経営の三大資源であるヒト、モノ、カネに加え、「データ（情報）は4つ目の重要資源である」という認識が広く浸透しました。いまや多くの企業が、データを軸にした経営＝データドリブン経営の実現を目指しています。

ところが、資源としてのデータの価値を理解しつつも、「データモデリングの重要性」に気づいている企業は、そう多くはありません。

そこでこの記事では、「データモデリング入門」として、難しい専門用語を平易にしながら、データモデリングをわかりやすく解説しています。データモデリングは正しいデータ分析やデータの整理に欠かせない概念・作業なので、ぜひ参考にしてみてください。

データモデリングとは

企業が保有しているデータは、組織のあちこちに点在しています。たとえば、人事部門には社員情報やそれに紐づけられた人事評価データ、営業部門には顧客情報や案件データなどがあります。これらはすべて、企業にとって重要な資源です。

資源とは「生産活動のもとになる物資」であり、「データ＝石油」と形容すればわかりやすいと思います。

石油はそのままでは使えないので、精製してガソリンなどの燃料に変換したり、プラスチックに変えたりして、生活物資として消費します。

データも同じです。各部門からデータを吸い上げるだけでは使えません。石油を精製するようにデータクレンジングを行い、データを加工し、さらに分析して、はじめて価値を持ちます。

しかし、データ分析を行うにあたって、データの吸い上げやクレンジング以前に大切なのが「データモデリング」です。

モデリング＝視覚化、図式化

モデル（model）は日本語で「手本、模型」などの意味があります。つまりモデリング（modeling）とは、「（手本や模型を）造形する」という意味です。

「何をモデリングするか？」によって、その意味が異なります。グラフィックデザインの世界では、3Dデザインを作成することをモデリングと呼びます。

では、データ分析の世界では何をモデリングするかというと、各データベースが保存するデータの種類や量、さらにはデータベース同士の関係などを視覚化・図式化します。

データをモデリングする

「データモデリング」という言葉は難しく聞こえがちですが、前述のように、各データベースが抱えるデータと、それらの関係を視覚化・図式化する作業のことです。「データの設計図を作る」と、シンプルに考えていただいて問題ありません。

設計図とは、造形や建築の参考にするための図面です。無数の直線や曲線が混ざり合い、さらには造形や建築に必要な各種情報が記されています。

データモデリングで作成する設計図も、同じようなものです。直線や曲線、各種情報を記すことで、データベースの構築を助けるために使われています。

ちなみに、データモデリングによって完成したデータベース設計のことを、「データアーキテクチャ（データの構造）」と呼びます。

データモデリングはなぜ重要なのか

仕事における準備と作業の比重を、「段取り八分（準備が8割）」という言葉で表すことがあります。データ分析でも同じことが言え、データの分析・解析などは残りの2割に当たる作業です。

一方、データモデリングは「準備の8割」に含まれる部分であり、正しいデータ分析のためには欠かせません。具合的になぜ重要なのか、5つの理由を解説します。

データの収集、保存、処理を効率よく行うため

前述のように、データは組織内に点在しています。

ERPのような統合的なデータベースをすでに築いている場合を除き、データ分析を行うためには、複数のデータベースから必要なデータを収集、保存、処理しなければいけません。

これらの作業を効率よくするためにもデータモデリングを行い、データの所在、種類、量、データベースとの関係、さらには処理プロセスなどを明確にする必要があります。

データベース開発の正確性・効率性を高めるため

企業が生成する膨大なデータを保管するデータベースは、信頼性の高いものでなければいけません。信頼性の低いデータベースは業務効率を阻むばかりか、ビジネスに混乱をもたらす可能性もあります。

信頼性の高いデータベースを開発するには、開発段階から作業の正確性を確保する必要があります。かといって、時間とコストを無限にかけられるわけではないので、正確性に加えて効率性も必要です。

こうした、データベース開発における正確性と効率性を確保し、高めるためにも、事前準備にあたるデータモデリングが欠かせません。

開発と運用のコミュニケーションを円滑にするため

データドリブン経営の基盤になるデータベースは、定期的な改善と継続的な運用を行います。

一般的に開発と運用は異なるチームが担当するため、両者の共通認識として機能するデータアーキテクチャが必要です。

データアーキテクチャによって開発と運用のコミュニケーションを円滑にできれば、ビジネスの変化に応じてデータベースの役割や処理プロセスを、柔軟に変えられるようになります。

組織全体でシステム設計の一貫性を保つため

データモデリングを行うと、組織全体でデータアーキテクチャとシステム設計に一貫性を保てるようになります。

逆に、一貫性を保てず、データアーキテクチャとシステムが分断している企業では、処理の遅延、ビジネスの鈍化、データ分析を間違った方向へ導くなど、ビジネスにとって致命的な問題が起こる可能性があります。

システム設計の一貫性を保ったり、統合型データベースを構築したりするのは、数年前なら「IT業界のトレンド」として片づけられていました。しかし現在は、日ごとスピードが増すビジネス変化に対応するための必須課題です。

持続可能なデータベースを実現するため

「持続可能なデータベース」とは、開発や運用、データ分析に携わるチームメンバーが変わったり、あるいは増えたりしても、信頼性を確保しながら継続して最適化し続けられるデータベースのことです。

従来のようにSIerに頼ったデータベース構築でこれを実現できないのは、データベースアーキテクチャや、それにかかわる技術がブラックボックス化しているためです。SIerとしては顧客が流出しないための当然の経営戦略なのですが、結果として多くの企業が、このブラックボックス化に苦しめられています。

持続可能なデータベースを構築するためにも、自社のデータモデリングをあらためて実施し、データベースを含めたシステム全体の設計を見直さなければいけません。

データモデリングの種類

データモデリングには、概念データモデル、論理データモデル、物理データモデルの3段階があります。一つずつ解説します。

概念データモデル

概念データモデルとは、「データの全体像」を表すためのデータモデリングです。データの全体像を構成する一つひとつの要素のことを「エンティティ」と呼びます。

急に専門用語が飛び出して難しく感じるかもしれませんが、「エンティティ＝データの大分類」と考えてください。これらエンティティの整理と、それぞれの関係をモデリングするのが概念データモデルです。

論理データモデル

論理データモデルは、概念データモデルで整理したエンティティを、さらに細かく整理していきます。エンティティをさらに細かく整理した情報のことを、「アトリビュート」と呼びます。

実際のデータモデリングでは、エンティティとエンティティ同士の関係、アトリビュートをさらに細かくモデリングします。

物理データモデル

物理データモデルでは、ここまで整理したエンティティとアトリビュートを、データベース設計へと落とし込んでいきます。さらに具体的に言うと上記で整理したデータを、「データベースのテーブルでどのように管理するか」を定義します。

データベースではアトリビュート名を、「顧客コード」のように日本語で登録できません。そのため「customer_id」のように、英語に変換するのが一般的です。

また、どのデータをどのデータベースで管理するのか、システム同士のつながりはどうなるかなどを整理するのも、物理データモデルの一部です。

データモデリングを行う手順

データモデリングを行う際は、一般的に浸透している手順で行うのが、確実かつ効率的なやり方です。ここでは、データモデリングを行う手順について、シンプルに解説します。

1. エンティティとその関係を表す

最初のステップとして、エンティティとその関係を表します。前述した「概念データモデル」の部分にあたります。このとき使用するのが「ER図（Entity Relationship Diagram）」です。たとえば、ER図は次のように作成します。

ER図を作成する際は、「IE記法」または「IDEF1X記法」のルールに従うのが一般的です（記法の違いは割愛します）。

IE記法

IDEF1X記法

いずれかのルールにしたがうのは、「関係者間でデータアーキテクチャを共通認識として扱うため」です。ER図の作成ルールがバラバラでは、作業効率が下がるだけでなく、認識の相違が生まれ、間違ったデータベース設計を行ってしまうリスクがあります。

2. アトリビュートリストを作成する

続いて、各エンティティに対するアトリビュートリストを作成します。前述した「論理データモデル」における、アトリビュートを整理するためのステップです。

アトリビュートリストを作成する時に意識すべきなのが、「MECE（Mutually、Exclusive、 Collectively、 Exhaustive）」です。日本語にすると「漏れがなく、ダブりがない」という意味で、データを整理すべき現場では常に意識されています。

各エンティティのアトリビュートに漏れやダブりがあると、「データベースが上手く機能しない」「システムの目的を果たせない」「十分なデータ分析が行えない」などのトラブルが生じます。

細かい作業であり、かなりの時間を要しますがMECEを意識したアトリビュートリストの作成は、信頼性の高いデータベースに欠かせない準備です。

3. データモデリング手法を決める

データモデリングには、以下のように代表的な手法が3つあります。

データモデリングの目的や、データを通して達成したいビジネス目標などに応じて、適切な手法を選ぶことが大切です。

4. 物理データモデルを作成する

最後に、物理データモデルを作成します。ただし、データモデリングは「物理データモデルを作って終わり」ではありません。

前述のように、データドリブン経営の基盤になるデータベースには、「定期的な改善と継続的な運用」が欠かせません。つまり、物理データモデルには、常に「最適化」が求められます。

物理データモデルを作成するまで長いプロセスを経たからといって、完成したデータアーキテクチャが正解とは限りません。

データを活用してビジネス目標を達成するためには、定期的な最適化により、物理データモデルを正解に近い状態に維持・改善し続ける必要があるのです。

結局、データモデリングとは何なのか

さて、ここまでデータモデリングの概要と重要性、種類、そして手順を解説しました。これからデータ分析にかかわるビジネスパーソンの中には、「結局データモデリングって何なの？」というシコリが残っている方もいるでしょう。

しかし難しいことはありません。結局のところ、データモデリングとは「データベースを設計すること」です。

データモデリングの技術的な部分はデータサイエンティストやデータベースエンジニアの担当領域です。しかし、ビジネスパーソンとしてデータ分析に携わる方が、上述したような基本知識を知っておくことで、コミュニケーションが円滑になり、よりビジネス成果につながるデータベースの構築ができるでしょう。

日頃の業務を振り返りながら、あるいは必要なデータを想像しながら、良いデータアーキテクチャを作るためにデータサイエンティストやデータベースエンジニアと協力関係を築いていきましょう。