部門ごとに分断されたデータ管理を、全社共通の仕組みへ。

ある多国籍飲料メーカーの日本法人では、部門ごとにデータが積み上がり、定義も持ち主もばらばらでした。当社はデータの全体像を整理し、役割と委員会を定めて、現場が回し続けられるガバナンスの仕組みをつくりました。

  • 多国籍飲料メーカー(日本法人)
  • データインテリジェンス
  1. 共通共通の分類とデータディクショナリー
  2. 委員会部門横断のデータガバナンス委員会を発足
  3. 継続一度きりで終わらない、続けて回る仕組み

課題

データはあるのに、全体を信頼して見られなかった。

ある多国籍飲料メーカーは、拠点ごとのレポートから、全社で一貫したデータ活用へ移ろうとしていました。

日本では、データが部門ごとに積み上がり、データソースが重なり、定義も食い違っていました。事業の全体を、信頼できる形で見ることが難しい状況でした。

ポリシーはその場ごとに決められ、アクセス管理にもばらつきがあり、主要なデータ領域の責任者も決まっていませんでした。

日本独自のマスターデータ管理(MDM)も、システムとデータの全体マップもなく、ガバナンスへの理解もチームによってまちまちでした。今のレポートを安定させながら、これからの分析とAIに備えるため、すぐにプログラムを立ち上げる必要がありました。

  • データが部門ごとに分かれ、定義が食い違っていました。
  • 主要なデータ領域に、責任者がいませんでした。
  • MDMもデータの全体マップもなく、土台が整っていませんでした。

当社が行ったこと

取り組みの流れ

広げられる形で、データガバナンスのプログラムを立ち上げる。

  1. 1

    課題を洗い出す。

    経営層と各部門のワークショップで、取得、維持、共有、保管というデータのライフサイクル全体の課題を洗い出し、優先順位をつけました。

  2. 2

    全体像を描く。

    データの出どころ、システム、データの流れを整理し、データ領域、データのまとまり、見る指標、主な使い方の共通の分類をつくりました。

  3. 3

    役割と委員会を定める。

    スポンサー、データオーナー、データ担当者の役割と責任を定め、部門横断のデータガバナンス委員会を立ち上げて、責任と運営のリズムを明確にしました。

  4. 4

    仕組みを整え、根づかせる。

    用語集と一覧、分類の基準、業務ルール、データをそろえる基準を整え、問題が起きる前に品質を確認する仕組みと、探しやすい資料の置き場を用意しました。定期的な連絡、ひな形、順番を決めた計画で、一度きりで終わらない取り組みにしました。

導入前と導入後

何が変わったか

項目導入前導入後
データの責任主要なデータ領域に責任者がいないデータオーナーとデータ担当者を任命し、委員会が運営
定義部門ごとに定義が食い違う共通の分類とデータディクショナリー
進め方その場ごとの単発の取り組み方法論、ツール、テンプレートで一貫したプログラムに
これから分析やAIの土台がないAIを活用する取り組みに備えた体制

成果

現場が回し続ける、データガバナンス。

  • 信頼できる分析を妨げていた4つの構造的な課題を特定しました。データの重複、データモデルの全体像がないこと、責任者が不明確なこと、業務プロセスが理解も文書化もされていないことです。
  • 方法論、ツール、テンプレートをそろえ、各事業部門でガバナンスを実践し、維持できるようにしました。
  • データガバナンス委員会とデータ担当者の仕組みで、事業部門が自分たちで回すガバナンスが根づきました。データを丁寧に扱う意識と、AIを使う次の取り組みへの備えができました。

このプロジェクトで提供したサービス

同じ取り組みを、貴社でも。

使用した技術

  • データガバナンス
  • データカタログ
  • データディクショナリー
  • データ品質監査
  • チェンジマネジメント

サービス:データインテリジェンス

同じような課題をお持ちですか?
今の状況をお聞かせください。

同様のプロジェクトを相談する

2営業日以内にご返信します。