はじめに
データサイエンスの重要性に気付き、取り組み始めている企業が増えています。また、データセキュリティに取り組むことでリスクを回避する必要があると考える企業が増えています。
データサイエンスとデータセキュリティという一見するとそれぞれ独立した分野のようですが、両分野にて成果を上げるには、共通して取り組むべきことがあります。
それが今回のテーマである「メタデータ管理」です。
今回はそんなメタデータ管理について、そもそもメタデータとは何なのかという基本的な内容から、実践的なメタデータ管理の進め方について解説させていただきます。
(”そもそも記事タイトルにある「データマネジメント」とは？” という方は、こちらの記事『データマネジメントとは何か』もご覧ください。）
「これからマスターデータ管理（MDM）に取り組もうと思っているが、何をするべきなのかわからない……」
そういう企業は多いのではないでしょうか。「マスターデータ管理」や「マスターデータマネジメント」「MDM」等で検索すると、マスターデータ管理を支援するツールの情報はたくさん出てきます。しかし、MDMに取り組む過程で何をするかについて紹介した記事は、あまり存在していません。
本記事では、DMBOK2の知識領域の１つである「参照データとマスターデータ」より定義を引用し、MDMとは何か、どのようなことをすればいいかについての独自解釈を加えて、お伝えしていきます。
今回のテーマはDMBOK2の知識領域の1つ、「データストレージとオペレーション」です。
（そもそも“データマネジメントとは？”“DMBOK2とは？”という方は、こちらの記事『データマネジメントとは何か』もご覧ください。）
データベースの管理には高い専門性が必要です。それだけに、「専門家に任せればいい」と安易に考えられてしまいがちです。しかし、担当者に丸投げして、会社として管理をしないのは問題です。データストレージとオペレーションに関する活動が上手くいっていないと、最悪の場合システムが停止するかもしれません。言わずもがな、システム停止は事業上の損失に直結します。
そういった事態を防ぐためにも、本記事を参考に貴社のデータベース管理について見なおしてみてはいかがでしょうか。本記事では、正直言って理解するのが難しいDMBOK2の、データストレージとオペレーションの章について解釈を記載しています。特に、「どんな活動が必要なのか」「それぞれの活動がどう関連するのか」を理解しやすいようにしています。データベース管理の外観をざっくりとおさえ、社内で適切な活動が行われているか振り返ってみるといいかもしれません。
はじめに
社内に存在する膨大な量のデータを管理・活用する際の指針となるのが今回紹介する「データアーキテクチャ」です。データマネジメントを行う企業は、まずデータアーキテクチャを設計し、それを実現するために計画的な取り組みを続けていく必要があります。
はじめに
本記事では、ユーザー企業の方向けにデータモデリングについて解説していきます。
データモデリングは、データに関する要件を明確化するための技術です。この技術は、データマネジメントを成功させるうえで必須のものとなっています。(”そもそも「データマネジメント」とは？” という方は、こちらの記事『データマネジメントとは何か』もご覧ください。）
本記事ではデータモデリング(およびその成果物であるデータモデル)について、そもそもの意味や必要とされる理由、進め方等について解説いたします。
今回の「３分で分かるデータマネジメント」ブログのテーマは「データ統合と相互運用性」です。DMBOK2では新しい知識領域として追加されており、その背景にはデータ駆動型経営へ転換するために、構造化/非構造化データを問わず様々な種類のデータを統合し、そこから価値を引き出すことが重視されている状況があるようです。今回は、データマネジメントに関する知識の中で「データ統合と相互運用性」の領域に該当する内容を書いていきます。
はじめに
ビッグデータを用いたデータ活用の話の中に「データガバナンス」という言葉が使われているのを時々目にします。また、「コンプライアンス維持のためには『データガバナンス』が必要だ」ということも叫ばれるようになってきています。試しに「データガバナンス」に触れているニュース記事を検索してみると、思いのほか多くの件数がヒットします。
しかし、多くの場合「データガバナンス」は説明なしに使われていることが多いのではないでしょうか。よくわからない方も多いと思われます。今回はデータガバナンスについて簡単に解説していきます。
はじめに
2018年5月に欧州でGDPRが施行されたことに伴い、個人データの法的保護を強化する動きが世界的に広がっています。（関連→『厳しさは国内法の100倍？ これからのGDPR対策について』
日本も例外ではなく、個人情報保護法の改正検討がリアルタイムで行われています。
しかし、最近では「法律や規制を守るだけでは足りない」という声が大きくなっています。例えば、リクナビの「内定辞退率」の一件では、予測結果を購入した企業は「個人情報保護を軽視している」として、その倫理観を厳しく問われています。
本稿では、DAMA-DMBOK2の第2章「データ取扱倫理」を参考に、データの倫理的な取り扱いについて、重要なポイントや、理解するべきことを書いていきます。
はじめに
以前弊社では「データ活用企画の進め方」と題して、情報要求の引き出し方（トップダウン・ボトムアップ双方）を体感頂く教育セミナを開催していましたが、受講者のアンケートには「データ活用の指標をどう設定すべきか知りたい」という、より具体的な要件に直結する要望が多く書かれていたと記憶しています。
そこで、本記事では以下の手順で企業におけるデータ活用の指標を導き出す試行を行ないます。
