この章で学ぶこと

データマネジメント試験のシラバスは、この章が扱う中分類「データマネジメント」だけで37語と、コース全体の中でも屈指のボリュームを持ちます。既存の学習コンテンツがほとんど存在しない完全新規の領域でもあるため、この章がコース全体の核になります。まずデータガバナンスとデータマネジメントという似た2つの言葉の役割分担を土台に置き、データが生まれてから捨てられるまでのデータライフサイクル、それを回すための組織体制（CDO・DMO・データオーナーなど）という順で理解を積み上げます。第8章のケーススタディで扱う「現場でのデータ活用判断」の前提知識にもなる章です。

データドリブン経営とデータマネジメントの基本概念

データを経営資源として扱い、勘や経験だけでなくデータに基づいて意思決定する経営スタイルをデータドリブン経営と呼びます。この土台になるのが、データを単なる記録ではなく組織のデータ資産として捉え、そこから継続的に価値創出につなげる考え方です。

データそのものを管理する活動がデータマネジメント、その活動が正しく行われるよう統制する仕組みがデータガバナンスです。この2つはよく混同されますが、たとえるなら、データマネジメントは「実際にデータを運転する」活動、データガバナンスは「運転のルールを定め、守られているか監視する」活動という関係にあります。両者を区別せずに運用すると、誰が何に責任を持つのかが曖昧になり、データの品質低下やサイロ化を招きます。

データには、顧客情報や商品情報のように組織の基準となるマスターデータと、日々の売上や取引記録のようなトランザクションデータがあります。マスターデータが揺らぐと分析結果全体が歪むため、この2種類を区別して管理する視点が重要です。また、これらのデータをどこに置き、どう流通させるかという物理・論理的な置き場所の概念をデータスペース、組織内で「これが正であり唯一の参照先である」と定めたデータの在り処をSSOT（信頼できる唯一の情報源）と呼びます。複数の部署が別々の数字を「正しい値」として扱ってしまう混乱を防ぐための考え方です。

データと意思決定の関係を整理する枠組みがDIKWモデルです。生の記録であるデータ（Data）を整理・加工すると情報（Information）になり、そこに経験や文脈を加えて業務に使える形にすると知識（Knowledge）になり、さらに深い洞察力として意思決定に活かせる段階が知恵（Wisdom）です。データマネジメントは、この4段階のうち下2段（データ・情報）を扱う活動と位置づけると全体像がつかみやすくなります。

扱う用語（精選・11語）

• データドリブン経営／データ資産／価値創出
• データマネジメント／データガバナンス
• マスターデータ／トランザクションデータ
• データスペース／SSOT（信頼できる唯一の情報源）
• データライフサイクル
• DIKWモデル（Data・Information・Knowledge・Wisdom）

データマネジメントの3機能とデータライフサイクル

データマネジメントの活動は、大きく3つの機能に整理できます。データを実際に扱うマネジメント機能、そのルールを統制するガバナンス機能、データの構造や流れを設計するアーキテクチャ機能です。次節で詳しく扱う「行政・立法・司法」のアナロジーで捉えると理解しやすくなります。

マネジメント機能の中には、データの構造や関係性を図や定義として整理するデータモデリング、複数のシステムやデータソースに散らばったデータを1つにまとめるデータ統合、データの正確性や一貫性を維持するデータ品質管理、データそのものではなく「データについてのデータ」を管理するメタデータ管理（詳細は第2章）、そしてデータを不正アクセスや漏えいから守るデータセキュリティが含まれます。

データは生まれてから捨てられるまで、生成（作られる）→保管（蓄積される）→処理（加工・分析される）→活用（意思決定や業務に使われる）→廃棄（不要になったデータを適切に消去する）という一連の流れをたどります。これをデータライフサイクルと呼び、各段階に応じた管理方針（保管期間・アクセス権限・廃棄手順など）を定めることがデータマネジメントの実務の中心です。「活用したら終わり」ではなく、不要になったデータを放置せず適切に廃棄する段階まで含めて管理する視点が、シラバスで重視されているポイントです。

データマネジメント・データガバナンスの整備が不十分だと、次のようなリスクが顕在化します。データの正確性が損なわれる品質低下、部署ごとにデータが孤立して連携できないデータのサイロ化、法令や社内規程に違反するコンプライアンス違反、必要なデータがすぐに揃わないことによる意思決定の遅れ、誤ったデータに基づく意思決定の精度の低下、そして大量のデータが整理されないまま蓄積され誰も活用できなくなるデータスワンプ（データの沼）です。データレイクは本来「活用しやすい生データの貯蔵庫」ですが、ガバナンス不在のまま放置するとデータスワンプ化する、という対比で覚えると定着しやすくなります。

扱う用語（精選・12語）

• データマネジメント機能（マネジメント・ガバナンス・アーキテクチャ）
• データモデリング／データ統合／データ品質管理／メタデータ管理／データセキュリティ
• データライフサイクル（生成・保管・処理・活用・廃棄）
• データマネジメント・データガバナンスの不備によるリスク（品質低下・サイロ化・コンプライアンス違反・意思決定の遅れと精度低下・データスワンプ）

仕組みを理解する: なぜガバナンスとマネジメントを分けて考えるのか

「データガバナンス」と「データマネジメント」の違いは、国の統治機構にたとえると整理しやすくなります。ガバナンス（司法・立法）は、ルールを作り（立法）、そのルールが守られているかを判定する（司法）役割です。一方、マネジメント（行政）は、定められたルールに従って実際に業務を執行する役割です。

この区別が重要なのは、同じ人が「ルールを作る人」と「ルールを実行する人」を兼ねてしまうと、都合よくルールを解釈したり、チェック機能が働かなくなったりするためです。データガバナンスの基本行動である評価・方針又は指示・監視（次節で扱います）は、この「ルールを作り、チェックする」立法・司法の役割そのものです。組織図を見るときも、「この役職はデータを実際に扱う（マネジメント）のか、扱い方のルールを統制する（ガバナンス）のか」を意識すると、CDOやデータオーナーといった役割の違いが理解しやすくなります。

データガバナンスの実践: 基本行動とルール策定

データガバナンスを実際に機能させるための基本行動は、評価・方針又は指示・監視の3つです。現状のデータ活用状況を評価し、あるべき姿への方針を示すか具体的な指示を出し、その実行状況を監視する——このサイクルを回すことで、データマネジメント機能（マネジメント・アーキテクチャ）を正しい方向に統制します。

具体的なルールとしては、データ品質の基準を定めるデータ品質ルール、アクセス権限や取り扱い方法を定めるデータセキュリティルール、そして問題が発生した際に誰にどう報告し対処するかを定めるエスカレーションルール（問題対処ルール）が中心です。これらのルールを誰が策定し、誰が実行を統制するのかというデータガバナンスルールの策定（マネジメント機能の統制）自体も、ガバナンス活動の重要な一部です。

ルールを作るだけでは機能しません。実行段階では、現場の活動をチェックし、必要な支援を行い、改善を指導するというデータガバナンス実行（チェック、支援、指導）が伴って初めてガバナンスは機能します。また、誰がどのデータに対して責任を持つのかを明確にする責任と権限（アカウンタビリティ）の割り当ても欠かせません。責任の所在が曖昧なままでは、問題発生時に誰も対処せず放置される事態を招きます。

扱う用語（精選・7語）

• データガバナンスの基本行動（評価・方針又は指示・監視）
• データガバナンスルールの策定
• 責任と権限（アカウンタビリティ）
• データ品質ルール／データセキュリティルール／エスカレーションルール（問題対処ルール）
• データガバナンス実行（チェック・支援・指導）

データマネジメントの組織体制

データガバナンス・データマネジメントを実際に動かす役割・組織構造を押さえます。組織全体のデータ戦略に最終責任を持つ経営層の役職が最高データ責任者（CDO）です。CDOのもとで全社横断的にデータマネジメント活動を推進・調整する専門組織がデータマネジメントオフィス（DMO）で、ガバナンスルールの策定支援や部門間の調整を担います。

現場に近い役割としては、特定のデータ領域に対する意思決定権限と責任を持つデータオーナー、データオーナーの方針を受けて日々の品質管理やルール順守を実務として担うデータスチュワードがいます。データオーナーが「このデータについて最終的に責任を持つ人」、データスチュワードが「その方針を現場で実行する人」という関係です。これに加えて、データ基盤の構築・運用を担うデータエンジニア、データの構造やモデルを設計するデータアーキテクトという技術系の役割もあわせて押さえます。

これらの役割をどう組織に配置するかには、いくつかのデータマネジメントの組織構造パターンがあります。全社のデータマネジメント機能を1つの部署に集約する中央集権型は統制が効きやすい一方で現場のニーズへの対応が遅れがちです。各事業部門がそれぞれ独自にデータマネジメントを行う分散型は現場対応力が高い一方で全社的な整合性が取りにくくなります。両者の折衷として、全社共通のガバナンス方針はDMOなど中央組織が定めつつ、実行は各部門のデータスチュワードが担う連邦型も実務では広く採用されています。

扱う用語（精選・7語）

• 最高データ責任者（CDO）／データマネジメントオフィス（DMO）
• データオーナー／データスチュワード
• データエンジニア／データアーキテクト
• データマネジメントの組織構造（中央集権型・分散型・連邦型）

AIで学ぶ

ここまでの用語は、ChatGPTやClaudeなどの生成AIに以下のプロンプトを投げかけると、比較表つきでさらに深く掘り下げて学習できます。コピーして使ってみましょう。

あなたはデータマネジメント試験の講師です。「データガバナンスと組織体制」の範囲について、以下の用語を初学者向けに**関連づけながら**説明してください（単体の丸暗記より、用語同士のつながりを理解したほうが記憶に定着しやすく、試験本番で紛らわしい選択肢を見分ける力もつくためです）。用語同士の違いが分かる**比較表**を最後に付けてください。

【基本概念】データドリブン経営、データ資産、データマネジメント、データガバナンス、マスターデータ、トランザクションデータ、データスペース、SSOT、データライフサイクル、DIKWモデル
【3機能とライフサイクル】データマネジメント機能（マネジメント・ガバナンス・アーキテクチャ）、データモデリング、データ統合、データ品質管理、メタデータ管理、データセキュリティ、データライフサイクル（生成・保管・処理・活用・廃棄）、データスワンプ
【ガバナンスの実践】データガバナンスの基本行動（評価・方針又は指示・監視）、責任と権限（アカウンタビリティ）、データ品質ルール、データセキュリティルール、エスカレーションルール
【組織体制】最高データ責任者（CDO）、データマネジメントオフィス（DMO）、データオーナー、データスチュワード、データエンジニア、データアーキテクト、組織構造（中央集権型・分散型・連邦型）

AIに用語リストだけを渡すと、辞書をそのまま読み上げるような無機質な説明が返ってくることがあります。このプロンプトが役割（試験の講師）・関連づけの指示・出力形式（比較表）の3つを指定しているのはそれを避けるためです。特にこの章は「ガバナンス」と「マネジメント」のように似た言葉が多いため、比較表で違いを可視化させることが理解の近道になります。

章末チェック

最後に、この章で学んだ知識をアウトプットして定着させましょう。全問に答えたら「答え合わせ」を押してください。

この章のまとめ

この章では、データガバナンスとデータマネジメントという似た2つの言葉の役割分担、データが生まれてから捨てられるまでのデータライフサイクル、そしてCDO・DMO・データオーナーといった組織体制を学びました。ここで学んだ「誰が何に責任を持つか」という視点は、次章のデータ品質管理・メタデータ管理を理解するうえでも土台になります。

次章では、データそのものの正確性をどう維持し、「データについてのデータ」であるメタデータをどう管理するか——データの品質特性やメタデータの3分類を学びます。→ 第2章 データ品質管理とメタデータ管理