2024年 国内データプラットフォーム運用成熟度調査

AI（Artificial Intelligence：人工知能）技術の進展、特に大規模言語モデルなどのGenerative AI（生成系AI）の台頭によって、多くの企業はデータ活用戦略を大きく見直す必要に迫られている。AI技術を業務に導入する際には、企業が組織内に保有するデータのガバナンスを管理し、社外のデータとも組み合わせて、分析や推論の信頼性や一貫性を確保すると共に、セキュリティとプライバシー保護を徹底するためのデータプラットフォームの整備が求められている。本調査レポートは、こうしたデータ活用／運用に対する要件の変化に対して国内ユーザーがどのように対応しているか、ユーザー調査に基づいてその実態を分析する。さらに、国内企業のデータ活用／管理に関する成熟度を段階別のヒストグラムとして集計し、国内企業のデータ運用環境整備のレベル分布と各段階に属するユーザーの課題を考察し、改善のための施策を提言している。IDC Japan、Infrastructure & Devicesのリサーチマネージャーである鈴木 康介は「データプラットフォームの役割は、従来の業務システムのデータ管理やビジネス分析用データ運用基盤に留まらず、AIを活用したデータ駆動型の業務自動化や、組織の知識ベース拡充へと広がる新たなフェーズに向かっている。この動きは組織に生産性、利便性の大幅な向上をもたらすが、それと同時に相応なデータガバナンスやセキュリティのレベル強化も必要となり、データ運用体制の継続的な革新が求められる」と分析している。

Table of Contents：目次

Executive Snapshot

概況

• データ管理の成熟度モデルと国内企業の分布
• 成熟度の算出に用いた個別項目に関する傾向分析（クロス集計）
  • データ活用／管理の業務への貢献度
    • SRE手法のデータ運用への適用：Data Reliability Engineering（DRE）
  • データ活用や分析の能力別に見たデータ運用改革の状況

ITバイヤーへの提言

• 全体および成熟度段階別の提言
  • 国内ユーザー企業全体向け
  • データ運用成熟度段階別

調査方法

• 調査対象および調査方法

参考資料

• 関連調査
• Synopsis

List of Tables (2)

• データ管理におけるユーザー成熟度：項目による各段階の様態
• データ活用／管理の業務への貢献度：産業分野別

List of Figures (9)

• Executive Snapshot：2024年 国内データプラットフォーム運用成熟度調査
• データ管理におけるユーザー成熟度分布の推移、2022年～2024年
• データ活用／管理の業務への貢献度：SRE（Site Reliability Engineering）実施状況別
• データ統合／データ品質／データカタログなど活用のためのデータ整備状況：データ活用の業務貢献度別
• オープンソースソフトウェア利用状況：データ活用の業務貢献度別
• 分析用データベース改革意向：データ活用／分析能力別
• データベースの一元化や集約の実施状況：データ活用／分析能力別
• データベースの一元化や集約の意向：データ活用／分析能力別
• 利活用しているデータの範囲とデータ活用／分析能力の相関