データ運用パフォーマンス評価（データガバナンスパフォーマンス評価をどのように実施するか？）

データガバナンスのパフォーマンス評価をどのように実施するのでしょうか?

データガバナンスの鍵は「ガバナンス」にあります。ガバナンスについて語るには、必然的に戦略、組織、運営、プロセスなどさまざまな側面における一連の改善が伴います。こうした一連の調整措置を確実に実施するためには、データガバナンスに関する明確な評価システムを確立することが極めて重要です。

秩序だった報酬と罰則を備えたデータ ガバナンス パフォーマンス評価システムは、企業がデータ管理プロセスを標準化し、データ ガバナンスの利害関係者の責任を実行するのに役立ちます。これにより、全体的なデータ品質が向上し、データ戦略が実現します。

しかし、部門間の障壁、ツール・システムのサポート不足、評価指標の設定の無理、業績へのプレッシャーなどの要因により、多くの企業ではデータガバナンス関連の規制が適切に実施されていないのが現状です。この記事では、主にデータ ガバナンスの原則、データ ガバナンス パフォーマンス指標の設計と参照、およびデータ ガバナンスの評価方法を共有し、企業におけるデータ ガバナンス パフォーマンス評価の具体的な実装の参考となることを目指しています。

— 01 —

データガバナンスパフォーマンス評価の5つの原則

1. 明確な分業

適切なデータ ガバナンスは、特定の部門の責任や義務ではありません。データガバナンス業績評価を企業全体の経営システムに組み込むためには、まず、全社的な評価システムにおけるデータガバナンス評価の目的と位置付けを明確にし、それに基づいて主管部門、補助部門、評価対象を明確にする必要があります。

2. 報酬と罰の組み合わせ

秩序だった報酬と罰則は、データ ガバナンス パフォーマンス システムを実装するための前提条件であり、保証となります。合理的かつ効果的なインセンティブと説明責任のメカニズムを通じて、データ管理プロセスを標準化し、すべての参加者の責任を実行することで、データ品質を向上させ、評価目標を達成し、最終的にデータ戦略を実現することができます。データガバナンスに関する賞罰基準は、データガバナンスを担当する部門が策定し、社内の既存の評価システムと組み合わせて拡張することができます。なお、説明責任の仕組みは短期的にはすぐに効果を発揮しますが、データガバナンスは継続的な作業であることを考慮し、報酬と罰則が秩序正しく厳格であることを保証するために「インセンティブ」方式を十分に組み合わせる必要があります。

3. 客観的かつ公正

データガバナンスの業績評価は、企業自体と各部門の目的と実態に基づいて行う必要があり、各部門の実際の業務範囲に応じて異なる評価指標を設定する必要があります。また、その結果の判断は、実際のデータ管理業務の実施効果や問題点を総合的に評価した上で行う必要がある。指標を定量化できない場合は手動での評価が必要であり、その手動評価にも主観を避けるための明確な基準が必要です。評価結果の客観性を確保するために、ツールを使用してプロセスを制御できます。

4. オープンで透明性

企業は、データガバナンス評価のプロセス、頻度、具体的な評価基準を明確にし、評価の公開性、透明性、継続性を確保し、データガバナンスパフォーマンス評価のプロセスと重要性に対するメンバーの理解を深め、評価の公平性と合理性を確保する必要があります。

5. プログレッシブ

データ ガバナンスの評価は、企業のデータ管理作業の現在の状況に基づいて行う必要があります。各段階での作業の優先順位に応じて、重要な分野の重要なリンクを選択し、評価指標とスコアを設定する必要があります。データ作業が徐々に進むにつれて、評価指標とスコアもそれに応じて調整されます。

— 02 —

データガバナンス評価指標をどのように設計するか?

データガバナンスシステムのさまざまな分野におけるさまざまな管理レベルと要求を考慮して、データガバナンス指標システムは、定性的、定量的、報酬と罰則の 3 つの側面から設計できます。

データ品質など、プロセスや動作自体に重点的に管理や注意を払う必要がある領域では、データの問題に対応し実際に解決するという観点から、結果指向のアプローチを採用して定性的な指標を設計することができます。

KPI のように定量化しやすい指標については、指標結果の達成難易度と実際の目標値に基づいて定量的な評価設計を行うことができます。

データアプリケーションなどのインセンティブ領域については、対応する報酬ポイントを設定できます。重要な要件や最終的な要件については、減点ポイントを設定できます。

下の図は、参考としてデータ ガバナンス パフォーマンス指標の設計表です。

— 03 —

共通データガバナンス評価指標の参照

データ ガバナンスのパフォーマンス評価は、データ ガバナンス担当者、データ品質の問題、データ標準の実装、ガバナンス戦略の実行、テクノロジの達成、ビジネス価値の実現という 6 つの側面から検討できます。

データガバナンス評価指標の例

— 04 —

データガバナンス評価方法

データガバナンスのパフォーマンス評価は、日常的な評価と定期的な評価、システムによる自動評価と手動評価を組み合わせたモードで実行する必要があります。評価の賞罰措置を明確にし、データガバナンス評価メカニズムを強化する必要があります。

1. 日々の評価

日常的な評価は、データ ガバナンスの関連する利害関係者 (特にデータの作成者または所有者) が、日常の作業プロセスにおいて、タイムリー、完全、正確、標準化された方法でデータを入力し、確認しているかどうかを評価します。その目的は、データセキュリティのリスクを防ぐために、不正なデータの入力をソースでブロックすることです。いくつか例を挙げます。

（１）タイムリーな評価

例えば、営業担当者ができるだけ早く CRM システムに受注を入力しているかどうか、営業管理者が指定された時間内に受注データの確認を完了しているかどうか、ERP システム内の今月有効な文書（購買依頼書、発注書、委託注文書、入庫・出庫注文書など）が月次レベルで確認され決済されているかどうかなどです。

（２）精度評価

顧客ファイルのエントリが完了しているかどうか、税率、購入数量、ドキュメント価格が正確かどうかなど、ビジネス ドキュメントの主要属性の値の整合性と正確性を評価します。

（３）規範的評価

責任者が権限を超えたかどうか。たとえば、システムにログインしてデータを入力または確認するために他の人のアカウント/パスワードを使用したかどうかなど。上司の承認なく他人にアカウントを貸与したり、自分に代わってデータの入力や確認を依頼したりしたことがあるかどうか。

2. 定期的な評価

データ管理部門は、データ品質監査を定期的に実施し、データ品質監査ルールを策定し、データ監査の内容、監査サイクル、監査方法を明確にして、データが完全で、タイムリーで、正確であるかどうかを確認する必要があります。定期的な評価は、サンプリング データ監査と包括的データ監査に分けられます。

サンプリング データ監査: データ ガバナンス チームは、増分データのデータ品質の問題を迅速に発見することを目的として、一定の期間内に関連するデータ セットのデータ品質を定期的にチェックします。

包括的なデータ監査: データ ガバナンス チームは、一定の周期で関連するデータ セットのストックに対して包括的なデータ品質監査を実施し、各指標の成功と改善領域を示すレポートを定期的に公開する必要があります。一般的に、包括的なデータ監査の頻度はサンプルデータ監査の頻度よりも低くなります。データセット内のレコード数が少ないほど、包括的なデータ監査方法を採用する方が適しています。たとえば、レコード数が 100,000 件未満のデータ セットでは、月に 1 回、完全なデータ監査を実行する必要があります。

3. システムによる自動評価

コンピュータ システムによって定量化できるデータ品質ルールの場合、データ品質の問題を監査するには、可能な限り自動システム評価方法を使用する必要があります。定量化可能なデータ品質ルールの例は次のとおりです。

レコードの相違: システム間のエンティティ レコード間で異なる情報がないか確認します。たとえば、システム A の顧客情報はシステム B には存在しません。

フィールドの一貫性: システム間で同じエンティティを持つレコードのフィールドが一貫しているかどうかを確認します。たとえば、システム A の顧客「Zhang San」の生年月日は、システム B の顧客「Zhang San」の生年月日とは異なります。

フィールドの精度: システム内のフィールドの値が正しいかどうかを確認します。たとえば、アカウント テーブル内の顧客費用の値は 100 万元を超えることはできません。

ビジネス ロジック: システム内のフィールドの値がビジネス ロジックに準拠しているかどうかを確認します。たとえば、販売ドキュメント内の顧客コードと製品コードが、それぞれ顧客ファイル テーブルと製品ファイル テーブルに存在するかどうかを確認します。

システムの自動評価では、データ品質管理ツールがデータ品質検査ルール、データ品質タスク、および評価ルールを構成する機能を提供する必要があります。データ品質タスクの割り当て、処理、レビュー、監視を行う機能。データ品質の問題レポートを表示および照会するための機能。

4. 手動評価

手動評価は主に監査人の経験と報告単位のさまざまな定量的および定性的な情報に基づいています。入力されたデータを人間と機械の組み合わせで確認およびレビューし、データが要件を満たしているかどうかを判断します。手動評価に必要なデータは、主に 2 つのカテゴリに分けられます。

データ品質の問題が企業のビジネスに与える影響など、定量化できない、または定量化の範囲を特定することが難しいデータ。

コンピュータ監査により発見された「異常データ」と「重複データ」。たとえば、コンピュータ監査で CRM システム内に同じ名前の顧客情報が 20 件見つかった場合、これらの 20 件の顧客情報が本当に重複しているかどうか、またなぜ重複しているのかを判断する人材が必要です。検討後に確認された「異常データ」や「重複データ」については、報告先に確認してもらう必要があります。検証後、報告単位はデータを修正する必要があります。

データ ガバナンスのパフォーマンス評価では、手動のデータ レビューに合格した後にのみ、データを要約して評価結果を示すことができます。

— 05 —

まとめ

データ ガバナンス評価の実行は、会社の本来の評価リズムと一貫性を保つことができます。ただし、評価管理部門は、年間を通じて各部門の是正完了率やデータ品質を追跡し、現在のリスクを評価し、監督責任を果たすために、月次または四半期ごとに主要なノードを定期的に追跡する必要があります。

評価管理のレベルが向上するにつれて、データガバナンス管理部門も、データ品質問題の対応率をデータ品質問題の発生率に変換するなど、データガバナンス評価指標を定期的に見直し、調整し、企業データの品質を徐々に向上させ、最終的に各部門のデータ管理とアプリケーションレベルを向上させる必要があります。