コロナ禍がなかなか収まらない中、企業がデータを活用するには、データの品質や適切なデータの取り扱い方針がこれまで以上に重要になる。それは、医薬品やワクチンの臨床試験を行うにも、次の感染流行がいつどこで起こるかを予想するにも、資源や人員の確保状況を評価するにも、経済的な影響を評価するにも必要なことだ。
提供：Getty Images/iStockphoto
そうした活動では、アナリティクスや人工知能（AI）、機械学習が重要な役割を果たすが、データの品質や適切なデータの取り扱いも同じくらい重要だ。
IT部門は、マスターデータ管理（MDM）の手法を用いてデータの収集、集約、照合、統合、品質チェック、流通をどう行うかを定義し、データの品質を確保することになる。
マスターデータ管理を行うためのツールや自動化ソリューションは数多く出回っている。これらのツールを利用すれば、人間が手動でデータの選別や正規化を行ったり、どのデータを組み合わせ、誰にどのデータを渡すかを決定したりする手間を減らすことができる。この仕事の中で難しいのは、IT部門がMDMで行うデータ準備のための基礎となる、適切なビジネスデータの取扱い方針を実現することだ。
この記事では、意思決定のために高品質のデータをそろえようとするあらゆる企業に必要不可欠な、5つのビジネスデータの取扱いに関するベストプラクティスを説明する。
ダークデータをデジタル化する
ダークデータとは、そこにあるにも関わらず利用されていないデータのことだ。この種のデータは、事業部門によって何年も前に作成された紙ベースの文書の場合もあれば、現時点では利用されていないIoTデバイスのセンサー出力の場合もある。
IBMは数年前、IoTデバイスから収集されたセンサーデータの90％は利用されておらず、ダークデータになっていると推定していた。ダークデータが最終的には不要なものだと判明する場合も多いが、中にはそうでないものもある。企業はこれらのデータの見直しを行い、どれを捨てるかを判断し、残したいデータをデジタル化する必要がある。一端デジタル化してしまえば、意思決定に利用できるため、もはや無駄なデータ資産として残ることはない。
意思決定に役立つデータかどうかを見極める
データをデジタル化できても、それが意思決定に役立つかどうかはまだ分からない。そのデータに価値がなければ、捨ててしまうべきかもしれない。
どのデータを残すかの判断にはバランスが必要だ。今は重要でなくても、後になって価値が出てくるデータもあるだろう。一方で、将来的にも意思決定に使われる可能性が極めて低く、削除しても良さそうなデータ（例えばIoTデバイスのジッターのデータや、20年前に会社で開いたパーティーに関するメモなど）も存在する。
