この章で学ぶこと
- データドリブン経営とDIKWデータドリブン経営とデータマネジメントの関係と、DIKWモデルの4つの段階を言える。
- データマネジメント機能データガバナンス(立法・司法)、マネジメント(行政)、アーキテクチャの役を見分け、データのサイロ化を説明できる。
- データ品質とメタデータデータ品質管理とメタデータ管理を見分け、何がメタデータに当たるかを言える。
- データライフサイクルデータライフサイクルの5つの段階(生成・保管・処理・活用・廃棄)を順に言え、場面がどの段階かを見分けられる。
1データドリブン経営とDIKW
データをもとに会社を動かすこと(データドリブン経営)と、それを支える活動(データマネジメント)、データが知恵になるまでの段階(DIKWモデル)を学びます。
データドリブン経営とデータマネジメント
第6章「世の中と客の変化、そしてDX」で学んだように、今はデータを集めて分析し、その結果を生かす社会(データ駆動型社会)です。会社でも、勘や経験だけに頼らず、データをもとに判断し、会社を動かすことが求められています。これをデータドリブン経営といいます。たとえば、売上の記録から売れる時間帯を見つけて、店員の人数を決めることです。
ただし、データが間違っていたり、どこにあるか分からなかったりすれば、データで判断することはできません。データを、正しく、必要な人がいつでも使える状態に保つための活動をデータマネジメントといいます。データドリブン経営は、データマネジメントがあって初めて成り立ちます。
DIKWモデル
集めたデータは、そのままでは役に立ちません。データが整理され、判断や行動に生かされるまでの段階を、次の4つで表した考え方をDIKWモデルといいます。4つの英語の頭文字をとった名前です。
- データ(Data)ばらばらの記録。レジに残った、1件ずつの売上の記録
- 情報(Information)データを整理して、意味が読み取れるようにしたもの。天気ごとに集計すると、先月は雨の日に平均60個、晴れの日に平均40個の弁当が売れていたと分かる
- 知識(Knowledge)情報から導いた、くり返し使える決まり。何か月分を見ても同じ傾向が続くので、「雨の日は、弁当が晴れの日の1.5倍売れる」という決まりとして使える
- 知恵(Wisdom)知識をもとに、判断して動くこと。雨の予報の日は、弁当を多めに仕入れる
くり返し使える決まりを導いた段階は知識、それをもとに何をするかを決めて動いた段階が知恵です。
2データマネジメント機能
データマネジメントの仕事を受け持つ役の分け方(データマネジメント機能。データガバナンスの立法と司法、マネジメントの行政、アーキテクチャ)と、データが部門ごとに分かれてつながらない状態(データのサイロ化)を学びます。
データマネジメント機能
データマネジメントの仕事を、役ごとに分けたものをデータマネジメント機能といいます。代表的な機能には、次のようなものがあります。決まりを作る・確かめる・決まりに沿って扱う、という役の分け方は、国の立法・司法・行政にたとえられます。
- ガバナンス(立法)
- データの扱いの決まりと責任者を決める。「客の情報は、決めた形式で入力し、1人の責任者が管理する」と決める
- ガバナンス(司法)
- 決まりが守られているかを確かめ、守られていなければ直すよう求める。委員会が、各部署の表が決まりどおりかを調べ、直すよう求める
- マネジメント(行政)
- 決まりに沿って、データを日々登録・修正・廃棄する。各部署が受け持つ。営業部が、決まった形式で客の情報を登録する
- アーキテクチャ
- どのデータをどこに置き、部署の間でどうつなぐかの、全体の設計図を描く。客の情報は営業部の表を元にし、経理部の表とつなぐと決める
このうち、決まりを作り(立法)、守られているかを確かめる(司法)役を、まとめてデータガバナンスといいます。決まりに沿って実際にデータを扱うのは、マネジメント(行政)の役です。マネジメント(行政)は、データマネジメントの中の1つの役で、データマネジメントという活動全体とは違います。
データのサイロ化
全体の設計図(アーキテクチャ)がないまま、部門ごとに自分たちのデータを作って使っていると、部門の間でデータがつながらなくなります。たとえば、教室の部と販売の部が、それぞれ別々に客の表を作っていると、「教室に通う客が、どんな商品を買っているか」を調べられません。このように、データが部門ごとに分かれていて、会社全体で合わせて見られない状態をデータのサイロ化といいます。サイロは、穀物を種類ごとに分けてしまっておく、塔の形の倉庫のことです。
3データ品質とメタデータ
データを正しく使える状態に保つための、データの品質の管理(データ品質管理)と、データの意味の説明書き(メタデータ)の管理(メタデータ管理)を学びます。
データ品質管理
データの中には、同じ会社の名前が「株式会社」と「(株)」でばらばらに書かれている、必要な値が抜けている、古いままで直されていない、といったものがあります。このようなデータで分析すると、結果がまちがってしまいます。データの値が正しく、そろっていて、抜けがなく、新しいかを確かめ、直していく活動をデータ品質管理といいます。
メタデータとメタデータ管理
データの値だけを見ても、その意味が分からないことがあります。たとえば、表の「数量」という列が、個数なのか箱の数なのか分からなければ、正しく使えません。データの意味や成り立ちを説明するデータをメタデータといいます。データについてのデータ、という意味です。
- データ
- 値そのもの、値を集計したもの、突き合わせて使う別のデータの値。ある荷物の届け先と届けた日時、今月の配達の件数
- メタデータ
- データの意味や成り立ちの説明。「表の1行は荷物1個を1回届けたことを表す」という説明、項目の意味・単位・番号の付け方・データの出どころ
メタデータを書きそろえ、誰でも読めるようにまとめて保つ活動をメタデータ管理といいます。メタデータ管理をしておけば、値の意味が分からずに使えない、という困りごとを防げます。
値の書き方がそろっていない、抜けている、古い、といった値そのものの問題を直すのはデータ品質管理です。値の意味が分からない、という問題を防ぐのはメタデータ管理です。
4データライフサイクル
データが生まれてから捨てられるまでの5つの段階(データライフサイクル:生成・保管・処理・活用・廃棄)を学びます。
データライフサイクル
データには、生まれてから捨てられるまでの一生があります。この一生をデータライフサイクルといい、次の5つの段階に分けます。データマネジメントは、データライフサイクルのどの段階でも、データを正しく扱うことを目指します。
- 生成データが生まれる、または集められる。レジで売上が記録される、アンケートの答えが集まる
- 保管データを、決まった場所に安全にしまっておく。売上の記録を、データベースに保存する
- 処理データの間違いを直したり、まとめたり、形を整えたりして、使える形にする。店ごとにばらばらの書き方を直し、月ごとに集計する
- 活用データを分析し、その結果を見て判断したり、仕事に生かしたりする。集計の結果を見て、来月の仕入れの量を決める
- 廃棄要らなくなったデータや、保存の期間を過ぎたデータを、決まりに沿って消す。保存の期間を過ぎた客の情報を、決まりに沿って消す
データライフサイクルは、データを使う活用の段階で終わりではなく、廃棄まで含みます。要らなくなったデータを消さずにいると、データが増え続けて置き場所や費用がかさみ、個人情報などが漏れるおそれも高まります。
IPA、ITパスポート試験 シラバス(案)Ver.0.1(大分類2 中分類8 データマネジメント)。