メタデータとは

メタデータとは：データについてのデータ

メタデータは「meta（上位の・について）」と「data」を組み合わせた言葉で、データを説明するためのデータです。図書館の目録カードが本の中身ではなく、書名・著者・出版年・分類番号を書いてあるのと同じ関係です。

たとえば、顧客一覧というデータ本体があったとき、メタデータは次のような情報を持ちます。この列は「会社名」という名前で、意味は「取引先の正式名称」、形式は「全角文字50文字以内」、入力者は「営業部」、更新の頻度は「新規契約時と変更時」、出どころは「CRMシステム」。

データ本体を見なくても、「このデータは何か」を理解できる情報がメタデータです。逆に、メタデータがないと、列の中身を見ても「これは何のデータなのか」が分からなくなります。

メタデータの種類：記述・構造・管理

メタデータは、役割によっていくつかの種類に分けられます。よく使われる三分類を紹介します。

• 記述メタデータ：データの内容を説明する情報。項目名、意味、単位、入力例、含むもの・含まないものなど。
• 構造メタデータ：データの形を示す情報。テーブル間の関係（どの列が紐づくか）、列の順序、ファイル形式、データ型（文字列・数値・日付）など。
• 管理メタデータ：データの運用を記録する情報。作成者、作成日、更新者、更新日、アクセス権限、出どころ（どのシステムから来たか）、変更履歴など。

この三つは重なることもあり、厳密に分ける必要はありません。ただ、業務データを整理するときは「記述」と「管理」を先に整え、「構造」は連携や基盤構築のときに整える、という順番が多いです。

身近な例：写真・PDF・Excelのメタデータ

メタデータは、日常で触れるファイルにも含まれています。いくつかの例を見てみます。

• 写真（Exif）：撮影日時、カメラ機種、GPS座標、画像サイズ、絞り値、シャッター速度などが画像ファイルに埋め込まれています。スマートフォンで撮った写真には位置情報が含まれることがあり、SNSに上げるときはプライバシーの注意が必要です。
• PDF（プロパティ）：作成者、作成日、タイトル、使用ソフト、ページ数などがファイルに記録されています。Adobe Acrobatやプレビュー（macOS）で「ファイル」→「プロパティ」から確認できます。
• Excel（ファイル情報）：作成者、最終更新者、会社名、作成日、ページ数などがファイルに含まれます。「ファイル」→「情報」（Windows）または「ファイル」→「プロパティ」→「概要」で確認できます。

写真のGPS座標を削除したいときは、Windows「フォト」アプリで「情報の編集」から位置情報を消す方法、macOS「プレビュー」で「ツール」→「インスペクタを表示」→「i」タブで確認し、コピーを保存するときにExifを除外する方法があります（操作はOSやアプリのバージョンで異なります）。

業務データでのメタデータ管理

業務で使う顧客一覧、案件台帳、請求データなどにも、メタデータは必要です。ただし、写真のExifのように自動で埋め込まれることは少なく、意識して作る必要があります。

• 列の意味を決める：「売上」という列が、受注した金額なのか、計上した金額なのか。含むもの・含まないものを書きます。
• 入力ルールを決める：全角か半角か、日付の形式、選択肢がある場合はその一覧。
• 更新する人とタイミングを決める：誰が、いつ入力・更新するか。
• 出どころを書く：どのシステムから、どの画面から取ったデータか。
• 正の置き場所を決める：同じ項目が複数の場所にあるとき、どこの値を正とするか。

これらを書き残した文書が、データ定義書や項目定義書と呼ばれるものです。関連記事「データ定義書の作り方」で、記入例と手順を解説しています。

• データ定義書の作り方 → 項目の意味・形式・更新者を1枚に
• マスタデータ管理とは → 顧客・商品などの「辞書」を保つ

メタデータ管理とデータカタログ

メタデータ管理とは、組織のデータについてのメタデータを、一元的に収集・整理・更新し続けることです。規模が大きくなると、データカタログというツールを使うことがあります。

データカタログは、社内にどんなデータがあるか、列の意味は何か、誰が持っているか、どう使われているかを検索できる仕組みです。たとえば「顧客」で検索すると、CRMの顧客テーブル、経理の取引先一覧、物流の配送先台帳が見つかり、それぞれの定義と持ち主が分かる——という状態を目指します。

中小企業では、いきなりデータカタログを導入する必要はありません。まずは、止まっている判断に使う項目から、スプレッドシートでメタデータを整理するところから始めます。項目が増えて管理が難しくなったら、ツールの導入を検討します。

• データの一元管理とは → 集めることと、定義をそろえること

なぜメタデータが必要なのか：AIと次の担当者のために

メタデータが整っていないと、AIにデータを渡しても正しく読めません。次の担当者が引き継いでも、数字の意味が分からず確認に時間がかかります。

• AIの誤解を防ぐ：AIは列の名前から意味を推測するしかありません。「売上」という名前だけでは、受注か計上か、税込みか税抜きか分かりません。メタデータがあれば、AIへの指示に「この列は計上金額、税抜き」と添えられます。
• 引き継ぎを早くする：担当者が変わるとき、データの意味が口頭や頭の中にしかないと、確認の往復が発生します。メタデータが書いてあれば、読めば分かります。
• 集計のズレを防ぐ：同じ「売上」でも、部署によって集計の基準日が違うことがあります。いつ時点の値かがメタデータとして書かれていれば、ズレに気づけます。

列の意味が「この人に聞かないと分からない」状態は、属人化の一種です。関連記事「属人化とは」で、AIの使い方が個人に閉じる問題も含めて解説しています。

会社の項目台帳に残す：sento.groupの考え方

sento.groupでは、メタデータを個人のメモや頭の中に閉じず、会社の共有場所に残すことを重視しています。これをデータ定義書、または項目台帳と呼んでいます。

• 止まっている判断から書き始める：全項目を一度に整備しようとせず、毎回確認が発生している項目から書きます。
• 入力画面や集計シートからリンクする：台帳がどこにあるか分からないと読まれません。使う場所から辿れるようにします。
• 変えるときの手順を決める：誰が提案し、誰が決め、どこに履歴を残すかを決めておきます。
• AIへの指示と一緒に渡せる形にする：メタデータを構造化しておくと、AIにデータを渡すときに「この列の意味はこれ」と機械的に添えられます。

項目の意味が決まっていないと、データを集めても、ダッシュボードを作っても、数字が合わない問題は残ります。データ基盤やBI導入の前に、メタデータを揃えるところから始めるのがsento.groupの進め方です。

• データ定義書の作り方 → 書き方と記入例
• データオペレーションとは → 集める・整える・見る・動く・更新する