データライフサイクルとは? データマネジメント用語をわかりやすく解説
近年、多くの企業ではデータを軸にしたビジネス推進を行っています。
データを活用する上で、特に重要視されているのがデータ品質の向上と維持運用を行うデータマネジメントです。
この用語集では、データマネジメントやデータ活用に関する用語を解説しています。
また、データマネジメントの専門家として活動するNTTデータ バリュー・エンジニアが、データ活用のヒントもご紹介しています。
データライフサイクルとは
NTTデータ バリュー・エンジニアが考えるデータマネジメント
企業においては日々、様々なデータが生成され、そのデータ量は年々増え続けます。
この膨大なデータをただ業務運営だけに利用するのではなく、高度な分析をし経営戦略に役立てたり、新たなビジネス創出に役立てたいというニーズも当然あります。
しかしながら、いざデータ分析を進めようとしても、肝心の対象データがどこにあるのかわからなかったり、連携する様々なシステム内に散在し集約が必要だったりして、正確に対象を捉えることすら難しい場合があります。
このような時、事前の状況把握や準備に時間や手間がかかりすぎ、肝心のデータ分析に至る前に挫折をしてしまうケースも多々あります。
データには、生まれてから(生成)消滅するまでの(破棄)データライフサイクルがあります。各データがどこで、どのように生成され、その後どのような流れを経て、誰にどのように利用されているのか。
データを正しく活用していくためには、データライフサイクルと、データの流れを適切に捉えた上で、活用対象のデータを絞り込んでいく必要があります。
NTTデータ バリュー・エンジニアのデータマネジメント支援では、「構想策定フェーズ」「構築・実装フェーズ」「運用・定着化フェーズ」の3つのフェーズを通じて、お客様の課題を解決していきます。
この際、データの棚卸しやデータ間の関係性分類、データ流の把握などを「構想策定フェーズ」にて行い、データライフサイクルを意識したご提案を行うことが可能です。
■構想策定フェーズで実施すること
お客様の課題をヒアリングした上で、データ品質向上による期待効果とコンテンツ(データ品質)と、それを作りあげる要素(ルール、役割等)に着目し、実行すべき施策をデータマネジメント専門家のノウハウにより明らかにしていきます。
①目的とスコープの明確化:
取り組みの目的・狙いを明確にすることにより、可視化の観点を明らかにします。また、業務の流れと構造に着目し、業務のサービスレベル、業務機能、実行組織など業務に関わる要素間の関係性を整理することで、網羅的に業務の全体像を把握します。
②対象データの特定:
業務の目的であるデータに着目することで、業務の本質を把握します。
具体的には、データの棚卸とデータ間の関係性による分類や、システムや部門間のデータの流れ(データ流)を把握します。
③業務の把握:
業務分析フレームワークを活用し、業務フローの見直しや、業務集約統合の検討、機能と体制を把握します。
④データ品質ギャップとその原因特定:
データ品質分析フレームワークを活用し、データ品質における問題点や、業務上の問題点を明らかにすることで根本原因の分析を行います。
⑤施策立案(ロードマップ):
特定した原因に対する打ち手の検討を行い、選定した解決策の実現イメージを明らかにし、解決策の前後関係や優先順位などを考慮し、ロードマップを策定します。
「構築・実装フェーズ」「運用・定着化フェーズ」についてはこちらをご参照ください。
「NTTデータ バリュー・エンジニアのデータマネジメント進め方」
また、近年導入が進んでいるAI活用においても、データをライフサイクルで捉え、調査、企画、検証、導入、
活用するところまで順序立てて進み、入口のデータ、出口のデータを検証し、PDCAサイクルを回すことが重要です。
NTTデータ バリュー・エンジニアでは、AIをそれぞれの場面や目的に沿って活用できるように、専門家の立場でご支援します。
AI活用におけるデータライフサイクルの必要性について語った講演、レポートはこちらです。
データが変われば結果も変わる!~AI活用のためのデータマネジメント&教師データ作成~