はじめに
データカタログについて検討する場面があり、どんなものか調べてみた内容を備忘録として残す。
※本投稿は投稿者の個人的解釈を含みます。所属に関わらない個人的な意見です。
データカタログとは
組織が持つデータ資産のメタデータを一元管理し、誰でも必要なデータをすぐに探し出せるようにする仕組み。
「データについてのデータ（メタデータ）」を管理するのがポイントで、データそのものは保存しない。
図書館に例えると、蔵書（データ）ではなく蔵書目録（どの棚に何があるか）を管理するイメージ。
参照: GENIEE's library「データカタログとは？」 (2026/04/22)
なぜ「データカタログ」が必要とされているのか
ガートナージャパンの2025年調査によると、全社的にデータ活用の十分な成果を得ている日本企業はわずか2.4%。
その理由の上位が以下の3つ：
- 必要なデータが手に入りにくい
- データを理解・活用することが困難
- データの品質・信頼性が低い
→ データカタログはまさにこれを解決するためのツール。
市場規模もかなり急成長していて、ITRの調査（『ITR Market View：DBMS/BI市場2026』2026年1月）によると、国内データカタログ市場の2024年度成長率は前年度比132.7%、2025年度は**138.5%**の成長見込み。
参照: GENIEE's library「データカタログとは？」 (2026/04/22)
参照: Quollio Technologies報道
データカタログの主な機能
1. メタデータの自動収集と検索
- データソース（DB・クラウドストレージ・BIツールなど）に接続してスキーマを自動クロール
- 新しいテーブルが追加されると自動反映
- GoogleライクなキーワードでOrg全体を横断検索できる
2. データリネージ（来歴追跡）
- データが「どこから来て、どこへ流れているか」を可視化
- 「このダッシュボードの数値は何のテーブルから計算されてる？」に答えられる
- 上流で障害が起きたとき、影響するレポートを即座に特定できる
3. ビジネス用語集 ＆ データプロファイリング
- 組織内で「売上」「アクティブユーザー」などの定義を統一管理
- NULL率・重複率・値の分布などの品質指標を自動計算
参照: GENIEE's library「データカタログとは？」 (2026/04/22)
管理するメタデータの種類
| 種類 | 主な内容 | 具体例 |
|---|---|---|
| テクニカルメタデータ | スキーマ・データ型・テーブル間の関係 | カラム名・データ型・外部キー関係 |
| ビジネスメタデータ | 業務上の意味・オーナー・利用目的 | 「売上」の定義・データオーナー部門 |
| オペレーショナルメタデータ | 更新頻度・処理履歴・アクセスログ | 最終ETL実行日時・バッチ成否 |
参照: GENIEE's library「データカタログとは？」 (2026/04/22)
導入でどんな改善につながるか
技術的な説明だけだと理解を得づらい。「現場で何が困っていて、どう変わるか」で考えてみる。
課題① データが「どこにあるか」わからない
部署ごとに異なる名前でデータが格納されていることがよくある。マーケ部門の「顧客購買履歴」と営業部門の「販売実績」が実は同じデータだったり、逆に似た名前なのに別物だったりする。
結果として「データを探す」ことに大量の時間が消費される。アナリストが本来やるべき分析ではなく、データ探しに何時間も使うのは機会損失そのもの。
カタログ導入後： 横断検索で一発。「顧客」「売上」などのキーワードで全データソースを横断でき、誰がオーナーか・最終更新日・品質情報まで一画面で確認できる。
参照: データ総研「データ活用を成功させるカギはデータカタログ」 (2026/04/30)
参照: Databricks「データカタログ用語解説」
課題② 「このデータ、使っていいの？」が判断できない
金融機関の例がわかりやすい。顧客属性データや取引履歴を使った施策を考えたとしても、そのデータが「最新か」「同意を得た利用範囲か」「個人情報の取り扱いルールはどうなっているか」がすぐ確認できないと、一歩踏み出せない。確認作業だけで数日かかることもある。
カタログ導入後： データに品質スコア・機密フラグ・取扱ルールが紐付いており、使う前に確認が完結する。「聞きに行く」というボトルネックがなくなる。
参照: データ総研「データ活用を成功させるカギはデータカタログ」 (2026/04/30)
課題③ ダッシュボードの数値を信じていいかわからない
「この売上の数字、どこから来てるの？」に答えられない状態は意外と多い。広告の直接的な売上だけなのか間接的な売上も含むのか、集計ロジックがブラックボックス化されると、データを使った意思決定そのものが怪しくなる。
カタログ導入後： データリネージ機能で「このKPIはどのテーブルを経由してどう計算されたか」が追跡できる。ダッシュボードの数値の根拠を示せるようになり、意思決定の信頼性が上がる。
参照: データ総研「データ活用を成功させるカギはデータカタログ」 (2026/04/30)
課題④ 担当者が変わるとデータの知識が消える
設計書が陳腐化する、引き継ぎドキュメントが整備されない、という問題は「データの意味が人の頭の中にしかない」から起きる。
カタログ導入後： メタデータとして組織に蓄積されるため、担当者交代後もデータの定義・来歴・オーナーが確認できる。「あの人しか知らない」状態を防ぐ。
参照: GENIEE's library「データカタログとは？」 (2026/04/22)
課題のまとめ
| 課題 | 現状のコスト | カタログ導入後 |
|---|---|---|
| データ探しに時間がかかる | アナリストの稼働時間の浪費 | 横断検索で即座に発見 |
| データの利用可否が判断できない | 確認作業で意思決定が遅れる | メタデータで即判断 |
| 数値の根拠がブラックボックス | 意思決定の信頼性が低下 | リネージで計算根拠を追跡 |
| 属人化・ドキュメント陳腐化 | 担当者交代でナレッジが消える | メタデータとして組織に蓄積 |
エンジニアには「設計書が腐る問題」、上位層には「意思決定の質とスピードが上がる」という軸で話すと伝わりやすい。
SnowflakeにおけるデータカタログはHorizon Catalog
Snowflakeでのデータカタログに相当するのが Horizon Catalog。
単独のサービスではなく、以下の5つの機能群の総称：
- コンプライアンス
- セキュリティ
- プライバシー
- 相互運用性
- アクセス
参照: Snowflake公式ドキュメント「Snowflake Horizon カタログ」
参照: レック・テクノロジー「Horizon Catalogの機能まとめ」 (2025/10/10)
Horizon Catalogの主な機能
コンプラ
| 機能 | 概要 |
|---|---|
| アクセス履歴 |
ACCOUNT_USAGE.ACCESS_HISTORY でオブジェクトのアクセス履歴を確認。未使用データの検出、監査対応に使える |
| オブジェクトの依存関係 |
ACCOUNT_USAGE.OBJECT_DEPENDENCIES でオブジェクト間の依存関係を確認。変更影響の把握に使える |
| データリネージ | Snowsight の「Lineage」タブでオブジェクト間の関係を視覚的に確認できる |
| データの品質管理 | データメトリック関数（DMFs）でNULL値・重複値を検出し、品質管理ができる |
セキュリティ
| 機能 | 概要 |
|---|---|
| アクセス制御 | DAC（任意アクセス制御）・RBAC（ロールベース）・UBAC（ユーザーベース）の3方式を組み合わせ |
| 行アクセスポリシー | ロールなどの条件で参照できる行を制限 |
| マスキングポリシー | 列レベルでのマスキング（条件によって値を隠す） |
| Trust Center | セキュリティ推奨事項を定期評価・モニタリング |
| 暗号化 | 保存データはAES 256bit、転送データはTLS 1.2以上で暗号化 |
プライバシー
| 機能 | 概要 |
|---|---|
| 差分プライバシー | クエリ結果にノイズを付加して、差分攻撃から機密情報を保護 |
| 集計ポリシー | 個人データへのSELECTを集約関数のみに制限できる |
| 結合ポリシー | 他テーブルとJOINしていない場合は値を返さないよう制限できる |
| 合成データ | 機密データの統計的特性を保持した偽コピーを作成できる |
| クリーンルーム | 複数組織間でプライバシーを保ちながらデータ共有できる |
相互運用性
| 機能 | 概要 |
|---|---|
| Open Catalog | Apache Polarisベースのフルマネージドカタログ。Iceberg REST互換の各種クエリエンジンからアクセス可能 |
アクセス（ディスカバリ）
| 機能 | 概要 |
|---|---|
| Universal Search | Snowflakeアカウント内オブジェクト・Marketplace・ドキュメントを横断検索。自然言語検索にも対応 |
| 機密データ自動分類 | 機密データを自動検出してシステムタグを付与。個人の属性（名前・年齢など）や識別子として分類される |
| データ共有 / 内部Marketplace | 組織内のデータ製品をセルフサービスで共有できるハブ |
参照: Snowflake公式ドキュメント「Snowflake Horizon カタログ」
参照: レック・テクノロジー「Horizon Catalogの機能まとめ」 (2025/10/10)
参照: Zenn「Snowflake Summit2025参加記 What's new? Horizon Catalog」 (2025/06)
Horizon Catalogの最新動向（2025年末〜）
Snowflake BUILD 2025（2025年11月）での発表内容：
- セマンティック検索（NLP + RAG）が強化され、自然言語でのデータ探索が改善
- 外部クエリエンジンからのIcebergテーブルアクセスがパブリックプレビューに。以前はOpen Catalog（Apache Polaris）経由が必要だったが、Snowflakeアカウント内でトークン発行するだけで外部エンジンからクエリできるようになった
- Select StarのデータリネージやディスカバリーをHorizon Catalogに統合することが優先事項として挙げられている
参照: DevelopersIO「2025年11月26日号 Modern Data Stack情報まとめ」
参照: snowflake.help「Horizon Catalog: AI Data Discovery & Governance Updates」 (2025/11)
まとめ
- データカタログ = メタデータを一元管理してデータを探しやすくする仕組み
- 国内市場は2024〜2025年で130〜138%成長という急拡大フェーズ
- 業務価値は「探す時間の削減」「利用可否の即判断」「数値根拠の可視化」「属人化防止」の4軸
- SnowflakeのHorizon Catalog = カタログ・ガバナンス・セキュリティ・プライバシー・相互運用性をまとめた機能群の総称
- Snowsightのデータリネージ・Universal Search・機密データ自動分類あたりが特に実務で使いやすそう
- 2025年末以降はセマンティック検索・外部エンジン連携が強化されてきている