「誰が正しい数字を持っているか」問題の正体——マスタデータ管理

「うちの入居率は何%ですか？」への3つの答え

たとえば賃貸不動産業で「現在の入居率は何%ですか？」と聞いたとき、営業部門・管理部門・経営企画部門がそれぞれ異なる数字を返すことがあります。営業は成約ベース、管理は鍵渡しベース、経営企画は賃料発生ベース——同じ「入居率」という言葉を使いながら、定義が違う。これはデータを管理するシステムの問題ではなく、「マスタデータ（基準となるデータ）」の定義が統一されていないことが原因です。

このような状況では、会議のたびに「どの数字が正しいか」の議論から始まることになり、意思決定の時間が奪われます。DXやAI活用を進めようとしたとき、このマスタデータの混乱が最初の障壁として立ちはだかります。

マスタデータの問題は「データの精度が悪い」という技術的な問題として認識されがちですが、本質的には「組織の中に複数の「正」が存在している」という構造的な問題です。どのシステムのどのデータが正しいかを誰も断言できない状態では、BI・AIがどれだけ高機能でも活用できません。マスタデータの統一は、AI・BIの活用基盤を整備する最初の一歩です。

マスタデータとは何か

マスタデータとは、組織の業務において中心的な役割を果たす「基幹データ」です。具体的には顧客情報・商品コード・拠点情報・勘定科目・従業員情報などが代表例です。これらは複数のシステムにまたがって参照・更新されるため、定義が統一されていないと全システムに矛盾が波及します。

マスタデータを一元管理する考え方をMDM（Master Data Management）と呼びます。営業システム・会計システム・在庫システムがバラバラに「顧客マスタ」を持つのではなく、全システムが同一のマスタを参照する構造にすることで、「どれが正しいか」という問題がなくなります。

マスタデータが崩れると何が起きるか

マスタデータが統一されていない状態では、さまざまな弊害が生じます。会議では「どの数字を使うか」の議論で時間が失われます。AIに学習させようとしても、同一顧客が「株式会社〇〇」「（株）〇〇」「○○株式会社」と3種類で登録されていれば、異なる顧客として認識され精度が出ません。監査時には「正しい数字を証明できない」というリスクも生まれます。システムリプレース（更新）のタイミングでは、データ移行の前に大規模なクリーニングが必要になり、コストが膨らみます。

マスタデータを整えた後の世界

マスタデータを統一すると、組織の情報共有の質が一変します。「どの数字が正しいか」の議論がなくなり、会議は意思決定そのものに集中できます。AIやBIも正確なデータを学習・参照するため、精度と信頼性が向上します。新しいシステムを導入するときも、整備されたマスタを流用できるため、移行コストが大幅に下がります。マスタデータ管理は「地味な作業」に見えますが、組織のデータ活用能力の基盤そのものです。

MDM整備が進まない組織に共通する3つの壁

マスタデータを整備しようとする企業が最初にぶつかる壁は「どこから手をつけるか」という問いです。全社横断の課題であるがゆえに、「IT部門の問題」「業務部門の問題」という押し付け合いが発生しやすく、プロジェクトの立ち上がりが遅れます。2つ目の壁は「統一の合意形成」です。「顧客の名称はどの表記を正とするのか」「コードの体系は営業のものか、基幹システムのものか」という判断には、複数部門の合意が必要です。3つ目の壁は「整備後の維持」です。一度名寄せを行っても、新規登録の仕組みを変えなければ再び重複が蓄積します。

これら3つの壁を乗り越えるためには、まず「小さく始める」ことが有効です。全マスタを一度に整備しようとするのではなく、最も業務影響の大きい1つのマスタ（多くの場合は顧客マスタ）を対象に、診断→名寄せ→登録ルール設計という流れを実証することで、組織内の合意形成が進みやすくなります。成功事例を社内に示すことが、全社展開の第一歩になります。

AI・BI活用で「マスタが整っていない」ことが露わになる理由

近年、AI・BI導入の相談が増えるにつれて、マスタデータの問題が改めて注目されるようになっています。BIダッシュボードを導入したが「部門によって顧客数が違う」「地域別の売上集計が合わない」という問題が発生するケースでは、多くの場合マスタデータの整合性・一意性の問題が根本にあります。AIで顧客の購買予測を行おうとしたとき、同一顧客が3つのコードで登録されていると、学習データとして正しい特徴を学べません。

ツールを入れれば自動的に解決するわけではありません。BIやAIはデータの品質を上げるのではなく、現状のデータをそのまま扱います。マスタデータが整備されていない組織がBI・AIを導入すると、「高いツールを使っているのに数字が信用できない」という状況になります。マスタデータの整備は、DX推進の土台として先行して行うべき作業です。本連載の後続記事（第4回以降）では、BIとデータ品質の関係・診断のフレームワーク・ガバナンスの設計まで順を追って解説します。

マスタデータ整備を「経営課題」として捉える意味

マスタデータの問題は現場のデータ入力ミスや、ITシステムの不備として片付けられることが多いですが、実際は「経営が必要とする情報が正確に得られない」という経営上の問題です。「売上はいくらか」「顧客は何社か」「在庫は何個か」——これらの基本的な問いに全社で一致した答えが出せない状態は、意思決定の質を低下させる要因になります。

BFT Insightのデータ品質診断では、マスタデータの一意性・整合性スコアを測定し、どのシステム間でどの程度の不整合が生じているかを定量的に把握します。「問題があることは分かっているが、どこから手をつければよいか分からない」という段階から、優先順位の整理と最初の改善ステップの設計まで、具体的にご支援します。