ストーリー

データ資産棚卸しの全体像

棚卸しの目的

棚卸しの3つのアプローチ

データ資産棚卸しの3層アプローチ:

Layer 1: 自動ディスカバリ（ボトムアップ）
  ├── データベーススキーマの自動収集
  ├── データパイプラインのトレース
  ├── API仕様書からのデータモデル抽出
  └── クラウドサービスのストレージ一覧

Layer 2: ステークホルダーヒアリング（トップダウン）
  ├── 各部門のデータ利用状況
  ├── 意思決定に使っているデータ
  ├── 「あれば欲しい」データの要望
  └── データに関する課題・不満

Layer 3: システム横断分析（クロスカット）
  ├── データフローの全体マッピング
  ├── 重複データの特定
  ├── マスターデータの識別
  └── データリネージの構築

Layer 1: 自動ディスカバリ

データソースの種類と発見手法

自動ディスカバリで使えるツール

Layer 2: ステークホルダーヒアリング

ヒアリング対象と観点

ヒアリングテンプレート

Layer 3: システム横断分析

データフローマッピング

組織全体のデータの流れを可視化します。

データフローの全体像（例）:

[データソース]
  CRM(Salesforce) ──→ ETL ──→ DWH(Redshift)
  プロダクトDB(PostgreSQL) ──→ CDC ──→ DWH(Redshift)
  広告(Google Ads) ──→ API連携 ──→ DWH(Redshift)
  ログ(CloudWatch) ──→ Kinesis ──→ S3 ──→ DWH(Redshift)

[データ加工]
  DWH(Redshift) ──→ dbt ──→ マート層
                              ├── 顧客マート
                              ├── 売上マート
                              └── プロダクトマート

[データ消費]
  マート層 ──→ BIツール(Tableau) ──→ 経営ダッシュボード
  マート層 ──→ Jupyter ──→ データサイエンスチーム
  マート層 ──→ API ──→ プロダクト内レコメンド

データリネージの構築

データ分類体系の設計

4軸での分類

機密度分類の具体例

データカタログの設計

データカタログに含めるべき情報

「データカタログは”データの図書館の目録”だ。目録がなければ、誰も必要な本を見つけられない。逆に目録がよく整備されていれば、誰でも必要なデータを自力で見つけられる」 — 田中VPoE

まとめ

チェックリスト

• データ資産棚卸しの3層アプローチを理解した
• 自動ディスカバリで取得できる情報とツールを把握した
• ステークホルダーヒアリングの対象と観点を理解した
• データ分類体系の4軸を理解した
• データカタログに含めるべき情報を把握した

次のステップへ

次は「データ成熟度モデル」を学びます。組織のデータ活用レベルを客観的に評価し、目指すべきゴールを設定する方法を身につけましょう。

推定読了時間: 30分