マスターデータ管理（MDM）とは｜AI活用の精度を決めるデータ整備

データガバナンスやデータマネジメントの取り組みを進めていくと、どこかで「マスターデータ管理」「マスタ統合」という言葉に行き当たります。

言葉としては聞いたことがあるが、実際に何をする作業なのかが分からない。
「顧客マスタと商品マスタを揃える」という説明は読んだものの、それをやると何が良くなるのかが分からない。
そもそも自社のマスタが整っているのか整っていないのかを判断する基準がない。

必要そうだという感覚だけが残って、着手は先送りになります。

本記事では、マスターデータとは何かという定義から始め、マスターデータ管理が具体的にどんな作業の集合なのかを分解し、AI活用での活用場面まで記載ます。

マスターデータ管理（MDM）とは｜同じ対象のデータを1つに揃え、その状態を保ち続ける取り組み

マスターデータとは｜複数の業務で繰り返し参照される、基準になるデータ

マスターデータとは、顧客・商品・取引先・従業員のように、複数の業務やシステムで繰り返し参照される、基準になるデータです。「マスタデータ」とも表記されます。

社内のどのデータが該当するのかを、代表的な4種類で示します。

右の列を見ると、1つの種類が複数の業務にまたがっていることが分かります。
顧客のデータは営業だけのものではなく、請求でもサポートでも、同じ会社を指して使われます。複数の部門が同じデータを見るという点が、1つ目の特徴です。

2つ目の特徴は、行数が増えにくく、代わりに同じ行の内容が更新されることです。
取引先が移転すれば住所を直し、担当者が変われば担当者名を直します。
新しい取引先が増える速さは、受注が発生する速さよりもずっと緩やかです。

この2つが重なるため、マスターデータの整備は1回では終わりません。
複数の部門が同じデータを見ている状態で、その中身が更新され続けるためです。

トランザクションデータとの違い｜日々たまっていく業務の記録

補足として、対で語られることの多いトランザクションデータとの違いを示します。
トランザクションデータとは、業務が1回動くたびに1件ずつ記録されていくデータです。

【例】社内のデータでは、次のようなものがこれにあたります。

• 受注: いつ、どの取引先から、どの商品を何個

• 入金: いつ、どの請求に対して、いくら

• 出荷: いつ、どの受注を、どこへ

• 問い合わせ: いつ、どの取引先から、どんな内容で

見分け方は、その1件が何を表しているかです。
「いつ起きたか」を表しているならトランザクションデータ、「何であるか」を表しているならマスターデータです。

そのため、整備の対象になるのはマスターデータの側です。
受注の記録には「A社」としか書かれておらず、A社の住所も取引条件も担当者も、マスターデータの側にあります。
過去の受注記録をあとから直す作業は発生しませんが、その受注が指しているA社の情報は、常に正しい状態にしておく必要があります。

MDM（マスターデータ管理）とは｜5つの作業の集合

マスターデータ管理（MDM、Master Data Management）とは、複数のシステムに分かれて存在している同じ対象のデータを1つに揃え、その状態を保ち続ける取り組みです。

例えば、ある取引先が営業支援システムには「株式会社ABC」、会計システムには「(株)ABC東京支店」、サポートシステムには「ABC」で登録されているとします。

この3件を同じ会社として結びつけ、住所が変わったしてもマスターデータを直すだけで3件とも直る状態になる。これがマスターデータ管理です。

実務でやることは、揃える作業と、揃った状態を保つ作業に分かれます。

揃えるほうは、顧客・商品・取引先といったマスターデータのうち、どれから手を付けるかを決めるところから始まります。
会社名は登記上の正式名称で持つ、住所は都道府県から書くといった項目と表記のルールを決め、別々に登録されている同じ会社を1件に紐づけます。

保つほうは、決めごとが中心になります。
同じ会社の住所が3か所に違う内容で入っているとき、どのシステムの値を正とするのか。
今後その情報が変わったとき、どのシステムで直して他へどう反映するのか。
ここを決めておかないと、整備した直後の状態が数か月で元に戻ります。

なぜ必要になるのか｜業務システムを増やした結果として必要になる

マスターデータ管理が必要になる理由は、事業の成長そのものにあります。

業務システムが1つだけだった時期には、この取り組みは必要ありませんでした。
顧客の情報はそのシステムの1か所にしかなく、そこを直せば全社の認識が揃っていたためです。

事業が伸びると、部門ごとに必要なものが増えます。
営業が営業支援システム（SFA・CRM）を導入し、受発注を基幹システムに載せ、経理が会計システムを使う。
問い合わせ対応にサポートシステムが入り、マーケティングは配信を管理するMAツールを契約する。それぞれの導入判断は、その時点の業務課題に対して適切でした。

ただし結果として、同じ会社の情報がそれぞれのシステムに別々に登録されます。
社内には同じ会社が何件も存在し、それらが同じ会社であることはどこにも記録されていない、という状態です。

マスターデータ管理の4つのメリット

ここからは、揃った状態になると何が変わるのかを4つに分けて示します。
いずれも「同じ対象が1件に紐づいている」という1点から出てくるものです。

業務効率化｜システム間の突合を人がやり直す作業がなくなる

1つ目のメリットは、同じ突合作業が毎回発生しなくなることです。

マスターデータが揃っていない会社では、システムをまたぐ業務のたびに、人が突合をやり直しています。
営業が持っている会社名と、経理が持っている請求先名が違うため、どれとどれが同じ会社かを、その都度確かめる必要があるためです。

この作業は、業務のなかで独立した工程として認識されにくいという性質があります。
請求業務の一部、月次締めの一部として溶け込んでいるため、削減対象として議題に上がりません。

【例】請求書の発行前に、営業担当と経理担当が「この2社は同じ会社ですか」と確認して回している状態があります。
揃った状態では、両方のシステムが同じ取引先IDを持っているため、この確認そのものが発生しません。

短縮されるのは請求書を作る時間ではなく、その前段の確認にかかっていた時間です。

データ品質の向上｜重複と表記のばらつきが、入力の時点で生まれなくなる

2つ目のメリットは、データ品質が入力の時点で保たれるようになることです。

データ品質とは、データが正しく、揃っていて、最新である状態を指します。
重複や欠損、表記のばらつき、古い情報が残っている状態が、その逆にあたります。

マスターデータ管理では、揃えたあとに新しいばらつきが生まれない状態を作ります。
項目と表記のルールを決め、新規登録の時点でそのルールに合っているかを確認するためです。

【例】新しい取引先を登録するとき、ルールがない状態では「株式会社ABC」と「(株)ABC」が別の会社として2件登録されます。
表記のルールが決まっていて、登録時に重複を確認する状態であれば、既存の1件が候補として示され、2件目が作られません。

ここで変わるのは、汚れたデータを直す速さではなく、汚れたデータが増える量です。
すでに登録されている分の名寄せは別途必要になりますが、その作業が毎年積み増しになる状態は止まります。

組織横断のデータ分析｜部門をまたいで、同じ顧客として数えられるようになる

3つ目のメリットは、部門をまたいだ集計ができるようになることです。

部門ごとの集計は、マスターデータが揃っていなくても成立します。
営業支援システムのなかだけで商談数を数え、会計システムのなかだけで売上を数えるぶんには、問題になりません。

支障が出るのは、部門をまたいで1つの数字を出そうとしたときです。
同じ会社が別のIDで登録されていると、1社を1件として数えられなくなります。

【例】顧客1社あたりの売上と問い合わせ件数を並べて、解約の兆しを見たいとします。
営業支援システムの顧客Aと、サポートシステムに登録された同じ会社が別のIDで管理されていると、売上は一方に、問い合わせ件数はもう一方に付きます。
1社が2社として数えられ、どちらの行も実態を表しません。

紐づいた状態では、1つの会社に売上と問い合わせ件数が並びます。

ガバナンス強化｜誰がどのデータを直せるかが決まる

4つ目のメリットは、データに対する責任の所在が決まることです。

データガバナンスとは、データの扱い方について「何を守るか」「誰が決めるか」を定めて監督する活動です。
マスターデータ管理を進めると、この決めごとが具体的な形になります。どのシステムの値を正とするかを決める作業が、そのデータについて誰が決めるのかを決める作業と同じになるためです。

【例】取引先の住所が変わったとき、揃っていない状態では、気づいた人がそれぞれのシステムで個別に直します。
誰が直したのか、直っていないシステムがどれかは、後から追えません。
正しい値を持つシステムが1つ決まっている状態では、変更はそこで行い、他のシステムはそこから反映されます。変更の履歴も1か所に残ります。

役割の決め方については、AI活用をデータガバナンスで止めないために｜データオーナーとデータスチュワードで扱っています。

AI活用におけるマスターデータ管理の重要性

ここまでの4つは、人がデータを読むことを前提にしたメリットです。
では、社内データを読む側にAIが入ると、この整備はどこに関わってくるのでしょうか。

人が頭のなかで補っていた突合が、行われなくなる

これまで、ばらついたデータを扱ってきたのは人でした。
営業担当は「株式会社ABC」と「(株)ABC」を見て、同じ会社だと判断していました。
この会社は請求書では別の名義で処理されている、といった前提も、担当者の記憶のなかで補われていました。

AIに任せる段になると、この補正が入りません。
AIは渡されたデータをそのまま読み、そのまま答えます。2件に分かれていれば、2社として扱います。

AIが使う側になると、4つのメリットはそれぞれ別の形で表れます。

業務効率化は、AIに任せられる業務の範囲として表れます。

データ品質は、回答の正しさに直結します。

組織横断の分析は、AIに全社の問いを聞けるかどうかを決めます。

ガバナンスは、出てきた答えの根拠を示せるかどうかに関わります。

回答の精度と、誤った判断の防止

社内から出てくる問いは、1つのシステムのなかで完結しません。
「この顧客の状況を教えて」という問いに答えるには、商談、受注、請求、問い合わせを横に並べる必要があります。

このとき、システムごとに違う識別子（顧客番号や取引先コードのように、対象を1つに見分けるための番号）で登録されている同じ会社を、同じものとして結びつける処理が入ります。
営業支援システムの顧客番号と、サポートシステムの組織番号を突き合わせる、という処理です。

データ基盤を提供するSnowflakeも、複数の領域にまたがる問いでは、この突合が必要になることが多いと整理しています。
同社の検証では、どの項目を使えば2つの表を突き合わせられるか、表の1行が何を表しているかといった情報を、文章の形でAIに渡しました。
同社が比較対象として用意した設定に対して、それだけで最終回答の正答率が20%向上し、AIがデータを取りに行った回数が平均で約39%減ったと報告されています。

誤った判断の防止も、同じところから説明できます。
突合が行われないと、AIは見つかった1件目だけを根拠に答えます。
取引の履歴が別のシステムにあっても、「この顧客とは初めての接点です」という答えが返ります。
人であれば「そんなはずはない」と気づけますが、AIが処理する件数が増えると、1件ずつの違和感を人が持てなくなります。

同じ問いに対して、AIはどこまでデータを辿れるか

「この顧客とのこれまでの取引はどうなっているか」という問いを、社内のAIに投げたとします。

マスターデータが整備されていない場合、AIが参照できる範囲はこうなります。

営業支援システムには顧客Aとして商談履歴があります。
基幹システムには取引先001として受注と出荷の記録があります。
会計システムには請求先として入金の記録があります。
サポートシステムには、略称で登録された問い合わせの記録があります。
この4つが同じ会社であることは、どこにも書かれていません。

AIは、名前が一致した1つのシステムだけを見て答えます。
商談履歴しか見つからなければ、受注も入金も存在しないものとして扱われます。
場合によっては、4件を4社として数え、「取引先は4社あります」と答えます。

そして、この答えが不完全であることは、答えを見ただけでは分かりません。
AIは「参照できなかったデータがある」とは書かないためです。
読んだ人は、社内のデータをすべて見た結果だと受け取ります。

マスターデータが整備されている場合、同じ問いに対する範囲が変わります。

4つのシステムに分かれていた同じ会社が、1つの取引先IDで結びついています。
AIはそのIDを頼りに、商談から受注、請求、問い合わせまでを1つの時系列として辿れます。
「初回の商談は2年前、直近の受注は3か月前、その後に納品に関する問い合わせが2件」という形で並びます。

さらに、どのシステムのどのデータを参照したかを根拠として示せます。
答えが妥当かどうかを、人が確認できる状態になります。

違いは、AIの性能ではありません。
同じAIに同じ問いを投げても、辿れる範囲は社内のデータの紐づき方で決まります。
AIの回答精度が上がらない、全社横断の分析をAIに任せられないという状態の原因が、モデルやプロンプトではなく、同じ会社を指すデータが紐づいていないことにある場合があります。

マスターデータ管理を進めるために

進め方は、目的を決める、対象を選んで整備する、運用を決める、の3つの順序になります。
先に挙げた5つの作業を、着手する順に並べ直したものです。
自社開発かツールかという手段は、この3つを通したあとに選びます。

手順1｜目的と、決める人を先に決める

やること: 何のために揃えるのかを言葉にし、あわせて誰が何を決めるのかを確定させる。

マスターデータの整備は、それ自体が成果になりにくい取り組みです。
揃えた直後に売上が増えるわけではなく、揃っていなくても日々の業務は回ります。目的が言葉になっていないと、優先順位は下がり続けます。

目的は、AIに答えさせたい問いか、いま手戻りが起きている業務から逆算します。
「顧客ごとの取引状況をAIに答えさせたい」という形であれば、揃える対象もそこから決まります。

同じ段階で、次の3つを決めます。

• どのシステムの値を正とするか

• 誰が変更を承認するか

• 変更をいつ他システムに反映するか

「まず整備、ルールは後で」と分けると、整備が終わった時点で運用が決まっておらず、数か月で元に戻ります。

手順2｜対象を1つ選び、範囲を絞って整備する

やること: どのマスターデータから着手するかを1つ決め、対象の業務に登場する範囲だけを揃える。

選ぶときの判断材料は3つです。

• そのデータが登場するシステムの数（多いほど効果が広く出る）

• 表記のルールを決めやすいか

• どれが正しいかを判断できる人が決まっているか

顧客・取引先は1つ目を満たしやすい一方、3つ目でつまずきやすいものです。部門ごとに登録の単位が違うためです。
商品・品目は、品番や型番として呼び方が決まっていれば、ルールを決めやすくなります。

対象が決まったら、表記のルールを決める、既存データを名寄せする、紐づけの結果を確認する、の順に進めます。
名寄せは自動判定だけでは確定できないため、判断が分かれた分は人が確認します。この手間が、範囲を決めるときの見積もりになります。

手順3｜更新するシステムと担当を決め、ずれを定期的に確認する

やること: 整備した状態を保つために、更新の手順と見る人を決める。

会社は移転し、担当者は変わり、商品は改廃されます。
手を入れずにいると、揃っていた状態はずれていきます。ここで決めるのは3つです。

• 新しく登録するときの入力ルールと確認の手順

• 既存の内容を変更するときに、どのシステムで変更するか

• 紐づけのずれを確認する頻度と、その担当

担当は、専任のポストを新設する話ではありません。
既存の業務のなかで「この対象はこの人が見る」と決めるところから始められます。

手段の選び方｜自社開発かツールかは、範囲が決まってから判断する

手段は2つあります。
既存のシステムやデータ基盤の上に自社で仕組みを作る形と、マスターデータ管理の専用ツールを導入する形です。

分かれ目は、揃えるマスターデータの数、関係するシステムの数、更新の頻度、社内で手を動かせる人がいるかどうかです。
対象が1つで関係するシステムが2つであれば、データ基盤の側に紐づけの表を1つ持つ形でも足ります。対象が増え、更新の承認を業務として回す必要が出てきた段階で、専用ツールの検討が現実的になります。

まず1つの業務で1つのマスターデータを揃えると、次に着手するときの判断が速くなります。
どこで手が止まるか、確認にどれだけ人手がかかるかが、経験として残るためです。

自社開発か管理ツールか、どの範囲から試すかは企業によって変わります。
他社の進め方をそのまま当てはめるより、自社の状況に合った方法を選んでいただくほうが、結果的に早い進み方になるのではないかと考えています。

まとめ

マスターデータ管理とは、複数のシステムに分かれて存在している同じ対象のデータを1つに揃え、その状態を保ち続ける取り組みです。

管理するメリットは、業務効率化、データ品質の向上、組織横断のデータ分析、ガバナンス強化の4つです。いずれも「同じ対象が1件に紐づいている」という1点から生まれています。

そしてこの4つは、AIが社内データを読む側になると、それぞれ別の形で表れます。
人が頭のなかで補っていた突合が行われなくなるため、同じAIに同じ問いを投げても、辿れる範囲は社内のデータの紐づき方で決まります。
AI活用の精度は、マスターデータの整備の度合いに影響するということです。

これから、AI活用にまつわる問題はさらに出てくると思われます。
その多くは、準備をしないままAIを入れたことによって起きるものです。

今できることは、先を行く企業がどんな理由でどんな問題に直面しているのかを学び、準備を進めたうえでAI活用に向かうことではないでしょうか。
マスターデータ管理は、その準備のなかで早い段階に置かれるべきものだと考えています。