--- title: "【DX】データを理解したい #2 データはどこに存在している？" description: データはどこに存在して、どのように生まれるのかついて解説し、データ活用の基礎を理解するための視点で整理します。 image: https://niigata.insight-lab.co.jp/hubfs/%E3%83%87%E3%83%BC%E3%82%BF%20%E3%82%AF%E3%83%A9%E3%82%A6%E3%83%89%20%E3%83%87%E3%83%90%E3%82%A4%E3%82%B9.jpg --- [![INSIGHT LAB_文字のみ_WHT](https://niigata.insight-lab.co.jp/hs-fs/hubfs/INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF_WHT.png?width=400&height=110&name=INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF_WHT.png) ![INSIGHT LAB](https://niigata.insight-lab.co.jp/hs-fs/hubfs/INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF.png?width=400&height=110&name=INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF.png)](https://niigata.insight-lab.co.jp/) [![ご相談・お問い合わせ](https://hubspot-no-cache-na2-prod.s3.amazonaws.com/cta/default/5935783/776f0ba1-b1ff-427b-8b96-6d9f8a537edd.png)](https://hubspot-cta-redirect-na2-prod.s3.amazonaws.com/cta/redirect/5935783/776f0ba1-b1ff-427b-8b96-6d9f8a537edd) - [ホーム](https://niigata.insight-lab.co.jp/insight-labインサイトラボ新潟研究開発センター) - [データとは](https://niigata.insight-lab.co.jp/data) - [ブログ](https://niigata.insight-lab.co.jp/blog) - [お役立ち資料](https://niigata.insight-lab.co.jp/white-paper) - [セミナー情報](https://niigata.insight-lab.co.jp/blog/tag/%E3%82%A4%E3%83%99%E3%83%B3%E3%83%88) ###### 3 分で読むことができます # [【DX】データを理解したい #2 データはどこに存在している？](https://niigata.insight-lab.co.jp/blog/-dx-データを理解したい-2-データはどこに存在している) 執筆者 [rice](https://niigata.insight-lab.co.jp/blog/author/rice) 更新日時 2026年4月13日 ###### Topics: [データ](https://niigata.insight-lab.co.jp/blog/tag/データ) ![](https://niigata.insight-lab.co.jp/hubfs/%E3%83%87%E3%83%BC%E3%82%BF%20%E3%82%AF%E3%83%A9%E3%82%A6%E3%83%89%20%E3%83%87%E3%83%90%E3%82%A4%E3%82%B9.jpg) こんにちは、riceです。 データを理解したいシリーズ#1[「データとは何か」](https://niigata.insight-lab.co.jp/blog/%E3%83%87%E3%83%BC%E3%82%BF%E3%82%92%E7%90%86%E8%A7%A3%E3%81%97%E3%81%9F%E3%81%84-1-%E3%83%87%E3%83%BC%E3%82%BF%E3%81%A8%E3%81%AF%E4%BD%95%E3%81%8B)では、データと情報の定義、そしてデータがどのように価値へと変わるのかを、DIKWモデルの流れに沿ってご紹介しました。 今回はその続きとして「データはどこに存在しているのか」をテーマにしてみたいと思います。 「データ活用が重要」とよく言われますが、そもそもデータはどこにあり、どのような形で存在し、どのように生まれているのかという基礎部分を整理してみます。   ## データはどこに存在している？ データは、私たちが想像している以上に多くの場所に存在しています。 ここでは「業務システム」「インターネット」「日常生活」という3つの視点で見ていきます。 ### 業務システムの中 企業が日々の業務を行う過程では、様々なシステムにデータが蓄積されています。 > - 販売管理システム：受注・売上・在庫のデータ > - 会計、財務システム：経費・売掛金・仕訳データ > - CRMシステム（顧客関係管理）：顧客情報・商談情報・対応記録 > - POSレジ：販売時点での商品・金額・時間帯のデータ > - ERPシステム（基幹業務）：生産・購買・人事などを一元管理するデータ これらは業務を遂行するために入力・記録されたデータであり、多くの企業にとって最も身近なデータと言えます。   ### インターネット上 インターネット上にも大量のデータが存在しています。 > - SNS投稿（テキスト・画像・動画・コメント） > - Webサイトへのアクセスログ（閲覧日時やページ履歴） > - ECサイトの購買データ > - ニュース記事やブログなどのテキストデータ > - 地図・位置情報データ ここで少し深堀してみましょう。 「インターネット上のデータ」は実際にはどこにあるのでしょうか？ クラウドサービスを利用すると、データは目に見えない場所に保存されているように感じます。しかし実際には、世界各地に存在する物理的なサーバーに保管されています。 Google Cloud や Microsoft Azure では、世界各地にデータセンターを設置し、「リージョン（地域）」と「ゾーン（データセンター群）」という単位で管理しています。 つまり「クラウド上にあるデータ」は、特定の国や地域の物理的な施設に存在しています。   ### 日常生活の中 職場やインターネットだけではなく、日常生活の中にもデータは存在しています。 > - スマートフォンの利用履歴（通話・アプリ・位置情報） > - 交通系ICカード（Suicaなど）の乗降記録 > - 医療機関の診療記録や健康診断結果 > - スマートウォッチや健康アプリからの歩数・心拍数・睡眠データ > - 防犯カメラや監視カメラの映像 こうしてみると私たちは毎日意識せずに、データを生み出しながら生活していることに気付きます。 ## データはどんな形で存在しているのか データは一種類ではなく、形式によって大きく3つに分類されます。 - **構造化データ** あらかじめ決まった形式（表形式など）で整理されたデータです。 Excelの表、データベース上の顧客リスト、売上管理表などが該当します。コンピュータで検索・集計がしやすく、分析に適している点が特徴です。 - 非構造化データ 決まった形式がなく、自由な形で存在するデータです。 テキスト・画像・動画・音声ファイルなどが該当し、近年ではデータの多くが、この非構造化データだと言われています。   - 半構造化データ Excelのような決まった表形式ではないものの、一定のルールに従って書かれているデータです。 代表的な形式として、JSONとXMLがあります。 これらは、API（アプリケーション同士をつなぐ仕組み）で広く利用されており、例えば天気予報アプリが気象データを取得する場合や、ECサイトが在庫情報を確認するときなどに使われています。   ## データはどのように生まれるのか データは主に以下の方法で生まれます。 ### 人が意図的に入力する - フォームやアンケートへの回答 - システムへの受注、顧客情報の入力 - SNSへの投稿、レビューの書き込み 人間が主体となって作成するデータです。目的に合わせた情報を収集しやすい反面、入力漏れやミスが発生することもあります。 ### 機械が自動的に記録する - センサーが収集する温度、湿度、振動のデータ - Webサーバーのアクセスログ - 防犯カメラが撮影する映像データ - スマートフォンや小型デバイスが収集する行動データ 人の手を介さず自動で記録されるため、データを大量かつ継続的に取得できる点が特徴です。IoT（様々なモノがインターネットに接続する技術・仕組み）の普及により、こうした自動記録データは急速に増えています。さらに近年では、各種センサーやカメラを搭載したエッジデバイスが、収集したデータをその場で処理・判断する仕組みも普及しつつあります。   ### 人の行動から生まれる - スマートフォンの位置情報 - ECサイトの閲覧、購買の履歴 - 交通系ICカードの利用履歴 これらは、人が何かを行う結果として生まれるデータです。本人が意識していなくても記録されるという特性があります。   ## データを集めるとは何を指すのか 「データを集める」とは単に情報を集めるだけではありません。実際には、次のような一連のプロセスを指します。 ①目的を決める 「何のためにデータが必要か」を明確にします。目的がないままデータを集めても、あとで活用できないという事態になりかねません。 ②収集方法を選ぶ 目的に応じて、アンケート・センサー・ログ収集・公開データの活用など、適切な方法を選びます。 ③収集・蓄積する 実際にデータを取得し、扱いやすい形で保存します。バラバラな状態では分析ができないため、データベースへの格納やファイル形式の統一なども含まれます。複数の異なるシステムからデータを集める場合は、それぞれの形式や構造が異なることが多く、ただ「集める」だけでは活用できません。 ④整理・加工する 収集したデータには、重複・欠損・入力ミスなどが含まれることがあります。クレンジングと呼ばれる整理・加工の作業を行い、分析できる状態に整えます。 この一連の流れは「ETL」という概念で体系化されています。 ETLとは、Extract（抽出）・Transform（変換）・Load（ロード）の頭文字を取ったもので、複数のデータソースからデータを抽出し、目的に合った形に変換・加工したうえで、分析に使うデータウェアハウス（データの倉庫）などに格納するプロセスを指します。 データを集めるとは単なる入手にとどまらず、目的設定から整理・加工までを含むプロセス全体を意味します。 参考資料：[IBM What is ETL](https://www.ibm.com/think/topics/etl) 参考資料：[Microsoft Azure Data Residency in Azure](https://azure.microsoft.com/en-us/explore/global-infrastructure/data-residency) 参考資料：[Getting Started with Edge AI on NVIDIA Jetson](https://developer.nvidia.com/blog/getting-started-with-edge-ai-on-nvidia-jetson-llms-vlms-and-foundation-models-for-robotics/) 参考資料：[Google Cloud Documentation 地域とリージョン](https://docs.cloud.google.com/docs/geography-and-regions?hl=ja) --- おわりに 今回は「データはどこに存在しているのか」というテーマから、データの形式・生まれ方・集め方を整理しました。 「データがどこにあり、どのように生まれているのか」はとても基礎的な部分ですが、データやデータ活用を理解するうえで大切な視点ではないでしょうか。 次回以降も、引き続きデータに関するテーマをご紹介していけたらと思います。   - [Tweet](https://twitter.com/share) ![rice](https://niigata.insight-lab.co.jp/hubfs/rice.jpg) #### 執筆者 [rice](https://niigata.insight-lab.co.jp/blog/author/rice) 新潟県新潟市生まれ、蕎麦屋の娘として生まれ育ち、和菓子屋、不動産屋を経験し、INSIGHT LABの新潟ビジョンに共感し、2021年に入社。慣れないIT企業で四苦八苦。２児の母。 ###### [前の投稿](https://niigata.insight-lab.co.jp/blog/-it-ジオパトリエーション) [![](https://niigata.insight-lab.co.jp/hubfs/%E3%82%AF%E3%83%A9%E3%82%A6%E3%83%89%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF%E3%82%92%E5%AE%89%E5%85%A8%E3%81%AA%E5%A0%B4%E6%89%80%E3%81%AB%E7%A7%BB%E3%81%99%E3%82%A4%E3%83%A1%E3%83%BC%E3%82%B8.jpg)](https://niigata.insight-lab.co.jp/blog/-it-ジオパトリエーション) ###### [【IT】ジオパトリエーション｜データを守る新しい戦略](https://niigata.insight-lab.co.jp/blog/-it-ジオパトリエーション) ###### [次の投稿](https://niigata.insight-lab.co.jp/blog/マークダウン形式とは基本の書き方と活用法) [![](https://niigata.insight-lab.co.jp/hubfs/AZ2yxVOssaMXG28nCt9Xgg-AZ2yxVOsCTPNsa-8FKWllQ.jpg)](https://niigata.insight-lab.co.jp/blog/マークダウン形式とは基本の書き方と活用法) ###### [マークダウン形式とは？基本の書き方と活用法](https://niigata.insight-lab.co.jp/blog/マークダウン形式とは基本の書き方と活用法)   ## こちらの記事もおすすめです ###### 1 分で読むことができます。 #### [Xアナリティクス（無料版）の確認方法と運用中の過去ポストを振り返ってみた](https://niigata.insight-lab.co.jp/blog/xアナリティクスへのログイン方法とインプレッション数を調べてみた件) ###### 2024年 2月 20日 by rice ###### 3 分で読むことができます。 #### [ワールドカップを支えるテクノロジーとは？IMUとVAR技術について](https://niigata.insight-lab.co.jp/blog/worldcup) ###### 2022年 12月 13日 by donut ###### 3 分で読むことができます。 #### [【ご紹介】やる気と作業興奮の関係について](https://niigata.insight-lab.co.jp/blog/motivation-concentration) ###### 2025年 5月 9日 by donut ##### INFORMATION INFORMATION - [会社概要](https://www.insight-lab.co.jp/about/company.html) - [お問い合わせ](https://contact.insight-lab.co.jp/main) ##### MENU MENU - [ホーム](https://niigata.insight-lab.co.jp/insight-labインサイトラボ新潟研究開発センター) - [データとは](https://niigata.insight-lab.co.jp/data) - [ブログ](https://niigata.insight-lab.co.jp/blog) - [お役立ち資料](https://niigata.insight-lab.co.jp/white-paper) - [セミナー情報](https://niigata.insight-lab.co.jp/blog/tag/%E3%82%A4%E3%83%99%E3%83%B3%E3%83%88) ##### 新着記事 新着記事 ###### [【まとめ】2025年の新潟ブログを一挙にご紹介！](https://niigata.insight-lab.co.jp/blog/-ご紹介-2025年の新潟ブログをまとめてご紹介) こんにちは、riceです。 ... [![Logo_yoko_C+W](https://niigata.insight-lab.co.jp/hs-fs/hubfs/Logo_yoko_C+W.png?width=2025&height=540&name=Logo_yoko_C+W.png "Logo_yoko_C+W")](https://www.insight-lab.co.jp/) - [プライバシーポリシー](https://niigata.insight-lab.co.jp/ja/privacy/) Copyright © 2020 INSIGHT LAB, Inc.