BIを作る前に整備するデータ辞書：指標定義を統一して「数字の争い」を減らす

「BIのダッシュボードを作ったが、会議で数字の定義を巡って議論になる」「営業の売上とfinanceの売上が毎月違う数字を出す」——こうした問題はBIの使い勝手だけの問題ではなく、「指標の定義が共有されていない」というデータガバナンス上の問題でもあります。データ辞書（指標定義書）を整備することで、全部門が同じ定義で指標を理解・参照できる状態を作ります。なお、データ辞書は「どこに何があるか」を記録するデータカタログとは目的が異なります。一般的なデータ辞書では、データ項目の意味・構造・データ型・許容値などの技術的メタデータを扱うこともありますが、本記事ではBI指標ごとに計算ロジック・集計粒度・フィルタ条件まで定義し、会議での「数字の定義を巡る争い」を減らす指標定義書（データ辞書）の設計と運用に特化しています。

データ辞書とデータカタログの違い

データカタログは、組織内のデータ資産を発見・理解するための仕組みであるのに対し、データ辞書はデータ項目の意味や構造・定義などを詳細に記録するものです。実際の製品ではデータカタログとデータ辞書、ビジネス用語集などの機能が統合されている場合もあります。BIで使う指標（売上・顧客数・在庫回転率等）の計算ロジック・集計条件・オーナーを記録することで、全員が同じ前提で数字を議論できます。

データ辞書に記録する項目

データ辞書整備のプロセス

• Step1 主要指標の洗い出し：まずBIダッシュボードで使っている、または使う予定の指標を一覧化します。最初から全指標を網羅しようとせず、最もよく使われる・最も誤解されている10〜20指標から始めます
• Step2 定義の収集と合意：各部門の担当者が「この指標をどう定義しているか」をヒアリングします。定義に差異がある場合は、どちらを「正」とするかをステークホルダーで合意します
• Step3 文書化と保管：合意した定義をデータ辞書テンプレートに記録し、全員がアクセスできる場所（Confluence・Notion・SharePoint等）に保管します
• Step4 BIへの組み込み：BIツールのメトリクス・ディメンションの定義をデータ辞書と一致させます。ツールによっては定義書のリンクをダッシュボードに貼ることができます

データ辞書の運用：更新し続ける仕組みを作る

データ辞書は作って終わりではなく、定義の変更・新指標の追加のたびに更新する運用が必要です。更新されないデータ辞書はすぐに実態と乖離し、「どれが最新の定義かわからない」という新たな混乱を生みます。更新の仕組みとして、指標ごとにオーナー（定義の責任者）を設定し、指標の定義や計算ロジックに変更がある場合はBIレポートの改定とあわせてデータ辞書を更新するプロセスを組み込みます。

データ辞書の管理場所は「全員がアクセスできて・更新しやすい」ツールを選びます。Confluence・Notion・SharePointのWikiが代表例です。BIツール（Tableauのカラムの説明欄・Power BIのデータモデルの説明フィールド等）にデータ辞書へのリンクを貼ることで、BI利用者が数字の定義を確認しやすくなります。シンプルなExcelで始めてもよいですが、複数人が同時に更新できるクラウドドキュメントが望ましいです。

「数字の争い」が起きるメカニズムと解消法

「営業の売上とfinanceの売上が違う」問題は、同じ言葉で異なるものを計算していることから生じます。「売上」という言葉でも、①受注ベースか出荷ベースか請求ベースか②税込か税抜か③キャンセル・返品を含むか④計上タイミングは月末か日次更新か——これらが部門ごとに異なる定義で使われると、同じ言葉が異なる数字を生み出します。

データ辞書で「各指標が何をどう計算したものか」を明示することで、部門間の定義の差異が可視化され、どちらの定義を統一基準とするかを議論できます。重要なのは、業務上必要なルールや会計・法令上の要件を踏まえたうえで、組織として採用する定義を明確にし、利用者が同じ定義を参照できる状態にすることです。複数の計算方法が業務上どちらも必要な場合は「売上（受注ベース）」と「売上（出荷ベース）」のように名称を分けて両方を定義することも有効です。

データ辞書とBI活用の精度向上

データ辞書が整備されると、BIの数字について「これはどういう定義の売上?」と確認する時間を減らし、利用者間の共通理解を作りやすくなります。ダッシュボードへの信頼度が高まり、数字を起点とした議論に集中できる環境が整います。データ辞書へのリンクをダッシュボードに組み込むことで、利用者が迷わずに定義を確認できる設計が実現します。

AIやML活用においても、データ辞書は重要な役割を果たします。予測モデルの特徴量に使う指標の定義が曖昧だと、モデルの入力データが安定しません。「先月の売上予測に使ったデータと今月の入力データで売上の定義が違っていた」という問題を防ぐために、データ辞書でFeature（特徴量）の定義を管理することは、AIモデルの再現性や運用上の一貫性を確保するうえで役立ちます。

データ辞書の維持コストを下げる：更新プロセスの設計

データ辞書の最大の課題は「作ったが誰も更新しなくなる」という運用の停滞です。これを防ぐには、更新コストを最小化する設計が重要です。具体的には①更新権限をオーナーだけに絞らず担当チームで分担する、②BIレポートの改定申請フォームに「データ辞書更新チェックボックス」を組み込む、③たとえば四半期に一度など、定期的にオーナーが定義の正確性を確認するレビューサイクルを設ける、といった仕組みが実務的です。「誰でも提案できるが、オーナーが承認する」二段階プロセスにすることで、定義が実態と乖離し続けるリスクを減らせます。

スモールスタートのためのデータ辞書テンプレート活用

データ辞書を始める最初のステップは「今最も論争になっている指標5本の定義を書き下す」ことです。複雑なツールや完全なテンプレートを用意する前に、まずExcelで「指標名・定義・計算式・オーナー・更新日」の5列を作り、最重要指標から記録を始めます。最初の5本が合意できたら10本・20本と拡大していくことで、無理なく整備を進められます。

まとめ

データ辞書（指標定義書）は、BIの企画・設計段階で整備しておきたい重要なドキュメントです。指標の定義が統一されることで、数字の信頼性が高まり、会議での「数字の定義を巡る争い」を減らせます。定義の作成・合意・BIへの組み込み・定期更新という4ステップを継続することが、BI活用の信頼性を長期的に維持する鍵です。主要5〜10指標の定義からスモールスタートで整備を始め、段階的に対象を広げることをお勧めします。データ辞書はBI活用の成熟とともに組織の「共通言語」として定着し、新規メンバーのオンボーディングや組織横断の意思決定の質を高める基盤にもなります。データ辞書の整備・BI基盤の設計支援についてはBFT Insightにご相談ください。