「データ品質を改善しなければならないことは現場でも経営層でもわかっている。しかし予算・人員が確保できない」——この状況は珍しくありません。損失の試算やROIの計算以上に難しいのが、経営層に「今、これに投資する」と決断させるための情報の整え方です。本記事では、稟議が通りにくい理由と、判断を引き出す伝え方の構成を具体的に解説します。
なぜデータ品質改善の稟議は通りにくいのか
データ品質改善への投資が後回しになりやすい理由は3つあります。第一に「守り」の投資に見えること。新システム導入や新機能開発と違い、データ品質改善は「今困っていることへの対処」として認識されやすく、戦略的な優先度が下がりがちです。第二に、放置コストが見えにくいこと。品質問題による手戻り・確認作業・意思決定の遅れは日常業務に埋め込まれており、問題として認識されていないケースがあります。
第三に、効果の出口が間接的であること。「データ品質を改善すると売上が上がる」という直線的な因果関係が見えにくく、経営層が投資判断をしにくい。この3つの構造を理解した上で、稟議の伝え方を設計する必要があります。
経営層が判断するために必要な3つの情報
経営層が投資を承認するには、次の3点が揃っている必要があります。①現状のコストが数字で見えること（何が起きていて、どれだけ損しているか）、②投資した場合の回収見通しがあること（いくらかけて、いつ効果が出るか）、③放置した場合のリスクが整理されていること（何もしないとどうなるか）。この3点を抑えると、経営層の「判断できない」状態を解消できます。
ポイント
①の「現状のコスト」と②の「回収見通し」は、データ品質問題による損失の定量化（コスト試算）とROI計算が前提になります。これらの数字の出し方については、当コラムの「データ品質問題が引き起こすコスト」「データ品質改善のROI」の回で詳しく解説しています。
「コスト削減」より「機会損失の回収」として伝える
多くの企業では、「コスト削減」という守りの言葉より「機会損失の回収・事業機会の拡大」という攻めの言葉で伝えることで、経営層が投資価値を理解しやすくなります。BI導入後も数値が信用されず会議が止まっているなら、それは「意思決定のスピードが落ちている」という機会損失。AIプロジェクトのPoCが申し送りになり続けているなら、「投資した開発リソースが成果に転換できていない」という損失です。
ある小売業の事例では、BIの数値が部門資料と合わないことで、週次会議の説明・確認時間が毎回30分以上発生していました。これを「問い合わせ対応コストの削減」ではなく「経営会議で意思決定に割ける時間が減少している状態の改善」と伝えることで、データ品質改善への投資判断が進みました。
データ品質改善プロジェクトの費用区分
データ品質改善の費用は大きく4つの区分で整理できます。プロジェクトの規模・フェーズによって比重が変わりますが、この区分で予算を構造化することで、経営層への説明がしやすくなります。
| 費用区分 | 内容 | 費用の特徴 |
|---|---|---|
| ①診断・現状把握 | データ品質診断、問題の特定・優先付け、整備計画策定 | プロジェクト初期に発生。費用は対象データ量・診断範囲・実施方法によって大きく異なります |
| ②整備・クレンジング作業 | データのクレンジング・名寄せ・マスタ整備の実施工数（内部・外部） | 最も比重が大きい。内部工数と外部委託の配分が鍵 |
| ③ツール・システム | 品質管理ツール・ETLツール・ダッシュボード等のライセンス・構築費用 | 継続コスト（サブスクリプション）と初期構築費の両面がある |
| ④体制構築・研修 | データオーナー設置、ガイドライン策定、担当者研修 | 直接的なツール費用は抑えられる場合がありますが、関係者の合意形成・教育などの内部工数が発生します |
データ品質改善の費用区分
予算規模の目安：フェーズ別
データ品質改善の予算は対象データの規模・複雑さ・外部委託の範囲によって大きく異なります。以下はあくまで参考値であり、実際の費用は個別の状況によって変わります。
- 診断フェーズ（1〜2ヶ月）：データ品質診断と整備計画策定を外部コンサルに依頼する場合、規模によって数十万〜数百万円程度が目安です。自社で実施する場合は内部工数（担当者×月数）が主なコストです
- 整備フェーズ（3〜12ヶ月）：1つのマスタドメイン（顧客マスタ等）の整備なら規模・複雑さに応じて費用が変わります。複数ドメインを横断する全社的な整備はさらに大きなコストになることがあります
- 運用定着フェーズ（継続）：ツールのライセンス費用＋内部担当者の工数が主なコストです。ツールを導入する場合は継続的なライセンス費用が発生します
費用を抑えながら進める工夫：内製化とハイブリッドアプローチ
データ品質改善を外部委託に頼り切ると費用が高額になる一方、内部だけで進めると専門知識不足で品質が下がります。現実的なのは「内部担当者が主体となり、特定の作業・判断を外部に依頼するハイブリッドアプローチ」です。例えば「診断・計画策定は外部コンサルに依頼し、実際のクレンジング作業は内部担当者が実施、品質ルールの設計だけ外部に支援を求める」という配分が費用対効果の高い形の一つです。
内製化を進める上で有効なのは、データ品質改善の作業手順書と品質判断基準をプロジェクト中に整備することです。外部委託で実施した作業をそのまま「次回は内部でできる」状態に変換することで、継続的な改善コストを段階的に下げられます。最初のプロジェクトを「内製化のための学習機会」として位置づけることが、長期的な費用削減につながります。
よくある稟議の失敗パターン
- 技術的な説明が多く、経営層に伝わらない（「ETL処理の見直しが必要」では判断できない）
- 現状の損失が感覚値で、数字の根拠がない（「かなりの工数がかかっている」では承認されない）
- 担当者の工数削減だけを訴える（経営層が気にするのは事業への影響）
- 「まず調査してから計画を立てます」で終わる（判断材料が揃っていない状態で持ち込む）
- 全部一度に直す大型計画を提示する（リスクが大きく見えて承認しにくい）
通りやすい稟議の5つの構成要素
経営層に判断を委ねるための稟議書は、次の5要素で構成すると通りやすくなります。
稟議の構成例
① 現状の問題（何が起きているか・数字で示す）→ ② 放置した場合の損失（年換算で試算）→ ③ 改善案と投資額（具体的な範囲と費用）→ ④ 期待効果と回収期間（どの指標がいつ改善するか）→ ⑤ まずここから（スモールスタートの初期フェーズ提案）
⑤の「スモールスタート案」は特に重要です。全社一斉の大規模改善ではなく、「まず1システム・1業務から2〜3ヶ月程度で効果を確認する」という形にすると、経営層が承認しやすくなります。ある総合建設会社の事例では、全社からデータ活用の要望が噴出し優先順位が決まらない状態でしたが、クイック診断3件を先行実行してその効果を数値で示すことで、6ヶ月分の検討を2ヶ月で経営意思決定につなげました。
稟議を動かした事例から学ぶ——「データ品質」の伝え方
ある製造業では、月次レポートの数値確認に各部門の担当者が毎月合計で数十時間を費やしていました。この工数を「1人あたり年間〇時間の損失・人件費換算で〇万円」という形で示したところ、「このコストは確かに無視できない」という共通認識が生まれ、データ品質改善への予算が取れました。BI分析を活用できていない状態の機会損失についても、「本来月次分析で発見できたはずのキャンペーンROIの最適化機会が年間〇回逃されている」という形で示すことが有効でした。
稟議を通すために必要なのは「完璧な数字」ではなく「説得力のある前提」です。根拠が示せれば、多少の誤差は許容されます。むしろ経営層が懸念するのは「この数字どこから来たの？」という根拠の不明瞭さです。「A業務でデータ確認に1人あたり週〇時間かかっており、担当者〇名で試算した」のように、前提と計算過程を示せる概算で十分です。さらに「まずスモールスタートで効果を検証してから展開する」という段階設計を示すことで、承認のハードルが一段下がります。
BI・AI投資の稟議で「データ品質整備」を組み込む際は、「データ整備なしにBI・AIを入れると何が起きるか」を示すことが説得材料になります。「BIを導入したが数値が信頼されず使われなかった」という他社事例や自社の過去事例を引用できれば、「先にデータを整備する必要性」を上長が理解しやすくなります。データ品質整備は「コストセンターの支出」ではなく「BI・AI投資のリスクヘッジ」として位置づけることで、投資の意思決定を促しやすくなります。
BFT Insightでは、データ品質改善のビジネスケース（稟議書・上申資料）の作成支援も承っています。「損失の試算方法がわからない」「どこから数字を積み上げればよいか見当がつかない」という段階から、現状診断の結果をもとに説得力のある投資根拠の整理をご支援します。
よくある質問
損失の試算数字に自信がなくても稟議を出してよいですか？
試算に誤差があることは経営層も理解しています。重要なのは「根拠のある仮定」を示すことです。「A業務でデータ確認に1人あたり週2時間かかっており、担当者10名で年間約1,000時間の損失」のように、前提と計算過程を示した上での概算であれば、判断材料として十分機能します。
スモールスタート案はどのように設定すればよいですか？
「最も業務への影響が大きく、かつ短期間で効果が確認できる領域」を選ぶのが原則です。BIの集計キーになっているマスタデータの品質改善、月次レポートで問い合わせが多発しているデータの統一などは、2〜3ヶ月で効果が見えやすく、スモールスタートに向いています。
経営層から「まずIT部門で対応できないか」と言われた場合は？
IT部門単独での対応が難しい理由を示すのが有効です。データ品質問題の多くは「定義の不統一」「入力ルールの未整備」など業務側の課題を含んでおり、多くの場合IT改修だけでは根本解決しません。「IT部門はシステム改修を担当、業務改善の設計と定着化支援は専門家と連携する」という役割分担を提示すると議論が整理されます。