--- title: "社内データの棚卸しの進め方｜AI-Ready.jp" url: https://www.ai-ready.jp/guide/data-inventory/ description: "社内データの棚卸しは、どんなデータがどこにあり、誰が管理し、どれだけ大切かを一覧にする作業です。AIに使う業務の範囲から、名称・置き場所・責任者・個人情報の有無・重要度の順に書き出すと進めやすくなります。" updated: 2026-11-12 publisher: "フロレンティナ株式会社" --- はじめる[柱：データ](https://www.ai-ready.jp/about-ai-ready/data/) # 社内データの棚卸しの進め方 執筆：[石田誠](https://www.ai-ready.jp/about/authors/#ishida)更新 2026-11-12最終確認 2026-11-12出典 5件[図解 2点](https://www.ai-ready.jp/zukai/) この記事の結論 社内データの棚卸しは、AIを使う業務の範囲から始め、「名称・置き場所・責任者・利用者の範囲・個人情報の有無・重要度」を1つの一覧に書き出すと、短い期間で役立つ形になります。 自社の「データ」の準備度は？[10問・約3分で確かめる（無料・登録不要）](https://www.ai-ready.jp/diagnosis/quick/) AIを業務に使おうとすると、「そのデータはどこにあるのか」「誰に聞けばよいのか」「AIに渡してよいのか」で立ち止まることがよくあります。この記事では、データの棚卸しの目的と、書き出す項目、進める手順を整理します。 この記事でわかること - データの棚卸しで書き出す項目と、その理由 - 業務の範囲から小さく始める進め方の手順 - 重要度の決め方と、棚卸しの結果の使い方 ## データの棚卸しとは、何をすることですか？ データの棚卸しとは、会社が持っているデータについて、何があり、どこに置かれ、誰が管理し、どれだけ大切かを一覧にする作業です。紙の書類、パソコンやサーバーのファイル、クラウドのサービスに入っているデータ、業務システムの中のデータなどが対象になります。 経済産業省の資料は、秘密情報の管理の出発点を、保有する情報を把握し、適切に格付けすることとしています。IPA（情報処理推進機構）の「中小企業の情報セキュリティ対策ガイドライン」（第4.0版）も、付録6に資産管理台帳のサンプルを用意しています。セキュリティの観点で作られてきた一覧ですが、AIに使うデータを選ぶ場面でも、そのまま土台になります。 ## なぜAIの前に棚卸しが必要なのですか？ AIに社内の資料を読ませたり、データを分析させたりするときには、次の3つを判断する必要があります。 - **どのデータを使うか**：同じ内容のファイルが複数あると、古い版をAIが参照してしまうことがあります。 - **誰がそのデータについて答えられるか**：内容の正しさや更新の状況を確かめる相手が分からないと、確認に時間がかかります。 - **AIに渡してよいか**：個人情報や秘密の情報を含むデータは、使い方に制約があります。 一覧があれば、この3つを一つずつ探し回らずに判断できます。個人情報保護委員会のガイドライン（通則編）も、安全管理措置の手法の例として、個人情報データベース等の種類や名称、個人データの項目、責任者と取扱部署、利用目的、アクセス権を有する者などをあらかじめ明確にし、取扱状況を把握できるようにすることを挙げています。 ## 何を書き出せばよいですか？ 項目を増やしすぎると埋まらなくなります。最初は次の表の項目から始め、必要に応じて足すのが現実的です。 | 項目 | 書く内容の例 | 主な使いみち | |---|---|---| | 名称と内容 | 「顧客台帳」「月次の売上表」など、内容が分かる名前と簡単な説明 | 探す・重複に気づく | | 業務と部署 | どの業務で使うか、どの部署のものか | 業務の範囲で絞る | | 置き場所と形式 | 業務システム、共有フォルダ、クラウドのサービス、紙など。Excel・CSV・PDF などの形式 | AIへのつなぎ方を考える | | 管理する部署・責任者 | 中身の正しさに責任を持つ部署と担当者 | 確認の相手を決める | | 利用者の範囲 | 見てよい部署や役割 | 権限の設計 | | 個人情報の有無 | 個人情報を含むか、要配慮個人情報などを含むか | AIへの渡し方の判断 | | 更新の頻度・保存期限 | 毎日・毎月など、いつまで保存するか | 最新の版を使う、不要なものを消す | | 重要度 | 漏えい・改ざん・使えなくなったときの影響の大きさ | 扱いの決まりにつなげる | IPAの資産管理台帳（サンプル）では、業務分類、情報資産の名称、利用者の範囲、管理部署と管理者、媒体・保存先、重要度、保存期限などを台帳の項目に挙げています。上の表は、これにAIでの使いみちを考えるための「形式」「個人情報の有無」「更新の頻度」を足した形です。 読みながら、自社の現在地を確かめませんか クイック診断は10問・約3分・登録不要です。7つの柱ごとの目安と、「データ」を含めて次に取り組むことがわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/)[結果の解説（30分・無料）](https://www.ai-ready.jp/consult/review/) ## どう進めればよいですか？ ① **範囲を決めます。** AIを使う業務を1つか2つ選びます。「問い合わせへの回答」「見積書の作成」など、業務の単位で決めると関係するデータを見つけやすくなります。 ② **業務の流れにそってデータを挙げます。** 業務の担当者に、その業務で見る資料、入力するシステム、作るファイルを順に話してもらいます。パソコンとクラウドのサービスを思い浮かべながら挙げると、抜けが減ります。 ③ **置き場所と責任者を埋めます。** 情報システム部門と業務部門が同じ一覧を見ながら、置き場所、形式、責任者を書き込みます。責任者が決まっていないデータは、この段階で決めておきます。 ④ **個人情報と秘密の情報の有無を確かめます。** 個人情報を含むか、取引先から預かった秘密の情報を含むかを書きます。判断に迷うものは、そのことを備考に書き、後で担当部署に確かめます。 ⑤ **重要度を決めます。** 一人で決めず、部署の責任者などが組織として判断します（次の節）。 ⑥ **見直しの時期を決めます。** システムの入れ替えや組織の変更のとき、少なくとも年に1回など、一覧を見直す時期と担当を決めます。 業務の範囲から始める、データの棚卸しの手順 - **範囲を決める**：AIを使う業務を1つか2つ選ぶ - **データを挙げる**：業務の流れにそって、見る資料・入力するシステム・作るファイルを担当者に聞く - **置き場所と責任者を埋める**：情報システム部門と業務部門が同じ一覧で書き込み、**責任者が決まっていないデータは、この段階で決める** - **個人情報・秘密の情報を確かめる**：含むかどうかを書き、迷うものは備考に書いて後で担当部署に確かめる - **重要度を決める**：一人で決めず、部署の責任者などが組織として判断する - **見直しの時期を決める**：システムの入れ替えや組織の変更のとき、少なくとも年に1回など、時期と担当を決める ## 重要度は、どう決めればよいですか？ 重要度は、そのデータに何かあったときの影響の大きさで決めます。IPAの資産管理台帳（サンプル）の「重要度定義」では、機密性（漏えいしたとき）・完全性（改ざんされたとき）・可用性（使えなくなったとき）の3つの観点で、影響の大きさを3から1の段階で評価し、3つの評価のうちの最大値を重要度とする方法が示されています。評価の目安は次のとおりです。 - 3：法律で安全管理が義務付けられている、または事業への影響が深刻・大きい - 2：事業に大きな影響がある - 1：事業にほとんど影響がない 3つの観点で評価し、重要度を決める（IPAの資産管理台帳の方法） - **機密性**：漏えいしたときの影響の大きさを3から1で評価する - **完全性**：改ざんされたときの影響の大きさを3から1で評価する - **可用性**：使えなくなったときの影響の大きさを3から1で評価する - **重要度**：**3つの評価のうちの最大値**を重要度とする 評価の目安：3＝法律で安全管理が義務付けられている、または事業への影響が深刻・大きい／2＝事業に大きな影響がある／1＝事業にほとんど影響がない。自社の分類の決まりがある場合は、その区分を使ってもかまいません。 自社の分類の決まり（「社外秘」「部外秘」など）がある場合は、その区分を重要度の欄に使ってもかまいません。分類の決まりの作り方は「[社内データの分類ルールの作り方](https://www.ai-ready.jp/guide/data-classification-policy/)」で整理しています。 ## 棚卸しの結果は、どう使いますか？ 一覧ができたら、次のように使います。 - **AIに使うデータを選ぶ**：重要度が低く、個人情報を含まないデータから試すと、確かめる手間を抑えられます。 - **品質を直す対象を決める**：同じ内容のファイルが複数ある、更新が止まっている、といったデータが見えてきます。直し方は「[データの品質を高める手順](https://www.ai-ready.jp/guide/data-quality-improvement/)」をご覧ください。 - **権限を見直す**：利用者の範囲と、実際に見られる人の範囲が合っているかを確かめます。 - **不要なデータを減らす**：保存期限を過ぎたものや使われていないものは、削除や保管の方法を検討します。 なお、AISI（AIセーフティ・インスティテュート）のデータ品質マネジメントガイドブックは、データを計画・取得から廃棄までのライフサイクル全体で捉えることを勧めています。棚卸しの一覧に「どこから来て、いつ消すか」を書いておくと、この考え方にもつながります。 ## チェックリスト ## 関連するひな形・ガイド・用語 ひな形 - [社内データの棚卸し表](https://www.ai-ready.jp/templates/data-inventory-sheet/) ガイド - [AIに使うデータの整え方：所在・置き場所・権限・品質・責任者](https://www.ai-ready.jp/guide/data-preparation-for-ai/) - [社内データの分類ルールの作り方](https://www.ai-ready.jp/guide/data-classification-policy/) - [データの品質を高める手順](https://www.ai-ready.jp/guide/data-quality-improvement/) - [AIを使う業務の選び方：業務の棚卸しから優先順位まで](https://www.ai-ready.jp/guide/choosing-ai-use-cases/) - [データカタログで社内のデータを見つけやすくする](https://www.ai-ready.jp/guide/data-catalog-basics/) - [データの保存期間と削除のルールの決め方](https://www.ai-ready.jp/guide/data-retention-policy/) - [生成AIと個人情報の扱い：個人情報保護法と注意喚起から確かめること](https://www.ai-ready.jp/guide/personal-data-and-generative-ai/) 用語 - [メタデータ](https://www.ai-ready.jp/glossary/metadata/) - [データオーナー](https://www.ai-ready.jp/glossary/data-owner/) - [データカタログ](https://www.ai-ready.jp/glossary/data-catalog/) - [個人データ](https://www.ai-ready.jp/glossary/personal-data/) ## よくあるご質問 Q社内のすべてのデータを洗い出さないと、棚卸しは終わりませんか？ A最初からすべてを洗い出す必要はありません。AIを使う業務を1つか2つ決め、その業務で使うデータから書き出すと、短い期間で役立つ一覧になります。範囲を広げるときに、同じ項目で行を足していきます。 Q棚卸しは、情報システム部門だけで進められますか？ A置き場所や権限は情報システム部門が把握していることが多い一方、データの中身や使い方は業務部門がよく知っています。両方が同じ一覧を見ながら埋めると、抜けや思い込みが減ります。 Q似たようなデータがたくさんある場合、1件ずつ書く必要がありますか？ AIPAの資産管理台帳（サンプル）の記入の説明では、管理方法や重要度が同じものは1行にまとめて記入することで、作業の負荷を減らせるとされています。まとめた場合は、備考に含まれるものを書いておくと後で迷いません。 Q一覧は一度作れば終わりですか？ Aデータは増えたり、置き場所が変わったりします。システムの導入・入れ替えや組織の変更のとき、少なくとも年に1回など、見直す時期を決めておくと一覧が古くなりにくくなります。 ## この記事に出てくる用語 - [クラウド](https://www.ai-ready.jp/glossary/cloud/) - [個人情報保護委員会](https://www.ai-ready.jp/glossary/personal-information-protection-commission/) - [安全管理措置](https://www.ai-ready.jp/glossary/security-control-measures/) - [個人データ](https://www.ai-ready.jp/glossary/personal-data/) - [要配慮個人情報](https://www.ai-ready.jp/glossary/sensitive-personal-information/) - [分類（機械学習）](https://www.ai-ready.jp/glossary/classification/) - [AIセーフティ・インスティテュート（AISI）](https://www.ai-ready.jp/glossary/aisi/) - [データ品質](https://www.ai-ready.jp/glossary/data-quality/) - [データカタログ](https://www.ai-ready.jp/glossary/data-catalog/) - [データの保存期間](https://www.ai-ready.jp/glossary/data-retention/) - [データオーナー](https://www.ai-ready.jp/glossary/data-owner/) - [メタデータ](https://www.ai-ready.jp/glossary/metadata/) ## 「データ」のほかの記事 [この柱の解説 →](https://www.ai-ready.jp/about-ai-ready/data/) [広げる／データAIに使うデータの整え方：所在・置き場所・権限・品質・責任者石田誠2026-10-26](https://www.ai-ready.jp/guide/data-preparation-for-ai/)[広げる／データBI・ダッシュボードの始め方石田誠2026-11-12](https://www.ai-ready.jp/guide/bi-dashboard-basics/)[はじめる／データExcelのデータを、AIで使える形に整える桐谷彰人2026-11-12](https://www.ai-ready.jp/guide/excel-data-cleanup/) ## 出典 1. [個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン（通則編）」](https://www.ppc.go.jp/personalinfo/legal/guidelines_tsusoku/) 2. [独立行政法人情報処理推進機構（IPA）「中小企業の情報セキュリティ対策ガイドライン」第4.0版](https://www.ipa.go.jp/security/keihatsu/sme/guideline/index.html) 3. [IPA「資産管理台帳（サンプル）」（中小企業の情報セキュリティ対策ガイドライン第4.0版付録6）](https://www.ipa.go.jp/security/guide/sme/ug65p90000019cbk-att/sme_guideline_v4.0_app_6.xlsx) 4. [経済産業省知的財産政策室「秘密情報は大切な財産です～情報・データの秘密管理・利活用と不正競争防止法による営業秘密としての保護について～」](https://www.meti.go.jp/policy/anpo/seminer/shiryo/eigyohimitsu.pdf) 5. [AIセーフティ・インスティテュート「データ品質マネジメントガイドブック」第1.02版（2026年5月14日）](https://aisi.go.jp/assets/pdf/260514_Data_quality_management_guidebook_jp.pdf) 最終確認日：2026-11-12 ## 次の一歩 [測るAI-Ready診断（無料）いまの準備状況を、7つの柱で確かめられます。](https://www.ai-ready.jp/diagnosis/) [相談する結果の解説（30分・無料）診断の結果をもとに、オンラインでご説明します。](https://www.ai-ready.jp/consult/review/) [窓口ご相談のお申し込み経営・M&A・事業承継・上場・バリューアップはフロレンティナ、AIの導入・開発・データ・セキュリティ・研修はアメリア・テクノロジーがお受けします。](https://www.ai-ready.jp/consult/apply/) 目次 1. データの棚卸しとは、何をすることですか？ 2. なぜAIの前に棚卸しが必要なのですか？ 3. 何を書き出せばよいですか？ 4. どう進めればよいですか？ 5. 重要度は、どう決めればよいですか？ 6. 棚卸しの結果は、どう使いますか？ 7. チェックリスト 8. よくあるご質問 この記事が扱う柱 主に「データ」 [データの解説](https://www.ai-ready.jp/about-ai-ready/data/) 自社の準備度を確かめる 10問・約3分・登録不要。7つの柱ごとの目安がわかります。 [無料で診断する](https://www.ai-ready.jp/diagnosis/quick/) --- 出典：フロレンティナ株式会社「社内データの棚卸しの進め方｜AI-Ready.jp」 https://www.ai-ready.jp/guide/data-inventory/