ストーリー

データガバナンスとは

定義

データガバナンスとは、組織のデータ資産を効果的に管理するための方針、プロセス、組織体制、技術の総合的なフレームワークです。

なぜ今データガバナンスが重要なのか

従来のBI時代:
  データ → ダッシュボード → 人間が判断
  ⇒ 人間がデータの異常に気づける

AI時代:
  データ → モデル学習/RAG → AIが判断支援 → 人間が行動
  ⇒ データの問題がAIの判断に直接影響し、検出が困難

AI活用においてデータガバナンスが特に重要になる理由を整理します。

AI時代のデータガバナンスフレームワーク

DAMA-DMBOK2（Data Management Body of Knowledge）をベースに、AI活用に必要な要素を追加したフレームワークを構築します。

DAMA-DMBOK2の11の知識領域

# DAMA-DMBOK2 知識領域（AI拡張版）
data_governance_framework:
  core:
    - name: "データガバナンス"
      description: "全体の方針・組織・プロセスの統括"
      ai_extension: "AI倫理ポリシー、モデルガバナンスとの連携"

  operational:
    - name: "データ品質管理"
      ai_extension: "バイアス検出、ドリフト監視"
    - name: "メタデータ管理"
      ai_extension: "埋め込みモデル情報、プロンプトテンプレート管理"
    - name: "データセキュリティ"
      ai_extension: "LLMへのデータ流出防止"
    - name: "マスタデータ管理"
      ai_extension: "RAG用の正規化データソース管理"

  architectural:
    - name: "データアーキテクチャ"
      ai_extension: "ベクトルDB、特徴量ストア設計"
    - name: "データモデリング"
      ai_extension: "非構造化データのスキーマ定義"
    - name: "データストレージ"
      ai_extension: "埋め込みベクトルの保存戦略"

  enabling:
    - name: "データ統合と相互運用"
      ai_extension: "マルチモーダルデータの統合"
    - name: "ドキュメントとコンテンツ管理"
      ai_extension: "RAGソースドキュメントの版管理"
    - name: "参照データとマスタデータ"
      ai_extension: "ファインチューニング用ラベルデータ管理"

フレームワークの階層構造

データガバナンス組織体制

3つの主要ロール

// データガバナンス組織のロール定義
interface DataGovernanceRoles {
  dataOwner: {
    role: "データオーナー";
    level: "事業部門の責任者（部長以上）";
    responsibilities: [
      "データの品質基準を定義する",
      "データのアクセス権限を承認する",
      "AI利用の可否を最終判断する",
      "データ関連インシデントの最終責任を負う"
    ];
    count: "データドメインごとに1名";
  };
  dataSteward: {
    role: "データスチュワード";
    level: "実務レベルの管理者";
    responsibilities: [
      "データ品質ルールを策定・運用する",
      "メタデータを維持管理する",
      "データオーナーと技術チームの橋渡し",
      "データ品質レポートを作成する"
    ];
    count: "データドメインごとに1-2名";
  };
  dataEngineer: {
    role: "データエンジニア";
    level: "技術実装担当";
    responsibilities: [
      "データパイプラインを構築・運用する",
      "品質チェックの自動化を実装する",
      "データカタログを技術的に維持する",
      "ベクトルDB・埋め込みパイプラインを運用する"
    ];
    count: "チームに必要な人数";
  };
}

ガバナンス組織図

┌──────────────────────────────────────────┐
│        CDO / データガバナンス委員会         │
│   ・全社方針の決定                         │
│   ・AI倫理方針の策定                       │
│   ・四半期レビューの実施                    │
└──────────────┬───────────────────────────┘
               │
    ┌──────────┼──────────┐
    ▼          ▼          ▼
┌────────┐ ┌────────┐ ┌────────┐
│顧客データ│ │業務データ│ │AI/MLデータ│
│ドメイン  │ │ドメイン  │ │ドメイン   │
├────────┤ ├────────┤ ├─────────┤
│Owner   │ │Owner   │ │Owner    │
│Steward │ │Steward │ │Steward  │
│Engineer│ │Engineer│ │Engineer │
└────────┘ └────────┘ └─────────┘

RACI マトリクス

R: Responsible（実行）、A: Accountable（承認）、C: Consulted（相談）、I: Informed（報告）

メタデータ管理とデータカタログ

メタデータの種類

データカタログの実装

# データカタログのエントリ例
catalog_entry:
  id: "customer_profile_v3"
  name: "顧客プロファイルデータ"
  domain: "顧客データ"
  owner: "マーケティング部 山田部長"
  steward: "データ管理課 鈴木"

  technical:
    source_system: "CRM (Salesforce)"
    format: "Parquet"
    schema_version: "3.2.1"
    record_count: 105_000
    update_frequency: "daily"
    storage: "s3://data-lake/customer/profile/"

  quality:
    completeness: 0.95
    accuracy: 0.92
    freshness: "< 24h"
    quality_score: 87

  classification:
    sensitivity: "機密"
    pii_contains: true
    pii_fields: ["email", "phone", "address"]
    retention_period: "5年"
    gdpr_relevant: true

  ai_usage:
    approved_for_training: false
    approved_for_rag: true
    anonymization_required: true
    embedding_model: "text-embedding-3-small"
    last_embedded: "2026-02-15"
    chunk_strategy: "semantic"
    vector_db: "Pinecone"

主要なデータカタログツール

データガバナンス成熟度モデル

5段階の成熟度レベル

成熟度評価の軸

// 成熟度評価の6軸
interface MaturityAssessment {
  axes: {
    organization: {
      name: "組織体制";
      level1: "データ管理の担当者がいない";
      level3: "データオーナー・スチュワードが任命されている";
      level5: "CDOが設置され、全社的なガバナンス委員会が機能";
    };
    policy: {
      name: "ポリシー";
      level1: "データ利用ルールが存在しない";
      level3: "分類基準・利用ポリシーが文書化されている";
      level5: "ポリシーが自動適用され、違反が即座に検出される";
    };
    quality: {
      name: "品質管理";
      level1: "品質チェックなし";
      level3: "品質ルールが定義され定期チェックが実施される";
      level5: "リアルタイム品質監視と自動修復が稼働";
    };
    metadata: {
      name: "メタデータ";
      level1: "メタデータが管理されていない";
      level3: "データカタログが整備され検索可能";
      level5: "リネージュの自動追跡、AIによるメタデータ推奨";
    };
    security: {
      name: "セキュリティ";
      level1: "アクセス制御が不十分";
      level3: "データ分類に基づくアクセス制御が実装";
      level5: "ゼロトラスト、動的アクセス制御、監査ログ完備";
    };
    compliance: {
      name: "コンプライアンス";
      level1: "規制要件を把握していない";
      level3: "主要規制への対応が完了し、監査に対応可能";
      level5: "規制変更の自動追跡、プロアクティブな対応";
    };
  };
}

成熟度向上のロードマップ

まとめ

チェックリスト

• データガバナンスの定義と重要性を理解した
• AI時代にデータガバナンスが特に重要になる理由を説明できる
• DAMA-DMBOK2ベースのフレームワークを把握した
• 3つの主要ロール（オーナー、スチュワード、エンジニア）の責務を区別できる
• データカタログの役割と構成要素を理解した
• 成熟度モデルで組織の現状を評価する方法を理解した

次のステップへ

次は「データ品質管理」を学びます。AI向けデータの品質をどう定義し、測定し、改善するかを深掘りしましょう。

推定読了時間: 30分