データウェアハウス・BI・データ分析基盤——経営判断を支える情報活用 | 中小企業診断士1次試験経営情報システム

「データはあるのに活用できていない」という声をよく耳にします。データウェアハウスとBIツールは、散在するデータを集めて経営判断に使える形に変える仕組みです。DWH・OLAP・データマートの関係を、図書館と司書のたとえで整理してみました。

この記事でわかること

データウェアハウス（DWH）の役割とOLTPとの違い
ETL処理（抽出・変換・格納）の意味
データマートとOLAP（多次元分析）の仕組み
BIツール（Business Intelligence）の機能と活用場面
データレイク・データ活用の最新トレンド

DWH——分析専用のデータ倉庫

データウェアハウス（DWH）とは

業務システム（ERPや基幹系）から大量のデータを集め、経営分析・意思決定支援のために最適化した専用データベース。

図書館のたとえ：
・業務システム（OLTP）＝図書館の貸出窓口（日々の取引を素早く処理する）
・データウェアハウス＝書庫（すべての本を整理して蓄積、横断的に調べられる）
・データマート＝各部門の専門コーナー（営業部用・財務部用に切り出した小さな倉庫）

OLTPとOLAPの違い：
OLTP（オンライントランザクション処理）：日々の取引・業務処理に特化。高速・小規模
OLAP（オンライン分析処理）：大量データの集計・分析に特化。多次元集計が得意

ETL処理——データを整えて倉庫に格納する

工程	フルネーム	内容
E（Extract）	抽出	業務システム・外部データ・ログ等から必要なデータを取り出す
T（Transform）	変換・クレンジング	形式統一・欠損値処理・コード変換・重複削除。「汚いデータ」を整える最重要工程
L（Load）	格納	変換済みデータをDWHに投入。定期バッチ処理またはリアルタイム処理

OLAP・データマート——部門別の分析を高速化

OLAPと多次元分析の仕組み

スライシング：多次元データの1断面を取り出す（例：「2024年の関東地区の売上」）
ダイシング：複数の次元で切り出して比較（例：「地区×商品カテゴリ×月別の売上比較」）
ドリルダウン：集計レベルを細かくする（年→四半期→月→日）
ドリルアップ（ロールアップ）：集計レベルを粗くする（日→月→四半期→年）
データマート：DWHから特定部門・用途向けにデータを切り出した小規模DB（営業マート・財務マート等）

BIツール・データレイク——現代のデータ活用

概念	内容・特徴	代表的ツール・サービス
BIツール	DWH・データマートのデータを可視化・分析するツール。ダッシュボード・グラフ・KPIモニタリング	Tableau・Power BI・Looker・Google Data Studio
データレイク	構造化・非構造化データを問わず生データのままで大量蓄積。分析前に形式を決めなくてよい	AWS S3・Azure Data Lake・Google Cloud Storage
データメッシュ	データの所有権を各事業部門に分散させ、部門ごとにデータ製品を管理する現代的アーキテクチャ	大規模組織での採用が増加中