データ品質診断のチェック項目｜活用前に確認する6つの評価軸
BI(ビジネスインテリジェンス)ツールを導入したのに「この数字は本当に正しいのか」と現場が疑い、結局は手作業の集計に戻ってしまう——データ活用の現場でよく起きる話です。本記事は、AI・BI活用を進めたい情シス・DX推進担当者に向けて、着手前に確認すべきデータ品質の評価項目と、自社で試せるチェックの進め方を整理します。結論を先に述べると、データ品質は「正確性・完全性・一貫性・適時性・一意性・妥当性」の6つの軸で診断でき、活用の成否はこの土台で決まります。しかも品質は一度整えれば終わりではなく、使い続ける限り劣化するため、定期的に測り直す前提で設計することが要になります。
目次[非表示]
なぜデータ品質が活用の成否を分けるのか
データ活用の世界には「Garbage In, Garbage Out(質の低いデータを入れれば、質の低い結果しか出てこない)」という古くからの原則があります。分析やAIの手法をどれだけ高度にしても、元になるデータが誤っていれば、出てくる結論も誤ります。
この問題は、活用の段階が上がるほど深刻になります。
- BI・可視化の段階:ダッシュボードの数字が実態と合わないと、現場は「このツールは信用できない」と判断し、使われなくなります。ツール投資が定着せず、手集計に逆戻りするのはこのパターンです。
- AI・機械学習の段階:品質の低いデータで学習させると、予測精度の低下、偏り(バイアス)の埋め込み、過学習といった問題が生じます。誤りが人手で見つけにくい形で結果に紛れ込むぶん、影響はより見えにくくなります。
つまりデータ品質は、活用施策の「土台」です。土台を測らずに可視化やAIを積み上げるほど、後からの手戻りと現場の不信は大きくなります。
図1:データ活用の3層構造。品質という土台が崩れると、上の層はすべて信用を失う。
データ品質を測る6つの評価軸(チェック項目)
「データが汚い」という感覚を、診断できる項目に分解します。データ品質の評価軸は、国際規格 ISO/IEC 25012 やデータマネジメントの体系(DAMA-DMBOK)でも整理されており、実務では次の6つで捉えると過不足がありません。
評価軸 | 意味 | 確認する問い | よくある不備の例 |
|---|---|---|---|
正確性 | 値が現実と一致しているか | 実態を正しく写しているか | 退職者が在籍のまま残っている |
完全性 | 必要な項目が欠けていないか | 空欄・未入力がどれだけあるか | 顧客の業種コードが半分空白 |
一貫性 | システム間で矛盾がないか | 同じ対象が同じ値になっているか | 販売管理と会計で取引先名が別表記 |
適時性 | データが最新か | いつ時点の情報か明確か | 在庫数が前日夜のまま更新されない |
一意性 | 重複がないか | 同じ実体が二重登録されていないか | 同一顧客が表記違いで3件存在 |
妥当性 | 形式やルールに沿っているか | 桁数・区分・範囲が正しいか | 日付欄に「未定」の文字が混入 |
このうち、活用の初期で最も問題を起こしやすいのが一貫性と一意性です。部門ごとに別々のシステムへ入力してきた結果、「同じ取引先が別名で存在する」「集計する部署によって売上が食い違う」といった形で表面化します。BIで数字が合わない原因の多くは、分析ロジックではなく、この上流のデータ品質にあります。
自社で試せるデータ品質セルフチェック
本格的な診断の前に、自社のデータがどの程度リスクを抱えているかを大づかみに把握できます。次の6項目のうち3つ以上に当てはまる場合、データ活用に着手する前に品質の整備が必要と考えてください。
- 同じ指標(売上・顧客数など)が、部署や資料によって違う数字になることがある。
- マスタ(顧客・商品・取引先などの台帳)に、表記違いや重複が残っている。
- 必須のはずの項目に、空欄や「不明」「未定」といった入力が混ざっている。
- データがいつ時点のものか、更新がいつかを即答できない。
- 手入力に依存する箇所が多く、入力ルールが明文化されていない。
- 「この数字は本当に正しいのか」と確認のための手作業が定期的に発生している。
特に1番と6番に心当たりがある場合、すでに現場が数字を信用できていないサインです。ツールを足す前に、土台の品質を測ることが先決になります。
品質の低いデータが引き起こす3つの実害
データ品質の低さは、次のような具体的なコストとして現れます。
- 意思決定の誤り:誤った数字を根拠に判断すれば、在庫の過剰発注や需要予測の外れなど、実損につながります。例えば一意性が崩れて同一顧客が重複していると、優良顧客の取引額が実際の半分に見え、施策の対象から漏れる、といったことが起こります。
- 手戻りと隠れコスト:分析のたびに「まず数字が正しいかを確認する」工程が挟まると、担当者の時間はデータの掃除に消えます。分析より前処理に時間を取られる状態は、活用が進まない典型的な兆候です。
- AI投資の空振り:整っていないデータのままAIやBIに投資しても、出力が信用されず定着しません。ツールではなく土台に原因があるため、ツールを乗り換えても再発します。
いずれも「データが悪い」という曖昧な形ではなく、判断ミス・工数・投資回収という数字の問題として経営に跳ね返る点が重要です。
品質を放置した状態と、診断・整備した後の違い
品質を測り、整備する運用を入れると、現場の状態は次のように変わります。
観点 | 品質を放置したまま | 診断・整備した後 |
|---|---|---|
数字の信頼 | 部署ごとに食い違い、確認が必要 | 同じ指標は同じ値で説明できる |
分析の工数 | 前処理・突合に時間を奪われる | 分析そのものに時間を使える |
マスタ | 重複・表記揺れが放置 | 名寄せ・入力ルールで統制 |
AI・BIの定着 | 数字を疑われ使われない | 現場が判断根拠として使う |
経営説明 | 「たぶん正しい」で押し切る | 品質基準を示して根拠を出せる |
差別化の核心は、データ活用の議論を「感覚(なんとなく汚い)」から「数字と基準(6軸で何%欠損か)」へ移すことです。基準があれば、どこから直すか、どこまで直せば十分かを判断できます。
診断は「点」、品質維持は「線」
ここで見落とされやすいのが、データ品質は一度整えても劣化するという事実です。日々の入力ミス、システムの仕様変更、新しい業務の追加によって、整えたはずのマスタにも少しずつ揺れが戻ってきます。
図2:品質は放置すれば下がり続ける。診断(点)で測り、運用(線)で保ち続ける発想が要る。
だからこそ、品質は「プロジェクトで一度整える」対象ではなく、「診断で現状を点として測り、運用として線で保ち続ける」対象として設計する必要があります。健康診断で数値を把握することと、その状態を日々の生活で維持し続けることが別の営みであるのと同じ構造です。BFTが20年以上にわたり金融・公共の大規模システム運用に携わってきた経験からも、データの信頼性は仕組みとして回し続けて初めて保たれる、というのが現場の実感です。
まずは自社のデータが6軸のどこで崩れているかを一度きちんと測る。その一点から、活用の土台づくりは動き出します。
まとめ
- データ品質は活用の「土台」であり、崩れるとBIもAIもまとめて信用を失う。
- 品質は「正確性・完全性・一貫性・適時性・一意性・妥当性」の6軸で診断できる。
- 初期に問題を起こしやすいのは一貫性と一意性(数字の食い違い・重複)。
- 6項目のセルフチェックで3つ以上該当するなら、ツール導入より品質整備が先。
- 品質の低さは判断ミス・手戻り・AI投資の空振りという数字のコストになる。
- 品質は劣化するため、診断(点)で測り、運用(線)で保ち続ける設計が要る。
よくある質問(FAQ)
Q. データ品質のチェックはどこから始めればよいですか?
A. まずマスタ(顧客・商品・取引先などの台帳)の一意性と一貫性から確認するのが効率的です。重複や表記揺れは数字の食い違いに直結し、影響範囲が広いためです。全項目を一度に直そうとせず、活用したい業務に関わるデータから絞り込みます。
Q. データ品質と「データ量」は関係ありますか?
A. 別の問題です。量が多くても品質が低ければ活用できず、量が少なくても品質が高ければ判断に使えます。まず量を集める前に、いま持っているデータが6軸で使える状態かを確認するほうが、投資対効果は高くなります。
Q. AI活用を始めたいのですが、データ品質はどこまで必要ですか?
A. AI・機械学習は品質の低いデータをそのまま学習し、誤りやバイアスを結果に埋め込みます。少なくとも学習に使う範囲について、完全性(欠損)と正確性を確認することが前提になります。品質を測らないままのAI投資は、出力が信用されず定着しにくくなります。
Q. 一度データを整えれば、その後は品質を保てますか?
A. 保てません。入力ミスやシステムの仕様変更で品質は少しずつ劣化します。定期的に測り直し、入力ルールとして運用へ組み込むことで、はじめて高い水準を維持できます。
自社のデータが「使える状態」か、まず測ってみたい方へ
上記のセルフチェックで気になる項目があった方は、自社のデータが6つの評価軸のどこで崩れているかを客観的に把握することをおすすめします。YOROZUでは、データ活用の前提となる品質を短期間で見える化する YOROZU SNAP データ利用可能性診断 をご用意しています。
- データ品質の現状を診断で見える化する(データ診断のお申し込み(/snap/apply))
- まず手軽に試したい方は、無料セルフチェックから(/snap)
診断で品質を「点」として把握したうえで、その状態を運用として保ち続けたい場合は、伴走型のシステム運用サービス YOROZU STEADYのご相談(/contact) もご利用ください。データの信頼性は、直し続けることで初めて保たれます。
