メインコンテンツへスキップ
見出し画像

データマネジメント試験はDB試験と何が違う?AI・統計・データ管理の出題範囲を解説

    はじめに

    「2027年から新しく始まるデータマネジメント試験って、どんな資格?」
    「データベースの専門知識が必要なの?」
    「AIやデータサイエンスも出題される?」

    2027年度から、IPA(情報処理推進機構)は、新たに「データマネジメント試験(仮称)」を開始する予定です。試験名だけを聞くと、データベースの設計やSQLなど、ITエンジニア向けの専門試験をイメージするかもしれません。

    しかし、実際には少し違います。
    新試験が重視するのは、データを正しく管理し、分析やAIを活用して、ビジネスの課題解決につなげる能力です。つまり、情報システム部門のエンジニアだけでなく、営業・マーケティング・経営企画など、幅広いビジネスパーソンが対象となっています。

    本記事では、2026年11月7日時点のIPA公式資料を基に、次の内容を解説します。特に、IPAの公式発表で確定している内容と、シラバス・サンプル問題から読み取れる出題予想を区別して整理します。

    • 新試験の設置目的と求められる人材像

    • 試験日程・出題数・試験時間などの基本情報

    • 公式シラバスに掲載された出題範囲と重要用語

    • AI・データサイエンス・データベースがどこまで出題されるのか

    • 科目A・科目Bの公式サンプル問題と解き方

    • 今後出題されそうなテーマとおすすめの学習方法




    1. データマネジメント試験とは?基本情報をチェック

    1-1. 試験概要

    データマネジメント試験は、2027年度の新試験制度で新設される情報処理技術者試験の一つです。IPAは、主にビジネス部門でデータの整備・管理・利活用を担う人材を想定しています。

    画像
    画像

    1-2. 試験スケジュールは?

    2026年11月7日時点で公表されている主なスケジュールは次のとおりです。

    画像

    具体的な試験日や申込開始日、年間の実施回数は、まだ確定情報が公表されていません。CBT方式であることは公表されていますが、年間を通じていつでも受験できるという意味ではありません。最新情報は以下のIPA公式ページで確認してください。


    2. 新試験の設置意図|なぜ今、データマネジメントなのか?

    2-1. データを持っているだけでは、AIは活用できない

    近年、企業では生成AIやBIツール、機械学習などを活用する取組が進んでいます。しかし、どれだけ優れたAIを導入しても、元になるデータに問題があれば、期待する成果にはつながりません。

    例えば、ある企業がAIを使って売上を予測しようとしたとします。ところが、社内のデータには次のような問題がありました。

    • 顧客情報が複数のシステムで重複している

    • 売上金額の定義が部門によって異なる

    • データに欠損値や入力ミスが含まれている

    • 情報が古く、最新の状況を反映していない

    • データを利用する権限やルールが曖昧になっている

    この状態では、分析結果が不正確になったり、機密情報の取扱いに問題が生じたりするおそれがあります。重要なのは、AIを導入する前から、AIが安心して利用できるデータを整えることです。

    画像

    2-2. IPAが育成したいのは「データを使える状態にする人材」

    IPAは、新試験をITパスポートの次のステップとして位置付けています。ITパスポートがIT・デジタル技術の幅広い基礎知識を確認する試験であるのに対して、新試験では、データを業務で適切に管理・活用する知識と判断力をより深く問います。

    例えば、次のような能力です。

    ① データの意味と品質を理解する
    売上データや顧客データが何を表しているかを把握し、間違った解釈や集計を防ぐ。

    ② 組織内のルールに従って管理する
    データの管理責任者を把握し、品質・アクセス権・利用条件に関するルールを守る。

    ③ データから業務改善につなげる
    分析結果を読み取り、原因を考え、改善策を選んで効果を検証する。

    ④ AIを安全かつ適切に使う
    個人情報の保護やAIの出力の信頼性に注意し、業務の目的に合った使い方を判断する。

    ⑤ 他部門と協力してデータ活用を進める
    データの利用者、管理者、IT部門などが協働し、データ活用を組織に定着させる。

    つまり、専門的なシステムを一人で構築する能力だけではなく、業務を理解し、データを適切に扱い、関係者と協力して改善する能力が重視されています。


    3. データベーススペシャリスト試験とは何が違う?

    「データマネジメント」という名前から、既存のデータベーススペシャリスト試験との関係が気になる方もいるでしょう。結論からいうと、データベースに関する基礎知識は含まれますが、既存のデータベーススペシャリスト試験をそのまま踏襲したものではありません。

    両者の主な違いを整理します。

    画像

    DBの知識はどこまで必要?

    データマネジメント試験のシラバスでは、データベース関連の知識として次の用語が掲載されています。

    • データアーキテクチャ

    • データモデル

    • データフロー

    • 概念データモデル・論理データモデル

    • ER図

    • UML

    注目したいのは、データベースを高度にチューニングできることよりも、データの構造や意味を理解し、適切に利用できることに重点が置かれている点です。SQLの高度な最適化やDBMS内部の詳細な動作まで勉強することを、最初から優先する必要はないでしょう。まずは、顧客IDとは何か、二つのデータをどの項目で結び付けるのか、データの定義が違うと何が起こるのか、といった基礎から理解することをおすすめします。


    4. 科目Aの出題範囲|シラバスを詳しく分析

    IPAが2026年8月31日に公開したシラバス案 Ver.0.1では、科目Aの重点分野として次の3領域が示されています。さらに、その他の分野として、データベース、セキュリティ、倫理・コンプライアンスが含まれます。

    1. データマネジメント

    2. データ分析・データ利活用

    3. AI利活用

    画像

    4-1. データマネジメント

    新試験の中心となる領域です。ここで、特に重要な用語を三つ紹介します。

    画像

    データガバナンス
    データを組織として適切に管理・活用するための方針、責任、ルール、統制の仕組みです。例えば、「顧客データの品質には営業部門が責任を持つ」といった責任分担を明確にします。

    データクレンジング
    データに含まれる欠損・重複・表記ゆれなどを検出し、利用目的に応じて修正・整理することです。例えば、「株式会社ABC」と「(株)ABC」を同じ会社として認識できるようにします。

    メタデータ
    ータの意味や構造、作成元、更新頻度、利用条件などを説明する情報です。例えば「売上額」という項目について、税込か税抜か、いつ計上した金額なのかを明確にすることが該当します。これらの用語を単独で暗記するだけでなく、データ品質に問題が生じたとき、誰が、どのようなルールに従って対応するのかまで理解することが重要です。

    さらに詳しく学びたい方には、次の記事もおすすめです。

    4-2. データ分析・データ利活用

    次に注目したいのは、データサイエンスや統計学に関する知識です。

    画像

    ここで重要なのは、データサイエンスの専門家と同じレベルの高度な数学を最初から学ぶことではありません。例えば、次のような場面を考えてみましょう。ある店舗で、広告費を増やした月ほど売上が増えていたとします。このデータだけを見て、「広告費を増やせば必ず売上が伸びる」と結論付けてよいでしょうか。

    実際には、季節的な需要の増加が広告費と売上の両方に影響していた可能性もあります。このように、相関関係があっても、因果関係があるとは限りません。単に計算方法を暗記するのではなく、分析結果をどのように解釈し、意思決定につなげるかを理解する必要があります。統計学やデータ分析が苦手な方は、次の記事から学習するのがおすすめです。


    4-3. AI利活用|生成AIやAIエージェントまで含まれる

    「データマネジメント試験なのに、AIも出題されるの?」
    答えははいです。シラバス案には、生成AIやAIエージェントなどの新しい技術に関する用語も明記されています。

    画像

    特に注目したいのは、2026年時点のシラバスにAIエージェントやハーネスエンジニアリングまで含まれていることです。ただし、ここで問われるのは、AIモデルの内部構造や高度なアルゴリズムを実装する専門能力というより、AIを適切に業務で利用するための基本的な知識です。例えば、AIに社内データを入力するときの注意点、AIの分析結果を人間が検証する必要性、外部のデータを参照するRAGの利用目的などを理解することが重要になります。AIの仕組みを知ることと、AIを安全に使うことの両方が求められると考えましょう。



    5. 科目Bの出題範囲|実務での判断力が問われる

    科目Aが知識を中心に問うのに対し、科目Bでは、実際の業務に近い状況を読み取り、適切な行動を判断する技能が問われます。シラバス案では、次の4領域が示されています。

    画像


    科目Bで重要なのは「誰が・何を・なぜ」

    例えば、顧客データに入力ミスが見つかったとします。そのとき、単に誤ったデータを修正するだけでは、同じ問題が繰り返されるかもしれません。

    考えるべきなのは、次のようなことです。

    • 問題が起こった原因は何か

    • そのデータの管理責任者は誰か

    • 今すぐ行う暫定対応は何か

    • 再発を防ぐための恒久対策は何か

    • 対応の結果を誰が確認するのか

    科目Bでは、こうした業務上の判断を、問題文に示された組織のルールや制約条件に基づいて行う必要があります。

    画像

    6. IPA公式サンプル問題を解いてみよう

    IPAは2026年6月22日に、科目A・科目Bのサンプル問題を公開しました。実際に問題を確認すると、出題形式だけでなく、どのような判断力を重視しているかが見えてきます。ここでは特に特徴的な問題を抜粋・要約して紹介します。


    6-1. 科目A 問1|データガバナンスの目的

    問題の概要
    織でデータガバナンスを確保することが重要なのはなぜか、最も適切な理由を選ぶ問題です。

    正解はアです。
    データの品質・セキュリティを維持し、意思決定の精度向上や法令遵守などを通じて、組織の価値・信頼を高めるという考え方が正しいとされています。一方で、部門ごとにデータを分断することや、IT部門の統制だけを強化することは、ガバナンスの目的を適切に表していません。

    学習ポイント
    データガバナンスは、データを管理するためのルールを作ることだけが目的ではありません。データを安心して共有・活用し、組織の価値創出につなげることが重要です。

    6-2. 科目A 問2|データ品質管理

    問題の概要
    AIやBIツールに利用するデータについて、品質の劣化につながる望ましくない対応を選ぶ問題です。選択肢には、データスチュワードによる品質管理、入力チェック、名寄せ・重複排除などが登場します。

    正解はウです。
    問題の選択肢のうち、望ましくない対応は、データの入力形式を担当者が都度判断するというものです。適切な入力チェックや共通ルールがなければ、表記ゆれや不正な値が発生し、データ品質が低下するおそれがあります。

    学習ポイント
    データ品質は、問題が起きた後に修正するだけでなく、入力段階から予防することが重要です。

    6-3. 科目A 問3|メタデータ管理

    問題の概要
    データの意味や利用ルールなどを表す「ビジネスメタデータ」を適切に管理する方法を選ぶ問題です。

    正解はエです。
    各事業部門が参加して組織共通のビジネスグロッサリーを整備し、継続的に管理することが適切な対応となります。

    学習ポイント
    データの意味は、システムを作ったときに一度決めれば終わりではありません。業務内容の変更に合わせて、データの定義や利用ルールも更新する必要があります。


    6-4. 科目B 問1|データ品質問題の責任は誰が負う?

    科目Bのサンプル問題では、実際の企業活動を想定したケースが登場します。事務機器を販売するA社では、営業部門が生成した商談データを、マーケティング部門が分析に利用しようとしていました。ところが、商談確度のデータに、定義されていない値や未入力の項目が見つかります。このとき、問題を報告する相手、修正したレポートの責任者、恒久対策の担当者、データカタログの更新者を判断します。

    正解は「ウ」です。

    画像

    なぜこのような答えになるのか?
    問題文では、データを最初に生成した部門が元データの管理責任を持つと定めています。したがって、営業部門が生成した元データの品質問題や定義の更新は、営業部門が担当します。一方、マーケティング部門が独自の修正を加えて作ったレポートについては、その成果物を作成したマーケティング部門が説明責任を負います。

    つまり、この問題では、元データの責任と、加工して作成したデータの責任を分けて考えることが重要です。なお、実際の組織では責任分担が異なることもあります。試験では、問題文に示された組織ルールに従って判断しましょう。


    6-5. 科目B 問2|異なるシステムの顧客データを統合する

    もう一つのサンプル問題では、ECサイトと実店舗に分かれた顧客データを統合するケースが登場します。両システムでは、顧客を識別するIDが別々に採番されていました。例えば、同じ顧客でも、次のようになっています。

    画像

    顧客IDが異なるため、そのままでは同一人物として結び付けられません。一方、電話番号はハイフンの有無だけが異なっており、形式を統一すれば同じ番号として扱えます。

    正解は「オ」です。
    この問題では、根本的な課題はチャネルを横断する共通の顧客識別子が存在しないことです。そして、問題文の条件下では、本人認証済みかつ一意性のある電話番号を整形し、暫定的な結合キーとして利用する方法が適切とされています。

    学習ポイントは二つあります。
    一つ目は、単なるデータ形式の違いと、データ管理上の根本課題を区別することです。電話番号のハイフンの有無は、書式の統一によって対応できます。しかし、システムを横断する共通IDがないという問題は、データ管理の仕組みそのものに関わります。

    二つ目は、暫定対応と恒久対策の違いです。電話番号による結合は、問題文の条件下で成立する暫定策です。実務で利用するときは、一意性・認証状況・番号変更や再利用の可能性・個人情報の取扱いなどを確認する必要があります。

    こうしたケースからも、科目Bでは、技術的に処理できるかだけでなく、その判断が業務上適切なのかが重視されていることが分かります。公式問題の全文は、以下から確認できます。


    7. 今後はどのような問題が増える?出題予想

    ここからは、IPA公式シラバス案とサンプル問題から考えられる出題傾向を整理します。

    画像

    特に注目したいのは、データ活用に関する「業務判断」

    公式サンプル問題の特徴は、細かな技術用語の暗記だけでは解けないことです。例えば、データに問題が見つかったとき、次の順番で考えます。

    1. どのデータに、どのような問題があるのか

    2. その問題は、なぜ発生したのか

    3. 誰が責任を持つのか

    4. どのような暫定対応を行うのか

    5. どうすれば再発を防げるのか

    このような実務に近い判断を問う問題は、今後も重要になると予想します。ただし、公開されたサンプル問題は新しい出題内容や形式のイメージを示すもので、実際の試験と同じ問題作成プロセスを経たものではありません。したがって、サンプル問題に登場したテーマだけに絞らず、公式シラバス全体を学習することが重要です。


    8. 何から勉強する?初学者向けのおすすめ学習方法

    新設試験で気になるのが、参考書や学習教材の選び方です。データマネジメント試験の出題範囲は、データ品質管理・ガバナンス・データサイエンス・統計学・AI・セキュリティなど、多岐にわたります。このため、データベースの参考書だけで全体をカバーするのは難しいでしょう。

    また、現時点では、新試験の公式シラバスとサンプル問題に完全対応した教材の充実度について、十分な確認ができていません。そこで、おすすめしたいのが、公式シラバスを学習の基準にして、テーマごとに理解を深めていく方法です。

    画像

    ステップ1:試験全体の構成を理解する

    まず、科目A・科目Bの違いと、どの分野が対象となるのかを把握しましょう。最初から細かな用語をすべて覚える必要はありません。

    ステップ2:データマネジメントの基本を固める

    特に、データ品質・メタデータ・データガバナンス・責任分担を優先して学習することをおすすめします。これらの知識は、科目Bのケース問題を理解するための土台にもなります。

    ステップ3:統計・AI分野を学ぶ

    平均・分散・相関・仮説検定などの基礎から始め、分析結果を正しく解釈できるようにします。AIについては、生成AIやRAGなどの用語だけでなく、安全な利用方法も確認しましょう。

    ステップ4:公式サンプル問題で実践する

    最後に、IPA公式のサンプル問題に挑戦します。特に科目Bでは、正解を覚えるのではなく、問題文のどの条件から、その判断が導かれるのかを説明できる状態を目指しましょう。


    9. データマネジメント・データサイエンス・AIを体系的に学ぶ

    データマネジメント試験の学習で難しいのは、一つひとつの技術が独立しているわけではないことです。例えば、AIで売上を予測するまでには、次のような流れがあります。
    データの収集 → 品質確認・整備 → 統合・管理 → 分析 → AI活用 → 意思決定・改善

    この流れを理解すると、データ品質、メタデータ、DWH、統計学、AIなどの用語が、それぞれどのような役割を持っているのかが見えてきます。本noteでは、これらのテーマを初学者向けに解説した記事を、マガジンにまとめています。

    統計学の基礎からデータマネジメント、データ分析、AI活用まで、図解と具体例で体系的に学習できます。

    • データガバナンスとDMBOK

    • メタデータ・データカタログ・データリネージ

    • データクレンジングとデータ品質

    • データウェアハウス・データレイク

    • 統計学・回帰分析・仮説検定

    • 生成AIとAI活用の基礎


    10. よくある質問(FAQ)

    Q1. データマネジメント試験はいつから始まる?

    2027年度の夏頃から秋頃に開始される予定です。2026年11月7日時点では、具体的な試験日は公表されていません。

    Q2. ITパスポートに合格していないと受験できない?

    ITパスポートの次のステップとして位置付けられていますが、これは学習水準の目安です。受験資格の詳細や制限については、今後の公式案内を確認してください。

    Q3. ITエンジニア以外でも受験できる?

    主にビジネス部門でデータの整備・管理・利活用を担う人材を想定した試験です。営業・マーケティング・経営企画などの職種にも関連する内容です。

    Q4. SQLやプログラミングは必要?

    シラバス案では、データモデルやER図などの基礎知識が対象となっています。高度なSQLチューニングやプログラミング実装は、公開された重点分野ではありません。

    Q5. データサイエンスや統計も出題される?

    はい。相関分析、回帰分析、分散、標準偏差、仮説検定などがシラバス案に含まれています。

    Q6. 生成AIも勉強する必要がある?

    はい。生成AI、RAG、AIエージェント、ハーネスエンジニアリングなどが用語例として掲載されています。ただし、個々の用語が必ず出題されるとは限りません。

    Q7. DMBOKはすべて暗記した方がよい?

    DMBOKはデータマネジメントを体系的に理解するために役立ちます。ただし、DMBOKの全項目を丸暗記する必要があるとIPAが示しているわけではありません。まずは公式シラバスの範囲を優先しましょう。

    Q8. 合格率や難易度は?

    新設試験のため、2026年11月7日時点では実際の合格率は存在しません。ITパスポートよりもデータ活用に関する知識・判断力が深く求められる試験と考えられますが、難易度の正確な評価には本試験の情報が必要です。



    11. まとめ|AI時代に求められる「データを扱う力」

    今回新設されるデータマネジメント試験には、AI時代に必要なスキルの変化が反映されています。これまでIT資格の学習では、システムやデータベースの仕組みを理解することが重視されてきました。もちろん、これらの技術的な知識も重要です。

    しかし、AIやデータ分析が広く使われるようになるほど、データの意味や品質を理解し、適切に管理・活用できることの重要性も高まります。今回の試験を理解するうえで、押さえておきたいのは次のポイントです。

    • 新試験は2027年度の夏~秋頃に開始予定

    • ITパスポートの次のステップとして位置付けられる

    • 科目Aはデータマネジメント・分析・AIが重点分野

    • 科目Bはデータ品質・責任分担・業務判断などの技能を問う

    • データベース技術だけでなく、実務におけるデータ活用が重視される

    新試験は、単に一つの資格が追加されるというだけではありません。企業がデータやAIを活用するために、どのような知識や判断力が必要なのかを学ぶきっかけにもなるはずです。今から準備を始める方は、まずデータ品質・ガバナンス・メタデータの基本を押さえ、そこから統計学やAIへ学習範囲を広げていきましょう。



    関連記事

    参考資料


     
     
    IT資格の勉強法・合格ノウハウを発信。 書籍では追いにくい最新技術や最新動向まで。 試験対策だけでなく実務にも活きる知識をお届け。 【保有資格】 ・IPA:FE、AP、SC ・DB:OracleDB-Gold、OSSDB-Gold ・Cloud:AWS-SAP、OCI-AP

    あなたへのおすすめ