本日のアジェンダ 1. データ経営の現状と課題 2. 本研究テーマ概要 3. 目的 / ゴール 4. 実施方案 5. 活動状況 6. 課題 対策 7. 今後の取組み (2017 年度計画 ) 2

日本データマネジメント・コンソーシアム

(Japan Data Management Consortium)

経営におけるデータ活用の研究

Copyright 2017 Japan Data Management Consortium

本日のアジェンダ

１．データ経営の現状と課題

２．本研究テーマ概要

３．目的／ゴール

４．実施方案

５．活動状況

６．課題・対策

７．今後の取組み（２０１７年度計画）

2

１．データ経営の現状と課題

経営が必要なデータとは何か？

3

価値を生んでいる自社の内部要因はどこにあるのか？

自社の外部要因は売上・利益にどれ位影響しているのか？

製品やサービスが売れなくなった原因はわかっているか？

など

Copyright 2017 Japan Data Management Consortium

１．データ経営の現状と課題

4

事業

顧客

社会

市場

現場

経営管理

課題

課題

課題

意思決定の高度化

・内外要因把握

・変化対応力

課題

情報を信用できる？

精度

鮮度

一貫性

正確性

・

・

・

２．本研究テーマ概要

5

①研究会/名

②研究会概要

経営におけるデータ活用ガイド

③ＩＴキーワード

④目的・狙い

⑤目指すゴール

⑥メンバー

◆事業機能単位でのデータの流れを整理する。

◆自社の現在のレベルと目指すべきレベル・方向性の指針となるような

データ活用レベル表（難易度）を作成する。

◆ベストプラクティスの企業インタビュー、事例紹介を実施する。

BI、BSC、BPM、経営ダッシュボード、D/Wアプライアンス

◆自社のレベルを客観的に見える化し、乗り越えるべき課題と目指す

べき方向性を明らかにし、実現することの意味およびデータ活用の

重要性の理解に繋げる。

◆データ経営フレームワークとのデータの紐付けを検討し、データ活用

のあり方を研究する。

◆各メンバーが、上記対応策を各社に当てはめた時、何が出来るか

イメージし、自社に戻り何らかの提案ができること。

◆業界別事業機能単位のデータ活用レベル、アプローチ方法を整理

し活用できること。

２０１６年度 参加企業 ２２社 ２５名

Copyright 2017 Japan Data Management Consortium

４．実施方案 （１） 活動の方向性(中期計画)

情報

戦略・手法

課題とプロセス

PPM

生産計画

需要予測

予実精度向上

PLC

ビ

ジ

ネ

ス

へ

の

直

接

貢

献

度

業種・業態

２０１２年 経営・業績管理のあるべき姿策定と課題・対策

経

営

戦

略

と

情

報

２０１３年 通信・保険：データ活用度、製造・流通：経営・管理の指標分析

２０１４年

２０１５年 業務プロセスにおける経営・事業データの傾向とデータ活用度分析、課題・対策

２０１６年

２０１７年 データ経営活用ガイドライン策定（業務・システム面、データ活用度、企業風土）

製造（見込）

製造（受注）

流通（小売）

流通（卸）

傾向

分析

業界別

傾向

業務領域別

傾向

・・・

データ経営

シナリオ

これまでの研究経緯とこれからの方向性

経営分析手法で

データ活用

6

MOM

製品別

_地域別

IoTエッジ

デバイス

Data Lake

IoTプラット

フォーム

販売情報

設計情報

生産情報

成果物

①業務プロセス・データマップ

②データ経営フレームワーク

③データ活用難易度

４．実施方案 （２） 全体イメージ

＜全体イメージ＞

経営

情報

システム

データ

ヒト

モノ

カネ

基幹・業務系 情報管理系

マスタ

集計

・

・

・

・

・

・

・

・

・

活用難易度

活用難易度

活用難易度

活用難易度

活用難易度

総合指標

経営のためのデータ活用ガイドライン

ガバナンス

コンプライアンス

内部統制

情報活用基盤

など

企

業

活

動

の

分

析

活

用

難

易

度

ガ

イ

ド

関

連

仮説

事例

課題

対策

方向性

難易度

2016年

トラン

2017年

2014年

2015年

7

Copyright 2017 Japan Data Management Consortium

４．実施方案 （３） 2014～2016年度の活動方針

日々のトランザクションデータ（管理，財務，会計，販売，生産など）が

業務別にサイロ化

経営レベルの 「計画目標値」 と 「現場レベルの実績値」 の紐付に難

⇒タイムリーに経営状況が把握できない！

経営レベルPDCAが回らない！

現状

解決（仮説・検証）

業種・業態別の業務モデルを定義し、事業機能単位でのデータの流れを

捉え、データ経営のあるべき姿を研究・深耕！！！

8

経営におけるデータ活用のあり方を研究する。

①業種別の業務モデル定義

②経営戦略フレームワークとデータの関係を調査・検証

方向性

業

務

プ

ロ

セ

ス

Ａｃｔ

分析モデル適用

組

織

情

報

低

高

４．実施方案 （４） 業務モデル（標準） １／３

業務プロセスをPDCAサイクルに基づき定義

業務プロセス毎の具体的な経営分析内容を定義

（例：ＸＸ立案、ＹＹ分析、ＺＺ対応）

Ｐｌａｎ

Ｄｏ

Ｃｈｅｃｋ

業務プロセスに対応した組織

業務プロセス、業務実施時に活用する情報

データ活用度の高低毎に記入

データ活用難易度

高：複雑なトランザクション

低：コード、マスタ等

＜＜＜ 業務プロセスに対し組織と情報を対応付ける ＞＞＞

9

Copyright 2017 Japan Data Management Consortium

施策効果検証

アフター

サービス

販売

仕入・物流

商品企画

販売促進

店舗開発

経営戦略

業

務

プ

ロ

セ

ス

経営情報分析

戦略立案

施策結果の有効活用

マーケット分析

顧客・商品・粗利

分析

ニーズ把握

顧客・商品分析

販促策立案

在庫分析 物流分析

顧客情報による

顧客対応

商品別欠品・

死筋・在庫

把握

顧客・商品販売分析

クレーム分析

顧客・商品分析

（売れ筋・死筋・

ﾊﾞｽｹｯﾄ・在庫）

店舗別販売分析

施策・成果分析

（顧客別・商品別・

組織別、等）

分析モデル適用

組

織

情

報

・経営企画

・店舗開発

・商品企画

・販促企画

・商品（バイヤー）

・物流

・店舗

・商品

・販促

・販促

・商品

・店舗

・経営企画・店舗開発

・商品・販促

・物流

・店舗

・マーケット情報

・他社情報

・売上・利益・経費

の履歴情報

・顧客情報

・商品情報

・マーケット情報

・他社情報

・各店舗の売上・

利益・経費履歴

情報

・顧客情報

・商品情報

・マーケット情報

・メーカー情報

・他社情報

・販売履歴情報

・顧客情報

・商品情報

・店舗別発注･納品

情報

・店舗別在庫情報

・搬入･配送情報

・物流･保管コスト情

報

・運送・倉庫業情報

（配送・保管コスト）

・商品情報

・商品別欠品・死筋・

在庫情報

・運送・倉庫業情報

（配送・保管コスト）

・顧客情報

・商品情報

・クレーム情報

・顧客別販売情報

・商品別販売情報

・マーケット情報・他社情報

・経営戦略・顧客戦略・販売戦略情報

（効果検証・指標）

・売上・利益・経費情報

・店舗情報

・顧客情報

・商品情報

低

高

４．実施方案 （４） 業務モデル ２／３

10

業務モデル： 小売

施策効果検証

アフター

サービス

販売

物流

生産計画

調達・生産

商品企画

設計

経営戦略

業務モデル： 製造業・見込生産

業

務

プ

ロ

セ

ス

施策結果の有効活用

販売

物流分析

顧客情報による

顧客対応

商品別欠品・

死筋・在庫

把握

顧客・商品販売分析

クレーム分析

地域別

販売分析

セグメント別

販売分析

施策・成果分析

（顧客別・商品別・

組織別、等）

分析モデル適用

組

織

情

報

・商品企画

・研究開発

・販促企画

・生産管理

・調達

・商品（代理店）

・物流

・店舗

・商品

・販促

・販促

・商品

・販社・代理店

・経営企画・開発

・商品・販促

・物流

・販社・代理店

・マーケット情報

・他社情報

・売上・利益・経費

の履歴情報

・顧客情報

・商品情報

・マーケット情報

・需要予測

・メーカー情報

・他社情報

・各店舗の売上・

利益・経費履歴

情報

・販売履歴情報

・顧客情報

・商品情報

・調達戦略

・設備管理

・購買品情報

・サプライヤ情報

・商品情報

・店舗別発注･納品

情報

・店舗別在庫情報

・搬入･配送情報

・物流･保管コスト情

報

・運送・倉庫業情報

（配送・保管コスト）

・商品情報

・商品別欠品・死筋・

在庫情報

・運送・倉庫業情報

（配送・保管コスト）

・顧客情報

・商品情報

・顧客別保守計画

・クレーム情報

・顧客別保守経歴情報

・顧客別販売情報

・商品別販売情報

・マーケット情報・他社情報

・経営戦略・顧客戦略・販売戦略情報

（効果検証・指標）

・売上・利益・経費情報

・販社情報

・代理店情報

・顧客情報

・商品情報

低

高

販売計画

策定

市場分析

需要予測

４．実施方案 （４） 業務モデル ３／３

11

Copyright 2017 Japan Data Management Consortium

４．実施方案 （５） データ経営フレームワーク 1/5

「データ経営」の経営戦略フレームワーク

本フレームワークは、６つの要素を定義し、データ活用に向けた内

容を整理

12

・データ生成・蓄積・統合・活用・破棄まで

・業務プロセスの中に、データ分析・活用が

・トップがコミットし、ユーザー・IT両部門

　のデータマネジメント全体に渡り、情報戦

　組込まれ、質の高い効果的・効率的なPDCA

　で推進

　略を全社挙げて策定し、トップから現場ま

　を実践

・BICCを設置し、責任・権限を明確化し、横

　で全員で共有

・全体最適で業務横断的に遂行

　断オペレーションを実施

・企業の理論ではない、顧客指向・顧客中心

・リアルタイム・ライトタイムな情報提供に

・データ分析・活用の文化を全社に根付かせる

　主義で、顧客満足を通じて、収益アップを

　より、タイムリーな業務遂行

・Fact Based Managementを実践する

　図る

・データマネジメント全体を実施できるデー

　タ統合基盤とシステムを構築

※BICC： Business Intelligence Competency Center

顧客

システム

企業文化

経営管理

経理・財務・人事・労務

情報戦略

業務プロセス

組織

６つの要素

企画

設計

開発

調達

製造

物流

マーケ

販売

サービス

４．実施方案 （５） データ経営フレームワーク 1/5

６つの要素の関係

13

顧

客

情報戦略

企業文化

システム

組織

業務プロセス

経営戦略

事業戦略

データ経営の「６つの要素」

Copyright 2017 Japan Data Management Consortium

４．実施方案 （５） データ経営フレームワーク 3/5

「データ経営」のＴｏＢｅモデル： 業務プロセス・組織階層とＰＤＣＡサイクル



ＴｏＢｅモデルの定義

 全社で経営戦略に則った業務計画が策定され、その実行・結果把握と分析・アクションというＰＤＣＡサイクルが

廻っており、必要な情報を必要なときに得ることによって、業務目標達成のための意思決定ができる

 各組織階層内でも、全社の経営戦略に則った業務計画が策定され、ＰＤＣＡサイクルが廻っている

 重要業績評価指標（ＫＰＩ）は、先行指標（非財務指標）と結果指標（財務指標）とで設定され、各ＫＰＩによる管理・

施策策定・実行が、トップレベルから中間管理レベル・現場レベルまで整合性をもって展開されている



業務プロセス・組織階層のＰＤＣＡサイクルイメージ

14

トップレベル

中間管理レベル

現場レベル

経営トップ

経営企画

事業部

サービス

部・課

部・課

部・課

部・課

部・課

部・課

A

P

D

C

業務

プロセス

４．実施方案 （５） データ経営フレームワーク 4/5

15

・情報戦略 経営戦略との紐付 経営として必要な定量的かつ重要な ・中長期情報戦略の策定 ・経営層 エンタープライズアーキテクチャ(EA) ・個別（各社別、事業別）計画の ・CDOの設置（TOPダウン強化） ・全社足並みがそろうことによる効率化、 ・経営指標のリアルタイム化により ・デジタル経営 （事業戦略との紐付） 成果指標など、情報を活用した経営 ・経営戦略との紐付 ・中間管理層 製品のライフサイクル 　単純積み上げであり、経営戦略と 　（専門家への権限集中・強化） 　利便性、管理コスト削減が図られる 　機会損失を削減 支援行うための戦略を定義する。 ・事業戦略との紐付 システム構造 　紐づきが弱く、正確にPDCAサイクル ・DMO（データ・マネジメント・オフィス）の ・経営、事業戦略に沿うことで、 ・経営リスクマネジメントによる ・情報の評価戦略の策定（ROI） 全体最適化 　を回せていない 　設置（司令塔強化） 　PDCAのサイクルをより正確に回せる 　企業価値向上（CSR連動） ・先進IT/ICTの取込と価値創造 ビジネスモデル ・情報戦略実施後の評価について ・組織横断的な情報戦略策定実施、 　（経営の先読みと次への活用） ・評価指標の把握

業務モデル 　経営戦略と紐づいた評価が 　各組織レベルとの紐づけ推進 CSF(Critical Success Factors)

情報システムモデル 　できていない KPI(Key Performance Indicator)

ビジネスプロセスリエンジニアリング(BPR) ・オーナ含めた推進体制が決まっていない。 KGI(Key Goal Indicator)

バランススコアカード 　決まっていても推進及び意思決定 バランススコアカード

CSF(Critical Success Factors) 　できる体制になっていない。 ・評価指標の評価

KPI(Key Performance Indicator) 評価指標(KGI･KPI)の評価

KGI(Key Goal Indicator) 差異分析

シナリオプランニング ・評価指標の検証

リスクマネジメント ヒアリング

リスク分析 ・評価指標の課題抽出

WBS(WorkBreakdownStructure) 構造化解析

PERT(Program Evaluation and Review Technique) 仮説構築

コスト見積り 業務分析

市場動向・業界状況（省庁等OpenData含） 業務改善

・社内　生産性向上・効率化 ・情報システム部門（IT統制担当） WBS(WorkBreakdownStructure) ・システム開発の効率化を図ったことで ・VMO（ベンダー・マネジメント・オフィス） ・情報戦略全体の評価

・調達部門（ベンダー担当） PERT(Program Evaluation and Review Technique)　各業務部門予算から直接発注が行われ 　の設置（外部ベンダーコントロール強化） コミュニケーション計画

・各業務部門（IT化業務要求担当） コスト見積り 　IT統制が取れない ITポートフォリオモデル 全体最適化 エンタープライズアーキテクチャ(EA) システムライフサイクル リスク分析 生産性評価 IS投資評価 組織能力評価 要素 各要素の内容 各要素の説明 あるべき戦略 ターゲット（誰に？） 戦略を行うための要素（何を？） 多くの企業の現状（課題） 対応策（どのように） 業務視点のメリット（効果） データ活用による価値創出 （先進ＩＴ） キーワード

データ経営フレームワーク

（例）

＜データ経営のフレームワークの主な項目＞

①各要素の内容（管理要件）

②あるべき戦略（ToBe）

③ターゲット（WHO）

④戦略を行うための要素（WHAT）

⑤多くの企業の現状（課題）

⑥対応策（WHERE）

⑦業務視点のメリット（効果）

⑧データ活用による価値

⑨先進ＩＴ（ICT）キーワード

⑩関連データ，活用難易度

⑪ライフサイクルタイミング（タイムフレーム）

経営戦略６つの要素ごとに、データ経営の

管理要件別に情報収集から活用までの

過程を整理

Copyright 2017 Japan Data Management Consortium

４．実施方案 （５） データ経営フレームワーク 5/5

生産製造領域においては、ISA95を参考にデータ活用のドメインと関

連させ、各種KPI指標を定義

16

機能レベル ドメイン 機能及びアクティビティ タイムフレーム アクティビティの説明 レベル４ 経営システムドメイン 月、週、日 レベル３ 製造システムドメイン 製造オペレーションマネジメントドメイン 日、シフト、時間、分、秒 製造オペレーションコントロールドメイン （MOMドメイン） （MO&C） レベル２ 時間、分、秒、1秒以下 レベル１ 秒、ミリ秒 レベル０ リアルタイム 　生産現場により近い立場から、さまざまなアクティビティ が実施される。例えば、エリアごとの詳細スケジューリン グを行い、生産の為の原価管理と費用の最小化を図 る。そして、作成したスケジュールに基づきラインや設備 の運転と稼働管理を行いながら、状況に対応した詳 細スケジュール変更、さらには、生産ラインや設備の保 全業務、品質検査の実施と結果の管理、そして原材 料やワークの移動又は保管といったアクティビティも必要 となる。 　レベル２以下は、生産セル又は生産ラインの内部に おいて、より細かな粒度の生産プロセスを対象とし、管 理・監視機能、設備オペレーションや制御機能、プロセ スコントロール機能が実施される。生産の形態に応じ て、バッチコントロール、連続コントロール、ディスクリート コントロールに分かれる。 製造 部門 を管理するために必要な経 営に関するアクティビティ 要求された製品を生産する為にワークフ ローに関するアクティビティ 物理的なプロセスを監視制御するアクティ ビティ 物理的なプロセスのセンシングや操作に 関連するアクティビティ 物理的なプロセスそのもの 　原材料や交換部品などの副資材の管理、引当可 能な在庫量の管理、エネルギー使用量の管理と供給 の確保、そして工場内の仕掛品や中間在庫の管理な ど、生産の為の資源を管理するアクティビティがある。 又、製品の品質保証及び顧客別の個別仕様の管理 を行うとともに、予防保全、予知保全の計画の為の設 備稼働履歴の管理、作業者に関する人的資源の管 理により、生産設備や資源の品質の向上に取り組む。 　生産にあたっては、基準生産計画（Master Production Planning: MPS）や工場全体のスケ ジュールの管理を行うとともに、設備稼働状況、エネル ギー状況、保全要求などに対応した基準生産計画の 変更、そして、生産を考慮した保全計画や設備更新 計画の立案を行う。 　さらに、資材所要量計画や調達計画を加味した最 適在庫レベルの管理、生産の割り込みに対応した基 準日程計画の修正、必要な生産に対応した設備や エリア単位での能力計画の立案といったさまざまな計画 業務が実施される。

ISA95

機能の階層レベルとアクティビティ

４．実施方案 （６） データ確認・分析 1/2

17

◆システム・データ分野

No.確認内容 Sno. データ確認詳細 1 項目統一 データ項目の整合性 1-1-1 •項目値ルール整備（正規化） 1 1-1-2 •システム間のデータ整合 1 1-1-3 •源泉データの一元管理 1 データ項目の一貫性 1-2-1 •データ・項目の利用者ニーズ・目的の明確化 1 1-2-2 •ニーズに応じ、最小単位の源泉データ設計 1 1-2-3 •切り口、詳細分析の多様化に耐えうるシステム・データ設計 2 データ精度 2-1-1 •目的に応じた精度の高いデータ 2 2-1-2 •目的・データ精度にあったユーザーインターフェース設計 2 2-1-3 •データの一元管理 3 データ粒度 3-1-1 •最小粒度のデータを一元管理 3 3-1-2 •編集・集計は別システムとして設計 3 3-1-3 •利用者・分析者ニーズを理解したインプット設計 3 3-1-4 •管理要件の変更にタイムリーに対応 4 データ鮮度 4-1-1 •現場で見たいときに最新情報が参照可 4 4-1-2 •オンライン化、モバイル化が実現されている 4 4-1-3 •誰でも必要情報に簡単にアクセスできる 4 4-1-4 •日次又はリアルな意思決定ができる 5 データ統合 5-1-1 •全社でのキー共通化 5 5-1-2 •ＢＩＣＣによるデータ・システム管理 5 5-1-3 •共通マスターによる一元管理 5 5-1-4 •ＩＴの促進（セルフＢＩツール導入） 5 5-1-5 •グループ横断でデータの一元管理 6 データ配置 6-1-1 •データ量とスペックを考慮したシステム構成 6 6-1-2 •多重処理のないシンプルシステム構成 6 6-1-3 •データ管理・ルールの明文化（見える化） 6 6-1-4 •ＩＴの促進（圧縮・蓄積技術） 7 データ活用 7-1-1 •データ分析・参照・活用スキル・ナレッジ・リテラシーが浸透 7 7-1-2 •データモデル化がされ維持・管理・運用されている 7 7-1-3 •スキルを活かし有効活用されている 7 7-1-4 •源泉データの管理 7 7-1-5 •ＥＤＷによる完結でデータの透明性を実現 7 7-1-6 •ツール導入によるデータ活用 8 データ運用 8-1-1 •データ更新ルールの定義とシステム化 8 8-1-2 •不要データがなく効率的に運用実現 データ量の抑止

◆業務プロセス分野

No.確認内容 Sno. データ確認詳細 1 事業成績の配賦による 1-1 •定型的な配賦ルールが存在。 1恣意性 1-2 •人の意思を介在せず配賦結果を算出する共通KPIが存在し、関係部門の比較ができる。 1 1-3 •文書による配賦ルールの明文化がされている。 2 データ精度の高さ 2-1 •部門内の運用ルールが定められている。 2-2 •関連部門の運用ルールが定められている。 2 2-3 •全社の運用ルールが統一されている。 2 2-4 •統一されたルールをシステム上に組み込み、人の判断をする必要がない仕組みとなっている。 3 データ粒度の粗さ 3-1 •各国・各拠点で統一されたルールで運用されている。 3 3-2 •データの粒度に入力者の判断が入っている。 3 3-3 •全社で統一されたルールで運用されている。 3 3-4 •入力者がデータの粒度意識せずとも定型的に入力できている。 3 3-5 •全社の運用ルールを統一している。 3 3-6 •統一されたルールをシステム上に組み込み、人の判断をする必要がない仕組みとしている。 4 データ鮮度の高さ 4-1 •データ発生からシステムへ入力するまでのタイムラグがあり、データ反映に時間がかかっていない。 4 4-2 •データが発生したタイミングで入力まで完了している。 4 4-3 •オンラインでのデータ収集ができている。 4 4-4 •業務プロセスとシステムが一体となった仕組みの構築がされている。 5 データ活用の高さ 5-1 •経営者への報告時に人による報告資料作成をするため、時間がかかっていない。 5 5-2 •経営者が必要なデータはいつでも見られるようになっている。 5 5-3 •経営者が直接データを見ることができる。 5 5-4 •データを見る環境（システム）の整備と、活用のためのリテラシー向上がされている。 6 5-5 •指標が示す内容とモニタリングする目的を明確に定義されている。 6 5-6 •指標の定義が明文化され、同じ理解度で運用されている。 6 5-7 •CPMシステムの構築 ・データ辞書の整備 ・利用部門への啓蒙活動がされている。

データ活用難易度（管理）レベルの評価項目

（抜粋）

BICC: Business Intelligence Competency Center

EDW: Enterprise Data Warehouse

Copyright 2017 Japan Data Management Consortium

４．実施方案 （６） データ確認・分析 2/2

18

◆組織・仕組・人材分野

No.確認内容 Sno. データ確認詳細 1 部門間の整合性 1-1 •統一ルール、共通マスターが整備されている。 1 1-2 •コミュニケーションが不足していない。 1 1-3 •分析軸の柔軟性が低くない。 1 1-4 •統一ルールの決定権限の明確にしている。 1 1-5 •データ管理部門主導の共通ルール、標準プロセスがあり、管理運用されている 1 1-6 •組織と業務範囲の明確にしている。 1 1-7 •共通ルールを設定している。 2 アクションタイミング 2-1 •データ活用サイクル全体を考慮した業務プロセスを設定している。 2 2-2 •ニーズに応じたデータ反映の仕組みにしている。 2 2-3 •経営層がデータ経営に対する高い意識、活用の視点を加味した業務プロセス整備を行っている。 2 2-4 •データ反映連携タイミングを短縮する活動へ繋げている。 2 2-5 •実現性のある(あった)KPIをボトムアップで上位層を啓蒙している。 3 共通ルール／基準 3-1 •役割分担が明確(全社視点でルールを決められる部署・人がいない)になっている。 3 3-2 •グローバルなBICCによる共通ルールの作成・周知徹底がされている。 3 3-3 •全体最適なシステム構成、部門間連携を促進し、業務・組織効率化を図っている。 3 3-4 •HQ（HeadQuarters）によるガバナンスが設定されている。 3 3-5 •組織と業務範囲(対象データ範囲)の明確になっている。 4 教育する文化、 4-1 •教育を担当する部門・内容が明確になっている。 4仕組み 4-2 •部門間で成功体験を共有する仕組みがある。 4 4-3 •データ活用事例が共有され、各部門のモチベーションアップに繋がっている。 4 4-4 •必要な知識を明確にし、“情報共有の仕組み”を構築している。 4 4-5 •事業成功・失敗の要因が特定されている。 4 4-6 •データ分析に関する教育メニューと育成計画が立案されている。 4 4-7 •教育制度が確立している。 No.確認内容 Sno. データ確認詳細 5 全社標準プロセス 5-1 •標準が無くとも大きな問題は顕在化している。 5 5-2 •全社共通リスクが明確化され管理すべきデータが確定し、全社ルールに従っている。 5 5-3 •部門間の連携を促進すべく、業務の効率化、組織の効率化を図っている。 5 5-4 •全社ルールの策定と、グループ会社への適用についての取り決めがある。 6 データ管理の統一 6-1 •引継ぎの手間、所要時間よりも業務のスピードを優先していない。 6 6-2 •変更発生時の維持体制が明確になっている。 6 6-3 •全社のデータを一元管理する専門チームが存在している。 6 6-4 •“IT化の促進”により、変化を想定し誰でも分析可能な仕組みが構築されている。 6 6-5 •データを一元的に管理する部門が設置されている。 6 6-6 •将来を見据えたシステム設計がされている。 7 変化への対応力 7-1 •データ品質が低い原因を常に検証している。 7 7-2 •変化への対応に対する問題意識が欠如していない。 7 7-3 •将来を見据えたデータ構造になっている。 7 7-4 •BICCによるデータ利活用が促進され、“さまざまな切り口・詳細での分析”のための明細データでの保持 7 7-5 •業務に必要なデータの把握とそれを抽出するシステム、方法が確立している。 7 7-6 •ユーザのリテラシ向上の為の対応を行っている。 8 当事者意識 8-1 •現レポートに対する問題意識は持っている。 8 8-2 •全社のデータを一元管理する専門チームが存在している。 8 8-3 •部門間の連携を促進すべく、業務の効率化、組織の効率化を図っている。 8 8-4 •BICCが設置されている。

データ活用難易度（管理）レベルの評価項目

（抜粋）

５．活動状況 （１） スケジュール

2015

2016

6

7

8

9

10

11

12

1

2

3

4

5

成

果

物

イ

ベ

ン

ト

作

業

内

容

▲

3/8

データマネジメント2017

カンファレンス

▲

11/中

中間理事会

・成果物の

方向性

決定

研

究

会

成果

の突

合せ

・注力業務分野の決定

・成果物アウトプット

イメージ決定

成果

の突

合せ

・業務モデルの深耕

内容FIX

成果物作成

●注力業務分野

●アウトプットイメージ

●業務・情報プロセス

●成果物の最終化

●業務・業務マップ

▲

5/中

JDMC

総会

●成果物の方向性

成果

の突

合せ

●データ活用・課題

●具体例の考察

19

研究会

申込案内

★

3/29

トップインタビュー

▲

6/9

第１回

定例会

▲

7/14

第２回

定例会

▲

8/25

第３回

定例会

▲

9/15

第４回

定例会

▲

10/13

第５回

定例会

▲

11/17

第６回

定例会

▲

12/15

第７回

定例会

▲

1/9

第８回

定例会

▲

2/16

第９回

定例会

▲

3/16

第１０回

定例会

▲

4/20

第１１回

定例会

▲

5/18

第１２回

定例会

Copyright 2017 Japan Data Management Consortium

５．活動状況 （２） 参加企業

20

（敬称略）

リコーITソリューションズ

1 名

国士舘大学

1 名

千代田システムテクノロジーズ

1 名

東京商工リサーチ

1 名

東京電力パワーグリッド

1 名

東洋ビジネスエンジニアリング

1 名

日本ティーマックスソフト

1 名

日本テラデータ

1 名

日立金属

1 名

日立製作所

1 名

富士通総研

2 名

（順不同）

参加企業 22 社 ／ 25 名

ICT経営パートナーズ協会

1 名

JFEシステムズ

1 名

ＮＥＣ情報システムズ

2 名

NTTデータ

1 名

アシスト

1 名

インターネットイニシアティブ

1 名

クオリカ

2 名

セイコーエプソン

1 名

データキュレーション

1 名

メトロ

1 名

６．苦労した点・課題

21

【研究会で苦労した点】

 データ経営フレームワークは定義したものの、経営・現場視点など仮説からユー

ザー企業の調査・検証・見直しに至る活動は労力と時間が掛る

 経営に連動する現場データや外部オープンデータの活用には、経済による変動

要因が含まれ指標化することが難しい（今回は経営管理指標からの整理を行っ

た）

【課題】

 業種・業態別業務モデル妥当性の検証を進める必要がある

 業務モデル内のデータ要素をどのように共通化し分析するか、データ活用度の測

定方法を検証する必要がある

 経営を支えるデータ管理の在り方について、多方面の業種・業態のユーザー企業

へインタビューを実施し、業務モデルを適用する場合に考慮すべき点や課題を明

らかにし、業種・業態の枠を超えたものにする必要がある

Copyright 2017 Japan Data Management Consortium

７．今後の取組み（２０１７年度計画）

22

 前頁の課題含め、2017年度活動アウトラインは以下の通りです。

【仮説】

業種・業態別の業務モデルから事業機能や事業機能間でのデータの流れと課

題・あるべき姿を深堀する。

【調査】

経営を支えるデータ管理の在り方についてユーザー企業へのインタビューを実

施する。

【検証】

経営戦略フレームワークの各要素に対し、データの紐付・活用の検証を実施す

る。

【改善】

経営戦略フレームワーク、データ活用難易度、並びに法規や規定、JDMCの各

研究会と連携し、「経営のためのデータ活用ガイドライン（初版）」を策定する。