データカタログ

状況: データアナリスト10人のチーム。社内に200以上のテーブルがあるが、ドキュメントが散在し、新しい分析を始めるたびに「このデータどこ？」「この列の意味は？」と質問が飛び交っていた。質問対応に週平均8時間を消費。

カタログの設計:

構築方法: まずNotionデータベースで主要50テーブルのカタログを作成。3ヶ月後にDataHubを導入し、スキーマ情報の自動取得を実現。

**結果: 「データどこにある？」の質問が週20件→3件に減少。新メンバーのオンボーディング期間が2ヶ月→3週間に短縮。**重複テーブルの発見・統合により、ストレージコストを15%削減。

状況: 従業員1,200名の製造業。国内3拠点でそれぞれ独自のデータベースを運用。全社横断の分析をしようとすると、各拠点の担当者に個別に問い合わせる必要があり、1つの分析レポートに3週間かかっていた。

カタログ構築のアプローチ:

1. 各拠点のデータ担当者を「データスチュワード」に任命（計6名）
2. 標準メタデータテンプレートを作成し、各拠点で登録を依頼
3. 優先度の高いデータ（売上・在庫・品質管理）から着手し、3ヶ月で主要100件を登録
4. Apache Atlasを導入し、拠点間のデータリネージを可視化

**結果: 全社横断の分析レポート作成期間が3週間→3日に短縮。**拠点間で「同じ品質基準の名前だが定義が異なる」テーブルを8件発見し、定義を統一。年間で約1,500万円相当の分析工数を削減。

状況: 社員50名のSaaSスタートアップ。エンジニア15名がそれぞれ必要に応じてテーブルを作成した結果、DWHに120テーブルが乱立。同じ「ユーザー数」を計算するのに3つの異なるテーブルが存在していた。

簡易カタログの構築（予算ゼロ）:

• Googleスプレッドシートで「テーブル名」「日本語説明」「オーナー」「重要度（高/中/低）」の4列のシートを作成
• エンジニア全員に「自分が作ったテーブルを登録する」タスクを1週間で実施
• 「重要度: 高」のテーブル30件にだけ詳細なカラム定義を追記
• 重複テーブルを色分けし、統合計画を作成

**結果: 「どのテーブルを使えばいいか」の判断時間がゼロに。3つの「ユーザー数」テーブルを1つに統合し、全社のKPIダッシュボードの数値不一致が解消。**所要時間は全社合計で約40時間、ツールコストはゼロ。