　前章で述べた変化は製造業の皆さまは既に認識されており、多くの改革に取り組まれていることだろう。「××業務改革」「××システムモダナイゼーション」「データ連携基盤／データHub構築」「デジタイゼーション／デジタライゼーション／DXの段階的進化」「データドリブン経営の実現」といった活動がそれに該当する。

　特に業務の標準化／自動化、脱職人化を狙った活動への注目度が高いようだ。だが、それらの活動の結果が紙帳票のデジタル化、Excelのシステム化など、アナログ情報のデジタル化を意味するデジタイゼーションで終わったり、一部の人材にしか使われないシステム／データ連携基盤構築に終始したりということも多い。繰り返しになるが、これを防ぐには「データを中心に据えた改革」を真剣に検討する必要がある。

　DXやモダナイゼーションを企画、推進する際は、多くの場合、業務改革やシステム刷新をセットにして取り組むことになる。その際によく用いられる考え方に、Enterprise Architecture（EA）がある。EAは業務層（Business Architecture：BA）、データ層（Data Architecture：DA）、アプリケーション層（Application Architecture：AA）、テクノロジー層（Technology Architecture：TA）に分けて、業務からシステムまでの要件や改革ポイントを整理していくフレームワークである。Fit and Gap型アプローチとFit to Standard型のアプローチがあるが、昨今では後者が主流だろうか。

　これらのアプローチでは、データの在り方は業務要件またはシステム要件に対し、従属的に決まることになる。が、果たしてこの考え方で「データを中心に据えた改革」が実現できるだろうか。

　例えば、製品に関する情報はバリューチェーン上では設計領域で生まれ、調達／生産領域を通じて販売／物流やサービスの領域に流れていく。このように、多くのデータは企業のバリューチェーンを構成する複数領域を横断して生成／活用される。よって、個々の業務要件やシステム要件に合わせたデータ構造が構築された場合、業務領域間やシステム間でデータを受け渡す際の不整合、重複が生じる。また変換業務自体が属人化の原因にもなる。

　それを回避するためにマスターデータ管理（MDM）やデータマネジメントが着目されているわけだ。しかしこれらは基本的に、業務やシステムの要件が決まったあとの対応になるため、データの不整合や重複の解消には困難を伴う。こうなるとデータの集計、分析を行う際に信頼性やつながりが必ずしも担保されず、結果として改革における主目的の1つであるデータドリブンな経営が実現しづらくなってしまう。

　こうした事態を防ぐために、経営観点の将来像が実現できるようなデータ構造を「概念データモデル」として表現し、個々の業務改革／システム改革における指針とするアプローチを提唱したい（図1）。なお、図1に記載した『今後求められるEAアプローチ』ではDAの直下にBAを配置しているがTAを配置することも可能である。