データを「業務の副産物」ではなく、価値を生むデータ資産として扱い、計画・管理・活用する一連の活動がデータマネジメントです。高度情報技術データ・AI試験のシラバスでは、組織横断のデータマネジメント活動を運営し、データを人及びAIが利活用できる状態に整備することが中心テーマとして掲げられています。

データの価値を説明する考え方としてDIKWモデルがあります。Data（データ）→ Information（情報：意味付けされたデータ）→ Knowledge（知識：情報を体系化したもの）→ Wisdom（知恵：知識に基づく判断）と段階的に価値が高まるという整理です。また、同じ事実について複数の値が社内に乱立しないよう、正本となるSSOT（Single Source of Truth：信頼できる唯一の情報源）を定めることが重要です。

データ共有の原則としてはFAIR原則がよく参照されます。Findable（見つけられる）、Accessible（アクセスできる）、Interoperable（相互運用できる）、Reusable（再利用できる）の頭文字で、メタデータや識別子の整備がその基盤になります。

取り組みを始める際は、適用範囲の定義（どのデータを、どの組織を対象にするか）と、データ資産の価値評価（活用による便益、管理コスト、リスク）を行い、限られた資源をどこに投じるかを決めます。

データマネジメントは単独の目的ではなく、経営戦略・事業戦略の実現手段です。そのためビジネス戦略と整合したデータ戦略を作り、ロードマップに落とし込みます。施策には優先順位付けと投資対効果の説明が必要で、全社横断の取組を動かすには経営層の関与が欠かせません。

科目Bの小項目1-1では、経営・事業上の目標、AIを含むデータ活用ニーズ、外部環境の変化を分析して要求を明確にし、組織の現状（体制、人員・予算、ルール、データ品質、セキュリティ・プライバシー対応、定着状況など）を評価して課題を明らかにした上で、データ戦略・基本方針・原則の案や施策・KPIなどの評価指標の案を作成する技能が挙げられています。なお、シラバスの補足では、経営層やCDOが担う最終決定・承認は科目Bの対象とせず、検討や案の作成、設計、実行・支援の技能を問うと明記されています。

現在地を測る道具がデータマネジメント成熟度モデルです。成熟度アセスメントでは、まず目標水準を設定し、現状とのギャップ分析から取り組むべき施策を導きます。成果は評価指標（データ品質の達成率、カタログ登録率、事業への貢献など）で継続的に追跡します。

データガバナンスは、データマネジメントが正しく行われるように方向付け、統制する仕組みです。「実際に管理する（マネジメント）」に対して「マネジメントが適切かを評価・指示・監視する（ガバナンス）」という関係で理解すると整理しやすくなります。シラバスでは基本行動として評価、方針又は指示、監視の3つが挙げられています。

ガバナンスで定める主なルールには次のものがあります。

近年は生成AIを含むAI活用が広がっているため、AIガバナンスとの連携も重要です。科目B 1-4では、AIへの入力・学習に用いるデータや、AIが生成・加工・派生したデータについて、利用目的・機密性・個人情報・権利・品質・出所や生成履歴・利用条件などの管理ルールを定め、確認・承認を含む運用プロセスを設計する技能が挙げられています。

ガバナンスを動かすには体制と役割が必要です。シラバスに登場する主な役割を整理します（役割名の細かな定義は組織により異なるため、ここでは一般的な分担として理解してください）。

組織構造には中央集権型、分散型、連邦型などがあります。中央集権型は統制が効きやすい一方、事業部門のスピードや現場知識を生かしにくくなります。分散型は各部門の自律性が高い反面、定義の不統一やデータのサイロ化が起きやすくなります。連邦型は、共通ルール・標準は中央（DMOなど）が定め、データの管理・活用は各部門が担うという中間的な形です。科目B 1-2では、事業・組織の特性に応じてこれらの特徴を踏まえた体制案を作り、依頼・相談、提供・支援、判断・承認の役割分担や、問題報告からエスカレーションまでのプロセスを設計する技能が問われます。

データライフサイクルは生成 → 保管 → 処理 → 活用 → 廃棄の段階で捉え、段階ごとの管理責任を明確にします。特に保持と廃棄では、データ保持方針（何をいつまで保存するか）、監査証跡の保存、訴訟などに備えたデータの保全（保持期間を過ぎても削除を止める必要がある場合がある）、安全な廃棄・消去、本人からの削除・訂正の請求への対応、データポータビリティへの対応がポイントです。

ルールを作っても現場で使われなければ意味がありません。小項目1-7（普及・協働・定着支援）では、データ活用の意義やDX・データガバナンスとの関係を業務部門に説明し、成功事例・失敗事例から得た教訓を共有すること、部門間で共有・利用の目的・範囲・条件を整理して合意形成を支援すること、ルールを業務プロセスに組み込み自律的な実践を支援することが挙げられています。用語例には説明会・ガイドの提供・相談窓口、データリテラシーの段階的な育成、データドリブンな組織文化、定着度の評価があります。

小項目1-9（方向付け・モニタリング・評価・フィードバック）では、モニタリングの対象・情報源・収集方法・確認頻度・報告方法を定め、収集した情報を目標や評価指標に照らして評価します。ここで重要なのは、把握した課題を運用上の課題（現行の仕組みで対応できるもの）と構造的な課題（仕組みの見直しが必要なもの）に区別することです。運用上の課題には対応事項と優先順位を示し、構造的な課題は見直しが必要な事項と根拠を整理してCDOなどにフィードバックします。