DAMA-DMBOK Skill

Overview

DAMA-DMBOK（Data Management Body of Knowledge）は、DAMA International が策定した データマネジメントの国際的な知識体系です。データを組織の戦略的資産として管理するための 包括的なフレームワークを提供します。

核心原則:

• Data as an Asset（データは資産）: データを戦略的資産として管理
• Data Governance（ガバナンス）: 統制とアカウンタビリティの確立
• Data Quality（品質）: 信頼できるデータの維持
• Data Security（セキュリティ）: 適切な保護とアクセス管理

┌─────────────────────────────────────────────────────────────────────┐
│                      DAMA-DMBOK Framework                           │
│                                                                     │
│                    ┌───────────────────┐                           │
│                    │  Data Governance  │                           │
│                    │  （データガバナンス）│                           │
│                    │    [中心・統括]    │                           │
│                    └─────────┬─────────┘                           │
│                              │                                      │
│    ┌─────────────────────────┼─────────────────────────┐           │
│    │                         │                         │           │
│    ▼                         ▼                         ▼           │
│ ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐
│ │Data      │  │Data      │  │Data      │  │Reference │  │Data      │
│ │Quality   │  │Architecture│ │Security  │  │& Master  │  │Integration│
│ │品質      │  │アーキテクチャ│ │セキュリティ│  │MDM      │  │統合      │
│ └──────────┘  └──────────┘  └──────────┘  └──────────┘  └──────────┘
│                                                                     │
│ ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌──────────┐
│ │Metadata  │  │Data      │  │DWH &     │  │Data      │  │Document  │
│ │Management│  │Modeling  │  │BI        │  │Storage   │  │& Content │
│ │メタデータ │  │モデリング │  │DWH/BI   │  │ストレージ│  │文書管理  │
│ └──────────┘  └──────────┘  └──────────┘  └──────────┘  └──────────┘
└─────────────────────────────────────────────────────────────────────┘

---

When to Use This Skill

Ideal Scenarios

1. データ戦略の策定

   • 全社データ戦略の立案
   • データ活用ロードマップの作成
   • データ投資の優先順位付け

2. データガバナンスの構築

   • ガバナンス組織体制の設計
   • ポリシー・標準の策定
   • 役割と責任の定義

3. データ品質の改善

   • 品質問題の特定と原因分析
   • 品質指標（KPI）の設定
   • 改善施策の立案・実行

4. データカタログの作成

   • データ資産の棚卸し
   • メタデータの整備
   • ビジネス用語集の作成

5. MDM（マスターデータ管理）の導入

   • マスターデータの特定
   • ゴールデンレコードの設計
   • 統合ルールの定義

6. データ移行・統合プロジェクト

   • データリネージの可視化
   • マッピング定義
   • 品質検証計画

Example Requests

"データガバナンス体制を構築したい"
"データ品質の現状を評価して改善計画を立てたい"
"データカタログを作成したい"
"マスターデータ管理（MDM）を導入したい"
"データ成熟度を評価したい"
"データリネージを整理したい"
"データ戦略を策定したい"

---

Prerequisites

• 組織情報: 対象組織の業種、規模、データ関連の課題
• ゴール明確化: データガバナンス構築、品質改善、カタログ作成などの目的
• 現状把握（任意）: 既存のデータ管理体制、ポリシー、ツールの情報

Note: 本スキルはアドバイザリー型であり、特別なツールやライブラリのインストールは不要です。

---

Workflow

本スキルは5つのCore Workflowを提供します。ユーザーの課題に応じて適切なワークフローを選択してください。

┌─────────────────────────────────────────────────────────────┐
│                    DAMA-DMBOK Skill Workflow                 │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  1. 課題・目的のヒアリング                                    │
│         ↓                                                   │
│  2. 適切なCore Workflowの選択                                │
│     ├── Workflow 1: Data Governance Assessment              │
│     ├── Workflow 2: Data Quality Improvement                │
│     ├── Workflow 3: Data Catalog Creation                   │
│     ├── Workflow 4: Master Data Management                  │
│     └── Workflow 5: Data Strategy Development               │
│         ↓                                                   │
│  3. ワークフローに沿った段階的ガイダンス                        │
│         ↓                                                   │
│  4. 成果物テンプレートの提供・カスタマイズ支援                   │
│                                                             │
└─────────────────────────────────────────────────────────────┘

詳細は各Core Workflowセクションを参照してください。

---

Output

本スキルはアドバイザリー/ナレッジ型スキルです。主な出力形式:

• 対話型ガイダンス: ユーザーの状況に応じた段階的なアドバイス
• フレームワーク適用: DAMA-DMBOK知識体系に基づく分析・提案
• テンプレート提供: assets/配下のテンプレートをカスタマイズして提示
• ベストプラクティス共有: 業界標準に基づく推奨事項

Note: ファイル自動生成は行いません。必要に応じてテンプレートを会話内で提示し、ユーザーが自身の環境で活用できるようにします。

---

DAMA-DMBOK 11の知識領域

知識領域一覧

#	知識領域	英語名	主な活動
1	データガバナンス	Data Governance	方針策定、組織体制、標準化
2	データアーキテクチャ	Data Architecture	データモデル、統合設計
3	データモデリング	Data Modeling & Design	概念・論理・物理モデル
4	データストレージ	Data Storage & Operations	DB運用、バックアップ
5	データセキュリティ	Data Security	アクセス制御、暗号化
6	データ統合	Data Integration	ETL、API、データ連携
7	文書・コンテンツ管理	Document & Content Mgmt	非構造化データ管理
8	参照・マスターデータ	Reference & Master Data	MDM、コード管理
9	DWH/BI	Data Warehousing & BI	分析基盤、レポーティング
10	メタデータ管理	Metadata Management	データカタログ、リネージ
11	データ品質	Data Quality	品質測定、改善

太字は本スキルの重点領域

---

Core Workflow 1: Data Governance Assessment

Purpose

データガバナンスの成熟度を評価し、改善計画を策定する。

Step 1: 現状把握

確認事項:

• ガバナンス組織（委員会、責任者）の有無
• ポリシー・標準の整備状況
• データオーナー・スチュワードの任命状況
• 意思決定プロセスの明確さ

ヒアリング対象:

• IT部門、データ管理部門
• 主要なデータ利用部門
• 経営層（スポンサー）

Step 2: 成熟度評価

DAMA成熟度モデル（5段階）:

Level	名称	特徴
1	Initial	場当たり的、個人依存
2	Repeatable	部分的なプロセス定義
3	Defined	標準化されたプロセス
4	Managed	測定・管理されている
5	Optimizing	継続的改善

評価軸:

1. 組織・役割
2. ポリシー・標準
3. プロセス
4. テクノロジー
5. 人材・スキル

Step 3: ギャップ分析

現状（As-Is）        ギャップ          目標（To-Be）
   Level 2      →    Level 3-4    ←    Level 4

・ポリシー未整備    ・ポリシー策定    ・全社ポリシー
・役割不明確       ・役割定義        ・明確な責任分担
・属人的運用       ・プロセス標準化   ・標準化された運用

Step 4: 改善計画策定

優先順位付けの観点:

• ビジネスインパクト
• 実現可能性
• コスト
• 依存関係

典型的なロードマップ:

Phase 1（3ヶ月）: 基盤整備
  - ガバナンス組織の設立
  - 基本ポリシーの策定
  - パイロット領域の選定

Phase 2（6ヶ月）: 展開
  - 標準・ガイドラインの整備
  - データオーナー・スチュワード任命
  - ツール導入

Phase 3（12ヶ月）: 定着
  - 全社展開
  - 測定・改善サイクル確立
  - 教育・啓発

Output

• 成熟度評価レポート（assets/maturity_assessment_template.md）
• ギャップ分析結果
• 改善ロードマップ
• データガバナンス憲章（assets/data_governance_charter_template.md）

---

Core Workflow 2: Data Quality Improvement

Purpose

データ品質の問題を特定し、改善施策を実行する。

Step 1: 品質次元の定義

DAMA 6つの品質次元:

次元	英語	定義	測定例
正確性	Accuracy	現実を正しく反映	エラー率
完全性	Completeness	必要なデータが揃っている	NULL率
一貫性	Consistency	システム間で矛盾がない	不一致件数
適時性	Timeliness	必要な時に利用可能	遅延時間
一意性	Uniqueness	重複がない	重複率
妥当性	Validity	ルール・形式に適合	違反率

Step 2: 品質プロファイリング

プロファイリング項目:

1. 基本統計
   - レコード数、カラム数
   - NULL率、空白率
   - 最小/最大/平均値

2. パターン分析
   - 値の分布
   - フォーマット一貫性
   - 外れ値検出

3. 関係分析
   - 参照整合性
   - 依存関係
   - 重複検出

Step 3: 品質ルール定義

ルールの種類:

タイプ	説明	例
形式ルール	データ形式の検証	電話番号は10-11桁
範囲ルール	値の範囲の検証	年齢は0-150
参照ルール	他データとの整合性	顧客IDがマスタに存在
一貫性ルール	システム間の整合性	SalesforceとERPの一致
業務ルール	ビジネスロジック	受注日≤出荷日

Step 4: 品質スコアカード作成

┌─────────────────────────────────────────────────────────────┐
│                   データ品質スコアカード                     │
├──────────────────┬──────────┬──────────┬──────────┬────────┤
│ データセット      │ 正確性   │ 完全性   │ 一貫性   │ 総合   │
├──────────────────┼──────────┼──────────┼──────────┼────────┤
│ 顧客マスタ        │  95%     │  98%     │  92%     │  95%   │
│ 商品マスタ        │  99%     │  95%     │  97%     │  97%   │
│ 取引データ        │  88%     │  90%     │  85%     │  88%   │
│ 在庫データ        │  92%     │  94%     │  90%     │  92%   │
└──────────────────┴──────────┴──────────┴──────────┴────────┘

凡例: ■ 95%以上 ■ 90-95% ■ 90%未満

Step 5: 根本原因分析と改善

根本原因の分類:

• 入力時の問題: 入力ミス、バリデーション不足
• 処理時の問題: ETLバグ、変換エラー
• 設計の問題: データモデル不備、制約不足
• 運用の問題: 更新漏れ、同期遅延

改善アプローチ:

1. 予防（Prevention）: 入力時のバリデーション強化
2. 検出（Detection）: モニタリング・アラート
3. 修正（Correction）: データクレンジング

Output

• データ品質評価レポート（assets/data_quality_assessment_template.md）
• 品質スコアカード
• 品質ルール定義書
• 改善アクションプラン

---

Core Workflow 3: Data Catalog Creation

Purpose

組織のデータ資産を可視化し、発見・理解・活用を促進する。

Step 1: スコープ定義

対象の決定:

• 全システム vs 主要システム
• 構造化データ vs 非構造化データ含む
• 優先度の高い業務領域

段階的アプローチ:

Phase 1: 重要システム（基幹系、CRM、ERP）
Phase 2: 分析系（DWH、BIツール）
Phase 3: その他システム

Step 2: メタデータ収集

収集するメタデータ:

カテゴリ	メタデータ項目
技術メタデータ	テーブル名、カラム名、データ型、制約
業務メタデータ	業務名称、説明、定義、所有者
運用メタデータ	更新頻度、データ量、品質スコア
使用メタデータ	アクセス頻度、利用者、レポート

収集方法:

1. 自動収集: DBカタログ、ETLツールから抽出
2. 手動収集: 業務部門へのヒアリング
3. クラウドソーシング: 利用者からの情報追加

Step 3: ビジネス用語集作成

用語集の構成:

## 用語: 顧客

### 定義
当社と取引関係のある法人または個人

### 同義語
- クライアント
- 取引先（B2B）
- 会員（B2C）

### 関連用語
- 見込み顧客
- 休眠顧客
- 優良顧客

### 所有者
営業本部

### 関連データ
- 顧客マスタ（CRM_CUSTOMER）
- 取引履歴（SALES_TRANSACTION）

Step 4: データリネージ作成

リネージの可視化:

ソース          変換              ターゲット
┌──────┐       ┌──────┐         ┌──────┐
│ CRM  │──────▶│ ETL  │────────▶│ DWH  │
│顧客  │       │ 変換  │         │顧客  │
└──────┘       └──────┘         └──────┘
    │              │                 │
    │              │                 ▼
    │              │            ┌──────┐
    │              │            │ BI   │
    │              │            │レポート│
    │              │            └──────┘
    ▼              ▼
┌──────┐       ┌──────┐
│ ERP  │──────▶│ ETL  │
│顧客  │       │ 統合  │
└──────┘       └──────┘

Step 5: カタログ構築・公開

カタログの機能:

• 検索・発見
• 詳細閲覧
• リネージ表示
• コラボレーション（コメント、評価）
• アクセス申請

Output

• データカタログ（assets/data_catalog_template.md）
• ビジネス用語集
• データリネージ図（assets/data_lineage_template.md）
• メタデータ標準

---

Core Workflow 4: Master Data Management

Purpose

マスターデータの一元管理により、データの一貫性と信頼性を確保する。

Step 1: マスターデータの特定

マスターデータの特徴:

• 複数システムで共有される
• 比較的静的（頻繁に変更されない）
• ビジネス上重要な実体を表す

典型的なマスターデータ:

ドメイン	マスターデータ例
顧客	顧客、連絡先、住所
製品	商品、カテゴリ、価格
組織	部門、従業員、拠点
財務	勘定科目、コストセンター
参照	国コード、通貨、単位

Step 2: 現状分析

分析観点:

1. データ分布: どのシステムにどんなデータがあるか
2. 品質状況: 重複、不整合、欠損の状況
3. 依存関係: システム間の連携状況
4. 利用状況: 誰がどのように使っているか

課題の典型パターン:

- 同一顧客が複数レコードで存在（重複）
- システムAとBで顧客名が異なる（不整合）
- 参照コードの定義が統一されていない
- マスタ変更が下流システムに反映されない

Step 3: MDMアーキテクチャ選定

MDMスタイル:

スタイル	説明	適用場面
Registry	各システムのデータを参照のみ	段階的導入、低リスク
Consolidation	中央に集約、分析用	BI・分析基盤
Centralized	中央で一元管理、配信	強い統制が必要
Coexistence	中央と各システムの同期	既存システム維持

Step 4: ゴールデンレコード設計

マッチング・マージルール:

1. マッチングルール
   - 完全一致: 顧客コード
   - 類似判定: 会社名（類似度80%以上）
   - 複合: 電話番号 + 住所

2. サバイバーシップルール（どの値を採用するか）
   - 信頼度: CRM > ERP > レガシー
   - 最新性: 更新日が新しいほう
   - 完全性: NULL以外を優先
   - ルールベース: 特定フィールドは特定ソース

Step 5: 運用プロセス設計

MDMライフサイクル:

┌──────┐    ┌──────┐    ┌──────┐    ┌──────┐
│ 作成 │───▶│ 承認 │───▶│ 配信 │───▶│ 監視 │
└──────┘    └──────┘    └──────┘    └──────┘
    │                                    │
    │          ┌──────┐                 │
    └─────────│ 変更 │◀────────────────┘
              └──────┘

ガバナンスプロセス:

• データオーナーによる承認
• 変更管理（Change Management）
• 定期的なレビュー

Output

• MDM要件定義書
• データモデル（ゴールデンレコード）
• マッチング・マージルール
• 運用プロセス定義

---

Core Workflow 5: Data Strategy Development

Purpose

組織のデータ戦略を策定し、実行ロードマップを作成する。

Step 1: 現状評価

評価領域:

1. ビジネス目標とデータの関係
2. データ資産の棚卸し
3. 技術基盤の評価
4. 組織・人材の評価
5. ガバナンス成熟度

Step 2: ビジョン・目標設定

データビジョンの例:

「データドリブンな意思決定文化を確立し、
 データを活用した新規ビジネス創出と
 業務効率化を実現する」

戦略目標の設定（SMART）:

- 2年以内にデータガバナンス成熟度をLevel 3に向上
- データ品質スコアを全社平均95%以上に改善
- データカタログ登録率100%達成
- データ活用による売上貢献10億円

Step 3: 戦略施策の立案

施策領域:

領域	施策例
ガバナンス	CDO設置、ガバナンス組織構築
品質	品質管理プロセス導入、KPI設定
アーキテクチャ	データレイク構築、API整備
人材	データリテラシー教育、専門人材採用
テクノロジー	カタログツール導入、ETL刷新
文化	データ活用事例共有、表彰制度

Step 4: ロードマップ作成

         Y1-Q1   Y1-Q2   Y1-Q3   Y1-Q4   Y2-Q1   Y2-Q2
         ─────────────────────────────────────────────
基盤整備  ████████████
         CDO設置、ガバナンス組織

品質改善          ████████████████████
                  品質プロセス導入、改善

カタログ                  ████████████████████████
                          カタログ構築、展開

人材育成  ────────────────────────────────────────────
         継続的な教育プログラム

分析活用                          ████████████████████
                                  分析基盤整備、活用推進

Step 5: 投資対効果（ROI）試算

コスト要素:

• 人件費（専任チーム、コンサルタント）
• ツール・ライセンス費
• インフラ費
• 教育費

効果（定量化）:

• 業務効率化による工数削減
• データ品質改善によるエラー削減
• 意思決定スピード向上
• 新規ビジネス収益

Output

• データ戦略書
• ロードマップ
• 投資計画・ROI試算
• KPI定義

---

Quick Reference by Scenario

シナリオ別ガイド

シナリオ	推奨ワークフロー	主要成果物
DX推進を開始したい	Workflow 5 → 1	戦略書、ガバナンス体制
データ品質に問題がある	Workflow 2	品質評価、改善計画
データを探せない	Workflow 3	データカタログ
顧客データが重複している	Workflow 4	MDM設計、クレンジング計画
ガバナンスを強化したい	Workflow 1	成熟度評価、ガバナンス憲章

---

Best Practices

DO（推奨）

• ✓ 経営層のスポンサーシップを確保する
• ✓ スモールスタートで成功体験を積む
• ✓ ビジネス価値を明確にする
• ✓ データオーナーを明確に任命する
• ✓ 継続的な測定・改善サイクルを回す
• ✓ 教育・啓発に投資する

DON'T（非推奨）

• ✗ 一度に全てを完璧にしようとする
• ✗ IT部門だけで進める
• ✗ ツール導入だけで解決しようとする
• ✗ ガバナンスなしにデータ活用を進める
• ✗ 品質問題を放置する

---

Resources

References（理論・手法ガイド）

• references/dmbok_overview.md - DAMA-DMBOK概要とフレームワーク
• references/data_governance.md - データガバナンス詳細
• references/data_architecture.md - データアーキテクチャ詳細
• references/data_quality.md - データ品質詳細
• references/metadata_management.md - メタデータ管理詳細
• references/master_data_management.md - MDM詳細

Assets（テンプレート）

• assets/data_governance_charter_template.md - データガバナンス憲章
• assets/data_quality_assessment_template.md - データ品質評価シート
• assets/data_catalog_template.md - データカタログテンプレート
• assets/data_lineage_template.md - データリネージテンプレート
• assets/maturity_assessment_template.md - 成熟度評価テンプレート

---

参考文献

• DAMA International: DAMA-DMBOK2 (Data Management Body of Knowledge, 2nd Edition)
• DAMA Japan: データマネジメント知識体系ガイド 第二版
• Ladley, John: Data Governance: How to Design, Deploy, and Sustain an Effective Data Governance Program