DMBOKとは？ わかりやすく解説

DMBOK（ディムボック、英: Data Management Body of Knowledge、DAMA-DMBOK）または、データマネジメント知識体系ガイドは、データを組織的かつ体系的に管理、保護、活用するための世界的な標準フレームワークである^[1]。データマネジメントの専門知識を網羅的に体系化したものであり、データサイエンティスト、経営層、ITアーキテクトにとってのデファクトスタンダードとして機能している^[2]。

DMBOKは、データマネジメントの機能領域を定義し、それぞれにおける役割やプロセスを解説している^[1]。第1版では10の知識エリアから定義されていたが、第2版からはデータガバナンスを中心とした11の知識エリア（DAMAホイールと呼ばれるフレームワーク）から定義されている。企業や組織がデータを重要な資産として適切に管理し、ビジネスに活用するために必要な知識体系である。

DMBOKは、国際的に標準とされているデータマネジメントの知識体系（ガイド、フレームワーク、ベストプラクティス）であり、金融、製造、情報通信、公共機関などを含む幅広い業界・組織に適用できるデータマネジメントの基盤を提供する^[2]。

DMBOKはデータマネジメントの専門用語と標準的なガイドラインを提供する書籍である。DAMA Internationalが監修し、英語版のほか、日本語を含む複数の言語で発行している。最新の第2版は2017年に発行された^[2]。

DMBOKは、最初、データマネジメントの専門家コミュニティによってベストプラクティスを集約する目的で編纂された。その目的は、広く適用できるデータマネジメントの情報や実践方法の文書化と標準化であった^[3]。

2009年に初版（DMBOK1）の英語版が出版された。日本語版は2011年に出版された。

2017年、ビッグデータやクラウドコンピューティングといった技術の発展に伴うデータ環境の劇的な変化に対応するため、大幅な変更を加えた第2版（DMBOK2）の英語版が出版された。第2版の日本語版は2018年に出版された^[2]。

現在、人工知能（AI）やクラウドネイティブアーキテクチャなどの新興技術にさらに適応するため、第3版（DMBOK 3.0）の開発が進められている^[4]。

DMBOK2では11の知識領域が示されている。これらの知識は独立して実装されるべきものではなく、網の目のような高度な相互依存性を持っているとされている^[1][5]。

例えば、データ品質を評価し改善するためには、データがどこに存在しビジネス上何を意味するのかというメタデータ管理の前提知識が不可欠である^[1]。同時に、品質の合格基準や責任の所在はデータガバナンスによって事前に定義されていなければならない^[1]。さらに、品質劣化を防ぐためにはデータアーキテクチャによるフロー設計と、データ統合と相互運用性による安全な転送メカニズムが要求される^[6]。DAMAホイールの中心にガバナンスが配置されているのは、これらすべての専門領域が共通の目標に向かって連動するよう監視・調整する役割を担っていることを示している^[2]。

後述するDAMAホイールと呼ばれる概念図では、中核に「データガバナンス」を据え、その周囲に残りの10の知識エリアを配置している。また、11の知識エリアはコンテキスト・ダイアグラム（環境定義図）を用いて、定義、ゴール、活動、インプット、アウトプットなどの形で一貫して構造化されている。

11の知識領域について、定義や中核的役割などを網羅的に構造化したものは以下の通りである。

データ資産の管理と利用に対する計画、監視、統制を行う中心的な機能であり、DAMAホイールのハブとして全領域の方向性を決定する。データに対する説明責任の所在を明確にし、全社的なポリシーや基準を策定する。データスチュワードシップ体制の確立、データマネジメントの成熟度評価、ガバナンス戦略の開発、ビジネス要件との整合性確保が含まれる^[1]。

• 成果物: データポリシー、データ戦略ロードマップ、データガバナンススコアカード、ビジネス用語集。
• ツール: ワークフローツール、ドキュメント管理システム、ガバナンスダッシュボード。

エンタープライズアーキテクチャの不可欠な一部として、データとデータ関連リソースの全体構造と相互関係を定義する。ビジネス要件と技術的要件を橋渡しする戦略的な青写真を作成し、技術投資の方向性を決定する。既存のアーキテクチャ仕様の評価、ターゲットアーキテクチャの設計、実装ロードマップの開発を行う^[1]。

• 成果物: エンタープライズデータモデル、データフロー図、アーキテクチャ移行計画。
• ツール: データモデリングツール、資産管理ソフトウェア、グラフィカルデザインアプリケーション。

データ要件の分析、設計、構築、テスト、および維持を行うプロセスである。複雑なビジネスルールやエンティティ間の関係性を正確にデータ構造として表現し、データの整合性と標準化を担保する。概念・論理・物理データモデルの段階的な作成とリバースエンジニアリングを含む^[1]。

• 成果物: 概念・論理・物理データモデル、DDLスクリプト、データマッピング仕様書。
• ツール: ERモデリングツール、リポジトリ管理ツール。

構造化された物理データ資産の保存、展開、および運用管理を行う。データの可用性、パフォーマンス、および障害からの復旧可能性を最大化する。データベース技術の評価、パフォーマンステューニング、バックアップ戦略の実行、キャパシティプランニングを行う^[1]。

• 成果物: 物理データベースインスタンス、バックアップおよびリカバリ計画、パフォーマンス監視レポート。
• ツール: データベース管理システム、データベース監視ツール、構成管理ツール。

個人情報や企業の機密データに対するプライバシー保護、機密性確保、適切なアクセス制御を保証する。内部の不正操作および外部からのサイバー攻撃からデータを保護し、法規制への準拠を証明する。脆弱性評価、暗号化とマスキングの適用、アクセス権の監査などが含まれる^[1]。

• 成果物: アクセス制御リスト、セキュリティ監査ログ、マスキングルール、脆弱性アセスメントレポート。
• ツール: 認証・認可基盤、データ暗号化ツール、監査支援ソフトウェア。

組織内外のシステム間でのデータの取得、抽出、変換、移動、配信、レプリケーション、フェデレーション、および仮想化を管理する。異機種システム間でデータをシームレスかつ遅延なく連携させ、リアルタイムまたはバッチでのデータ共有を可能にする。ETLパイプラインの設計、APIの管理、メッセージングアーキテクチャの構築を行う^[1]。

• 成果物: データ統合アーキテクチャ設計書、ETL/ELTパイプラインコード、API仕様書、データ共有協定。
• ツール: ETLツール、エンタープライズサービスバス、データ仮想化プラットフォーム。

非構造化データソースのライフサイクルを管理する。契約書や電子メールなどの非構造化データを構造化データと統合し、検索性を高めるとともに、法的ディスカバリや記録保持義務への適法な対応を可能にする^[1]。

• 成果物: コンテンツ分類タクソノミー、文書保持・廃棄スケジュール、法的ホールド対象データ。
• ツール: エンタープライズコンテンツ管理システム、e-Discoveryツール、予測コーディングエンジン。

組織全体で共有・参照される中核的なデータを管理し、定義と値の標準化を通じて冗長性を排除する。組織内の様々なシステムに分散する情報を統合し、単一の信頼できる情報源を確立する。名寄せ、クレンジング、マスターデータ管理システムの実装と運用が含まれる^[1]。

• 成果物: 統合されたマスターデータセット、リファレンスデータコードテーブル、マスターデータ階層モデル。
• ツール: MDMプラットフォーム、リファレンスデータ管理ツール、データマッチングエンジン。

分析的なデータ処理の基盤を管理し、意思決定支援データへのアクセスを可能にする。過去の履歴データと現在の運用データを統合・多次元化し、ビジネスインサイトを提供する。ディメンショナルモデリングの適用、データマートの構築、ダッシュボードの提供を行う^[1]。

• 成果物: データウェアハウス/データレイク環境、多次元キューブ、分析ダッシュボード、定型・非定型レポート。
• ツール: BIツール、OLAPサーバー、データマイニングソフトウェア。

データに関するデータを収集、分類、維持、統合、統制、および配信する。データの系統、ビジネス上の意味、および技術的属性を明らかにする。メタデータ戦略の策定やビジネス用語集の構築を通じて、データの検索性と信頼性を高める^[1]。

• 成果物: メタデータリポジトリ、データリネージマップ、システム間影響分析レポート。
• ツール: データカタログツール、メタデータ管理専用ツール、データディクショナリ。

データの正確性、完全性、一貫性などの品質次元を定義、監視し、データの完全性を継続的に維持・向上させる。不良データに起因するビジネス上の損失を防ぐ。データプロファイリング、パース、標準化、根本原因の分析と是正措置を実行する^[1]。

• 成果物: データ品質ダッシュボード、プロファイリング結果レポート、データクレンジング規則。
• ツール: データ品質管理ソフトウェア、プロファイリングエンジン、ルールエンジンプラットフォーム。

DMBOK2は、データマネジメントという極めて広範かつ複雑なテーマを11の論理的な知識領域に分割し、それらの動的な相互関係を「DAMAホイール図」として視覚化している^[1]。 この車輪構造の中央にはデータガバナンスが配置され、ハブとして機能することで、周囲を取り囲む10の実行領域に対する戦略的統制、監視、および方向性の提示を行っている^[2]。

環境要因ヘキサゴン図は、ゴールと原則を中心とし、データマネジメント活動を取り巻く6つの主要な要素（役割と責任、組織と文化、活動、ビジネス、データ、技術）を六角形に配置したフレームワークである^[7]。各知識領域の目的や活動内容を理解するだけでなく、それを実際の業務環境においてどのように実行し、誰が責任を持ち、どのようなツールを使用するかというメカニズムを構造化している^[7]。技術を導入するだけで課題が解決するという幻想を否定し、組織文化の醸成や人材教育が不可欠であることを示している^[8]。

• ゴール: その知識領域の活動を通じて組織が達成すべき具体的なビジネス上の成果を定義する。常にデータを活用してビジネス価値を推進することに焦点を当てる^[9]。
• 原則: 活動を遂行する上で組織全体が遵守すべき基本的な価値観や行動規範である。これが明確化されていなければ、投資は方向性を失い局所的な最適化に留まってしまう^[10]。

• 役割と責任: すべてのステークホルダーの役割を定義し、プロセスにおける権限と義務を厳格に割り当てる。主要な役割には、最高データ責任者、データオーナー、データスチュワードなどが含まれる。とりわけデータオーナーは、特定のデータドメインに対する最終的な決定権と説明責任を持つビジネス側の責任者と定義されている^[3]。
• 組織と文化: 組織内の既得権益や行動様式と衝突する組織的変革のプロセスであり、データをエンタープライズ全体で共有する文化への転換が求められる。チェンジマネジメントの手法や従業員へのデータリテラシー教育が不可欠である^[7]。

• 活動: 実行されるタスクを、計画活動、統制活動、開発活動、運用活動の4つのプロファイルグループに分類し、誰がいつ実行すべきかを明確にする^[3]。
• プラクティスと技法: 定義された活動を効果的かつ一貫性をもって実行するための、標準化された手法や業界のベストプラクティスを指す^[3]。例えば、データアーキテクチャ領域においてはTOGAFなどの手法の利用が推奨される。

• 成果物: 活動プロセスの結果として産出される有形の出力物である。ある活動の成果物が、後続の別の活動の入力として機能するという連鎖的な関係性を持っている^[1]。
• ツール: データマネジメント活動を効率化し、手作業によるエラーを排除するソフトウェアやプラットフォームである。特定のツールを導入する前に、ビジネス目標やプロセス、利用者を包括的にマッピングすることが重要である^[9]。

DMBOK2における各知識領域の解説章には、環境要因のヘキサゴンモデルを業務実行フローとして視覚的に表現したコンテキスト図が含まれている。 これはSIPOCモデルの概念をデータマネジメントに応用したものであり、活動を中心に、左側に入力とサプライヤー、右側に成果物と消費者を配置している^[8]。2024年の改訂版ではこの図が大幅に見直され、プロセスフローがより論理的に反映されている^[11]。インプットとアウトプットの厳密な連鎖を理解することが、企業のデータパイプライン全体を強靭化するための設計図となる^[1]。

DMBOK2は網羅的な知識体系を提供するが、すべての組織に同一の解決策を押し付けるものではなく、各組織の目標や環境に合わせて段階的に適用されるべきである^[1]。限られたリソースで効果的な体制を構築するため、ピーター・エイケンによって提唱された「DMBOKピラミッド」の概念が取り入れられている^[1]。

• 第1フェーズ: データの構造を定義し、安全に保持するための基礎的な基盤の確立^[1]。
• 第2フェーズ: データの意味を統一し、信頼できる状態にするためのコンテキストと品質の向上^[1]。
• 第3フェーズ: 全社的なポリシーを適用し、継続的な維持管理を行う戦略的統制の確立^[1]。
• 第4フェーズ: 高度なアナリティクスやAIなどを活用し、ビジネス価値を創出する高度な実践^[1]。

基礎となるデータモデリングや品質マネジメントがおろそかな状態で最上層のAI導入に投資を行っても、失敗に終わるという事実が示唆されている^[1]。

• データマネジメント協会（DAMA）
• データモデリング
• データマネジメント

1. ^ ^{a b c d e f g h i j k l m n o p q r s t u v w x y z} “DAMA DMBOK Framework: An Ultimate Guide for 2026”. Atlan. 2026年3月4日閲覧。
2. ^ ^{a b c d e f} “DAMA® Data Management Body of Knowledge (DAMA-DMBOK®)”. DAMA. 2026年3月4日閲覧。
3. ^ ^{a b c d} Data Management Body of Knowledge (PDF) (Report). DAMA. 2026年3月4日閲覧.
4. ^ 高橋章 (2025年6月6日). “DMBOK NEWS : DMBOK3.0出版に向けたグローバルキックオフが開催されます！ | Metafindコンサルティング”. 2026年3月4日閲覧。
5. ^ “Data Management Framework: What, Why, and How?”. Data Crossroads. 2026年3月4日閲覧。
6. ^ “Data Architecture | DAMA DMBOK v2 Explained | CDMP Prep Series”. YouTube. 2026年3月4日閲覧。
7. ^ ^{a b c} “DMBoK Figure 6 Environmental Factors Hexagon”. DAMA - Rocky Mountain Chapter. 2026年3月4日閲覧。
8. ^ ^{a b} “DMBoK Figure 7 Knowledge Area Context Diagrams”. DAMA - Rocky Mountain Chapter. 2026年3月4日閲覧。
9. ^ ^{a b} “What Is the Data Management Body of Knowledge (DMBoK)?”. Dataversity. 2026年3月4日閲覧。
10. ^ “'Brevity Is the Soul of Wit': DAMA-DMBOK in a Nutshell”. Data Crossroads. 2026年3月4日閲覧。
11. ^ “DAMA DMBOK Revision”. DAMA. 2026年3月4日閲覧。