データマネジメントとは

データマネジメントとは、「データをビジネスに活かすことができる状態で継続的に維持、さらに進化させていくための組織的な営み」のことを指します。データマネジメントによって実現することの例としては、事業活動の見える化や、MDM(マスタデータマネジメント)の実現、データ分析の推進と様々です。

DMBOKによるとデータマネジメントを構成する機能は、データガバナンス、データクオリティ管理、メタデータ管理など、10個の機能があげられますが、その中から主要となる下記2つの基本活動をしていくことが重要と考えられています。

 

・データ品質(データクオリティ)管理:マスタデータ管理や、コード体系化/統一、データ項目の意味管理などの活動が含まれます。そのデータの内容や活用方法によって、維持すべき品質レベルは異なります。データ品質は、精度・鮮度・粒度の3つの観点から評価します。

 

データガバナンスの推進:データ品質の劣化をくい止め、品質の維持と環境(ツール環境だけでなく、運用体制や運用ルールも含む)の整備を進めるための仕組み作りと運営といった活動となります。

 

リアライズは、データマネジメントの専門会社として、こうしたデータマネジメントの活動を多くの企業で支援してきました。その中で蓄積したデータマネジメントを成功させるポイントや、必要となる活動をご紹介いたします。

リアライズとデータマネジメントの関わり ​

リアライズは地道なマスタ・メンテナンス業務の重要さ大変さを発想のきっかけとして、1997年にNTTデータのベンチャープロジェクトとして活動を開始し、企業・組織の情報活用を目的としたデータマネジメント事業を展開してきました。以来、企業のデータの利活用が進むと同時に、データの品質維持に対する重要性の認知度向上により、多くの企業からデータマネジメントに関する相談をいただいています。 現在は、数少ないデータマネジメント専門会社として、お客様のデータマネジメントを成功に導くためのアドバイザー支援や、実データの構築・運用までを一貫してご支援しています。
また、2011年には「様々なデータや情報のマネジメントに関する社会的認知を高め、企業や行政機関がデータマネジメントを実践するための土俵を創ること」を目的に、リアライズ代表取締役社長の大西も発起人の一人として一般社団法人 日本データマネジメント・コンソーシアムを設立し、現在もリアライズとして研究会の参加や、年に1回の大型カンファレンスで、様々なデータマネジメント提言を行っています。

データマネジメントを成功させるポイント

  1. 1.データマネジメントの目的を明確にする

    名寄せや、データクレンジングといったデータマネジメントを行うことは手段であって目的ではありません。データマネジメントを行うことで実現したい目的、例えば「整っていないデータの確認時間の削減による業務効率化」や、「データを活用した売上拡大」といったような「本当の目的」が必ずあります。

    リアライズが進めるデータマネジメントは、その「本当の目的」を達成するために必要な手立てをお客様と一緒に考えます。そして効果にこだわったデータマネジメントソリューションをご提供します。

  2. 2.システムだけでなく中身のデータを確認する

    データ分析を始める際に、データを格納するシステムや、データ活用のツールを導入することを優先してしまうケースを多く見かけます。こういった場合、中身のデータが整っていないという真の問題を見過ごしたままシステム導入を行い、正確なデータ分析ができないといった惨事に陥ります。

    高価なツールや分析基盤を入れる前に、データと向き合い、地に足をつけて何を求めるかをしっかり考える時間を持つことが大切です。このタイミングであれば、リアライズとしての知見や経験を提供することもできますので、是非、高価な投資をする前に相談してください。

  3. 3.小さく始めて大きく広げる

    データは活用してこそ価値があります。溜めることばかりを意識していては有効に使えず、むしろ足かせになることもあります。是非とも「使えるデータにすること」を意識してほしいです。

    そのために大切なことは、小さなデータから手をつけて「使えるデータ」の価値を積み重ね、社内で成功事例を蓄積していくことが大切です。この成功の実感が大きなデータの分析という「本丸」に取り組む起爆剤になります。

リアライズのデータマネジメント進め方

リアライズは、「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つにより、お客様の課題をデータライフサイクルを通じて解決していきます。

 

■構想策定フェーズ

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

顧客データや商品データの表記の統一を行うデータ整備や、属性の付加などのデータリッチ化(充実化)を行うための環境の設計と構築の実施と、データ整備の実作業を行います。

 

①データ整備仕様設計:データアセスメントの結果を踏まえて、データ整備要件をとりまとめ、具体的な名寄せルールやアプローチ方法を策定します。

 

②データ整備運用設計:データの受入方法から整備方法、整備後データ受け渡し方法までの運用手順を策定します。また、運用の適当性を評価する基準を策定します。

 

③データ整備環境構築:データ整備仕様にあわせて最適な名寄せ・クレンジングツールの選定と構築や、必要な外部データベースの準備を行います。

 

④データクレンジング/名寄せの実施:データ整備仕様にあわせて、機械処理(ツール処理)と人的処理(目検)の組み合わせで、データクレンジングと名寄せをセマンティックレベルで実施します。

 

⑤データリッチ化:業種情報や法人番号といった外部データベースによる属性情報の付与や、集計情報の生成を行います。

 

 

■運用・定着化フェーズ

データ運用の代行と効果測定を行い、継続的なデータ運用改善に向けたアクションプランを立案します。

 

①運用プロセス・体制の見直し:運用プロセスを手順レベルまで細分化します。また、ゴールの達成に向けた役割分担を明確化するために、データ単位で用途と目的の整理、データ項目単位でデータ構築に関わる役割分担(実行責任、協力など)を整理します。

 

②運用実行/定着化:お客様が求めるデータクオリティにあわせた頻度と精度で、データクレンジング・名寄せといったデータ運用の代行実施を行います。

 

③データ品質測定(期待効果の検証):実際のデータクレンジング・名寄せ結果をもとに効果測定レポートを作成し、期待する効果とのギャップを検証します。

 

④改善アクションの提言:効果測定レポートをもとに必要な改善策の検討と、アクションプランの立案を行います。

 

 

data-management_procedure.png

参考事例

  • NTTPCコミュニケーションズ様

    長年蓄積してきたSFAのデータをCRMへ引き継ぐために、業務を依頼しました
  • 科学技術振興機構様

    既存帳票の洗い出しを含めたデータマネジメント調査を依頼
     

関連ブログ