データを探せる・使える状態に保つ「データカタログ」【第8回】

ステップ1：ツールを選定する

　データカタログを整備するための適切なシステムを選びます。表計算ソフトウェアでの管理も不可能ではありませんが、上述したように、更新漏れが発生しやすく、組織的な運用には向きません。専用システムの導入を推奨します。

　ツールの選定では「自社のデータが、どのシステムに格納されているか」が重要な基準になります。クラウド上のDWHにデータが格納されているなら、そのDWHに対応したデータカタログを選ぶのが効率的です。「AWS（Amazon Web Services）」や「Microsoft Azure」「Google Cloud」の主要クラウドでは、それぞれがデータカタログ機能「AWS Glue Data Catalog」「Azure Purview」「Data Catalog」を用意しています。

　一方、オンプレミスとクラウドの両方にあるDWHを対象にしたい場合は、複数環境に対応できるツールが必要になります。自社のシステム構成を整理し、対象システムを把握したうえで、それらに対応可能なツールを選定しましょう。クラウドベンダーだけでなく、当社の「COMETA」など、種々のベンダーが、さまざまなデータカタログツールを提供しています。

ステップ2：メタデータを整備する

　ツールを選定しデータソースと接続できたら、メタデータを作成・整備します。最近は多くのツールがAI技術による自動生成機能を持つようになってきています。ただ自動生成は、ある程度の精度でメタデータを自動的に作成してくれますが、あくまで出発点です。社内独自の用語や、組織固有のルールについては人間による確認・補完が不可欠です。

　社内で使われる用語集や、よく使われるレポートのドキュメントなどをシステムに読み込ませれば、より精度の高いメタデータを整備できます。

ステップ3：データガバナンスの方針を定める

　データカタログの整備と並行して「誰にデータカタログを公開するか」というデータガバナンスの方針を検討します。データカタログを整備すると、どこに重要なデータがあるかが一目で分かるようになるだけに、閲覧権限を適切に設計しておかなければなりません。

　データカタログのカバレッジ（対象範囲）は、少なくともDWH上のデータは全て対象にすることが望まれます。一部だけをカタログ化すると「このデータについては分かるが、あのデータについては分からない」という状況が生まれ、データ活用が難しくなります。