
新試験で注目の集まるDMBOKとは | データマネジメントの11知識領域と実務の定石12選
はじめに
2026年度の基本情報・応用情報・高度試験を受験する方にも、ぜひ押さえてほしい注目テーマがあります。それが「データマネジメント」です。
IPA(情報処理推進機構)は、2027年度からの新しい情報処理技術者試験制度において、「データマネジメント試験(仮称)」の新設を予定しています。さらに、2026年4月には「デジタルスキル標準 Ver.2.0」において、データマネジメントが独立した人材類型として新設されました。
こうした動きは、データマネジメントという領域の重要性が急速に高まっていることを示しています。そして注目したいのは、新しく誕生するデータマネジメント試験だけではありません。
2026年度の基本情報技術者試験、応用情報技術者試験、高度情報処理技術者試験でも、データマネジメント関連の知識は出題可能性が高い注目分野です。データ品質、データガバナンス、メタデータ管理などは、今のうちに押さえておきたいテーマといえるでしょう。
本記事では、IPA公式資料を基に、以下を解説します。
新設されるデータマネジメント試験の概要
なぜ今、データマネジメントが注目されているのか
基本情報・応用情報・高度試験への出題予想
データマネジメント試験のシラバスと科目A・B対策
DMBOKの11の知識領域
データ管理の重要用語と実務で役立つ定石12選
公式サンプル問題から読み解く出題傾向と予想問題
データマネジメント試験の受験予定者だけでなく、基本情報・応用情報・高度試験を受験する方の直前対策にも活用できる内容にまとめました。
1. なぜ今「データマネジメント」が注目されているのか?
① IPAが新たな国家試験を設置
2026年3月、IPAは2027年度からの情報処理技術者試験制度の見直しを発表しました。その大きな変更点の一つが、データマネジメント試験の新設です。
これまでIPAの試験では、データベース、データ分析、セキュリティなど、それぞれの分野でデータ管理に関連する知識が問われてきました。しかし、新制度では、データマネジメントそのものを評価する独立した試験が設けられます。これは、データを適切に管理する能力が、ITエンジニアだけでなく、幅広いビジネスパーソンに求められるようになっていることを象徴しています。
② デジタルスキル標準でも「データマネジメント」が独立
さらに重要な動きが、2026年4月16日に公開された「デジタルスキル標準 Ver.2.0」です。IPAはDX推進スキル標準に、新たに「データマネジメント類型」を設置しました。
その中では、以下の3つのロールが定義されています。
データスチュワード:データの品質、定義、利用ルールなどの管理を推進する
データエンジニア:データの収集・加工・連携基盤などを整備する
データアーキテクト:組織全体のデータ構造や管理・連携の仕組みを設計する
これまでデータサイエンティスト類型に含まれていたデータエンジニアも、データマネジメント類型へ統合されました。つまり、データを分析する人材だけでなく、分析に利用するデータを適切に整備・管理する人材も重視される時代になっているのです。
③ 生成AIの普及で「データの品質」がさらに重要に
生成AIやRAG、AIエージェントの業務活用が広がっています。しかし、AIの性能がどれだけ向上しても、参照するデータの品質が低ければ、誤った結果や判断につながります。
例えば、社内文書を検索して回答するRAGシステムを導入したとします。ところが、その検索対象に次のような問題があったらどうでしょうか。
古い業務マニュアルが最新版として登録されている
同じ商品に複数の名称が存在する
データの管理部門や更新責任者が不明
アクセス権限のない情報までAIが検索できてしまう
この状態でAIを導入しても、十分な効果は得られません。そこで重要になるのが、データ品質、メタデータ、アクセス権限、データガバナンスなどの管理です。
AI時代の競争力を支えるのは、AIそのものの性能だけではなく、その土台となるデータの品質なのです。
2. 2026年度の基本情報・応用情報・高度試験でも注目すべき理由
データマネジメントは、2027年度に新設される試験だけの学習テーマではありません。2026年度の基本情報・応用情報・高度試験でも、積極的に対策しておきたい分野です。
基本情報技術者試験(FE)
基本情報では、データマネジメントに関係する基礎知識を中心に押さえましょう。特に注目したいのは次のテーマです。
データベースの基本構造と正規化
主キー・外部キーと参照整合性
マスターデータとトランザクションデータ
データ品質とクレンジング
データウェアハウスとデータレイク
メタデータの役割
用語の意味と目的、類似する技術の違いを理解することが、科目A対策の基本となります。
応用情報技術者試験(AP)
応用情報では、データを管理・活用するための技術や、組織的な取組まで理解を深めたいところです。
データガバナンス
データ品質管理
データカタログ
データリネージ
マスターデータ管理(MDM)
ETL・ELT
データレイク・DWH・レイクハウス
データ統合と品質問題への対応
科目Aでは用語や仕組みの理解、科目Bでは業務上の課題を踏まえた改善策の検討に役立ちます。例えば、「複数部門で顧客データの定義が異なる」「データの品質問題がBIレポートに影響している」といったケースです。こうした問題に対して、技術面だけでなく、運用ルールや管理責任の観点から考える練習が有効です。
高度情報処理技術者試験
高度区分では、受験する試験に応じて、データマネジメントをより専門的な観点から理解しましょう。
データベーススペシャリスト(DB)
データモデル、データ統合、参照整合性、マスターデータ管理、データ品質の確保など。
ITストラテジスト(ST)
データドリブン経営、データ活用戦略、データガバナンスの整備、DX推進など。
システムアーキテクト(SA)
データアーキテクチャ、システム間連携、データの整合性、データ基盤の設計など。
システム監査技術者(AU)
データの管理責任、データ品質に関する統制、アクセス管理、データライフサイクルの監査など。
情報処理安全確保支援士(SC)
個人情報や機密データの保護、データ分類、アクセス制御、AI利用時のデータ漏えい防止など。
2026年度に優先して押さえたい重要用語
出題対策の観点から、以下の10項目は特におすすめです。
データガバナンス
データ品質管理
データオーナー・データスチュワード
メタデータ管理
データカタログ
データリネージ
マスターデータ管理(MDM)
データレイク・DWH・レイクハウス
ETL・ELT
データライフサイクル管理
この10項目は、新しいデータマネジメント試験と既存のIPA試験に共通する学習テーマとして整理しておきたいところです。
3. 新設されるデータマネジメント試験の概要
データマネジメント試験は、データやAIを効果的に活用するために必要な、データの整備・管理に関する知識と技能を評価する試験です。IPAは、主にビジネス部門で働く人を想定し、ITパスポート試験の次のステップとして位置づけています。
試験仕様
2026年3月31日にIPAが公表した検討資料では、以下の仕様が示されています。
試験名称:データマネジメント試験(仮称)
開始予定:2027年度夏頃~秋頃
実施方式:CBT方式
試験時間:科目A・B合わせて120分
科目A:48問
科目B:12問
対象者像:データ管理・利活用に関わる幅広いビジネスパーソン
正式な試験実施日程、受験料、合格基準などについては、今後のIPA公式発表を確認してください。
4. シラバスから読み解く出題範囲
IPAは2026年8月31日に「データマネジメント試験 シラバス案 Ver.0.1」を公開しました。
科目A:データマネジメントの知識
重点分野は大きく3つです。
① データマネジメント
データマネジメントの目的
データライフサイクル
データガバナンス
データ品質管理
メタデータ管理
② データ分析・データ利活用
DWH・データレイク・データマート
ETL・ELT
データ分析・統計
BIツール
データ可視化
業務分析
③ AI利活用
生成AI・識別AI
RAG
プロンプトエンジニアリング
AIエージェント
AIガバナンス
AIを活用した業務改善
その他にも、データベース、セキュリティ、倫理・コンプライアンスなどが含まれます。
科目B:実務上の判断力
科目Bでは、以下の領域に関する技能が問われます。
① データの適切な取扱い
データの定義、品質、整合性、利用条件、セキュリティなどを確認し、適切に取り扱う能力。
② データ活用による意思決定、検証と改善
業務上の目的に適したデータを選択し、分析結果を解釈して、改善につなげる能力。
③ データ活用の組織文化の醸成
関係部門と協力し、データ活用の意義を共有して、組織に定着させる能力。
④ データマネジメントの成熟度向上
データ・AI活用の動向把握やPoCの企画・実施、結果の共有・提案などを行う能力。特に、品質問題の原因分析、管理責任の明確化、データ統合時の判断は、重点的に練習しておきたいテーマです。
5. DMBOKとは?データ管理の国際的な知識体系
DMBOK(Data Management Body of Knowledge)は、データマネジメントに関する知識や実践方法を体系的に整理したフレームワークです。国際的なデータマネジメント団体であるDAMA Internationalが整備しています。データベースの構築・運用だけでなく、データ品質、セキュリティ、メタデータ管理、組織体制などを幅広く扱っています。
DMBOKの11の知識領域

① データガバナンス
データ管理の方針、組織体制、役割、責任、ルールなどを定義し、適切に統制する活動。
② データアーキテクチャ
組織全体でデータをどのように構造化し、保存・連携するかを設計する活動。
③ データモデリング・設計
データの種類、属性、関係性などを整理し、概念・論理・物理モデルなどを作成する活動。
④ データストレージ・運用
データの保存、バックアップ、リカバリー、性能管理などを行う活動。
⑤ データセキュリティ
アクセス制御、暗号化、機密情報の保護など、データの安全性を確保する活動。
⑥ データ統合・相互運用性
異なるシステム間のデータを連携・統合し、整合性を確保する活動。
⑦ 文書・コンテンツ管理
文書、画像、動画などの非構造化データを整理し、検索・再利用できる状態にする活動。
⑧ 参照データ・マスターデータ管理
顧客、商品、組織などのマスターデータや、コード値などの参照データを管理する活動。
⑨ データウェアハウス・BI
データを分析しやすい形に整備し、可視化や意思決定に役立てる活動。
⑩ メタデータ管理
データの意味、構造、所有者、生成元、利用条件などを管理する活動。
⑪ データ品質管理
データの正確性、完全性、一貫性などを維持・改善する活動。
なぜデータガバナンスが重要なのか?
DMBOKでは、データガバナンスが他の領域を横断する重要な役割を担います。例えば、顧客マスターに重複データが存在した場合、そのデータを削除するだけでは問題の根本解決にはなりません。
誰がデータ品質に責任を持つのか
どのような品質基準を設定するのか
問題を発見したら誰に報告するのか
再発を防ぐために何を改善するのか
これらを組織として決める必要があります。データガバナンスは「ルール・責任・統制」、データマネジメントは「データを適切に管理・活用する活動全体」と整理すると理解しやすいでしょう。
6. 試験対策で覚えておきたい重要用語
データ品質の代表的な観点
データ品質を評価する際には、以下のような観点を使います。
正確性:現実の値や正しい情報と一致しているか
完全性:必要な情報が欠けていないか
一貫性:異なるシステム・項目間で矛盾がないか
一意性:同一対象の不必要な重複がないか
適時性・最新性:必要なタイミングで適切なデータを利用できるか
妥当性:定められた形式やルールに適合しているか
これらは代表的な観点であり、データ品質を評価する指標は他にもあります。
マスターデータとトランザクションデータ
マスターデータは、顧客、商品、店舗、組織など、業務で共通して参照する基本情報です。
トランザクションデータは、売上、注文、入出庫など、業務活動によって発生する取引・イベントの情報です。
例えば、商品マスターと売上データを結合して分析する際、商品コードの定義に不一致があると、正しい集計ができません。
メタデータ・データカタログ・データリネージ
メタデータは、データに関する情報です。
例:項目の意味、データ型、作成日時、管理責任者など。
データカタログは、データの所在や意味、利用条件などを整理し、検索・発見しやすくする仕組みです。
データリネージは、データの生成元や加工履歴、利用先などを追跡できるようにする情報です。例えば、BIレポートに誤った数値が表示されたとき、データリネージを確認することで原因となったデータソースや加工処理を調査しやすくなります。
データレイク・DWH・データスワンプ
データレイクは、多様な形式のデータを蓄積する基盤です。
DWH(データウェアハウス)は、分析やレポーティングに適した形でデータを整理・蓄積する基盤です。
データスワンプは、大量のデータを蓄積した結果、適切な管理が行われず、何がどこにあるか分からなくなった状態を指します。
SSOT(Single Source of Truth)
SSOTは、組織が信頼して参照する統一された情報源の考え方です。営業部門と経理部門で異なる売上数値を参照していると、意思決定に混乱が生じます。こうした問題を防ぐために、どのデータを正とするか、どの定義に基づいて集計するかを明確にすることが重要です。
7. データマネジメントの定石12選
試験対策でも実務でも役立つ、データ管理の基本的な考え方を紹介します。
定石1:データの意味と定義を最初に確認する
「売上」という項目でも、受注金額なのか売上計上額なのか、税込みなのか税抜きなのかによって意味が異なります。集計前に項目定義、対象範囲、集計単位を確認しましょう。
定石2:データオーナーを明確にする
品質問題を発見した場合、誰が判断し、誰が改善するかを明らかにする必要があります。データオーナー、データスチュワード、IT部門などの責任分担を整理します。
定石3:マスターデータの管理基準を統一する
顧客コード、商品コード、組織コードなどの体系が部門ごとに異なると、データの統合が困難になります。定義や更新ルールの統一が重要です。
定石4:入力段階で品質問題を予防する
入力後のクレンジングだけでなく、入力チェック、必須項目設定、コード体系の標準化などによって、問題の発生を抑えます。
定石5:品質問題の影響範囲を確認する
誤ったデータが見つかった場合、そのレコードだけでなく、分析結果、レポート、連携先システムへの影響も確認します。
定石6:データの粒度をそろえる
顧客単位、取引単位、商品単位など、データの粒度を確認します。異なる粒度のデータを不用意に結合すると、集計結果が水増しされる場合があります。
定石7:結合キーの意味を確認する
異なるシステムで「顧客ID」という同じ項目名が使われていても、共通の識別子とは限りません。一意性、採番ルール、識別範囲を確認します。
定石8:メタデータを最新に保つ
業務やシステムの変更が発生した際には、データカタログやデータ辞書も更新します。
定石9:暫定対処と恒久対策を区別する
期限が迫っている場合には暫定対応が必要になることもあります。一方、再発防止のためには、入力ルールや業務手順、システム設定などの恒久的な改善が必要です。
定石10:データの利用目的と権限を確認する
アクセスできるデータであっても、あらゆる目的に利用してよいわけではありません。個人情報、機密情報、AI学習への利用などでは、利用目的や契約上の条件を確認します。
定石11:組織が定めた管理場所を利用する
個人PCや管理外クラウドサービスへのデータ保存は、情報漏えいや版管理上の問題につながります。組織が定めた保存場所と運用ルールを遵守します。
定石12:品質改善を継続的に評価する
データ品質の改善は、一度実施して終わりではありません。欠損率、重複率、エラー件数などを指標として効果を測定し、改善を継続します。

8. 公式サンプル問題から読み解く科目Bの出題傾向
IPAは、新設するデータマネジメント試験の科目A・Bのサンプル問題を公開しています。
パターン① データ品質問題への対応
科目Bのサンプル問題では、営業部が管理する商談データに不正な値が混在したケースが登場します。重要なのは、単に誤ったデータを修正することではありません。
品質問題を誰に報告するか
派生データを加工した場合の責任は誰が負うか
恒久対策を誰が実施するか
データカタログを誰が更新するか
「問題の発見→報告→暫定対応→恒久対策→メタデータ更新」という流れを押さえましょう。
パターン② 異なるシステム間のデータ統合
別のサンプル問題では、ECサイトと実店舗の顧客データを統合するケースが登場します。両システムで顧客IDが独立して採番されている場合、そのIDをそのまま結合しても同一顧客を識別できません。
一方、本人認証済みの電話番号など、一意性を確認できる項目があれば、表記形式を統一して暫定的な結合キーとして利用できることがあります。このケースでは、単なる表記ゆれの修正と、共通識別子が存在しないという根本課題を区別することが重要です。

科目B対策のポイント
組織内の管理ルールを確認する
データの意味、粒度、一意性を確認する
表面的な不具合と根本原因を区別する
暫定対処と恒久対策を分けて考える
データオーナーとIT部門の責任を混同しない
技術的な対応だけでなく、業務上の影響を考える
9. 出題予想問題で理解度を確認しよう
ここでは、出題範囲を踏まえたオリジナル問題を紹介します。
問題①:データガバナンス
ある企業では、営業部門と経理部門で顧客の定義が異なり、売上分析に不整合が発生している。
最も適切な対応はどれか。
A. 営業部門の定義を無条件に採用する
B. 全社共通の用語定義を関係部門で整理し、管理責任と変更ルールを明確にする
C. 不整合を無視して部門ごとに分析を続ける
D. データをすべて削除して作り直す
正解:B
データ定義の不一致を解消するには、共通の定義と管理責任、変更管理を整備することが重要です。
問題②:データ品質
顧客マスターに同一顧客の重複レコードが多数存在する。最も適切な恒久対策はどれか。
A. 毎月手作業で重複レコードを削除するだけにする
B. 重複を無視して分析を続ける
C. 発生原因を調査し、登録時の照合・入力チェック・運用ルールを改善する
D. データ分析そのものを中止する
正解:C
既存データの名寄せ・重複排除だけでなく、重複が発生する仕組みそのものを改善する必要があります。
問題③:メタデータ管理
データカタログには「売上金額=税込金額」と記載されているが、システム改修により実際のデータは税抜金額となった。
最も適切な対応はどれか。
A. データカタログを更新し、既存の分析や利用者への影響も確認する
B. データカタログを変更せず放置する
C. データカタログの利用を禁止する
D. システムの全データを削除する
正解:A
データカタログと実際のデータに不整合があると、誤集計や誤判断につながります。
10. おすすめの学習方法
2026年度の基本情報・応用情報・高度試験を受験する方
既存試験の受験者は、出題範囲全体の学習に加えて、データマネジメント領域を重点的に復習しましょう。
STEP 1:重要用語を整理する
データガバナンス、品質管理、メタデータ管理、MDM、データリネージなどの意味を理解します。
STEP 2:類似する用語を比較する
データレイクとDWH、データカタログとデータリネージなど、混同しやすい概念の違いを押さえます。
STEP 3:データ品質問題のケースを学ぶ
データの重複、欠損、定義の不一致などについて、原因と対策を整理します。
STEP 4:既存のIPA過去問で関連知識を確認する
基本情報・応用情報・高度試験の過去問から、データベース、データ分析、セキュリティ、システム監査などの関連問題を復習します。
2027年度のデータマネジメント試験を受験する方
新試験の受験予定者は、次の順番がおすすめです。
IPA公式シラバスで出題範囲を確認する
DMBOKでデータマネジメントの体系を理解する
データ管理の定石をケースと結び付ける
IPA公式サンプル問題を解く
新しいシラバスや追加問題の公開情報を確認する
特に、科目Bに向けては、組織内ルールや問題の条件を読み取り、適切な判断を選ぶ練習が重要です。
11. よくある質問
Q. データベースの知識がなくても受験できる?
データマネジメント試験は、主にビジネスパーソンを対象とした基礎的な試験として設計されています。高度なデータベース技術だけに特化した試験ではありませんが、データモデルやデータ基盤などの基本的なIT知識は必要です。
Q. DMBOKをすべて暗記する必要がある?
DMBOKはデータマネジメントを体系的に理解するための有用な参考資料です。まずはIPA公式シラバスに登場する領域を優先して学習しましょう。
Q. AI関連の知識も出題される?
はい。シラバス案には、生成AI、RAG、AIエージェント、AIガバナンスなどが含まれています。AI技術の仕組みだけでなく、AIを適切に業務で利用するためのデータ管理も重要です。
まとめ:データマネジメントは今後のIPA試験対策でも重要なテーマ
2027年度に新設予定のデータマネジメント試験は、AI時代に必要となるデータ管理能力を評価する新しい試験です。しかし、データマネジメントが重要なのは、この新試験だけではありません。
2026年4月のデジタルスキル標準の改訂、データマネジメント試験の新設、さらにプロフェッショナルデジタルスキル試験におけるデータ・AI領域の整備など、IPAはデータ活用とその基盤となる管理能力を重視する方向へ動いています。
2026年度の基本情報・応用情報・高度試験を受験する方にとっても、データマネジメントは今のうちに対策しておきたい注目分野です。
特に、以下の3つは必ず押さえておきましょう。
① データの品質を維持・改善すること
② データの管理責任と利用ルールを明確にすること
③ データを適切に活用し、意思決定や業務改善につなげること
これらは、データマネジメント試験はもちろん、基本情報・応用情報・高度区分の学習にもつながる重要な考え方です。
AIの普及によって、データ活用の可能性はさらに広がっています。だからこそ、その土台となるデータを正しく管理する能力が、これまで以上に求められています。新試験制度への対応と、今年度のIPA試験対策の両方を意識して、データマネジメントの知識を身につけていきましょう。