データマネジメント試験対策教材６〜関連分野〜

2027年秋に開催されるとされるデータマネジメント試験の対策教材です。
6回目は関連分野について説明をします。

Transcript

1. 第6章 関連分野 【データマネジメント試験】対策資料
2. 導入 この資料の対象者とゴール 第６章 関連分野 対象となる方 新設されるデータマネジメント試験の合格を目指す方 データ戦略やプロジェクト管理など周辺のマネジメント領域を学びたい方 AIや生成AIをビジネスで活用するためのデータ基盤を構築したい方 この資料のゴール 経営戦略とデータ戦略の整合性や評価指標を理解する システム、プロジェクト、サービスマネジメントの基礎を学ぶ AI Ready Dataやデザインマネジメントなどの最新テーマを習得する 2
3. 目次 アジェンダ 6.1 データ戦略の企画と推進 6.2 システム戦略とサービス管理 6.3 プロジェクトマネジメントの基礎 6.4 ビジネス部門との協業 6.5 AI、生成AI時代のデータマネジメント 6.6 デザインマネジメント実践 6.7 BI、データアナリティクスの基礎 6.8 組織文化の定着とチェンジマネジメント 6.9 組込みシステム開発の基礎 第６章 関連分野 3
4. 6.1 データ戦略とデータドリブン経営 第６章 関連分野 データドリブン経営とデータに基づく意思決定 勘や経験に頼らないデータに基づく意思決定であるDDDMの実現 データ戦略は、経営戦略やDX戦略と整合させることが前提 組織の目指すべき姿を描き、ビジネス価値に直結する優先領域を決める 💡 ポイント解説 データ戦略は技術的な仕組みを作るためだけのものではありません。経営層がデータを用いて迅速な意思決定 を行うための体制と整合させる必要があります。 4
5. 6.1 データ戦略におけるKPI設計 第６章 関連分野 経営目標の指標化とデータ指標への落とし込み 経営目標を達成するための具体的なデータ指標を定義する 活動の進捗を可視化し、次の改善アクションへつなげる ビジネスプロセスとデータマネジメントの整合性を担保する 💡 ポイント解説 経営目標を具体的なデータ活用指標に紐付けることがKPI設計の基本です。活動成果を客観的に評価できるよ うにします。 5
6. 6.1 投資対効果であるROIの試算 第６章 関連分野 データマネジメント投資に対する費用対効果の算出 定量的効果：業務効率化によるコスト削減や売上増加額 定性的効果：意思決定スピードの向上やデータ信頼性の確保 データ管理への初期投資に対する中長期的な価値を試算する 💡 ポイント解説 データマネジメントの費用対効果は短期的には測定しにくいため、定量面だけでなく定性面も含めて長期的な 価値を算出する視点が求められます。 6
7. 6.1 成長ステップとAI-First戦略 第６章 関連分野 データ活用の成長ステップ 可視化：BIツールを用いて現状を把握する 経営貢献：業務改善や売上向上にデータを直接つなげる エコシステム：社外のデータも巻き込んだ新しい価値を創造する 社会課題解決：業界全体や社会の課題解決に貢献する AI-Firstデータ戦略：競合が模倣できない独自のデータ資産であるData Moatを構 築する 💡 ポイント解説 データの可視化から始まり、最終的には社会課題解決までステップアップします。また、AI時代には独自のデ ータ資産であるData Moatをいかに築くかが鍵となります。 7
8. Q1 確認問題 第６章 関連分野 【問題】 データ戦略およびKPI設計に関する記述として、最も適切なものはどれか。 ア. データ戦略は経営戦略とは独立して決定すべきである。 イ. 意思決定であるDDDMとは、データを用いず経験のみで判断することを指す。 ウ. 投資対効果であるROIの試算では、定量的なコスト削減効果だけでなく、意思決定スピード向上などの定 性的な効果も考慮する。 エ. データ活用の成長ステップでは、最初から社会課題解決を目指し、身近なデータの可視化は省略すべきで ある。 8
9. Q1 解答と解説 第６章 関連分野 【正解】 ウ 【解説】 データマネジメントのROI試算では、コスト削減などの定量効果だけでなく、意思決定迅速化などの定性効果 も考慮して評価します。 ・アは経営戦略との整合が必須のため誤りです。 ・イはデータに基づく意思決定を指すため誤りです。 ・エは身近な可視化から段階的に進めるのが原則です。 9
10. 6.2 システム戦略とサービス管理 第６章 関連分野 データ利活用を支えるIT基盤の戦略的企画 ビジネスの要件を満たすデータ基盤の将来像を設計する システムの性能や拡張性、投資規模のバランスを評価する データのライフサイクル全体を支えるシステム環境を企画する 💡 ポイント解説 ビジネス側のデータ活用要件と、それを実現するIT基盤のライフサイクル全体を整合させることがシステム戦 略の目的です。 10
11. 6.2 ITILベースのサービス管理 第６章 関連分野 データ管理をITサービスとして安定稼働させるための管理 可用性管理：データが必要なときにいつでも安全にアクセスできること キャパシティ管理：データの増加に対応できる容量や処理能力を確保すること 継続性管理：災害発生時にもデータを復旧し業務を継続できること 💡 ポイント解説 ITILとは、ITサービスマネジメントにおけるベストプラクティスをまとめたガイドラインです。データ管理をIT サービスとして安定稼働させるための管理項目を整理しておきましょう。 11
12. Q2 確認問題 第６章 関連分野 【問題】 ITILベースのサービス管理において、企業が保有・蓄積するデータの量が急増しても、データベースの容量不 足や処理速度の低下を起こさないよう、事前にストレージの空き容量やサーバーの処理リソースを最適に予 測・管理するプロセスはどれか。 ア. 可用性管理 イ. キャパシティ管理 ウ. 継続性管理 エ. プロジェクトスコープ管理 12
13. Q2 解答と解説 第６章 関連分野 【正解】 イ 【解説】 データ量の増加やユーザーアクセスの推移を見積もり、必要なインフラリソース（容量・性能）を確保するの はキャパシティ管理です。 ・ア（可用性管理）は、障害を防いで必要な時に必要なデータにいつでもアクセスできる状態を維持する活動 です。 ・ウ（継続性管理）は、災害時などの業務停止を防ぐためのディザスタリカバリや復旧計画に関する活動で す。 ・エはサービス管理ではなく、プロジェクト範囲を定義するプロジェクト管理手法の概念です。 13
14. 6.3 プロジェクトマネジメントの基礎 第６章 関連分野 PMBOKに基づくプロジェクト管理の基本 スコープ、スケジュール、コスト、品質、リスクなどの管理 プロジェクトの目的を明確にし、成果物の基準を設定する タスクの依存関係を整理し、現実的な計画を作成する 💡 ポイント解説 PMBOKとは、プロジェクト管理の知識体系をまとめた標準規格です。一般的な管理領域を整理しておきまし ょう。 14
15. 6.3 データプロジェクト特有の課題 第６章 関連分野 高い不確実性への対応と推進方法 データクレンジングの不確実性：データの汚れ具合は実際に調査してみないと分か らないため、想定以上の時間やコストがかかる データの発生源や利用部署が多岐にわたるため、調整や合意形成の難易度が高い 💡 ポイント解説 データマネジメントプロジェクトは不確実性が高いため、初期段階でデータアセスメントを行い、リスクを低 減することが重要です。 15
16. Q3 確認問題 第６章 関連分野 【問題】 データ整備やデータ移行などのプロジェクトにおいて、「実際のデータの汚れ（重複やフォーマットの乱れ） は調査しないと分からない」といった特有のリスクや不確実性に対処するため、プロジェクトの初期に実施す べき活動として、最も適切なものはどれか。 ア. データの汚れは無視し、移行テストを省略して本番環境へ一括ロードする。 イ. 事前に「データアセスメント（データ品質の現状分析）」を行い、クレンジングに必要な労力を早期に見 積もる。 ウ. 不確実性を避けるため、プロジェクトの進捗報告書の作成頻度を2倍にする。 エ. ITエンジニアにすべての責任を押し付け、進捗遅れが発生した際にペナルティを課す。 16
17. Q3 解答と解説 第６章 関連分野 【正解】 イ 【解説】 データプロジェクトの高い不確実性を管理するには、初期段階でデータ品質の実態を把握するデータアセスメ ントが最も有効なリスクヘッジになります。 ・アは本番環境で深刻なエラーやデータ破損を引き起こすため不適切です。 ・ウは進捗管理の頻度を増やしても、データそのものの不確実性は減少しないため不適切です。 ・エは根本的な技術課題の解決に繋がらず、チーム崩壊を招くだけです。 17
18. 6.4 ビジネス部門との協業 第６章 関連分野 円滑な連携と共通言語化の重要性 主要な関係者との連携 ビジネスアーキテクト：ビジネスプロセスの設計とデータ利活用の橋渡し データサイエンティスト：高度な分析やモデル構築を担当する専門家 共通言語化：専門用語を避け、ビジネスとITの双方が理解できる共通の用語集や定 義を作成する 💡 ポイント解説 データマネジメントの推進には、IT部門とビジネス部門の連携が不可欠です。双方が同じ意味でデータを理解 できるよう、共通言語化の場を設けましょう。 18
19. 6.4 協業におけるプロダクト判断 第６章 関連分野 ドメイン知識と技術的制約のバランス ドメイン知識：ビジネスの現場における業務フローやルールに関する知識 技術的制約：システムの性能、セキュリティルール、コスト面の制約 プロダクト判断：ビジネス側からの要望を満たしつつ、現実的なシステム制約の中 で最適なデータ設計を決めること 💡 ポイント解説 ビジネス側の要求をすべてシステムに反映できるとは限りません。専門家として技術的制約を考慮したプロダ クト判断をビジネス側に説明し、合意を形成するコミュニケーション能力が必要です。 19
20. Q4 確認問題 第６章 関連分野 【問題】 プロジェクト管理およびビジネス部門との協業に関する記述として、最も適切なものはどれか。 ア. データクレンジングの作業量は事前に正確に予測できるため、不確実性は非常に低い。 イ. ビジネスとITの双方が同じ定義で理解できる共通言語化は、連携をスムーズにする上で有効である。 ウ. プロダクト判断において技術的制約は考慮せず、要望をそのまま実装すべきである。 エ. ITILとは、SQLクエリの最適化手順のみを記述した専門書である。 20
21. Q4 解答と解説 【正解】 イ 【解説】 部門間でのデータ理解を統一する共通言語化は、円滑な連携のために不可欠です。 ・アは実際にデータを見るまで汚れ具合が分からないため不確実性が高くなります。 ・ウは現実的なシステム制約を考慮した判断が必要なため誤りです。 ・エはITサービス管理のベストプラクティス集です。 第６章 関連分野 21
22. 6.5 AI Ready Dataのコンセプト AIや機械学習モデルが即利用可能なデータ整備 表記揺れや入力ミスのないクレンジング済みのデータ 適切なタグ付けや欠損値の処理が施されていること 機械学習の学習用として十分な品質と量が確保されていること 💡 ポイント解説 AIモデルの精度はデータの質に依存するため、AI Ready Dataの整備が最優先課題です。 第６章 関連分野 22
23. 6.5 MLOpsとAIOps 第６章 関連分野 機械学習モデルの運用管理とシステム運用の効率化 MLOps：機械学習モデルの構築から本番運用、再学習のサイクルを自動化・管理 する仕組み AIOps：ITシステムの運用管理にAIを適用し、障害検知や運用自動化を進める仕組 み 💡 ポイント解説 モデルの劣化を防ぐために、MLOpsを通じた継続的な監視と再学習の運用体制が求められます。 23
24. 6.5 生成AIと自律型AI 第６章 関連分野 生成AI活用のデータ前処理 RAGと呼ばれる検索拡張生成の仕組み：自社の内部ドキュメントなどをテキスト データに変換し、AIが回答の参照元として利用できるようにする ファインチューニング：特定のデータセットを追加学習させ、モデルの出力を微 調整する エージェンティックAI：指示に基づいて自律的にデータ収集や分析、改善を繰り返 すAIシステム 💡 ポイント解説 RAGなどの生成AI活用では、ドキュメントの鮮度管理や正しいデータへのアクセス権限制御など、新たなデー タガバナンスのあり方が問われます。 24
25. Q5 確認問題 第６章 関連分野 【問題】 AIや機械学習を活用するビジネスシステムにおいて、開発した予測モデルの本番稼働、データの経時変化（デ ータドリフト）による予測精度低下の監視、および再学習パイプライン実行などの一連のシステム運用管理プ ロセスを指す用語はどれか。 ア. AIOps イ. MLOps ウ. DataOps エ. プロンプトガバナンス 25
26. Q5 解答と解説 第６章 関連分野 【正解】 イ 【解説】 機械学習モデルのライフサイクル管理・継続運用体制はMLOpsです。 ・ア（AIOps）は、ITシステムの監視や障害予兆検知にAIを活用するプロセスです。 ・ウ（DataOps）は、データパイプライン自体の自動化や開発プロセスの改善を目指すアプローチです。 ・エは、生成AIのプロンプト入出力を監査・制限しリスクを抑える取り組みです。 26
27. 6.6 デザインマネジメント実践 第６章 関連分野 DX推進に求められるデザインの素養 理解する力：顧客や現場ユーザーが本当に困っている課題やニーズを見抜く力 構想する力：データを用いて、これまでにない新しいサービスや業務フローを形に する力 伝える力：新しい構想の価値を、社内外の関係者に魅力的に提示し、共感を得る力 組織変革マネジメント：デザインを取り入れ、組織全体の変革を段階的にリードす るプロセス 💡 ポイント解説 デザインマネジメントとは、単に見た目の美しさを整えることではありません。顧客視点に立ってビジネスの 課題を根本から理解し、変革を構想して周囲に伝える力を指します。 27
28. Q6 確認問題 第６章 関連分野 【問題】 DX推進における「デザインマネジメント」の主な目的として、最も適切なものはどれか。 ア. 社内文書やプレゼンテーションで使用するフォント、図表の配色ルールを美しく統一すること。 イ. ユーザーや業務現場の真の課題を深く理解し、データを使った新しいサービスや価値を構想し、関係者に その価値を伝えて変革をリードすること。 ウ. プログラミングコードの物理的なソースコードインデントや命名スタイルを設計すること。 エ. 外部のウェブ制作専門会社に、ユーザーインターフェースのデザイン作業を丸投げして開発コストを削減 すること。 28
29. Q6 解答と解説 第６章 関連分野 【正解】 イ 【解説】 データマネジメントにおけるデザインマネジメントは、顧客視点での課題の「理解」「構想」「伝達」を通じ て、データ活用価値を最大化する変革手法です。 ・アはグラフィックデザインの単なる体裁整理に留まり、ビジネス価値創造の観点として十分ではありませ ん。 ・ウはソフトウェアのコーディング規約の話であり、デザインマネジメントの定義とは無関係です。 ・エはアプローチを丸投げするものであり、主体的変革を目指すデザインの素養とは合いません。 29
30. 6.7 可視化とBIツールの役割 第６章 関連分野 意思決定を支えるデータの翻訳 分析要件の定義：ビジネスの意思決定や課題解決に役立つ分析項目を定義する BIツールの役割：散らばったデータをグラフや図を用いて視覚的に表現する レポーティングモデルの構築：経営層や現場が、必要なときに必要なデータを確認 できるレポート画面の設計 💡 ポイント解説 BIツールを導入するだけでは成果は出ません。どのような意思決定を行うのかという目的を明確にし、それに 必要なデータを適切に可視化することが大切です。 30
31. 6.7 セルフサービスBIの推進 第６章 関連分野 現場の自律的な分析とエンジニアの支援 セルフサービスBI：専門知識がない現場のビジネスパーソンが、自らBIツールを操 作してデータ分析を行うこと データエンジニアリングの役割：ビジネス部門が安全かつスムーズに分析できるよ うに、整理されたデータベースであるデータマートなどを構築し提供する 💡 ポイント解説 セルフサービスBIを成功させるには、データエンジニアが事前にデータを綺麗にし、ビジネスユーザー向けに 使いやすく加工しておく環境整備が不可欠です。 31
32. Q7 確認問題 第６章 関連分野 【問題】 ビジネス部門の担当者自身が専門のIT部門に依頼せず、直接BIツールを用いて分析を行う「セルフサービス BI」を組織内に定着させるためのIT部門の役割として、最も適切なものはどれか。 ア. 現場ユーザーが複雑なSQLを使いこなせるよう、全員にプログラミング環境をそのまま付与する。 イ. 現場がアクセスしやすいように、データ収集時のクレンジングを一切行わずにデータベースを開放する。 ウ. 現場ユーザーが直感的に安全に使えるよう、表記揺れや無関係なカラムを排除して綺麗に集計した「デー タマート」を用意して提供する。 エ. 分析結果が誤っていた際のリスクを恐れ、セルフサービスBIの運用を禁止する。 32
33. Q7 解答と解説 第６章 関連分野 【正解】 ウ 【解説】 セルフサービスBIの成功は、IT部門（データエンジニア）がユーザーの利便性と安全性のために綺麗に整備し たデータマートを提供するといった環境設計にかかっています。 ・アは技術的ハードルが高すぎて現場が使えなくなるため不適切です。 ・イは未加工データによる誤分析や、個人情報流出などのセキュリティリスクが生じるため不適切です。 ・エは自律的なデータ活用の推進を妨げるため誤りです。 33
34. 6.8 組織文化の醸成と定着化 第６章 関連分野 チェンジマネジメントとリテラシー向上 チェンジマネジメント：変革に対する現場の心理的抵抗を和らげ、新しい仕組みを 定着させる管理活動 リテラシー向上施策：勉強会や研修を通じて、全社的なデータ活用スキルを底上げ する 💡 ポイント解説 データ活用のシステムを作っても現場が使わなければ意味がありません。チェンジマネジメントの視点から使 い手の不安を取り除き、定着を後押しすることが大切です。 34
35. 6.8 DX人材のパーソナルスキル 第６章 関連分野 変革を推進する人材に求められる共通スキル リーダーシップ：周囲を巻き込み、データ活用を牽引する 批判的思考：既存のやり方や前提を疑い、課題を発見する 適応力：変化の激しいビジネス環境に柔軟に対応する 💡 ポイント解説 データ活用の推進役には、技術的なスキルだけでなく、変革をリードするためのパーソナルスキルが求められ ます。 35
36. Q8 確認問題 第６章 関連分野 【問題】 新しいデータ分析ツールの全社導入にあたって、これまでの業務プロセスが変更されることに対する現場社員 の心理的不安や抵抗を和らげ、新しいツールを実務に定着させるために行う組織的な支援活動はどれか。 ア. キャパシティ管理 イ. スコープマネジメント ウ. チェンジマネジメント エ. 評判リスクアセスメント 36
37. Q8 解答と解説 【正解】 ウ 【解説】 変革に伴う人間の心理的摩擦を緩和し推進するマネジメントはチェンジマネジメントです。 ・ア（キャパシティ管理）は、システムの処理性能やストレージ容量を最適管理する活動です。 ・イ（スコープマネジメント）は、プロジェクトが実行すべき対象範囲を管理する活動です。 ・エは法規制や倫理問題により社外からブランド価値を損なわれる危険性を評価する活動です。 第６章 関連分野 37
38. 6.9 組込みシステムとIoT 第６章 関連分野 データ発生源としての制約とデータ連携 組込みシステム：家電や自動車などの機械に組み込まれ、特定の機能を実現するコ ンピュータ 制約：メモリや処理能力が限られており、ネットワーク通信量も抑える必要があ る エッジコンピューティング：データをクラウドに送る前に、エッジ側でリアルタイ ムに処理や絞り込みを行い、通信量を削減する技術 💡 ポイント解説 IoTデバイスや組込みシステムでは、収集したデータをすべてクラウドに送信すると帯域やコストが追いつきま せん。エッジ側でのフィルタリング処理の重要性を理解しましょう。 38
39. Q9 確認問題 第６章 関連分野 【問題】 AI活用および組込みシステムに関する記述として、最も適切なものはどれか。 ア. MLOpsとは、組込みシステム専用のハードウェア設計プロセスを指す。 イ. デザインマネジメントとは、WEBサイトの配色を美しく整えることだけを指す。 ウ. エッジコンピューティングを利用することで、すべてのデータをクラウドに送ることなく、処理負荷や通 信コストを低減できる。 エ. AI Ready Dataを整備するにあたって、表記揺れや欠損値はそのまま放置すべきである。 39
40. Q9 解答と解説 第６章 関連分野 【正解】 ウ 【解説】 エッジ側で一時処理を行うエッジコンピューティングにより、通信量やクラウドの負荷を抑えられます。 ・アは機械学習モデルの運用管理手法であるため誤りです。 ・イはビジネス課題を理解し、変革を構想・伝達するアプローチです。 ・エは表記揺れの解消や欠損値処理が基本です。 40
41. 総括 第6章のまとめ 前編 第６章 関連分野 データ戦略は経営戦略と整合させ、KPIと投資対効果であるROIの試算を行う システム戦略ではITILベースのサービス管理、プロジェクト管理では不確実性への 対応が重要 ビジネス部門との共通言語化を図り、技術的制約を考慮したプロダクト判断を行う 41
42. 総括 第6章のまとめ 後編 第６章 関連分野 AI活用にはAI Ready Dataの整備とMLOps、生成AIではRAGや自律的なAIの流 れがある デザインマネジメントによる変革構想や、現場へのチェンジマネジメントが定着の 鍵となる 組込みシステムの制約に対し、エッジコンピューティングで効率的にデータを処 理・収集する 42