診断なき改善が失敗する理由——データ品質診断のフレームワーク

「とりあえずExcelを直す」が失敗する理由

データ品質の問題に気づいた組織が最初に取る行動は、多くの場合「目に見えている問題を直す」ことです。Excelの不整合を手作業で修正する、特定のシステムの入力フォームを改善する、担当者に注意喚起するメールを送る——これらは「局所最適（一部分だけを最適化すること）」と呼ばれる対処です。

問題は、根本原因を特定せずに表面的な修正を行うと、必ず再発するという点です。医療に例えれば、原因を調べずに解熱剤を飲み続けるようなものです。症状は一時的に改善しますが、病気そのものは進行しています。データ品質改善も同じで、まず「何がどの程度問題なのか」を診断することから始めなければなりません。

診断の4ステップ

DMBOKが示す体系的な診断は4つのステップで進みます。第1ステップは「スコープ定義」——どのデータを・どの観点で診断するかを決めます。第2ステップは「データプロファイリング」——実際のデータを統計的に分析し、欠損率・重複率・外れ値などを定量化します。第3ステップは「根本原因分析」——スコアが低い箇所について、人・プロセス・システムのどこに原因があるかを特定します。第4ステップは「優先順位付け」——影響度と改善難易度を組み合わせ、どこから着手するかを決定します。

6軸でスコアリングする

第1回で紹介した6次元（完全性・正確性・整合性・最新性・有効性・一意性）それぞれについてスコアを算出し、レーダーチャートで可視化します。数値化することで、「なんとなくデータが汚い」という感覚的な問題認識が、「完全性が62点・一意性が45点」という事実に変わります。組織の中で改善の優先順位を合意するときにも、数字があることで議論が具体化します。

優先順位の決め方

診断で明らかになった課題を「影響度（放置するとどれだけ業務・経営に響くか）」と「実現難易度（改善にかかるコスト・期間・工数）」の2軸でマトリクスに配置します。影響度が高く難易度が低い課題は「すぐに着手すべき領域」、影響度が高く難易度も高い課題は「計画的に取り組む領域」として整理します。このマトリクスがあることで、「予算・人員・時間」の制約の中でも合理的な着手順序を決めることができます。