部門ごとにバラバラなデータ定義を統一し全社横断の分析基盤を最短で立ち上げる方法

企業が成長するにつれ、営業は営業の、製造は製造の、経理は経理のやり方でデータを管理するようになります。商品コードの桁数が部門ごとに違う、同じ売上でも税込と税抜が混在している、顧客名の表記が半角・全角・略称でバラバラ。こうした状態のまま全社横断で数字を見ようとすると、毎回Excelで突合・変換する職人芸が必要になり、経営判断のスピードと正確さが確実に落ちていきます。

この記事は、従業員100〜1,000名規模の企業で、情報システム部門や経営企画部門としてデータ活用の旗振りを任されている方を想定しています。読み終えると、部門横断のデータ定義を整理し、変換を自動化し、全社ダッシュボードで可視化するまでの具体的なワークフローを手に入れることができます。大規模エンタープライズ向けの数千万円規模のデータ基盤構築プロジェクトや、個別ツールの網羅的なレビューは扱いません。

なお、本記事で紹介するツールの組み合わせは代表的な一例です。同じ役割を果たす別の製品でも、同様のワークフローを構築できます。

読み終えた時点で、部門データの定義差異を吸収する変換ルールの設計方針と、3ステップで回る運用サイクルの全体像が手元に揃っている状態になります。

Workflow at a glance: 部門ごとにバラバラなデータ定義を統一し全社横断の分析基盤を最短で立ち上げる方法

• Step 1: 部門データを吸い上げて変換ルールを適用する (trocco) (BIツール)
• Step 2: マスタデータの正本を整備し対応表を維持する (Salesforce) (営業支援ツール（SFA）)
• Step 3: 統一データをダッシュボードで可視化し意思決定に使う (Looker Studio) (BIツール)

なぜ部門が増えるほどデータの食い違いは自然に拡大するのか

部門ごとの業務最適がデータの分断を生む構造

各部門が自分たちの業務に最適なシステムを個別に導入すること自体は合理的です。営業はSFAで案件管理をし、製造は生産管理システムで工程を追い、経理は会計ソフトで仕訳を切ります。問題は、それぞれのシステムが独自のコード体系・項目名・単位を持つことです。たとえば営業が顧客コードを英字6桁で管理し、経理が数字8桁で管理していると、同じ顧客のデータを突合するだけで手作業が発生します。

突合作業の属人化が引き起こす3つの実害

1つ目は、月次レポートの作成に毎回3〜5営業日かかることです。Excelのマクロやピボットテーブルで突合している担当者が休むと、レポートが出せなくなります。2つ目は、変換ミスによる数字のズレです。税込と税抜の混在、千円単位と円単位の混在は、気づかないまま経営会議に上がることがあります。3つ目は、新しい分析ニーズが出るたびにゼロから突合ロジックを組み直す必要があることです。過去の変換ルールがドキュメント化されていないケースがほとんどで、担当者の記憶に依存しています。

放置するほど統合コストは膨らむ

部門が新しいシステムを導入するたびに、データ定義の差異は増えていきます。後からまとめて統一しようとすると、過去データの遡及変換が必要になり、コストは指数関数的に膨らみます。早い段階で変換ルールを定義し、自動化の仕組みを入れることが、結果的に最もコストを抑える方法です。

重要な考え方：データを統一するのではなく変換ルールを一元管理する

多くの企業が陥る落とし穴は、全部門のシステムを1つに統合しようとすることです。しかし現実には、各部門が使い慣れたシステムを手放すことは極めて難しく、プロジェクトが頓挫する原因になります。

各部門のデータはそのまま、出口で揃える

発想を変えて、各部門のデータ定義はそのまま残し、全社分析用に出力する段階で変換ルールを適用するアプローチを取ります。営業の顧客コード英字6桁と経理の顧客コード数字8桁の対応表を1か所で管理し、データを吸い上げるタイミングで自動変換すれば、各部門の業務は一切変わりません。

変換ルールをコード化して再利用可能にする

Excelの手作業による突合は、ルールが担当者の頭の中にしか存在しないことが最大の問題です。変換ルールをETLツール上で明示的に定義し、コードとして保存することで、誰でも確認・修正・再利用できる状態にします。これにより属人化が解消され、新しい分析ニーズにも既存の変換ルールを組み合わせて対応できるようになります。

マスタの正本を1か所に決める

顧客マスタ、商品マスタ、部門マスタなど、全社で共通して使うマスタデータについては、どのシステムのデータを正本とするかを明確に決めます。正本が決まれば、他のシステムのデータはすべて正本に寄せる形で変換ルールを書けるため、ルールの設計がシンプルになります。

3ステップで回す部門横断データ統合の実践ワークフロー

ステップ 1：部門データを吸い上げて変換ルールを適用する（trocco）

最初のステップでは、各部門のシステムからデータを自動で吸い上げ、統一された形式に変換します。troccoはクラウド型のETLツールで、SalesforceやFreee、各種データベース、CSVファイルなど100以上のデータソースに対応しています。

具体的な作業として、まず各部門のデータソースとの接続設定を行います。営業部門のSalesforceからは商談データと顧客データ、経理部門の会計ソフトからは売上仕訳データ、製造部門の生産管理システムからはCSVエクスポートされた出荷データ、といった形です。次に、troccoの画面上で変換ルールを定義します。顧客コードの対応表によるマッピング、金額の税込・税抜変換、日付フォーマットの統一、文字コードの変換などを、GUIの操作で設定できます。

この吸い上げと変換のジョブは、毎日深夜や毎週月曜朝など、スケジュール実行で自動化します。担当者は初期設定後、エラー通知が来たときだけ対応すれば済みます。変換後のデータは、Google BigQueryやAmazon Redshiftなどのデータウェアハウスに格納します。中小規模であればGoogle BigQueryの無料枠で十分に始められます。

運用サイクルとしては、週に1回、変換ジョブの実行ログを確認し、エラーや警告がないかをチェックします。新しい部門やデータソースが追加された場合は、情報システム部門が接続設定と変換ルールを追加します。所要時間は初期設定が1〜2週間、その後の運用は週30分程度です。

ステップ 2：マスタデータの正本を整備し対応表を維持する（Salesforce）

2つ目のステップでは、全社共通のマスタデータの正本を整備します。顧客マスタ、商品マスタ、部門コードマスタなど、部門横断で突合の軸になるデータの管理場所を1つに決めます。

FitGapでは、すでに営業部門で導入されているケースが多いSalesforceを顧客マスタの正本として活用することを推奨します。Salesforceのカスタムオブジェクト機能を使えば、顧客マスタに経理用コード、製造用コード、統一コードの3つのフィールドを追加し、対応表として管理できます。商品マスタについても同様に、営業用商品コードと製造用品番の対応関係をSalesforce上で一元管理します。

この対応表の維持が、ワークフロー全体の品質を左右する最も重要な作業です。新規顧客の登録時に統一コードを必ず付与するルールを設け、営業担当者が顧客を新規作成する際のSalesforceの入力画面に統一コードの必須フィールドを追加します。既存データについては、初回のみ一括で対応表を作成する必要があります。顧客数が数千件規模であれば、CSVで一括インポートすることで1〜2日で完了します。

運用サイクルとしては、月に1回、マスタデータの棚卸しを実施します。対応表に漏れがないか、新規追加分が正しく紐づいているかを確認します。この作業は経営企画部門または情報システム部門が担当し、所要時間は月2〜3時間程度です。

ステップ 3：統一データをダッシュボードで可視化し意思決定に使う（Looker Studio）

3つ目のステップでは、ステップ1で統一形式に変換してデータウェアハウスに格納したデータを、全社で閲覧できるダッシュボードとして可視化します。Looker StudioはGoogleが提供する無料のBIツールで、Google BigQueryとの接続がネイティブに対応しており、SQLを書かなくてもドラッグ&ドロップでグラフや表を作成できます。

具体的には、まず経営層向けの全社サマリーダッシュボードを作成します。売上推移、部門別利益率、顧客別売上ランキングなど、経営会議で毎回求められる定番の指標を並べます。次に、部門マネージャー向けの詳細ダッシュボードを作成します。営業部門であれば商談パイプラインと受注率、製造部門であれば出荷数と不良率、経理部門であれば売掛金の回収状況といった形です。

ダッシュボードの閲覧権限はGoogleアカウントで制御できるため、部門ごとに見せる範囲を分けることも容易です。データはtroccoのジョブが実行されるたびに自動更新されるため、ダッシュボードを開くだけで常に最新の数字を確認できます。

運用サイクルとしては、月次の経営会議前にダッシュボードの数字を確認し、異常値があればtroccoの変換ログを遡って原因を特定します。新しい指標の追加要望が出た場合は、まずtroccoの変換ルールに必要なデータが含まれているかを確認し、不足していればステップ1に戻って変換ルールを追加します。ダッシュボードの初期構築は1〜2週間、その後の指標追加は1件あたり数時間で対応できます。

この組み合わせが機能する理由

trocco：日本企業のデータソースに幅広く対応した変換の自動化

troccoは日本発のクラウドETLサービスであり、日本企業でよく使われるFreee、マネーフォワード クラウド、kintoneなどのサービスとの接続コネクタが充実しています。海外製のETLツールと比較して、日本語のUIとサポートが利用できる点は、情報システム部門の負担を大きく軽減します。変換ルールをGUIで定義できるため、SQLに不慣れな担当者でも運用可能です。

一方で、変換ロジックが複雑になるとGUIだけでは対応しきれず、SQLやPythonスクリプトを書く必要が出てきます。また、データソースの数が増えるほど月額料金が上がるため、接続するデータソースは全社分析に本当に必要なものに絞ることが重要です。無料トライアル期間中に主要なデータソース3〜5個の接続を検証し、運用コストの見通しを立ててから本契約に進むことを推奨します。

Salesforce：マスタの正本管理と対応表の維持に適した柔軟性

Salesforceをマスタデータの正本として使う最大の利点は、すでに営業部門で導入済みのケースが多く、追加のシステム導入コストを抑えられることです。カスタムオブジェクトやカスタムフィールドの追加が容易で、対応表の管理に必要な項目を柔軟に設計できます。また、入力規則やワークフロールールを設定することで、新規データ登録時に統一コードの付与漏れを防ぐガードレールを組み込めます。

弱みとしては、Salesforceのライセンス費用が高額であるため、マスタ管理のためだけに新規導入するのは費用対効果が合わない点です。すでにSalesforceを利用していない企業の場合は、kintoneやGoogle スプレッドシートで対応表を管理し、troccoから参照する構成でも十分に機能します。また、Salesforceのカスタマイズは自由度が高い反面、設計を誤ると後から修正が困難になるため、カスタムオブジェクトの設計は最小限の項目から始めて段階的に拡張することが重要です。

Looker Studio：無料で始められる全社可視化の入口

Looker Studioの最大の強みは、完全無料で利用できることです。Google BigQueryとの接続がネイティブに対応しており、データウェアハウスにGoogle BigQueryを選択していれば、設定は数クリックで完了します。共有もGoogleアカウントベースで行えるため、社内にGoogle Workspaceを導入している企業であれば追加の認証基盤は不要です。

弱みとしては、大量のデータを扱う場合にダッシュボードの表示速度が遅くなることがあります。数百万行を超えるデータを直接参照する場合は、trocco側で集計済みのサマリーテーブルを作成し、Looker Studioからはサマリーテーブルを参照する構成にすることで回避できます。また、Tableauなどの有料BIツールと比較すると、高度な統計分析やデータの探索的な操作は苦手です。まずLooker Studioで全社の定番指標を可視化し、より高度な分析ニーズが出てきた段階で有料BIツールへの移行を検討する、という段階的なアプローチが現実的です。

Recommended tool list

結論：変換ルールの一元管理から始めれば全社分析は動き出す

部門ごとにバラバラなデータ定義を統一する最短の道は、各部門のシステムはそのまま残し、全社分析用の変換ルールを1か所で管理・自動実行する仕組みを作ることです。troccoでデータの吸い上げと変換を自動化し、Salesforceでマスタの対応表を維持し、Looker Studioで可視化する。この3ステップのサイクルを回すことで、月次レポートの作成工数は大幅に削減され、経営判断に使えるデータが常に最新の状態で手元に揃います。

最初の一歩として、まず全社分析で最も頻繁に突合が発生している2〜3個のデータソースを特定してください。そのデータソースの項目名・単位・コード体系の差異を一覧表にまとめるだけで、変換ルールの設計に必要な情報の8割は揃います。その一覧表を持ってtroccoの無料トライアルに申し込めば、1週間以内に最初の自動変換ジョブが動き始めます。

Mentioned apps: trocco, Salesforce, Looker Studio

Related categories: BIツール, 営業支援ツール（SFA）

Related stack guides: 顧客の最終用途情報と該非判定を一元管理し安全保障貿易管理の審査漏れを防ぐ方法, 監査時にガイドライン対応の証跡をすぐ提出できる体制を4つのツールで構築する方法, KPI改善と現場の不満が食い違うとき定量データと定性フィードバックを統合して施策の真の効果を判断する方法, AIエージェントの開発データと本番データの乖離を防ぎ精度低下と手戻りをなくす方法, AIの判断結果を人が検証・承認してから業務に反映する仕組みをつくり誤判定トラブルを防ぐ方法