メタデータ通り#1Meetup _資料

作成：
2025年9月11日
株式会社 Quollio Technologies
執行役員　板谷　健司

Transcript

1. © 2025 Data-Yokocho, All rights reserved. 第2回 「メタデータ通り」 リアル開催 2025年9月11日 株式会社 Quollio Technologies 執行役員 板谷 健司
2. 2 © 2025 Data-Yokocho, All rights reserved. Agenda 1.オープニング（世話人ご紹介・本日のテーマ説明） 18:30 2. グループ討議 18:45 3. グループ発表・質疑応答 19:30 4. 次回テーマの擦り合わせ（討議） 19:45 終了予定 20:00
3. 3 © 2025 Data-Yokocho, All rights reserved. 1.オープニング（世話人ご紹介）
4. © 2025 Data-Yokocho, All rights reserved. 4 世話人のご紹介 本グループは、以下のメンバーが事務局として運営いたします。ご参加の皆さまは各企業に所属されていますが、本グルー プではその立場を一旦離れ、一個人として「本質的なデータ活用」を追求する場としてご参加いただければと思います。 世話人 板谷 健司 時代の流れが速い中、 知識・技術・経験はすぐに廃れる。 センスとデータ（メタデータ）を磨くこと こそが、サスティナブルな成長をもたらす と信じて疑わない頑固者。 世話人 中村 一星 面白い話がありますよとデータ横丁に 誘われたら、あれよあれよと言う間に、 司会をやることになりました。 メタデータ何ソレ状態のため、司会や りながら私も勉強します（笑）。 本日のモデレーター 安藤 健一 DX推進部門で頑張っていますがデータ活用 に至らないのが悩みで参加しました データ横丁での議論を通じて、課題を具体 化していけたらと考えています。 【 単なる机上論や技術至上主義、海外事例の模倣にとどまらない、本質志向の議論を目指します 】
5. © 2025 Data-Yokocho, All rights reserved. 5 本コミュニティが果たすべき役割 AIやデータ活用を行う企業が、メタデータの重要性とその役割・効果を理解し、持続的にビジネス効果を創出する一助とな る指針を導き出す。また、メタデータの収集・管理・運用の難しさを理解し、対応策を提言する。 1. メタデータの重要性・役割・効果をビジネス観点でまとめ、理解促進を図る。 2. AI活用とメタデータの関係性をまとめ、AI活用の成功パターンのイメージアップを図る。 3. 実務面での勘所や難所を明らかにし、具体的な管理手法や手触り感を得る。 4. 組織や体制面のポイントを明らかにし、全社横断で推進する必要性やポイントを洗い出す。 5. データ活用に関する既存概念を一新する。 データを 使える（使っても良い）状態にする 使える（使っても良い）データを ビジネスで使いこなせる状態にする ＋ 【To Be】 これからのデータ活用 データを 使える（使っても良い）状態にする 【As Is】 これまでのデータ活用 • 使いこなすのは、人に依存（データサイエンティスト、市民 データサイエンティスト、ビジネス部門ユーザー） • AIはビジネス上の使い方までは分からないため、十分に使い こなせず、効果創出ができていない できてデータのサイロ化を 解消するに留まる 現 新
6. 6 © 2025 Data-Yokocho, All rights reserved. 1. オープニング（本日のテーマ説明）
7. © 2025 Data-Yokocho, All rights reserved. 7 【再録】本コミュニティの運営スケジュール（予定） 原則、1ヶ月半毎にオンラインとリアルを交互に開催。 第１回 第２回 第３回 第４回 第５回 第６回 7月16日（水）18:30〜 9月11日（木）18:30〜 10月29日（水）18:30 〜 12月8日（月）18:30 〜 1月下旬（調整中） 3月中旬（調整中） オンライン リアル オンライン リアル オンライン リアル キックオフ 検討会① 検討会② 検討会③ 検討会④ 最終まとめ ＜2025年度＞ 回数 日時 ロケーション 内容 本日
8. © 2025 Data-Yokocho, All rights reserved. 8 本日のテーマ 2025年度は「4回の討議」と「まとめ1回」のコミュニティを開催いたします。以下の6カテゴリーのうち、皆様が希望さ れる4カテゴリー（本日分を除く3カテゴリー）について討議を行い、共通理解を深めて参ります。 【貯め方】 メタデータの管理項目とポイント 【進め方】 メタデータの拡充・推進手順 【使い方】 メタデータの使い手と利用シーン 【考え方】 メタデータとは何か、なぜ必要か 【続け方】 メタデータの維持・保守・運用 【見つけ方】 メタデータの所在・収集手順 本日 ❏ データ活用・AI活用において、メタデー タが必要不可欠な理由 ❏ データマネジメントにおけるメタデータ の位置付けと関係性の再整理 ❏ 誰に、どのようなメタデータが必要か ❏ メタデータのレベルと実現可能ビジネス 残１ 残2 残3 残4 残5 検討中 検討中 検討中 検討中 検討中
9. © 2025 Data-Yokocho, All rights reserved. 9 実ビジネスで成果を出すための「データ活用スキーム」の整理 各部門の事業戦略実現に向け、データを活用し効果を創出するには、まず「データを使える（使っても良い）状態」にし、 次に「ビジネスで使いこなせる状態」にすることが必要であるが、大半は道半ばであり効果が出し切れていない。 •先端テクノロジー（Agentic AI・BI）の活用 •小さな成功体験の積上げ（MVP） •分析・評価（DS等専任ユーザー → 市民ユーザー化） •業務プロセスへの組込み（判断等自動化レベルの拡大） •業務適用範囲の拡大 （単体業務 → Multi-Agentic AI等の複合業務へ） データ メタデータ データガバナンス メタデータガバナンス データ基盤 メタデータ基盤 人材 組織・体制 企業文化・風土 戦略 （事業戦略→データ活用戦略） 表層 （ビジネス目的） 深層 （前提・実現手段） 戦略的なデータ活用戦術 （全社横断 / 部門 / 業務別の打ち手） 【データ活用】 データを使用・利用するから活用（使いこなす）へ トレース PDCA POC PDCA 横断活用 相乗効果 データを 使える（使っても良い）状態にする 使える（使っても良い）データを ビジネスで使いこなせる状態にする 未整備 未整備 未整備 不十分 不十分 不十分 （ガバナンス / データアーキテクチャ） （データモデリング / データ統合 / マスターデータ管理 / データ品質管理 / ドキュメント&コンテンツ管理） (データストレージ&オペレーション /データセキュリティ / DWH&BI) ・格納・バックアップ・運用管理 ・権限管理（不正アクセス・漏洩） ・分析基盤と可視化ツール ・データ構造の定義・設計 ・概念モデル、論理モデル、物理モデル ・サイロ化したデータやシステム紐つけ ・組織全体で共通に使う基盤データ管理 ・正確性・完全性・一貫性等の確保 ・非構造データや文書情報を管理・活用 ・意思決定、責任分担、方針・利活用ルールの策定と 遵守を担保する仕組みの設計 ・組織内のデータ配置設計や活用設計
10. © 2025 Data-Yokocho, All rights reserved. 10 ビジネスメタデータとセマンティックレイヤー 最近、流行りの「セマンティックレイヤー」とは、あくまでもビジネスメタデータの一部であると解される。 「セマンティックレイヤー」は、テクニカルメタデータ、オペレーショナルメタデ タに続く最優先の基本整備事項。 セマンティックレイヤー ❏ セマンティックレイヤーとは 「データの意味づけと、一貫したデータの定義（共通解釈）をユーザーに提供する層」のこと。 ❏ あくまでもビジネスメタデータの一部であり、データを使える（使っても良い）状態にするためのマストアイテム。 メタデータ （データドリブン経営を進める上で企業の最重要資産。整備を進め維持し続けるためには企業全体での体制整備が必要。高度なノウハウが必要な領域のため先行着手した企業の優位性が高い） データ管理 / 把握 生成AIによる業務「支援」 Agentic AIやMulti-Agentic AIによる業務「補完」「代替」「自動化範囲の拡大」 データを使える（使っても良い）状態にする 使える（使っても良い）データをビジネスで使いこなせる状態にする テクニカル メタデータ オペレーショナル メタデータ ビジネスメタデータ セマンティックレイヤー （データの意味・定義を担う層） コンテキストレイヤー （データ活用においてビジネス効果を創出するために必要な層） 「ガバナンス」 コンテキストレイヤー （ビジネスでのデータの使い方を 統制する側面を担う層） 「用語の統一」「KPI定義」 「分類ルール」等の共通辞書 「メタ」 コンテキストレイヤー （データ意味・定義の背景や 周辺情報の補足を担う層） 「ビジネス」 コンテキストレイヤー （ビジネス背景・文脈・目的など データの意味を超える説明）
11. © 2025 Data-Yokocho, All rights reserved. 11 【参考】メタデータの種類とイメージ（例） メタデータの種類別に具体的な内容を書き出すことで、必要となるメタデータのイメージをアップを図理、考え方の定着 に向けた一助にする。 ビジネスメタデータ セマンティックレイヤー コンテキストレイヤー 「ビジネス」 コンテキストレイヤー 「メタ」 コンテキストレイヤー 「ガバナンス」 コンテキストレイヤー オペレーショナルメタデータ テクニカルメタデータ • 用語・項目・計算ロジッ ク・KPI等の業務的な 定義 • 用語・項目・計算ロジッ ク・KPI等の統一 • 業務分類の定義 • アセットの概要 • 過去成功・失敗事例 • 過去履歴・経緯 • 利用方法 • 利用範囲・理由 • 利用効果 • 利用時の制約・留意点 • 判断理由・根拠 • データ収集の背景 • データの収集意図 • 利用目的 • ビジネス価値 • ビジネスルール • 運用ルール • 制約 • 変更（なし）履歴 • 統制要件 • データ品質（欠損率、重 複率、バリデーション） • データ更新（最終更新日 時、更新頻度、鮮度） • 利用履歴（誰が、いつ、 どのデータを利用） • パフォーマンス（処理時 間、エラー率、レイテン シー） • データ構造（テーブル定 義、FILE形式、DDL） • データ格納場（DB、ス キーマー、ストレージの パス） • リネージ（ETL/ELTジョ ブ、データ連携ルート） • 接続情報（APIエンドポ イント、接続ドライバ、 ポート番号） 技術的な情報 「情報システム」寄り 運用・管理に関わる情報 「デタマネ」寄り データをビジネスでどう理解し、どう使いこなすかに必要な情報 「ビジネス部門」寄り
12. © 2025 Data-Yokocho, All rights reserved. 12 データ活用におけるビジネスの実効性と限界 うまくいかない現場と期待を高める経営層とでギャップが生じる原因は、「技術の進化に対して、それを活かす仕組みが 追いついていない」ことが多い。言い換えると「技術領域と非技術領域の非対称性」が大きな課題。 メタデータ収集・整備 技術領域 生成AI、AIエージェント、 Agentic AI等の先端技術 非技術領域 データ収集・整備 人材・組織・体制 企業文化 ビジネス効果は、 メタデータの整備レベルに依存 （効果の限界） → 最も低い項目のレベルに引っ張られる 急激な進化 順次拡大 整備が 大幅遅延 インフラ領域 データ基盤整備 急激な進化 データを 使える（使っても良い） 状態にする 使える（使っても良い） データを ビジネスで使いこなせる
13. © 2025 Data-Yokocho, All rights reserved. 13 AI活用を成功に導く最後のMissing Parts 急速なAI技術の進歩により、技術面からビジネス変革の可能性は高まっている。しかし、多くの企業は自社がAIに求める ビジネス効果の整理と、それに必要なAI Readinessレベルを満たしておらず、早急な引き上げが求められている。 【AI Readiness 1.0】 〜 AI「使用」レベル 〜 【AI Readiness 2.0】 〜 AI「利用」レベル 〜 【AI Readiness 3.0】 〜 AI「活用」レベル 〜 「表面的なAI活用」止まり 「生成AI / AIエージェント」止まり 「Agentic AI / Multi Agentic AI」の世界へ データの有無や所在、表面的な意味を理解し AIが持つ機能を単に使うこと 利用者毎に持つデータの意味や内容を理解し 目的に応じて使うこと ビジネス暗黙知・コンテクストを活用し、 データやAIが持つ本来の能力・価値を引き出し、 戦略的・効果的に使いこなすこと 使える（使っても良い）データをビジネスで使いこなせる状態にする DSの経験・能力に依存 現状分析 自動分類・予測 PoC 提案 説明補助 部分的な自動化 効率化・改善 意思決定 業務変革 課題解決 自立的な自動化支援 （例）電源の入る正常か稼働する掃除機を使用 ・人間が部屋の汚れを判断し、掃除機でゴミを吸引する → 使い方や機能が適切で綺麗になったか否かは不明 （例）掃除箇所やタイミングを指示する掃除機を利用 ・AIが汚れや周期を検知し定期的な掃除機の利用を促す → 掃除可否の判断や実行、掃除の程度は人に依存 （例）掃除機が自ら掃除箇所やタイミングを探し掃除する ・複数ルンバが汚れを検知し相互に役割分担して掃除 → AIが能動的に実行・協業を自動化し効果を創出 メタ・ビジネス・ガバナンスコンテクスト、運用体制、企業文化の醸成 データ品質・セキュリティ・人材・組織 AI技術・データ基盤構築・データ整備・テクニカルメタデータ・オペレーショナルメタデータ データを使える（使っても良い）状態にする
14. © 2025 Data-Yokocho, All rights reserved. 14 データマネジメントのあるべき姿（定義）と実態（現実）の乖離 データ活用やAI活用で期待通りの効果が創出できないのは、あるべき姿（定義）と実態（現実）が異なることが起因。 特に、ビジネスメタデータの収集と活用が不足しており、生成AIやAIエージェント、Agentic AIの効果を抑制している。 【あるべき姿（定義）】 【実態（現実）】 データマネジメント メタデータマネジメント テクニカルメタデータ オペレーショナルメ タデータ データ分析・可視化（BI）・従来型AI 生成AI・AIエージェント ・Agentic AI システム部門 データマネジメント部門 分析部門・ビジネス部門 データマネジメント メタデータマネジメント データ分析・可視化（BI）・従来型AI 生成AI・AIエージェント・Agentic AI テクニカルメタデータ オペレーショナルメタデータ ビジネスメタデータ 開発・保守、セキュリティに活用 データ管理に活用 データを使いこなすために活用 システム部門＋データマネジメント部門＋分析部門・ビジネス部門 データガバナンス （含 メタデータガバナンス） データガバナンス メタデータガバナンス ビジネスメタデータ
15. © 2025 Data-Yokocho, All rights reserved. 15 データ活用ユーザーと適用範囲の拡大 データ活用ユーザーが、情報システム・データマネジメント・分析部門から、事業部門のユーザーへ移行してきたことや、 AIへ拡大してきたことを踏まえ、人とAIがハイブリッドに活用できるようメタデータを管理・整備していく必要がある。 データ活用 ユーザー AI 人 情シス（IT） 部門 データマネジメント 部門 分析部門 事業部門 生成AI AI Agent Agent AI Agentic AI Multi Agentic AI データナレッジ 分析ナレッジ 業務ナレッジ 2023年4月 2025年2月 202X年X月 20XX年X月 20XX年X月 データ管理 分析精度 ビジネス効果 拡大 ビジネスメタデータ 拡大 分析活用 分析 ＋ 業務活用 分析 ＋ 業務活用 拡大
16. © 2025 Data-Yokocho, All rights reserved. 16 【参考】AIの進化 〜概念の共通理解〜 人が行うアドバイスや、判断にいたる必要な暗黙知をビジネスメタデータで把握・共有できない限り、企業が保有するデー タだけを活用したルールベースのAIでは適用可能な業務が定型業務に留まり、AIの十分な投資対効果を得ることは困難。 比較項目 AI Agent Agent AI Agentic AI Multi-Agentic AI 特徴 指示通りに動く 人間の意思決定を支援する 一人で自律的に考え 自律的に行動する 複数のAIが協力して自律的に考え、自 律的に行動する 考える力 なし （何も考えない） あり （最適な選択肢を提案） 高い （目標に向かい自分で考察） 非常に高い （AI同士が協力して考察） 自立的判断・行動 しない （決められた事を行うのみ） しない （勝手に動かず、指示で動く） する （自分で判断、自分で動く） 協業してする （皆で判断、皆で動く） 動作イメージ 「やれ」と言われたこと だけを行う 「やるべきこと」を 人に提案・アドバイスする 自分で考えて「やるべきこと」を決め て実行する みんなで考え、話し合って 最適な行動を決めて実行する 対応可能業務 定型業務 指示があれば 定型業務・非定型業務 単独で 定型業務、高度な非定型業務 AIが連携し適切な定型業務、 複合的・高度な非定型業務 影響範囲 プロセスの一部 ー 業務最適・部門最適 全社最適 人間の介入 必要 （指示が必要） 原則、必要なし （監視は行う場合あり） 原則、必要なし （場合によって介入あり） 必要なし （Agentic AI間で完結） 人間に例えると アルバイト・パート 外部コンサルタント 業務単位の 単独スペシャリスト 業務を問わない スペシャリスト集団
17. 17 © 2025 Data-Yokocho, All rights reserved. 2. グループ討議
18. © 2025 Data-Yokocho, All rights reserved. 18 【手順】ディスカッション 1. 各チームとも、名簿の上から一番目の方が司会を行ってください。 2. 名簿の上から二番目の方が、書記役をお願いします。 3. 名簿の上から三番目の方が、発表をお願いします。 4. 名簿の四番目以降の方は、他チームが発表する際に質問役をお願いします。 5. 各チームにオブザーバーが1名ずつ入ります。 6. 麦ジュースを配布しますので、適宜、喉を湿らせながら議論してください。 前提 1. 各チームとも、18:45〜19:30の30分間で、2テーマを議論してください。 2. 各チームで議論するテーマが異なりますので、時間配分はお任せします。 3. 議論の進捗に応じて、適宜トイレ休憩等をとっていただいて構いません。 4. 議論が早く終了された場合も、時間になりましたら席にお戻りください。 時間
19. © 2025 Data-Yokocho, All rights reserved. 19 【チーム①】 【考え方】メタデータとは何か、なぜ必要か ❏ データ活用・AI活用において、メタデータが必要不可欠な理由 ビジネスで実現したいことや十分な効果創出には、 どのようなメタデータが必要か？ それらのメタデータはなぜ必要か？ （なぜ今まで気が付かなかったのか？）
20. © 2025 Data-Yokocho, All rights reserved. 20 【考え方】メタデータとは何か、なぜ必要か ❏ データマネジメントにおけるメタデータの位置付けと関係性の再整理 【チーム②】 実効性の高いデータマネジメントを実現するには メタデータはどのような位置付けや関係性であるべきか？ そのような位置付けや関係性を構築・維持するには 何が必要か？
21. © 2025 Data-Yokocho, All rights reserved. 21 【考え方】メタデータとは何か、なぜ必要か ❏ 誰に、どのようなメタデータが必要か 【チーム③】 メタデータを活用するステークホルダーは誰か？ （人・AI、部門別・役職別・役割別） どのステークホルダーにも共通のメタデータは何か？ ステークホルダー毎に、特有のメタデータは何か？
22. © 2025 Data-Yokocho, All rights reserved. 22 【考え方】メタデータとは何か、なぜ必要か ❏ メタデータのレベルと実現可能ビジネス メタデータは、利用用途や期待効果に応じて どのようなレベルに分類すべきか？ どのようなレベルのメタデータが集まると、 どのような業務や作業が実現可能になるのか？ 【チーム④】
23. 23 © 2025 Data-Yokocho, All rights reserved. ３. グループ発表・質疑応答
24. © 2025 Data-Yokocho, All rights reserved. 24 【手順】ディスカッション 1. 各チームとも、名簿の上から三番目の方が、発表をお願いします。 2. 名簿の四番目以降の方は、他チームが発表する際に質問役をお願いします。 司会より、適宜、当てさせていただきます。 3. その他、意見・質問がございましたら、積極的にご発言願います。 前提 1. 発表・質疑時間を合わせて、19:30〜19:45の15分間。 2. 発表者は、2分以内にまとめて、簡潔に発表願います。 時間
25. 25 © 2025 Data-Yokocho, All rights reserved. ４. 次回テーマの擦り合わせ（討議）
26. © 2025 Data-Yokocho, All rights reserved. 26 次回（10/29）検討テーマの擦り合わせ 【貯め方】 メタデータの管理項目とポイント 【進め方】 メタデータの拡充・推進手順 【使い方】 メタデータの使い手と利用シーン 【考え方】 メタデータとは何か、なぜ必要か 【続け方】 メタデータの維持・保守・運用 【見つけ方】 メタデータの所在・収集手順 本日 ❏ データ活用・AI活用において、メタデー タが必要不可欠な理由 ❏ データマネジメントにおけるメタデータ の位置付けと関係性の再整理 ❏ 誰に、どのようなメタデータが必要か ❏ メタデータのレベルと実現可能ビジネス 残１ 残2 残3 残4 残5 次回（10/29）はオンライン（Zoom）での開催を予定しています。 検討中 検討中 検討中 検討中 検討中
27. 27 © 2025 Data-Yokocho, All rights reserved. Appendix
28. © 2025 Data-Yokocho, All rights reserved. 28 実ビジネスで効果を生み出すメタデータマネジメントの考え方 No. 掲載日 題名 URL 第1回 8月1日 経営企画にいる同期からの難しい相談、「データ活用に取り組んだが行き詰まった」 https://xtech.nikkei.com/atcl/nxt/col umn/18/03279/073000001/ 第2回 8月4日 「ビジネスを知らないAI」、あなたは仕事を任せられますか https://xtech.nikkei.com/atcl/nxt/col umn/18/03279/073000002/ 第3回 8月5日 スーパーマンでなくても価値を生む、データ項目を洗い出す方法 https://xtech.nikkei.com/atcl/nxt/col umn/18/03279/073000003/ 第4回 8月6日 「使えるデータ」から「使いこなせるデータ」へ、製品開発の発想で進化させる https://xtech.nikkei.com/atcl/nxt/col umn/18/03279/073000004/ 第5回 8月7日 元も子もなくなる、データカタログの「ゴーストタウン化」を防げ https://xtech.nikkei.com/atcl/nxt/col umn/18/03279/073000005/ 【参考】日経クロステック 特集「ビジネスメタデータマネジメント入門」 2025年
29. © 2025 Data-Yokocho, All rights reserved. E.O.F