を排し、成果物を次工程にそのまま届けられることが理想 ・Mode-aiは、データモデリング業務と開発業務をシームレスにつなぐためのツール
23. 【宣伝】データ界隈LT祭 illustration @ohba sawa