実務適用ガイド

実務適用ガイド

CDMP の知識を現場で使うための横断的ガイド — Specialist試験の「なぜ」を学ぶ

1. 「データの定義が合わない」問題の解決パターン

これはほぼすべての組織が抱える最頻出の現実問題。CDMPの複数トピックをまたぐ実務課題。

典型的な状況

営業部長:「先月の顧客数は1万5千人」
CTO:「システムには2万人登録されている」
マーケ部長:「メルマガ対象は2万8千人」

→ 経営会議が紛糾。"正しい顧客数"が分からない

原因と対応（トピック横断）

原因 関連トピック 対応
「顧客」の定義が合意されていない データガバナンス Business Glossary の作成・承認
複数システムに重複データ MDM ゴールデンレコードの構築
データの品質が低い データ品質 プロファイリング + SLAの設定
どのデータをどこで使うかの地図がない メタデータ管理 データカタログの整備
定義が文書化されていない ドキュメント管理 Business Glossaryの維持

解決の実施順序

Step 1: Business Steward を任命（データガバナンス）
Step 2: 「顧客」の定義をステークホルダーと合意（ガバナンス活動）
Step 3: 合意した定義をBusiness Glossaryに登録（メタデータ管理）
Step 4: 各システムの「顧客」データのプロファイリング（データ品質）
Step 5: 名寄せとゴールデンレコード構築（MDM）
Step 6: DWHのディメンション設計に反映（データモデリング）
Step 7: BIレポートを統一定義で再作成（DWH & BI）

2. データ品質問題のトリアージフレームワーク

現場で「このデータが間違っている」と言われた時の対応手順。

問題分類マトリクス

         ビジネスインパクト
         低                    高
利用    ┌─────────────────┬─────────────────┐
頻度    │                 │                 │
 高    │ 定期メンテナンス │   即座に対応     │
       │ （四半期計画）   │   （Today）      │
       ├─────────────────┼─────────────────┤
 低    │  バックログ      │  週次でレビュー  │
       │ （優先度低）     │                 │
       └─────────────────┴─────────────────┘

根本原因のカテゴリと対策

根本原因 症状 予防策
入力時のミス タイポ、フォーマット不正 バリデーション強化、UI改善
プロセス設計の欠陥 特定条件でNULLが発生 プロセスの見直し、自動化
ソースシステムの変更 ある時点から問題が増加 変更管理プロセスの整備
データ定義の不整合 部門間で数値が合わない Business Glossary の整備
ETL/変換のバグ 特定の変換結果が誤り ETLテストの強化、Unit Test

3. アーキテクチャ選択の判断マトリクス

「どのアーキテクチャを使うべきか」をすぐに判断するためのガイド。

データストレージ選択

要件 推奨アーキテクチャ
大量の定型レポート・集計 DWH（Snowflake/BigQuery）
非構造化データ + ML Data Lake（S3 + Spark）
DWH + ML の両方 Data Lakehouse
ドメイン分散・大規模 Data Mesh
リアルタイム分析 Kappa Architecture
バッチ + リアルタイム Lambda Architecture

統合パターン選択

要件 推奨パターン
システム数が多い（5以上） Hub-and-Spoke（ESB/APIゲートウェイ）
非同期通知・疎結合 Publish-Subscribe
データ移動なしで統合 データ仮想化
リアルタイムDB変更の伝播 Log-based CDC
シンプルな定期転送 ETL（バッチ）
クラウドDWH + 大量データ ELT

MDMスタイル選択

要件 推奨スタイル
分析目的のみ、配信不要 Consolidation
各システムへの変更なし Registry
配信が必要、段階的移行 Coexistence
グリーンフィールド Centralized

4. ガバナンス組織 vs プロジェクト規模の対応表

規模別の推奨組織設計

小規模（従業員200人未満）:

CDO（またはCIO兼務）
  └── Data Steward（兼務、2〜3名）

中規模（200〜2,000人）:

CDO
  ├── Data Governance Office（専任1〜2名）
  ├── Data Steward（ドメイン別、5〜10名、兼務）
  └── Data Quality Manager（専任1名）

大規模（2,000人以上）:

CDO
  ├── Data Governance Office（専任5名以上）
  ├── Domain Data Steward（各部門に専任）
  ├── Data Quality Center of Excellence
  └── Enterprise Data Architecture Team

5. 試験での「正解の方向性」を見分けるコツ

DMBOK が優先する価値観（常にこれに沿った選択肢が正解）

  1. Business-driven: データ管理はビジネスが主導（IT主導は常に不正解寄り）
  2. Prevention over Cure: 問題を予防する方が修正より優れている
  3. Incremental: 段階的・漸進的な実装が推奨
  4. Stewardship: データは組織の資産であり、Stewardが管理責任を持つ
  5. Metadata as Foundation: メタデータがすべてのデータ管理の基盤

よくある「引っかけ」パターン

問題文のパターン 引っかけ 正解の方向
「品質問題を解決するために...」 データを修正する（Cure） 根本原因を除去する（Prevention）
「ガバナンス成功のために最重要は...」 ツールの導入 Executive Sponsorship
「データスチュワードの主な役割は...」 システムの維持管理（IT） ビジネスルール・定義の管理
「MDMの最初のステップは...」 ツール選定 ビジネスケースの確立・スコープ定義
「DQプログラムの最初は...」 データのクレンジング 要件定義・スコープ設定

4択問題の消去法

  1. IT主導の選択肢を除外: 「IT部門が主導して...」は多くの場合不正解
  2. ツール選定を最初にする選択肢を除外: ツールはプロセス・人の後
  3. 一度にすべてを解決しようとする選択肢を除外: 段階的アプローチが正解
  4. 技術的解決策が唯一の選択肢: 組織・プロセスの変更を組み合わせる方が正解

6. CDMP合格後の実務適用ロードマップ

Associate合格後（60-74%）

Practitioner合格後（70-79%以上、Specialist×2）

Master合格後（80%以上、Specialist×2）

7. データ成熟度アセスメント：自社の現状を把握する

チェックリスト（現場での自己評価）

データガバナンス:

□ CDOまたは相当の役職が存在する
□ Data Governance Councilが機能している（定期開催・意思決定がある）
□ 主要データドメインにData Stewardが任命されている
□ Business Glossaryが存在し、更新されている
□ データポリシーが文書化され、周知されている

データ品質:

□ 重要データ（CDE）が特定されている
□ データ品質指標（DQI）が定義・測定されている
□ データ品質問題の報告・解決プロセスがある
□ 入力時のバリデーションが実装されている
□ データプロファイリングが定期的に実施されている

メタデータ管理:

□ データカタログが存在する
□ 主要なデータ資産がカタログに登録されている
□ データリネージが記録されている（主要フローのみでも可）
□ データの更新日時・鮮度情報が利用可能

スコアリング: