データガバナンスとは何ですか?

データガバナンスプログラムは、これまで、データの漏えいや悪用を防ぐことを目的として、サイロ内のデータをロックダウンするために使用されてきました。しかし、データがサイロ化されると、正当なユーザーは必要なときに障壁を乗り越えてデータにアクセスする必要があります。うっかりすると、データ主導のイノベーションは抑制されてしまいます。

MIT CDOIQ は、350 人の CDO、および CDO と同等の職務を対象とした 2024 年の調査で、Chief Data Officer の 45% がデータガバナンスを最優先事項として挙げていることを明らかにしました。これらのデータリーダーは、適切なコントロールを実装してデータを安全かつセキュアに保ちながら、必要なときに適切な人やアプリケーションにデータを提供できるようにするデータガバナンスフレームワークを確立したいと考えています。 

アクセスとコントロールのバランスを取る

ガバナンスをイノベーションの推進要因にするには、アクセスと制御という2つの手段があります。成功の鍵は、この 2 つの間の適切なバランスを見つけることです。バランスのポイントは組織ごとに異なります。制御しすぎると、データがサイロに閉じ込められ、ユーザーは必要なときにデータにアクセスできなくなります。これは創造性を阻害するほか、データが古いままでセキュリティが確保されていないシャドー IT システムを生み出す可能性があります。対照的に、アクセスを過度に提供すると、アプリケーションやデータストア全体でデータリスクをコントロールできなくなり、不正アクセスのリスクが高まり、データの質に悪影響を及ぼします。

データガバナンスプロセスは、アクセスとコントロールのバランスを取り、ユーザーがデータを信頼し、自信をもって利用できるようにします。適切な検出、キュレーション、保護、データ共有を促進し、データを保護しながらイノベーションを促進します。

データガバナンスは、組織全体でデータを管理するための構造化されたフレームワークを提供します。主な利点を次に示します。

データ品質を改善する

データガバナンスは、データの正確性、完全性、一貫性の基準を確立します。すべてのステークホルダーによって信頼される、関連性が高く、最新の、解釈しやすいデータが得られます。この質の高いデータにより、エラーが減り、戦略的および運用上の意思決定に役立つ正確かつ適時のインサイトが生成されます。

データ駆動型の文化をサポートする

効果的なデータガバナンス戦略は、データを重視する文化を育み、すべての従業員が仕事でデータを利用し、理解することを奨励します。ビジネスコミュニティへの参加を促し、参加するビジネス領域全体でデータ統合を促進します。データエンジニアとビジネスユーザー間の連携により、組織全体のデータリテラシーと分析能力が強化されます。

業務効率を高める

データガバナンスは、適切な運用モデル、特に必要な集中化と分散化のレベルを決定するのに役立ちます。運用を合理化する、一貫性のあるデータ管理プラクティスを確立できます。データの所有権とアクセス権が明確に定義されているため、部門間のコラボレーションが促進され、全員が信頼性の高い同じデータソースを使用して作業できるようになります。チーム間で足並みを揃えることで、重複を減らし、運用コストを削減して、生産性を高めることができます。

規制コンプライアンスをサポートする

データガバナンスフレームワークは、リスク管理に対してプロアクティブなアプローチを採用し、データプラクティスが法令や業界の規制に確実に準拠するようにします。データにアクセスしたり、データを変更したりできるユーザーに関するポリシーを一元的に定義することで、不正アクセスを防止できます。データガバナンスツールは、機密データを保護するためのプライバシー関連規制への準拠をサポートします。

データガバナンスプログラムは、一元化と分散化 (セルフサービスを含む) のバランスを取る必要があります。組織全体で、集中型ガバナンス、フェデレーション型ガバナンス、分散型ガバナンスが混在することになります。これもビジネス要件によって異なります。ドメイン間の一貫性 (データを相互にリンクする機能など) を維持しながら、ドメインチームにできる限り権限を与える必要があります。  

中央集権型データガバナンス

ミッションステートメント、ポリシー、ツールの選択などについては、最終的に中央組織が責任を負います。ただし、日常の活動は多くの場合、基幹業務 (LOB) が担当します。

フェデレーションデータガバナンス

フェデレーションデータガバナンスにより、個々のビジネスユニットやイニシアティブがそれぞれのニーズに最も合った方法で運営できるようになります。ただし、小規模な中央集権型チームは、例えば企業全体のデータ品質ツールなど、頻繁に繰り返される問題の解決に重点的に取り組みます。

セルフサービスまたは分散型データガバナンス

各部門は、一元的なポリシーに準拠しながら、特定のプロジェクトに必要な取り組みを実行します。各プロジェクトは、他のプロジェクトのツールまたはプロセスが用途に適していれば、それらを使用します。データメッシュ (それ自体は分散型) などのトピックの人気が高まるにつれ、セルフサービスのデータガバナンスの人気も高まっています。 

効果的なデータガバナンスプログラムの鍵は、すでに資金提供されているビジネスイニシアチブに組み込むことです。これらのイニシアチブをサポートするためにどのデータドメイン、ソース、要素が必要かをチームが理解していることを確認してください。

• 対象を絞ったビジネスイニシアチブのサポートを示すデータガバナンスロードマップを作成します。次に、選択したビジネスイニシアチブ間で重複しているデータの特定を開始します。
• 鮮度やプライバシーの要件など、データをサポートしてフィードする必要のあるアプリケーションやビジネスインテリジェンスのユースケースを特定します。
• 選択した各ビジネスイニシアティブにおいて、目的に合ったデータがどのようなものかを理解します。
• データガバナンスプログラムを企業の運用モデルに組み込むことで、それを維持し、拡大することで、データの計画と実装が組織の運営において自然な流れになります。
• セルフサービスと一貫性を保つためにアナリティクスコミュニティを組織化します。
• データガバナンスと ML ガバナンスにより、人工知能 (AI) と機械学習 (ML) をサポートします。同じデータガバナンスプログラムを使用しますが、特徴量ストアや ML モデルにも拡張できます。

データガバナンスは、大量のデータを取り扱うユースケースで重要な役割を果たします。

分析ガバナンス

分析ガバナンスは、分析アプリケーションで使用されるデータを管理することであると同時に、分析システムの使用を管理することでもあります。分析ガバナンスチームは、分析レポートのバージョニングや文書化などのガバナンスメカニズムを確立できます。いつものように、規制要件を把握し、会社の方針を定め、組織のより広範囲にガードレールを提供してください。

AI ガバナンス

AI ガバナンスは、同じデータガバナンス慣行の多くを AI/ ML ユースケースに適用します。データ品質と統合は、モデルのトレーニングと本番デプロイに必要なデータを提供する必要があります (特徴量ストアはこの重要な側面の 1 つです)。責任ある AI は、機密データをモデル構築に使用することに特に注意を払っています。他の AI ガバナンス機能には、モデルの構築、デプロイ、モニタリングにユーザーが参加できるようにすること、モデルトレーニング、バージョニング、サポートされるユースケース、倫理的なモデル使用の指針を文書化すること、運用中のモデルの正確性、ドリフト、オーバーフィッティング、不適合がないかどうかをモニタリングすることが含まれます。

生成 AI には、トレーニングや推論のための基盤モデルの適応をサポートするデータの品質と完全性、生成 AI の毒性とバイアスのガバナンス、基盤モデル (FM) の運用 (FMOps) など、追加のデータガバナンス機能が必要です。

同じデータガバナンスプログラムで AI/ML をサポートできます。データを AI/ML モデルがトレーニングや本番の推論に使用できる形式に変換するには、データ準備が必要です。しかし、最も効率的なデータ準備は、ユーザーが行う必要のない準備です。データサイエンティストは、ユースケースごとにデータを準備するのに多くの時間を費やしています。データガバナンスチームが、この差別化されていない面倒な作業を軽減する手助けをしてくれます。さらに、データガバナンスは、AI と ML のユースケースのための、形作られた特徴量ストアの作成を監督できます。

最後に、チームが機密データを使用して基盤モデルをトレーニングする際のリスクを軽減できるよう、機密データは適切に保護される必要があります。

分析と同様に、構築またはカスタマイズする AI/ML モデルの使用を管理する必要があります。理想的には、これを分析ガバナンスと密接に関連させる必要があります。なぜなら、その機能はさまざまなビジネス分野をサポートする方法を知っているからです。

AWS でのエンドツーエンドのデータガバナンスにより、組織はデータワークフローのあらゆる段階で、データの保存場所、アクセスできるユーザー、データを使用して何ができるかを制御できます。AWS を利用したデータガバナンスは、適切な人とアプリケーションが、必要なときに適切なデータを確実かつ安全に見つけてアクセスし、共有できるようにすることで、組織がデータ駆動型の意思決定を迅速に行うのに役立ちます。データ統合とデータ品質を自動化することでデータをキュレートし、データの急増を抑えることができます。データリテラシーを高める一元化されたカタログにより、データを発見して理解することができます。正確な権限でデータを保護できるため、安心してデータを共有できます。 

データアクセスを監視および監査することで、リスクを軽減し、規制コンプライアンスを向上させることができます。

• Amazon DataZone – 組み込みのガバナンスで組織の枠を超えたデータ活用を実現
• AWS Glue – あらゆる規模ですべてのデータを検出、準備、統合
• AWS Lake Formation – 数日でデータレイクを構築、管理、保護
• Amazon QuickSight ハイパースケールの統合ビジネスインテリジェンス
• Amazon SageMaker – フルマネージドインフラストラクチャ、ツール、ワークフローを使用して、ユースケース向けの機械学習モデルを構築、トレーニング、デプロイ
• ML ガバナンスのウェブページ
• Amazon Bedrock – 基盤モデル (FM) を使用して生成 AI アプリケーションを構築およびスケール
• Amazon Macie - 機密データを大規模に検出および保護
• Amazon Simple Storage Service (Amazon S3) アクセスポイント – どこからでも任意の量のデータを取得できるように構築されたオブジェクトストレージ
• AWS Data Exchange – クラウド内のサードパーティーデータを簡単に検索、サブスクライブ、使用
• AWS Clean Rooms – 数分でクリーンルームを作成し、未加工データを共有せずにパートナーと共同作業を行う

AWS でのデータガバナンスを開始するには、今すぐ無料アカウントを作成してください。