データ品質に関するコストは「問題が起きてから修正する」と最も高くつきます。これを示す概念が「1-10-100ルール」です。予防段階のコストを1とすると、問題が検知された段階では10倍、実際の業務被害として顕在化した後では100倍のコストがかかるという経験則で、品質管理分野で広く知られており、製造業の品質管理やソフトウェア品質管理の領域でも広く引用されています。
1-10-100ルールで見るデータ品質コスト構造
予防（コスト1）とは、データ入力ルールの設計・必須チェックの実装・研修などを指します。検知（コスト10）は、品質スキャンによる問題特定・影響範囲の調査です。是正（コスト100）は、大量のデータクレンジング・業務影響の回収・システム修正を含みます。
投資タイミングと回避できるコスト
どの段階で投資するかによって、回避できるコストの規模が変わります。特にシステム導入前・移行前の段階での投資が最も効果的です。
ERP移行後やDXプロジェクトの終盤でデータ品質問題が判明するのが最もコストが高い状況です。移行テスト工程でのデータ不備発覚は、本番稼働の遅延・追加開発費・業務停止リスクを伴います。
費用を左右する3つの変数
データ品質改善の費用は「どのプロジェクトでいくら」と一概に言えません。以下の3つの変数によって金額は大きく変わります。見積もりを評価する際もこの3変数が明示されているかを確認することが重要です。
BFTのアプローチ
BFT Insightでは、診断フェーズで問題の規模と修正優先度を特定したうえで、最小投資で最大の品質改善を達成する計画を設計します。「いくらかかるか」だけでなく「投資しないとどのコストが発生するか」の試算も合わせて提示します。
コスト関連記事
ベンダー見積もりの評価ポイント（スコープ・成果物・工数根拠・保証範囲の4視点）については次回記事で詳しく解説します。
まとめ
データ品質コストを最小化するには、問題が表面化してから動くのではなく、上流での予防投資が最も合理的です。1-10-100ルールが示すように、同じ問題を予防段階で対処するか・是正段階で対処するかで、コストは最大100倍の差が生まれます。また、改善プロジェクトの費用は「対象データの規模」「問題の深刻さ」「成果物の定義範囲」の3変数で大きく変わります。この3点を把握したうえで投資判断を行うことが、費用対効果の高いデータ品質改善の第一歩です。
よくある質問
1-10-100ルールはデータ品質に本当に当てはまりますか？
厳密な係数は業種・データ種別によって異なりますが、「問題の発見が遅れるほどコストが大幅に増加する」という方向性は多くの実務でも確認されています。特にERP移行・システム統合など大規模プロジェクトでは、後工程での品質問題が数百万〜数千万円規模の手戻りにつながるケースも珍しくありません。
予防投資の費用対効果はどう試算すればよいですか？
まず「現在のデータ品質問題が引き起こしているコスト」を推定します（手修正工数×人件費、誤送付のコスト、BI集計誤りの影響等）。次に、改善によって削減できる損失と投資額を比較し、投資対効果（ROI）の観点から予防投資額を検討します。BFT Insightでは、現状コストと改善効果の試算を診断の一環として実施します。