データエンジニアリング連載 の2本目です。
はじめに
TIG（Technology Innovation Group）の真野です。
このたび、フューチャーが公開しているアーキテクチャガイドライン群に、新しく「データガバナンス設計ガイドライン」を追加公開しました。
本記事では、なぜ今データガバナンスなのか、そしてこのガイドラインをどのような方に読んでいただきたいかを紹介します。
なぜ今、データガバナンスなのか
生成AIの活用が実験段階から業務適用へと進む中で、成果を分けているのはモデルの選定よりも、AIに渡すデータの側ではないでしょうか。RAGで社内ドキュメントを検索させようにも、どこに正のデータがあるか分からない、同じ指標なのに部署ごとに数字が違う、そもそも渡してよいデータなのか判断できない。このあたりで足踏みしているケースは少なくない気がします。
データガバナンスは従来、コンプライアンスやセキュリティといった「守り」の文脈で語られがちでした。しかしAI活用が前提となった今は、データを使える状態に保つための「攻め」の基盤整備という側面が強くなっているわけです。
データの品質と構造は競争力になる
AIモデル自体は各社が同じものを使えるため、差別化の源泉にはなりにくく、差がつくのは自社にしかないデータをどれだけ使える状態にしているかです。データの意味がメタデータとして記述され、品質基準が運用に乗り、アクセス可否が分類ルールで即断できる。この状態を作っておけば、新しいAI技術が登場するたびに準備で数か月を費やすことなく、すぐに乗ることができます。
逆に言うと、ガバナンスへの投資はAI活用の立ち上がり速度への投資でもある、と捉えられるのではないでしょうか。
ガイドラインで何を扱っているか
詳細は本体に譲りますが、全体像を掴んでいただくためにキーワードを挙げます。
- ガバナンス推進体制: 攻めのガバナンスと守りのガバナンス、データオーナー・データスチュワード、成熟度モデル
- データ分類: L1〜L4のデータ分類とアクセス管理、マスキング・匿名化
- メタデータ・データ品質: データカタログ、品質基準の定義と形骸化を防ぐ運用
- マスタデータ管理・データアーキテクチャ: 統合戦略、データ基盤の設計方針、データライフサイクル
- 技術トレンドとの付き合い方: データメッシュ、Zero ETL、レイクハウス、Data Contract
- AI-Readyなガバナンス: RAG、生成AI時代に向けたデータ整備
一貫しているのは、ガバナンスを「ルール作り」ではなく「品質・統制・利便性をどう意思決定するかの枠組み」として捉えている点です。最初から重厚な統制を敷くのではなく、最小限のルールから始めて段階的に育てるボトムアップのアプローチを推しています。
既存のデータマネジメント設計ガイドラインとの棲み分けは、ガバナンスが「立法・司法」、マネジメントが「行政」という三権分立の整理です。方針・ルールを決める側と、それを実務に落とす側で対になっているので、セットで読むと立体的に掴めると思います。
現場の実践知の持ち寄りで作りました
このガイドラインは、社内で有志メンバーを募り、週次30分の定例を2か月ほど続けるアセット活動として作成しました。メンバーはそれぞれ別の現場でデータ基盤やガバナンス推進に携わっており、各プロジェクトでの進め方を情報交換しながら、共通項を方針として言語化していくスタイルです。
キックオフ前のブレストの時点で、以下のような教科書ではあまり正面から扱われない論点が次々に挙がりました。
- 「データ提供側にインセンティブがなく協力を得にくい」
- 「コーポレート部門と事業部門のどちらが主導すべきか」
- 「どのデータに履歴を持たせ、どれは最新断面だけでよいのか」
このガイドラインには、こうした現場発の問いに対する現時点での回答集という性格もあります（「そもそもデータマネジメントとの違いは何か」という問いが何度も出てきたのも、この領域らしいところです）。
どんな人に読んでほしいか
このガイドラインは、次のような立場の方を読者として想定しています。
- データマネジメント組織の立ち上げ・運営を任された方: 何から手を付けるべきか、体制と役割をどう定義するか、の初手から書いています
- DX・AI活用を推進していて、PoCの先に進めず悩んでいる方: 足踏みの原因がデータの散在や品質にあるなら、その解きほぐし方のヒントになると思います
- データ基盤を構築するエンジニア・アーキテクト: 技術選定だけでなく、その基盤を組織にどう根付かせるかという運用面の設計指針として使えます
- データへの投資判断を担う経営層・マネジメント: なぜガバナンスに投資するのか、経営への説明材料としても読める構成にしています
「うちはまだデータ活用の初期段階だから早い」と感じる方こそ、対象読者だと考えています。ボトムアップで小さく始める前提で書かれているため、整備が進んでからではなく、これから整備する段階で読むのが一番効果的なわけです（整備し終えた後に読むと、手戻りに気づいて胃が痛くなるかもしれません）。
さいごに
データガバナンスは地味な領域と見られがちですが、AI活用の成否を裏側で決めるテーマになってきたと感じています。まずは自分の組織に近い章を1つ拾い読みするところから始めれば良いと思います。一緒に議論・執筆いただいた有志メンバーの名前は、ガイドライン末尾の謝辞に記載しています。
ガイドラインは公開してからが本番なので、実務で使ってみた感想やフィードバックをいただけると嬉しいです。微力ながら、各社のデータ活用の立ち上がりに貢献できれば良いなと思っています。