2026/06/11 データ事業本部 渡部晃季 ツールを⼊れても解決しない？ データ活⽤の現場に共通する課題とデー タマネジメントの必要性と基本 

⾃⼰紹介 2 ● 部署 ○ データ事業本部 ● 名前（ニックネーム） ○ 渡部 晃季（なべ⽒） ● 住まい ○ 東京 ● 趣味 ○ 飲み会、反り腰改善のための腹筋‧体幹トレーニング 

⽬次 3 ● データ活⽤の現場に共通する課題 ● データマネジメントとは 

データ活⽤の現場に共通する課題 

クラスメソッドがいただくよくあるご相談 5 データ基盤構築 BIツールの導⼊‧ダッ シュボード作成 AI活⽤ 社内外に散在するデータを整 理‧統合し、分析やAI活⽤に 耐えられるデータ活⽤の⼟台 を構築します。 1 2 3 散在するデータを可視化し、 意思決定や改善施策に直結す るアクションにつながるダッ シュボードを作成します。 ダッシュボード作成の講習も ⾏っています。 構造化‧⾮構造化データをつ なぎ、AIを通じて業務効率化 と知識活⽤を⽀援します。 例：散らばったファイルを集 め、図⾯や類似案件の検索の 容易化 

共通の根本課題 どの相談も結局⼟台となるデータの問題に⾏き着きます。 データの責任者、 誰‧‧‧ データは存在した。 が、その品質や定義に責 任を持つ担当者が明確で はない。 確認事項が発⽣するたび に関係者を探すことにな り、活⽤が進まない。 データの信頼性 が‧‧‧ データを統合して、横断 的に分析したい。 が、データが⽳だらけ だったり表現がバラバラ で、そのままでは分析結 果を信頼できない。 データの意味が わからない‧‧‧ 分析に使えるデータを⾒ つけたい。 が、探したいデータの在 りかがわからない。そ れっぽいデータはある が、正しいかがわからな い。 

共通の根本課題 その悩み、データマネジメントでアプローチしてみませんか？ どの相談も結局⼟台となるデータの問題に⾏き着きます。 データの責任者、 誰‧‧‧ データは存在した。 が、その品質や定義に責 任を持つ担当者が明確で はない。 確認事項が発⽣するたび に関係者を探すことにな り、活⽤が進まない。 データの信頼性 が‧‧‧ データを統合して、横断 的に分析したい。 が、データが⽳だらけ だったり表現がバラバラ で、そのままでは分析結 果を信頼できない。 データの意味が わからない‧‧‧ 分析に使えるデータを⾒ つけたい。 が、探したいデータの在 りかがわからない。そ れっぽいデータはある が、正しいかがわからな い。 

データマネジメントとは 

データマネジメントとは データマネジメントとは、⽬的に応じたデータをいつでも 活⽤できる状態で継続的に維持‧管理することです。 このフレームワークの11の領域は相互に関連しています。 ● データアーキテクチャ ● データストレージとオペレーション ● データ統合と相互運⽤性 ● データモデリングとデザイン ● マスターデータ管理 ● ドキュメントとコンテンツ管理 ● データセキュリティ ● データ品質管理 ● データウェアハウスとビジネスインテリジェンス ● メタデータ管理 ● データガバナンス データマネジメントの教科書DMBOKで定義されています。 

データマネジメントとは 保管する 安全に保存する ●データストレージと  オペレーション ●データセキュリティ ルール ●データガバナンス ●データアーキテクチャ ●データ品質管理 ● 集める 情報を集める ●データ統合と相互運⽤性 整理する 並べる、分類する ●モデリングとデザイン ●ドキュメントと  コンテンツ管理 ●メタデータ管理 ●マスターデータ管理 使う 必要な時に使う ●データウェアハウスと  ビジネスインテリジェンス 戦略（⽬標‧⾃社のビジネスモデル‧⽂化） 

データマネジメントの主なポイント(１) 11 データマネジメントについて、なぜやるのか、何をやるのか。 1. データ統合と相互運⽤性 3. データモデリングとデザイン 2. マスターデータ管理 4. ドキュメントとコンテンツ管理 現場のビジネスのやり⽅をシステム開発者に正確に伝え、後から使いやすいデータ基盤を作るために、 現実のビジネス活動をシステムが理解できる「データの形（モデル）」に翻訳して設計することです。 データ間の⽭盾による混乱や、⼿作業での修正コストをなくすために、「顧客リスト」や「商品リス ト」など、会社の中で共通して使われる重要データ（マスター）のダブりやブレをなくし、信頼できる 「１つの正しい名簿」を作ることです。 法規制への対応や、社内に眠る知識の再利⽤を可能にするために、綺麗な表の形になっていない「⾮構 造化データ（PDFやメールなど）」を検索可能な状態で管理することです。 内容 タイトル ⼤分類 会社全体で⼀貫したデータ分析を⾏い、具体的なアクション‧成果に繋げるために、バラバラのシステ ムにあるデータを安全かつ効率的に連携させ、⼀緒に使えるようにすることです。 整理する 5. メタデータ管理 膨⼤なデータの中から欲しいものをすぐに⾒つけ、意味を誤解せずに安⼼して使えるようにするため に、データそのものではなく「データについての説明（いつ誰が作ったか、どういう意味かなど）」を 管理することです。 集める 整理する 整理する 整理する 

データマネジメントの主なポイント(２) 12 会社の信⽤失墜や法的なペナルティを防ぐために、⼤切なデータをハッカーなどの外部の脅威や内部の 不正な持ち出しから守り、適切な⼈だけが安全にアクセスできるようにすることです。 6. データセキュリティ 11. データ品質管理 8. データウェアハウジングと ビジネスインテリジェンス 9. データガバナンス 「ゴミ（不正確なデータ）を⼊れたらゴミが出てくる」のを防ぎ、分析結果やAIを実際のビジネスで使 えるレベルにするために、データに間違いや抜け漏れがないかを常にチェックし、綺麗に保ち続けるこ とです。 経験や勘ではなく、データに基づいた迅速で正確な経営判断を下せるようにするために、蓄まったデー タを分析専⽤の⼤きな倉庫（データウェアハウス）に集め、⾒やすい形（BI）にすることです。 会社という⼤きな組織がデータ活⽤で迷⾛したり、情報漏洩などの致命的なリスクを抱えたりしないよ うにするために、データという会社の財産を「誰が、どうやって管理し、どう使うのか」のルールと責 任者を決めることです。 内容 タイトル ⼤分類 データマネジメントについて、なぜやるのか、何をやるのか。 7. データストレージと オペレーション 会社のビジネスを決して⽌めない（事業継続性を保つ）ために、データを安全な場所に保存し、いつで も必要な時にスムーズに引き出せるように⽇々お世話‧準備することです。 保管する 使う ルール 保管する ルール ビジネスの⽬標とITシステムを上⼿くつなぎ合わせ、無駄なシステム投資やデータの分断を防ぐため に、会社の中に「どんなデータが、どこに、どういう形で存在すべきか」の全体像（ブループリント） を描くことです。 10. データアーキテクチャ ルール 

（再掲）共通の根本課題 どの相談も結局⼟台となるデータの問題に⾏き着きます。 データガバナンス データ品質管理 メタデータ管理 データの責任者、 誰‧‧‧ データは存在した。 が、その品質や定義に責 任を持つ担当者が明確で はない。 確認事項が発⽣するたび に関係者を探すことにな り、活⽤が進まない。 データの信頼性 が‧‧‧ データを統合して、横断 的に分析したい。 が、データが⽳だらけ だったり表現がバラバラ で、そのままでは分析結 果を信頼できない。 データの意味が わからない‧‧‧ 分析に使えるデータを⾒ つけたい。 が、探したいデータの在 りかがわからない。そ れっぽいデータはある が、正しいかがわからな い。 

こんなに多いと、どこから⼿をつければいいか わからない‧‧‧ ふとした疑問 14 

課題ドリブンで進めよう データマネジメントはこう進める 15 

データマネジメントを課題ドリブンで進める理由 16 ● 効果が⼤きいところから始めるため ○ メタデータも品質もいくらでも凝ることはできますが、まずは事業や 業務へのインパクトが⼤きい課題から取り組んだ⽅が費⽤対効果が⾼ いです。そして次の投資につながりやすいです。 ● データマネジメントそのものを⽬的にしないため ○ 課題がないと「とりあえずデータカタログでメタデータを登録してみ た」「とりあえず品質ルールを増やす」になりがちです。 ● 現場の協⼒を得やすいため ○ 「データを管理したい」よりも「この業務課題を解決したい」の⽅が 関係者の納得を得やすい。 

参考：DMBOKピラミッド 17 https://damarmc.org/n ews/13228060から引⽤ 課題が多すぎる場合など、 どの領域から⼿がけていく かのご参考としてくださ い。 

進め⽅（データ基盤を新しく構築する場合） 18 1. 課題を整理し、あるべき姿を決める。マイルストーンを⽴てる。 2. まずは動くものを作る a. データマネジメント11領域は必要最低限度 b. 例：個⼈情報のセキュリティはマスト、モデリングはそこそこにまず はデータマートを作ってフィードバッグをもらいつつ整える 3. 課題の優先度に沿って、フィードバッグの改善対応とともに進める 4. 定期的に振り返り、改善する ツール導⼊ありきでなく、課題があってそれを解決するのに適したツール であるとわかったときにツールは導⼊。 

さいごに 19 ⽣成AIもあり、「何をやれるのか」情報収集が容易になりました。 技術‧サービスのアップデートも⽬覚ましいです。 それにより、膨⼤な選択肢‧変わる状況を前に、 「何をやるのか」を決めることがこれまでより難しくなったと感じます。 また⽬移りから、やり続けることも同じく難しくなりました。 だからこそ「決める」「集中する」ことを⼤切に、データ基盤の構築‧磨き あげに取り組んでいくとよいと考えています。 

No content