EDW 2023 Fall

9月18日(月)から開催されている、EDW2023に参加しています。4日間にわたって70を超えるセッション、セミナー、チュートリアルが展開され、330人が参加しています。

DAMAホイールの各領域に加えてAI関連のセッションも増えてきました。データファブリックやメッシュ、ナレッジグラフやオントロジー関連のセッションもあり、「不易と流行」の両方を押さえていると思います。

今回DAMA日本支部は、82の支部の中から5支部に与えられる支部表彰を受けることになりました。その表彰式にも参加します。

大会の詳細のレポートは後日ご報告させていただきます。お楽しみに!

 

第14分科会 若手データマネジメント勉強会 2022年度の実績と2023年度の活動予定

データマネジメントの基礎を学んだ2年間

「データマネジメント(以下、DM)の基礎的な内容について、参加者同士で発表や意見交換を行う分科会」をコンセプトに、2021年4月に本格稼働スタートした第14分科会(DM勉強会)も、今月で早2年が経ちました。2022年度の活動に区切りがつきましたので、今年1年間の活動実績と来年度の活動予定についてご紹介いたします。「そもそも第14分科会ってどんな分科会?」と疑問を持たれた方は、過去ブログにて詳しく紹介しておりますので、そちらをご参照ください。

『第14分科会(若手DM勉強会)の紹介』
https://dama.data-gene.com/2022/07/28/14th-study-group/

2022年度:8分野を学習、参加者は3倍増
(2022年4月~2023年5月)

2022年度の活動コンセプトは、『DMの具体的な活動について基礎的な知識を学び、実際の活用事例を知る』。DMの8つの分野を対象に、各分野における基礎的な概念や用語、および各企業や組織で取り組まれている実際の事例を勉強してきました。対象の分野と各回の勉強内容、参加者数、開催日は下表の通りです。

DAMA日本支部第14分科会 2022年度 活動実績

参加者数をグラフにしてみました。直近の参加人数は、2022年度の初回(2022年4月)の10名から約3倍に増えており、DMを基礎から学びたい人がどんどん増加していると言えます。

DAMA日本支部第14分科会 2022年度 各回の勉強会参加者推移

11月と12月の勉強会は、オンライン(Zoom)とオンサイト(株式会社JSOL様オープンイベントスペース)のハイブリット形式で開催しました。11月は勉強会参加者14名中8名、12月は20名中9名と、約半数の方に現地へ集まっていただきました。勉強会後は、有志メンバーで懇親会も開催し、普段の業務で抱えるDMの悩みや難所をざっくばらんに相談し合うなど、非常に有意義な時間を過ごすことができました。来期も、タイミングと場所があえば、ハイブリット開催の実施を検討したいと思います。

DAMA日本支部第14分科会 2022年度 12月勉強会の現地の様子

2023年度:5分野+ワークショップに挑戦!?
(2023年6月~2024年5月)

2023年度の活動コンセプトは、前期を引き継いで『DMの基礎的な知識を学び、実際の活用事例を知る』としました。5つの分野を対象に、前期と同様、基礎的な概念や用語の習得、および各企業や組織で取り組まれている実際の事例共有を主な勉強内容とします。対象分野は、第14分科会メンバーにアンケートを取って、その結果を踏まえてトップ5を選定しました。アンケート結果は、以下の通りです。

Q. 第4期で勉強したい、もしくは興味のあるテーマを、最大5つ選択して下さい。
 ・集計期間:4月25日~5月24日
 ・回答人数:26名

DAMA日本支部第14分科会 2023年度 テーマ決めアンケート結果

対象分野と各回の勉強内容、開催予定月は下表の通りです。実施の順番は、アンケートの票数順ではなく、施策の内容やお互いの関連性、昨年扱った時期などを考慮して、並び替えております。

DAMA日本支部第14分科会 2023年度 活動スケジュール

ご覧の通り、2023年8月以降は特定のテーマに絞って、基礎的な知識と事例を扱います。さらに「ワークショップをしたい」との声も上がっているため、参加者から課題や相談の持ち込みリクエストがあれば、ワークショップ形式で課題解決を議論する回に差し替えることも、検討したいと思っています。モデルケースとして、上記表の①~⑤の分野に関連する題材を提供してくださる方がいらっしゃいましたら、ぜひお声がけいただけると嬉しいです。

DMを基礎から勉強したい人、通年募集中!

基本的に、各回完結型の勉強会なので、キックオフ以降に途中から参加してもすぐにキャッチアップできます。また、1年を通して、様々なテーマを扱いますので、興味のある分野やテーマだけ参加することも可能です。

  • DMに興味・関心がある
  • いつかDMBOKを読もうと思っているが、なかなか読めていない
  • DMを学びたいが、どこから手をつけていいかわからない
  • DM学習の成果を共有できる機会や仲間が欲しい
  • 企業や組織を横断して、DM初学者と繋がりたい

当てはまる方は、ぜひDAMA日本支部・第14分科会にお越しください。
お待ちしております。

DAMA日本支部第14分科会に関するお問合せ先
dama14@dama-japan.org (Metafindコンサルティング株式会社 鶴田一晃)

[投稿者]
鶴田 一晃 
Metafindコンサルティング株式会社 コンサルタント
大学卒業後、商社のSCM担当として、日本→アメリカ→タイ→メキシコと複数拠点で勤務。その後、データマネジメントやデータガバナンスの専門コンサルティング会社であるMetafindコンサルティング株式会社へ転職。DWHやMDMのデータ構造設計、データマネジメントやデータガバナンス導入などのコンサルティングに従事。DAMA第14分科会のリーダー。CDMP Associate保持。IPA情報処理技術者試験委員。

スーパーマーケットとの対比でデータウェアハウスを考える

ここ最近、データの大事さを認識する企業が増えてきているように感じます。データはDXを支える基本であるということも共通認識として定着してきているようです。また、データの民主化という言葉も、ちょっとした流行語(バズワードとも言う)になっているようです。しかし、その実践となるとかなり心もとない企業が多いのではないでしょうか。

ここでデータの話から、スーパーで売っている食料品と、それを使って作る料理の話に飛びます。私、料理はけっこう好きで、また、自分では料理得意と思っているのですが、料理と素材、データ分析とデータの対比で考えると共通点が多いように思います。

料理は、レシピ、素材が良いこと、コストもまた大事で、そのバランスが大事かと思います。でも、素材そのものが悪いとどうにもならないですし、また、調理しにくいものは結局は使わなくなってしまいます。

しかし、スーパーで以下のような状態で品物を売っていたら、どう思いますか?時間・手間暇がかかるものも含めて、あまり買いたくないケースを列挙してみました。

  • 肉や魚の賞味期限、消費期限が不明(これは実際にはないと思いますが、ここでは仮に不明な場合を想定してください)
  • お肉が何グラム入っているのかわからない(まあ、実際はお肉はグラム表示はありますが魚はないことがほとんどですね)
  • 産地が不明(これは多いと思いますし、産地偽造とかもあります)
  • 珍しそうな品物だが、初めて聞く名前で、どんな風に食べるのが美味しいのか不明(気の利いたお店では、調理方法の提案があったりしますが)
  • 同じ野菜が、別々のコーナーで売っている。値段も少し違うようだが、違いがわからない
  • 大きすぎる、多すぎる(まあ、ボリュームディスカウントがすごいコストコとかは値段に免じて許します)
  • 泥がついたまま(これはこれで鮮度が保たれて良い場合もありますが、私はちょっと面倒に感じることが多いです)
  • 魚など、下ごしらえに手間がかかるもの(お魚を3枚におろすとかですね、私、鰺ぐらいなら自分でやりますが、時間に余裕がないとやりたくないかな)

また、手抜きかもしれませんが、以下のような食材は便利ではあります。

  • カット済の野菜(冷凍食品のカット野菜も含む)
  • そのまま食卓にだせそうなお刺身(本当は柵のままのほうが鮮度良いけど、切れる包丁と技が必要)

楽さを追求すると(ほぼ料理不要なレベル)

  • 味付け済のお肉
  • 冷凍食品

データ分析で、お惣菜や冷凍食品にあたるのは定型レポート、カット済の野菜や素材の冷凍食品にあたるのは特定目的別のデータマートに例えられるかなと思います。ただ、最も基本となる素材の格納庫にあたるデータウェアハウスは、なかなか理想的な状態になっていないことが多いのでは。以下のようになっていませんか?

  • 各業務システムからデータを、そのまま集めただけ。データタイプや桁数、単位が不統一なため、データの集計や比較を行うためには、まず、データを整えることから始めなくてはならない。これではタイムリーな分析もできないし、分析の都度、データを整えるというのは作業が繰り返し必要になる。
  • コード体系が意味ありコードで、各桁の値によって分類が異なる。また、ある桁の値によって、他の桁の使い方が異なっているので、単純に分類できない。
  • マスターデータが重複しているため、集計自体が困難である。顧客別売上とか、基本中の基本ですが、それが簡単にできなくなってしまいますね。
  • 集計データしか格納されていないため、より、細かい単位でデータを分析しようとしても不可能である。明細からサマリーは作れますが、その逆は無理ですね。
  • データを格納するタイミングがばらばらで、しかも、時点情報を持っていないために、期間や時点を基準とした集計を正確に行えない。
  • データの項目名に、異音同義語や同音異義語があるため、どの項目を分析対象とすればよいのかわからない。特に事業部制の会社、合併会社では、これはあるあるでは。
  • データの項目名だけでは、意味・内容がわかないため、社内で知っていそうな人に聞いて回わらないといけない。これが存在意義になっているベテラン社員とかもいたりします。

ちょっと乱暴ですが、データの素材を品質保証もぜず、ただ、データベースに格納するだけでは、それを使う人のことを考えていないと言われても仕方ないでしょう。また、特定目的のレポート用にデータを集約したものだけを格納するのは、それ以外の用途に使えません。データウェアハウスを提供するということは、データをきちんと商品として販売するのだという意識が不可欠です。

もう一つ大事なのは、データの使い方をある程度、予測するることです。スーパーで珍しい野菜や魚を売るときは、調理方法も提案することに似ています。さらにデータを商品化するということはコストも時間もかかります。手あたり次第に商品化しようとしては、売れない商品を生み出すことになります。経営者、データサイエンティストと同じ目線で商品化の範囲を考えましょう。つまり、何を分析し、その結果をどう活かすかということです。販売分析であれば、

  • 顧客の分類(これは年齢、性別、居住地、所得、職業・・・・多様な分類ができるので複数軸があります)
  • 商品の分類(これも多様な分類ができるので複数軸があります)、商品間の相関関係
  • 時点(いつ売れたのかなど)
  • チャネル(どの販売経路で売れたのか)
  • どこで売れたのか
  • いくらで売れたのか

といったこと。その組み合わせとなります。分析軸と対象を5W1Hで考えるのも一考です。

また、データの民主化は、商品に産地、鮮度、意味定義といった情報(データに関するデータなので、メタデータといも言います)をきちんと提供することなしには実現できません。民主化のもう1つのポイントは、このメタデータを提供するのは一般市民でもよいということです。社内でWIKIを立ち上げている会社もありますが、これは民主化を加速する素晴らしい取り組みだと思います。

第13分科会(DX分科会)の活動概要のご紹介

  • 第13分科会(DX分科会)の活動概要

本分科会では真のDXに向かうための道程をデータマネジメントと絡めて示すことができないかを検討テーマとして活動しております。

初年度(2021年度)の活動においては、そもそもDXの言葉自体が曖昧ではないかという課題感を起点に、デジタル軸(D軸)とトランスフォーメーション軸(X軸)の二軸に分類して、4象限として表現することに取り組みました。

分科会参加メンバーと意見交換するなかでDXとはビジネス上の変革(トランスフォーメーション)が行われているかどうかを基準としてはどうか。また、現代の変革においてはデジタルデータに対してAIを活用していることが必要要件になるのではないか。という話も行われ、図1のような4象限の図を初期成果物としてまとめ上げております。

図1

   

また、活動2年目の2022年度においては、この4象限における自社の立ち位置を客観的に評価するためのアセスメント表の作成に取り組んでおります。

アセスメントに答えることで、自社の状況やポジションについて関係者で共通認識を図り、真のDX(4象限の右上)に向けて進捗しているのか。逆に、停滞や後退していないかをセルフチェックできるようにすることを目的としています。

そして、そのアセスメントに用いる設問項目に関しては、DAMA日本支部らしく、DMBOK2の各章からの導出を試みています。

  • データマネジメントと組織の変革

こうしたアセスメント表の作成に向けたワークを分科会メンバーで進めていく中で、X軸(変革)に関する設問は当初「第17章 データマネジメントと組織の変革」のみから導出する想定で考えていたのですが、DMBOK2の各章を読み込むなかで、第17章以外にも組織や変革に関する記載が多く含まれていることに気付きました。

例えば以下のように非常に多くの章(節)で組織、文化、変革に触れられています。

第3章 データガバナンス

 4.1 組織と文化

第4章 データアーキテクチャ

 5.2 組織と文化の変革

第6章 データストレージとオペレーション

 5.2 組織と文化変革

第7章 データセキュリティ

 5.2 組織と文化の変革

第8章 データ統合と相互運用性

 5.2 組織と文化の変革

第9章 ドキュメントとコンテンツ管理

 5.2 組織と文化の変革

第10章 参照データとマスターデータ

 5組織と文化の変革

第11章 データウェアハウジングとビジネスインテリジェンス

 5.4 組織と文化の変革

第12章 メタデータ管理

 5.2 組織と文化の変革

第13章 データ品質

 5.2 組織と文化の変革

第14章 ビッグデータとデータサイエンス

 5.4 組織と文化の変革

第15章 データマネジメント成熟度アセスメント

 5.2 組織と文化の変革

このようにDMBOK2の多くの章で「組織と文化の変革」に触れられている大きな理由の一つとしては、データマネジメントに求められる多くの活動が従来の業務プロセスや組織の延長線上には組み込まれておらず、企業に変革を伴う新たな業務プロセスや組織の設計を求めているからではないかとも想像します。

  • DXとDMの関係性を議論したい方はぜひ第13分科会へ!

変革の取り組みは非常に長い旅になるとも言われています。だからこそ、その活動を継続的に進めていくためにも、途中途中で小さな成功を祝うことの重要性が謳われています。

本分科会は参加者各自でワークすることを重要視して活動していますが、アセスメント表の作成は試行錯誤をしながら時間をかけて進めております。だからこそ、途中小さな成功を祝うことを忘れずに、そして、真のDXに向かってDMBOK2から知見を得るという最終ゴールも定期的に振り返りながら進めていきたいと思います。

本分科会への活動にご興味、ご関心を持って頂いた方、お気軽にご参加をご検討ください。お待ちしております。

以上

データマネジメント・フレームワークは役立つのか?

今回はデータマネジメントフレームワークについて考えてみたいと思います。初めにDMBOK2のフレームワークを簡単に紹介し、次に新たなフレームワークを検討してみたいと思います。

DMBOK2のデータマネジメント・フレームワーク

DMBOK2の第一章には、いくつかのデータマネジメント・フレークワークが紹介されています。その代表格は右図の「DAMAホイール図」でしょう。
このフレームワークは11個の知識領域をハイレベルで表現しているものですが「異なる知識領域間の関係を記述してない」 という指摘もありました。

その問題に対処し再構築されたものが、左図の「DAMAホイールの発展形」になります 。
この発展形が生まれる経緯や、その他のフレームワークに関してはDMBOK2の第一章に書かれていますので参照してください。

フレームワークで表現できないか?

このいずれのフレームワークも素晴らしいもので、全く否定をするつもりはありませんが、筆者が初めてDMBOKに触れた際に、以下のような感想を持ったものでした。

  • DWHやBIは、データマネジメントというより、マネージされたデータを使う側ではないか?
  • データ・セキュリティとは言うが、セキュリティはデータだけではなく、もっと広い視点が必要ではないか?
  • データマネジメントそのものであるもの、インフラよりのもの、業務よりのものも含まれており、DMBOKはちょっとそのカバー範囲を欲張りすぎているのではないか?

そこで、各データマネジメント領域における以下のような要件をフレームワークで表現できないか、自分なりに(半分お遊びで)考えてみました。

  • データマネジメント組織が直接関わるべき領域と、他組織が中心となる領域を区別する
  • 業務的要素とインフラ的要素(IT的要素)を区別する

新データマネジメント・フレームワーク検討

初めに、業務組織、IT組織、データマネジメント組織と、大きく3つの組織があると仮定した上でベースを考えてみました。
右図の「各組織のカバー範囲」に示すように、データマネジメント組織がカバーすべき範囲は、業務よりのものからITよりのものまであると考えられます。

次にデータマネジメントに関連する構成要素を洗い出してみました。これはDMBOKの知識領域も参考にしています。
ここに挙げたもので必要十分ではないかもしれませんが、まずはこれをベースとしてみます。

そして、このこれらの構成要素を、 「各組織のカバー範囲」 の図にあてはめていきます。例えば以下のように

  • セキュリティは、データマネジメントというより、業務とITにまたがった全体に関わるものなので、一番左に…
  • データガバナンスはもちろん一番右に、リファレンスデータは業務よりの話なので上の方に…

これが新データマネジメント・フレームワーク!?

そうして考え出したのが以下のフレームワークとなります。

各構成要素をこのような配置にしたのは、深く考えたものもあれば、やや適当に配置したものもあります。今回は説明は省略させていただきます。

各構成要素の色は、右図のような意味を表しています。上図と右図を一枚にまとめて表現することもできますが、煩雑になりそうなので、今回は一旦見送りました。

DMBOKには「フレームワークは新たな視点を提供する」という主旨のことが書かれていますが、いかがでしょうか?
このフレームワーク自体は大したものではありませんが、今回自分でフレームワークを考えてみて、その意味がわかったような気もしました。

皆さんも色んな視点でフレームワークを検討し直してみるのも良いかもしれませんね。

DMBOK第二版 読み方のポイント

DMBOKの厚さをどう攻略して読むか

DMBOK第二版日本語版が出版されてから、4年以上が経過しました。
この間、DXに伴うデータ利活用ニーズの高まりと共に増刷を続けています。
SNSなどの反応を見ていると、当初の読者層はコンサルタントやSIer企業の方が多かったものの、最近ではユーザ企業の方からも多くの反響をいただいています。翻訳に関わったものとしてうれしく思っています。

ただ、はじめてデータマネジメントを学ぼうという方からは、
「650ページを超える書籍を全て読みきるのは大変。効率良い読み方はありませんか?」
と相談されることも増えてきました。
相談される方から伺ってみると、「効率良い読み方」として期待されているのは、
・すでにデータマネジメントに関わる課題を抱えている方が、解決策を早く知る方法
・データマネジメント全体を知識として学びたい方が、より深く理解しやすい方法
の大きく2つに分かれるようです。

前者については、本ブログ以外にも参考となる記事が他サイトにあります。

『DMBoK2の歩き方とデータガバナンスの位置付けを考える』
https://dama.data-gene.com/tag/dm-walking-map/

『全672ページの超大作、データマネジメント知識体系ガイド「DMBOK2」の攻略法』
https://japan-dmc.org/?p=19468

『日本語版DMBOK2を読む』 https://metafind.jp/2018/12/10/reading_dmbok2_in_japanese/

以下では、後者の視点について掘り下げて、いわばDMBOKを知識教養として学ぶための読み方のポイントをご紹介します。

章をまたいで用語や概念が解説されていてわかりづらい

DMBOKの、たとえば参照データとマスターデータのような特定の章について読んでいると、メタデータやデータ品質、データガバナンス等の他の章に関わる説明が出てきます。
DMBOKをデータマネジメントの「教科書」として読みたい方は、まずここで立ち止まってしまうようです。歴史の教科書であれば、まず古代から中世、近代と章毎に理解でき、先行章の理解が後続章の理解をより深めてくれますね。
しかしDMBOKはそのような作りではありません。(仮に歴史の教科書をDMBOK式に書き変えるならば、「歴史とは」という章ではじまり、「哲学宗教」「政治統治の方法」「共同体の形態」といった章構成になりそうです。)

DMBOKは主要11章を「知識領域」と呼んでいます。この領域というものはデータマネジメントに関する知識を①データの種類②性質③管理手段の違い※でまとめた単位です。(※たとえばそれぞれ代表的な章として①参照データとマスターデータ、②データ品質、③データモデリングとデザインが挙げられます。)
データ品質と一言で言っても、メタデータやマスターデータの品質もあればそのどちらにも該当しない品質もあります。これらはみな、DMBOKでは別々の章に書かれています。そのため、「DMBOKでデータ品質に関わる知識を深めたい」という方は、いずれは650ページすべてを読まなくてはと考えがちです。
とは言え、650ページ全て読み込むのはハードルが高いというのが今回の主旨でした。

最初は章単位ではなく”節”単位で読み込むのがオススメ

DMBOK第二版の第3章から第15章までの各章は、どの章もほぼ以下の構成です。

第1節 イントロダクション
  1.1. ビジネス上の意義
  1.2. ゴールと原則
  1.3. 本質的な概念
第2節 アクティビティ
第3節以降 ツール、技法、導入ガイドライン、ガバナンス、文献 等

第3章 データガバナンスの目次
第3章 データガバナンスの目次

第1節は、その知識領域の基本的な用語と考え方を紹介しています。
第2節は、その領域で一般的に実施される活動と手順が解説されます。
第3節以降は、DMBOK第二版英語原本が書かれた2015年時点で、その領域について広く普及していたツールや技法、ガバナンス方法が書かれています。
英語原本が書かれてからすでに7年が経過しているため、現在からすると第3節以降の内容に古さを感じるものもあります。
一方で、第1&2節の内容は、具体的なツールや方法論ではなくコンセプトを書いているため、これからも参考になります。

全くはじめてデータマネジメントに触れるという方は、まずは第3~15章の用語の解説を読み通すと良いでしょう。そうすれば、各章に分かれて記述されている知識が、頭の中で紐づくはずです。
ひととおり用語についての知識が身についた方は、次に、章を横断して第2節を読むことをおすすめします。第3節以降の知識を前提には書かれていないので、第2節を繰り返し読むだけでも具体的な活動内容について理解できるはずです。

ちなみに、第1/2/16/17章は、知識領域横断で考慮するべき内容が記述されています。

  • 第1章:第3~13章全体を通した、データマネジメント全体の目的と原則
  • 第2章:データを取り扱う際のリテラシー
  • 第16&17章:データマネジメントを成功させるための組織文化

これらは他の章に比べてより抽象的な記述が多いので、最後にまとめて読むと良いのではないでしょうか。

まとめ

DMBOKを購入したものの、その厚さと難解さに心が折れて「積読(つんどく)」していませんか?
また、DMBOK以外の、ほどほどの厚みで読みやすい本でデータマネジメントを学んだものの、物足りなさを感じていらっしゃいませんか?

そうした方はぜひ、章を横断して第1節の基本的な用語の解説を読んでみてください。第1節だけ読み返すなら、それほどボリュームはありません。
もう少し踏み込んで、どんな活動をするのか学びたい方は、第2節を読み進めてください。

そして次のステップとして、DMBOKの基礎用語や活動の解説を参考に、みなさんの所属する組織やお客様に対して、DMBOKをベースにデータマネジメントを実践してはいかがでしょうか。

社会的な価値を生み出し続けるために、必要なことは何か?データ利活用視点からの考察

新しい年がはじまり、新しい挑戦のために、データ利活用による、事業成長戦略や組織成長戦略を検討されている方もいらっしゃるかもしれません。そこで、今回は、特にデータ利活用視点から、「社会的な価値を生み出し続けるために、企業にとって必要なことは何か?」について、私が経験してきたことから、考えていることをご紹介できればと思っています。

社会的な価値にデータ活用をつなげるためには、「価値創出」「データ環境整備」「人材/組織成長」がポイントになると考えています。持続可能な未来を生み出すために、どこに価値を創出するか、問いを立てながら、価値創出ポイントをみつけていくことが軸となり、その価値創出を支えるデータ環境整備とサービスとしての社会実装力が必要で、さらにそれらを生み出す一人ひとりの力と、その力がつながった、多様な人がワンチームとなった組織の力があって、社会的な価値の創出につながっていくと考えています。

そのときに、一人ひとりの力を引き出し、さらに成長していくために、そして力をあわせて組織の力につなげていくために、次のようにポイントを整理してみました。

事業領域やフェーズ、企業ごとの特徴によって、データの状況や環境は異なり、価値創出ポイントによって、データの活かし方は異なります。そのため、必要な組織能力の優先順位も違ってくるため、この優先順位を明らかにしながら、ギャップを把握し、育成と実践の場をつくっていくことが肝要になります。データ利活用についての、共通言語としてのリテラシーレベル向上を幅広く行いつつ、専門的な力をもつ人材を育て、外部パートナーとの連携による専門性の向上も大切であると考えています。

「持続的な企業価値の向上と人的資本に関する研究会(2020年1月~)」の報告書である通称「人材版伊藤レポート」、「人的資本経営の実現に向けた検討会(2021年7月~)」の報告書を実践事例集とあわせた「人材版伊藤レポート2.0」の公表、そして、人的資本経営コンソーシアム設立なども通して、「人材戦略と経営戦略を同期させるプロセス」の重要性が、年々高まっていると感じます。

こういった潮流とも連動し、「人材/組織成長」という観点は、今後さらにポイントになっていくと感じており、今後も考えを深めていきたいと考えています。もし、こちらにご興味ある方いらっしゃいましたら、ぜひお声がけください。

データマネジメントは「目的」にあらず

新年あけましておめでとうございます。
本年もどうぞ宜しくお願いします。

このブログをきちんと読んでいただけるような方々はデータに対して非常に感度の高い皆さまであり、何がしかの形で自社内やお客様のデータマネジメントの取り組みに関与されていることと思います。
そんな皆さまであれば、昨今の世の中の「経営資源としてデータの価値を高めたい」、「そのためにデータを全社横断的に取り扱う組織を組成したい」、「積極的なデータ活用のためにも、データガバナンスの仕組みやルールを構築したい」といったニーズの高まりを実感されているではないでしょうか。
私自身もそうした時代の潮流をひしひしと肌で感じている一人ですが、一方で、ここ数年で「データマネジメントに取り組んだが、実際にはデータ活用がうまくいかなかった」という企業が増殖し、日本のデータ活用の機運が停滞化してしまうのではないかと危惧しています。

その理由はなぜか?-「データマネジメントに取り組んだ」といってもデータマネジメントや活用を支援するためのツールの導入や環境の構築に留まってしまい、ビジネスでの成果を実際に創出するところまで辿り着かないケースが多いのではないかと感じるからです。
データやメタデータの品質をいかに高めたとしても、ビジネスの現場でそれが使われない限り、まったく効果を生み出しません。
せっかく始めたデータマネジメントの活動も一過性の「プロジェクト」で終わってしまい、中長期な「プログラム」として経営層から認めらず、データ活用が組織に定着化せずに頓挫してしまう、そんな近未来が予見されるので、私は強い憂慮を抱いているのです。

こうした落とし穴に陥らないようにするためには何に気をつけなければならないか。
私自身の長年の経験から留意すべきポイントを3つ挙げます。

  • ツール導入がゴールではなく、ビジネスでデータを活用して成果を出すことが目的であることを忘れないこと。
  • そのために、データマネジメントの取り組みに対してビジネスにおけるデータ活用者の積極的な関与を必須とすること。

  • いきなり手当たり次第に社内の様々な厳選システムからデータを集めてきても、そのままでは誰も使えないと認識すること。
  • ある程度ニーズが確信できるビジネスシーンに対して実行し、まず小さくても活用の成果を出し、共感を得つつ展開すること。

  • すべて自社内のIT部門だけで課題解決を試みるのではなく、ユーザー部門や関連部門を巻き込むこと。
  • 外部のプロフェッショナルやDAMA/JDMC等の中立的団体の仲間たちに相談するなど、知見やノウハウを広く集めること。

なお、私が代表を務める「株式会社リアライズ」は、2023年1月1日より、「NTTデータバリュー・エンジニア」に社名を改めます。
その真意はまさに「データの価値を高めること(エンジニアリング)を通じてお客様のビジネスに貢献するプロフェッショナルでありたい」という意志表明を内外に示すためであり、これまでご提供してきた「活用できるデータへの整備支援やデータカタログ/データガバナンスの構築支援」に加え、さらにデータの価値向上をビジネス成果に直結させるために「データ分析・活用」の領域へと事業を広げ、これからもお客様と一緒に『データで創る一歩先の未来』を愚直に追い求めてまいりたいと考えております。
もしデータマネジメント/活用の領域で何かお悩みのことがありましたら、お気軽にご相談いただけたら幸いです。

少し宣伝も入ってしまい恐縮ですが、新たな社名のお知らせを兼ねて、新年のブログを綴りました。
今後ともどうぞ宜しくお願いいたします。

DAMA日本支部 渉外担当理事
日本データマネジメント・コンソーシアム[JDMC] 発起人 兼 事務局長
(株)NTTデータバリュー・エンジニア[旧:(株)リアライズ] 代表取締役社長
大 西 浩 史

経営情報の見える化とデータマネジメントプロセス改善

「データドリブン経営」という言葉が定着しつつある。これは、経験や勘に頼る従来型の経営判断を改め、データに基づいて意思決定を行おうとする経営手法だ。これを合言葉に、多くの企業で経営情報を見える化の取組みに着手しはじめた。

経営者はより上流業務の情報を細かく見たい

経営情報として真っ先に思いつくのは売上や収支といった会計情報だ。これらは会計システムから容易に手に入る。会計情報は現在の経営環境の変化を大まかに把握できる。ただし、なぜ変化したのか?今後どうなりそうか?といった洞察までは読み取ることはできない。そこで経営者は、より上流業務のデータを収集し、現場サイドで起こっている最新状況を把握し、自分の経営判断に役立てようと考える。

例えば営業情報について。業績に大きな影響を及ぼす主要顧客の引き合いや受注状況を収集し、商品毎の今後の売れ行きを見極めようとする。または購買情報について。自社製品の生命線となる基幹部品の動きを、サプライヤ別の購買単価や不良品率の推移から把握する。

このように経営者は、会計情報を皮切りにより上流業務に遡り、さまざまな情報を細かく見たいと考えている。

経営情報を提供する際に生じる
データマネジメント上の問題

こういった経営者のニーズに対応するためには、データマネジメント上さまざまな問題を乗り越えなければならない。

コード変換の問題

先に述べた引き合いや受注状況について。経営者はこれら情報を会計の売上情報と組み合わせて見たい。だがここでコードの問題が立ちはだかる。営業と会計の顧客コードは異なる場合が多い。よって両者を組み合わせるにはコード変換しなければならない。コード変換にはトラブルがつきものだ。両者の登録粒度が微妙に異なるため登録ミスが生じやすい。新規顧客に対しては変換表のメンテナンス漏れもよく発生する。

データの計上方法が不適切

業務上のデータ計上ルールが曖昧だったり、ルールの適用が不徹底だったりする場合がある。例えば基幹部品の購買情報を例に。しばしば購買部門では、本当は複数の購買品目があるのに、1件の購買として一括計上する商習慣があるかもしれない。これでは購買単価はおろか、基幹部品が買われたかどうかも分からない。

データが入力されていない

そもそもデータ自体が入力されていないケースも考えられる。例えば、サプライヤ別品目別に不良品率を見てサプライヤの選別に役立てたい。ただ、ある事業所では不良品の数量をシステム登録するルールそのものが存在していないことだってあるかもしれない。

業務部門を巻き込んだデータマネジメント
プロセスの抜本的な見直しを

経営情報の見える化に取り組むと自社のさまざまな問題が見えてくるだろう。特に上で例示した問題を解決するには、業務部門を巻き込みデータマネジメントプロセス自体を改善する必要がある。ただ、これは正直なかなか骨の折れる作業だ。ついこういった面倒くさい調整を後回しにして、データ統合基盤やBIの構築といったIT周りの作業に走りがちな企業が多いのではないか。

だが幸いにも「データドリブン経営」という言葉が定着しつつある。経営情報の見える化の取組みを契機に、自社のデータマネジメントプロセスを抜本的に見直してみてはどうか。データに敏感な経営者であれば必ず後ろ盾になってくれるだろう。

DQMワークシート チュートリアル資料のご紹介

DQMワークシートのチュートリアル資料とは

第8分科会では、DMBOKのデータクオリティマネジメントについて、「DMBOKのアクティビティに沿って活動すると具体的な成果物イメージはどうなるのか?」ということで、成果物としてのワークシートを整備してきました。
成果物の公開ページ

こちらについては、以前のブログで概要と一部のシートについてご紹介しています。よろしければご参照ください。
データ品質管理の具体的な成果物
データ品質管理の具体的な成果物(その2)

ワークシートの整備自体は数年前に完了しましたが、「どう埋めていくのかわかりづらいのでは?」という声もあり、最近の第8分科会ではワークシートのチュートリアル資料を整備してきました。 今回はそのチュートリアル資料をご紹介したいと思います(資料自体はワークシートと同じ 成果物の公開ページ からダウンロード可能です)。

チュートリアル資料の内容

チュートリアル資料の目次とワークシートは下図のように対応しています。
冒頭のオーバービューでの全体説明以降は、DQMワークシートと対応した章立てになっています。

Step1~4の各章では、それぞれのワークシートの概説として、作業概要や項目間のインプット-アウトプットの関係を示してから、作業ブロック(1つのタスクで検討する項目群)について、どのような検討を行い、どのような観点で項目を記載するのかを解説しています。
資料の基本的な構成は下記の通りです。

チュートリアル資料を見ながらワークシートに沿って検討を進めることで、ワークシートだけで見るよりも前作業とのつながりや検討上の注意点が分かりやすくなっているのではないかと思います。

また、各作業に関わる考慮点や検討内容のイメージなどをTipsとして盛り込んでいます。
例えば、Step4の運用整備に関するTipsとしては下記のようなフローのイメージを付けています。

もちろん、このTipsについては、組織によって役割分担や責任範囲の考え方が違うのであくまでも例となりますが、こうしたTipsはデータクオリティマネジメントに取り組む際の検討のヒントになるのではないかと考えています。

是非ご活用ください!

今回ご紹介したチュートリアル資料とワークシートは、DAMA日本支部のHPで無料公開しています。 DMBOKだけではつかみづらい具体的な成果物イメージを整理してきていますので、 これからデータクオリティマネジメントに取り組まれようとされている方に是非ご活用いただければ幸いです。

最後に、この場を借りて、今回のチュートリアル資料作成にご協力いただいた第8分科会のメンバーの方々に感謝をしたいと思います。
ありがとうございました!