Data governance（データガバナンス）

データガバナンスとは、組織がデータのライフサイクル全体を通じてデータをどのように管理、保護、活用するかを定めるものです。データガバナンスは、データの正確性、セキュリティ、アクセシビリティを確保し、責任ある利用を実現するためのポリシー、役割、標準、統制の仕組みを定めます。

特にアナリティクス、自動化、人工知能（AI）によって組織がかつてないほど膨大な量のデータを生成し、そうしたデータに依存するようになる中、データガバナンスは信頼を維持し、リスクを低減し、一貫性のある意思決定を行うために必要な枠組みを提供します。

データガバナンスが現代のデータ管理の取り組みにどのような影響を与えるかについてご覧ください。マイクロンが安全でスケーラブルなデータ戦略を構築する組織をどのように支援しているかについては、マイクロンのセールスサポートチームまでお問い合わせください。

データガバナンスとは何か？

データガバナンスの定義：データガバナンスとは、組織内におけるデータの収集、保存、アクセス、共有、利用の方法を規定するポリシーやプロセス、さらにはそうした役割や標準からなる枠組みをいいます。効果的なデータガバナンスでは、データに以下のような要件を課しています。

• 正確であり、かつ一貫している
• 不正使用や不正アクセスから保護されている
• 適用法令に準拠している
• アナリティクス、AI、事業に関する意思決定において安心して利用できる

クラウドプラットフォームからエッジデバイスに至るまで、組織がこれまでにないほど膨大な量のデータを生成し、そうしたデータに依存するようになるにつれ、データエコシステム全体における可視性、説明責任、管理を維持するためにデータガバナンスが不可欠となっています。AIおよびモノのインターネット（IoT）デバイスの急速な普及に伴い、ユーザーや組織の安全を確保する強固なデータガバナンスの重要性が高まっています。

データガバナンスの仕組みは？

データガバナンスは、データの責任者やデータの取扱い方法、また、データライフサイクルの各段階で適用されるルールを明確に定義することによって機能します。

以下は、一般的なデータガバナンスのアプローチの例です。

• データアクセス、データの利用、保存、セキュリティに関するポリシーの策定
• データ所有者、データ管理者、ガバナンス委員会などの役割の定義
• データ品質、データの分類、文書化に関する標準の設定
• 監査、報告、継続的なレビューによるコンプライアンスの監視
• すべてのデータ取扱い慣行が業界標準および各州、国内、国際的な法律に準拠していることの確認

具体的な実施方法は組織や業界によって異なりますが、データが安全かつ効果的に活用できるよう、一貫性を持ち透明性の高いルールを確立するという目的は共通しています。

データガバナンスには、どのような歴史があるのでしょうか？

「データガバナンス」という言葉は比較的新しいものですが、データを管理・保護する必要性はデジタルシステムとともに進化してきました。

• 1980年代、デジタルデータ管理の黎明期：事業プロセスのコンピューター化が進むにつれ、組織は業務データの保存および管理方法を体系化していきました。
• 1990年代、規制に関する意識向上とプライバシーへの懸念：デジタルデータが事業運営の中心となるにつれ、データガバナンスへの対応が急務となりました。米国では、「医療保険の相互運用性と説明責任に関する法律（HIPAA）」により、医療情報のプライバシー保護に関するデータガバナンスの要件が規定されました。米国以外の地域でも、世界中で独自のデータガバナンスに関する法律や標準が導入され、業界や国境を越えて責任あるデータガバナンスの重要性が高まりました。
• 2000年代、集中型および分散型のデータガバナンスモデル：21世紀に入り、各組織は集中型と分散型の両方のデータガバナンスモデルを検討しました。一貫性と統制を強化するために集中型アプローチが登場した一方で、組織の規模拡大や自律性の追求に伴い、分散型のデータガバナンスが注目を集めるようになりました。分散型モデルではデータガバナンスの範囲が拡大され、意思決定の説明責任、データスチュワードシップ（データの適切な管理）、事業部門を横断する監督が含まれるようになりました。
• 2010年代、ビッグデータの爆発的増加と現代のデータガバナンス：ビッグデータ、クラウドコンピューティング、分散システムの爆発的な普及は、組織がデータを生成、保存、活用する方法を根本的に変え、データガバナンスの転換点となりました。データ量は飛躍的に増加し、データソースは増え続け、データはハイブリッドクラウドやマルチクラウド環境を横断して移動するようになったため、従来のような一元的なガバナンスアプローチでは不十分になりました。その結果、データガバナンスは、構造化データベースの管理にとどまらず、データ品質、所有権、ライフサイクル管理、アクセス制御、説明責任といった課題を大規模に扱うものへと拡大しました。この10年間で、データガバナンスは複雑性の管理、アナリティクスの活用、企業データへの信頼性維持に不可欠な戦略的分野として確立しました。
• 2020年代、AI、プライバシー、国際整合化：AIの台頭、欧州連合（EU）の一般データ保護規則（GDPR）や米国各州で整備が進んでいる法律などに見られるように、いちだんと厳格化するプライバシー規制に加え、グローバル、ハイブリッド、マルチクラウド環境にわたるデータガバナンスの必要性に組織が直面する中、データガバナンスは最優先課題となっています。今日、データガバナンスはAIが生成したデータの管理、AIの倫理的な利用の確保、管轄区域全体にわたるコンプライアンスの統一にまで及んでいます。この10年間は、データガバナンス、AIガバナンス、プライバシー・バイ・デザインの原則が融合することで特徴づけられてきました。

データガバナンスの種類には主にどのようなものがありますか？

データガバナンスには高い適応性が必要です。データガバナンスには、一律の「類型」というものがありません。なぜなら、各組織はそれぞれの独自の組織構造、業界、規制環境に合わせてアプローチを調整しているからです。その代わり、組織はそれぞれの具体的なニーズや戦略的目標に対応するため、さまざまなデータガバナンスの枠組みを導入しています。一般的なデータガバナンスの枠組みには、次のようなものがあります。

• 集中型データガバナンス：単一の機関または委員会が組織全体にわたるデータガバナンスポリシーを策定・実施し、一貫性と統制を確保するアプローチです。
• 分散型データガバナンス：データガバナンスの責任は事業部門や地域ごとに分散されるため、地域の実情に合わせて柔軟に対応できます。
• フェデレーテッド・データガバナンス：一元化された標準と分散型の実行を組み合わせることで、世界各地にわたる一貫性とローカルな自律性のバランスを図ります。

どのような枠組みにおいても、効果的なデータガバナンスには以下の要素が必須です。

• プログラムの規則と義務：ガバナンスの整合性を維持し、データ品質を監視し、説明責任を確保するために、明確な役割（データ所有者やデータ管理責任者など）と責任を定義する。
• データ標準：正確で一貫性を持つ相互運用可能なデータガバナンスを支援するためのガイドライン、フォーマット、モデルを策定する。
• 監査およびコンプライアンスチェック：データガバナンスの実施状況を定期的にレビューし、業界標準、組織のポリシー、適用法令との整合性を確保する。

適切なデータガバナンスの枠組みがあれば、組織はデータを安全かつ効率的に管理し、進化する要件に対応することができます。

データガバナンスはどのように利用されているのでしょうか？

あらゆる業界において、データガバナンスは組織がデータを管理、保護、活用するための基盤となります。データガバナンスの主な活用事例には、次のようなものがあります。

• 機密データの保護：データガバナンスにより、個人情報、財務情報、機密情報を不正アクセスや情報漏洩から保護するためのポリシーと統制体制を確立します。
• 規制遵守の確保：法律や標準（GDPR、HIPAA、業界固有の要件など）で定められた要件に対応するために、データガバナンスを活用している組織もあります。
• アナリティクスおよびAIの支援：信頼性の高いアナリティクス、機械学習、AI導入による成果を確保するためには、高品質で適切に管理されたデータが不可欠です。
• リスクの低減：データガバナンスにより、明確なルールを適用し、その遵守状況を監視することで、データの漏洩、悪用、不整合の防止に役立ちます。
• 先端技術の管理：AIや機械学習アルゴリズムによるデータの生成・活用が進むにつれ、透明性、説明責任、倫理的な利用などの新たな課題に対処するため、データガバナンスの枠組みも進化しています。

データ主導型テクノロジーの進化とともにデータ侵害も増加する現在において、組織のレジリエンスとイノベーションを支える強固なデータガバナンスの重要性がいちだんと高まっています。