データの品質を高める手順

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）

AIを試したら答えが古かった、部署によって数字が違った、という経験は珍しくありません。原因の多くはAIではなくデータの側にあります。この記事では、AISI（AIセーフティ・インスティテュート）とIPA（情報処理推進機構）が共同で作成したデータ品質マネジメントガイドブックの考え方をもとに、データの品質を高める手順を整理します。

データの品質とは、何を見ることですか？

データの品質とは、データが使う目的に合った状態にあるかどうかのことです。AISIのガイドブックは、国際規格ISO/IEC 25012とISO/IEC 5259-2をもとに、24のデータ品質の特性を整理しています。社内で最初に見るとよい観点は、次の表のものです。

ガイドブックは、正確性と精度を別の考え方として区別しています。値が正しくても、細かさが足りなければ目的に合わないことがあります。

どこまで高めればよいですか？

品質は高いほどよいとは限りません。AISIのガイドブックは原則として、目的への適合を確保すること（求める水準は用途とリスクに応じて調整する）、品質と費用の釣り合いを考えること、エラーは起きるものと受け止めて完全性を追い求めすぎないことを挙げています。

たとえば、社内の資料をAIで探せるようにする場合は「最新の版だけが入っているか」が大切で、請求の金額を扱う場合は「1円の誤りもないか」が大切になります。目的ごとに、誤りがあると困る項目を決め、その項目から基準を置くと、手間をかける場所が絞れます。

どんな手順で進めればよいですか？

AISIのガイドブックは、データ品質の計画・管理・保証・改善を、PDCAサイクルに沿って繰り返す形で示しています。社内で進める手順に置き換えると、次のようになります。

① 目的と対象を決めます（計画）。 AIで使う業務と、その業務で使うデータを決めます。対象のデータは「社内データの棚卸しの進め方」の一覧から選びます。

② 品質の基準を決めます（計画）。 項目ごとに「空欄は認めない」「日付は西暦で書く」「取引先名は正式な名称」など、守ることを文章にします。

③ 入力と更新の決まりを整えます（管理）。 入力の画面に選択肢を用意する、決まった形式でしか入力できないようにする、更新の担当を決める、といった工夫をします。

④ 測ります（保証）。 空欄の件数、重複の件数、決まりと違う形式の件数などを数え、基準と比べます。どの値を超えたら対応するか（しきい値）も決めておきます。

⑤ 原因を探して直します（改善）。 誤りを直す作業（データクレンジング）に加えて、なぜ誤りが入ったのかを確かめ、入力の手順や画面を見直します。

⑥ 繰り返します。 測る時期を決め、結果を関係者に共有します。

誤りを直すだけでは、同じ誤りがまた入ってきます。 ガイドブックも、改善の段階で根本の原因を分析し、決まりが守られない状態を防ぐ手順の改善を行うことを挙げています。

よくある品質の問題は、どう直せばよいですか？

最後の2つは、統計の表を機械で読める形にするための決まりでも挙げられています。e-Statの「結果表における機械判読可能なデータ作成に関する表記方法」は、1セル1データとすること、数値の欄に文字列を入れないこと、データの単位を記載することなどを確かめる項目にしています。社内のExcelを整える具体的な手順は「Excelのデータを、AIで使える形に整える」で整理しています。

取引先や商品など、多くの業務で共通に使う基本のデータ（マスタデータ）の重複やゆれは、影響が広がりやすい問題です。「マスタデータを整える進め方」もあわせてご覧ください。

個人データの品質で、気をつけることは何ですか？

個人情報保護法第22条は、個人情報を取り扱う事業者に、利用目的の達成に必要な範囲で個人データを正確かつ最新の内容に保つよう努めることを求めています。個人情報保護委員会のガイドライン（通則編）は、そのための手段として、入力時の照合・確認の手続き、誤りを見つけたときの訂正の手続き、記録事項の更新、保存期間の設定などを挙げています。

あわせて、すべての個人データを一律に、または常に最新にする必要はなく、利用目的に応じて必要な範囲で確保すれば足りるとしています。利用する必要がなくなった個人データは、遅滞なく消去するよう努めることも求められています（法令で保存期間が定められている場合を除きます）。詳しくは専門家にご確認ください。

誰が担えばよいですか？

AISIのガイドブックは、対象の読者として、経営層、データ管理・データガバナンスの担当、データ・AIのエンジニア、事業企画の担当などを挙げています。中小・中堅企業では専任のチームを置くことは難しいため、次のように分けると進めやすくなります。

• 経営層：品質に取り組む方針を示し、必要な時間を確保します。
• データの中身の責任者（業務部門）：基準を決め、誤りの原因を確かめ、入力の手順を直します。
• 仕組みの担当（情報システム部門など）：測る仕組み、入力の画面、権限を整えます。
• AIを使う担当：AIの出力の誤りから、データの問題に気づいて知らせます。

チェックリスト

• 品質を高める対象の業務とデータを決めている
• 目的に照らして、誤りがあると困る項目を決めている
• 項目ごとの品質の基準を文章にしている
• 空欄・重複・形式の違いなどを数える方法を決めている
• 対応を始めるしきい値を決めている
• 誤りを直すだけでなく、入り込んだ原因を確かめている
• 入力の画面や手順に、誤りを防ぐ工夫を入れている
• 測る時期と、結果を共有する相手を決めている
• 個人データについて、正確性の確保と消去の扱いを確かめている