|
|
|
|
|
株式会社風音屋（本社：東京都中央区、代表取締役：横山翔）は、研修と理解度チェックテストを組み合わせた新サービス「風音屋データマネジメント検定(R)」のトライアル提供を開始いたします。 |
|
|
|
本サービスは、多くの企業が直面する「データ利活用の形骸化」を防ぎ、実務に即したデータマネジメントを組織に定着させるための“研修＋検定”一体型プログラムです。 |
|
「データマネジメントの重要性は理解しているが、何から手をつければいいかわからない」といった企業の課題を、体系的なインプット（研修）と客観的な評価（検定）のサイクルによって解決します。 |
|
従来の座学に留まらない「受講者の理解度データ」を計測することで、企業のデータ活用を支える人材育成を推進します。 |
|
|
|
当社代表であり、『データマネジメントが30分でわかる本』の著者でもある「ゆずたそ」（@yuzutas0）が監修。同書はAmazonカスタマーレビューが340件を突破し、国内各社のデータマネジメント学習を支えています。 |
|
|
|
|
|
■「風音屋データマネジメント検定(R)」とは |
|
|
|
「データマネジメント検定(R)」は、基礎知識の習得を目的とした「講義型研修」と、その理解度を客観的に測定する「検定試験」をセットにした、データマネジメント推進・普及のための教育ソリューションです。 |
|
|
|
開発背景 |
|
|
|
AI活用やDX推進が急務となる中、データマネジメントの重要性は高まっていますが、体系的な教育を導入できている企業はまだ多くありません。 |
|
本サービスは、データマネジメントを普及させ、組織の共通言語とすることを目的として開発されました。「データ活用の土台となる基礎知識」を定着させることで、曖昧になりがちなデータ管理の基本を組織全体で共有し、次のステップへの円滑な移行を支援します。 |
|
|
|
|
|
サービスの特徴と導入メリット |
|
|
|
1．データマネジメント実装を全方位で支援 |
|
以下のような幅広いシーンで、データマネジメントの組織装着を支援します。 |
|
|
|
• |
|
新入社員・若手育成：配属前の基礎スキル習得度を測定 |
|
|
• |
|
管理職・リーダー層：データ戦略を指揮するための共通言語を醸成 |
|
|
• |
|
DX・AIプロジェクト：ツール導入の前提となるデータ整備を啓蒙 |
|
|
• |
|
リスキリング支援：異職種からの転換におけるスキル定着を促進 |
|
|
|
|
|
|
|
2．導入・運用のしやすさ |
オンラインで完結するため、全国どこからでも受講・受検が可能です。
企業単位での一括導入にも対応しています。 |
|
|
|
研修について |
|
|
|
風音屋が提供するデータマネジメント研修は、単なるツールの操作習得ではなく、データ分析やAI活用の前工程である「データの準備・取得・加工」や「継続的な運用・保守」、さらには「データ活用文化の組織定着」までを見据えた包括的なプログラムです。 |
|
|
|
1．「データが足りない・使えない」を根本から解決する |
|
一般的なデータ分析研修では「整ったデータがあること」を前提としますが、実務では「必要なデータが入力されていない」「形式や項目がバラバラで集計できない」といった課題が最大の障壁となります。 |
|
本研修では、データを安定的に取得・保存・加工・提供するための「データ管理」全般を扱い、土台となるデータ品質の向上を実現します。 |
|
|
|
2．組織定着を支える「4つの要素」を網羅 |
|
データマネジメントを一過性の施策に終わらせず、組織の文化として定着させるために必要な要素を体系的に網羅しています。 |
|
|
|
• |
|
リテラシー（人材）： 現場社員がデータの重要性を理解し、共通言語を持つ |
|
|
• |
|
プロセス（業務）： データ入力や管理が日常の業務フローに無理なく組み込まれている |
|
|
• |
|
ルール（統制）： 誰が扱っても品質が維持される、標準化された運用規範 |
|
|
• |
|
システム（基盤）： これらを効率的に支え、活用するためのITツール・基盤の最適化 |
|
|
|
|
|
|
|
3．Excelを共通言語にした「現場に伝わる」解説 |
|
データマネジメントという抽象的な概念を、誰もが日常的に使う「Excel」での事務作業や授業レポートになぞらえて解説します。 |
|
|
|
• |
|
身近な例えで本質を理解：本格的なITシステムやデータ基盤におけるデータの扱い方を、身近な「Excelでのデータ管理」に例えてわかりやすく解説します。これにより、技術的な専門知識がない受講者でも、データマネジメントの本質や基本作法を直感的に理解することができます。 |
|
|
• |
|
業務部門とIT部門の「架け橋」に：現場のExcel作業と高度なITシステムを地続きで捉えられるようになることで、専門用語によるコミュニケーションの壁が取り払われます。実務を担う「業務部門」と基盤を支える「IT部門」の知識の橋渡しを行い、組織一丸となったスムーズな連携を支援します。 |
|
|
|
|
|
|
|
|
|
検定について |
|
|
|
検定（理解度チェックテスト）は、目的に応じて以下4つの形式をご用意しております。 |
|
企業の課題や育成方針に応じて最適な形式を選択いただくことが可能です。 |
|
|
|
1．講義の前と後にテスト：研修による学習効果を計測・評価します。 |
|
|
|
• |
|
研修の投資対効果（ROI）を客観的に証明： 研修前の点数と後の点数を比較することで、「受講によってどれだけ知識が向上したか」を数値データとして経営層や部門長へ明確に報告できます。 |
|
|
• |
|
受講者の学習意欲を高める： 事前にテストを受けることで、受講者自身が「自分に足りない知識は何か」を自覚した状態で講義に臨むため、より高い集中力と目的意識を引き出せます。 |
|
|
|
|
|
2．分割講義で都度テスト：講義内容の理解をサポートします。 |
|
|
|
• |
|
「消化不良」を防ぎ、集中力を維持できる： データマネジメントという専門的な内容でも、細かく区切って小テストを挟むことで受講者の挫折を防ぎます。「わかった！」という小さな成功体験を積み重ねることで、最後まで飽きさせません。 |
|
|
• |
|
講師・運営側がリアルタイムでフォローできる： 特定のセクションで全体の正答率が低かった場合、「ここは難しかったようなので補足します」と、その場でつまずきを解消しながら講義を進めることができます。 |
|
|
|
|
|
3．満点獲得まで繰り返しテスト：セキュリティチェックと同じ位置付けで内容理解を徹底します。 |
|
|
|
• |
|
「やりっぱなし」を撲滅し、知識レベルを底上げする： 「講義を聞いて終わり」にせず、業務で絶対に守るべきデータ管理の基本ルールを、全受講者に共通のレベルで確実に定着させることができます。 |
|
|
• |
|
全社的なリスクマネジメントの強化につながる： コンプライアンスやセキュリティ研修と同様に、「満点を取るまで完了とみなさない」という必須要件にすることで、情報漏洩やデータガバナンス違反のリスクを組織全体で未然に防ぐ土台になります。 |
|
|
|
|
|
4．講義の後に単発テスト：組織アセスメントや人事評価、配属検討に利用可能です。 |
|
|
|
• |
|
組織内に眠る「隠れたデータ人材」を発掘できる： 普段はITと関わりの薄い業務部門の中からも、データへの適性や理解度が高い人材を、客観的なスコアによって見つけ出すことができます。 |
|
|
• |
|
主観に頼らない公平なタレントマネジメントを実現： 「テスト高得点者をDX推進プロジェクトのメンバーに抜擢する」「新入社員の配属先の参考データにする」など、客観的指標に基づいたデータドリブンな人事評価や人員配置の武器として活用できます。 |
|
|
|
|
|
|
|
|
|
■コンテンツのサンプル |
|
|
|
研修教材について |
|
|
|
|
|
|
データが使えるのは「当たり前」ではない |
|
|
|
|
|
|
生成AIがデータを正しく使うには、データの整備が必要 |
|
|
|
|
|
|
|
|
データアーキテクチャ |
|
|
|
|
|
|
非構造化データの管理（画像ファイルや動画ファイル） |
|
|
|
|
|
|
|
|
データ項目ごとに列を分ける |
|
|
|
|
|
|
データの値を一致させる |
|
|
|
|
|
|
|
|
テーブルの正規化 |
|
|
|
|
|
|
概念データモデル、論理データモデル、物理データモデル |
|
|
|
|
|
|
|
|
データ精度の向上 |
|
|
|
|
|
|
データ履歴の担保 |
|
|
|
|
|
|
|
|
データ品質チェックリスト |
|
|
|
|
|
|
データ品質の5分類 |
|
|
|
|
|
|
|
|
マスキング処理 |
|
|
|
|
|
|
データへのアクセス権限管理 |
|
|
|
|
|
|
|
|
業務フローへの組み込み |
|
|
|
|
|
|
データ収集処理 |
|
|
|
|
|
|
|
|
ETL、ELT、ReverseETL |
|
|
|
|
|
|
ディメンショナルモデリング |
|
|
|
|
|
|
|
|
ファクト・集計指標の設計 |
|
|
|
|
|
|
ディメンションの設計 |
|
|
|
|
|
|
|
|
AIエージェントによるムダ・ムラ・ムリの解消 |
|
|
|
|
|
|
コンテキスト・ドキュメント整備 |
|
|
|
|
|
|
|
|
ラベル管理・オントロジ・タクソノミ・フォークソノミ |
|
|
|
|
|
|
ヒューマンインザループ（HITL） |
|
|
|
|
|
試験課題およびアセスメントレポートについて |
|
|
|
|
|
|
試験課題サンプル１.：データ統合 |
|
|
|
|
|
|
試験課題サンプル２.：正規化 |
|
|
|
|
|
|
|
|
試験課題サンプル３.：人事データ保護 |
|
|
|
|
|
|
レポートサンプル |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
■研修参加者の感想 |
|
|
|
本プログラムの前身となる「データマネジメント研修」導入企業において実施したアンケート調査の結果を一部公開いたします。 |
|
|
|
• |
|
データを活用していくためには踏むべきステップがあり、整理の方法やアプローチがあることを理解できました。 |
|
|
• |
|
データ仕様を把握するための観点について参考になった。 |
|
|
• |
|
チーム全員で参加できて良かったです。担当者全員がこうした研修を受けることで、効率的にDXを進めていけるようになると思いました。 |
|
|
• |
|
データの出口から入口、構成する要素やポイントがイメージできました。一方で、ダッシュボードへの落とし込みの部分については別途学習が必要だと感じています。 |
|
|
• |
|
実際にデータを活用し始めたこともあり、データの持ち方や在り方についてスムーズに理解することができました。 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
• |
|
データマネジメントにおける11の領域を、Excelの例を使って説明していただいたので、わかりやすかったです。 |
|
|
• |
|
|
• |
|
|
• |
|
基本情報試験の対策として、データの活用については名称などを覚えるだけに留まっていましたが、その背景について学ぶことができ、よりこれまでの学習も定着しました。 |
|
|
• |
|
データマネジメントにおいて重要な部分や、今後の開発でどう運用していけばいいか、大枠を理解できました。 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
• |
|
明日から実務で使える手法やステップ、検討にあたってのアプローチなど盛りだくさんでした。特にデータ基盤のアーキテクチャやデータモデリングの領域は参考になりました。 |
|
|
• |
|
テーブル設計のときのリレーションの発想の仕方が良かった。ファクト（縦軸）とディメンション（横軸）の関係の説明が良かった。 |
|
|
• |
|
データモデリングの部分は、今まであまり体系立って学んでこなかったので、非常に参考になりました。 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
■ゆずたそ（@yuzutas0）について |
|
|
|
|
|
|
|
• |
|
リクルートやメルカリにてデータ活用を推進、AWSを経た後、風音屋（かざねや）を創業。広告配信最適化や営業インセンティブ設計など、データを駆使した業務改善や利益創出を得意とする。 |
|
|
• |
|
Google社が認定するグローバルの技術エキスパートGoogle Developer Experts、東京大学 経済学研究科 金融教育研究センター 特任研究員、独立行政法人情報処理推進機構（IPA）にて情報処理技術者試験委員などを歴任。 |
|
|
• |
|
データ基盤構築やデータ分析について積極的に情報発信をしており、主な著書・訳書に『実践的データ基盤への処方箋』『データマネジメントが30分でわかる本』『アジャイルデータモデリング』がある。 |
|
|
• |
|
1,970人が参加するSlackコミュニティ「datatech-jp」、延べ参加者15,640人の勉強会「Data Engineering Study」の立ち上げに関わるなど、日本のデータマネジメント業界ならびにデータエンジニアリング業界の発展をリードしてきた。 |
|
|
• |
|
本名は横山翔。静岡県裾野市で江戸時代に名主・牧士を務め、300年前から村のデータを管理してきた横山家の末裔。時代や職種を問わない「本質的なデータマネジメント」のあり方を説く。 |
|
|
|
|
|
|
|
|
|
■問い合わせ先 |
|
|
|
会社名：株式会社 風音屋 |
|
代表者：横山翔 |
|
事業内容：ITコンサルティング |
|
問い合わせ： https://kazaneya.com/service
|
|
|
|
|
|
※本ページに記載されている会社名・製品名などは、一般に各社の登録商標または商標、商品名です。本ページでは (C), (R), (TM) マーク等は省略させていただいております。便宜上、正式名称ではなく通称を用いている場合があります。 |
|
