データ品質
Data Quality
AI用語解説
AIに学習・分析させるデータの正確さ・完全さ・整合性の高さのことです。データ品質が低いと、AIの精度も低くなります。
さらに詳しく解説
データ品質とは、AIや分析ツールに入力するデータが、どれだけ正確・完全・一貫しているかを示す概念です。AI業界では「Garbage in, Garbage out（ゴミを入れればゴミが出る）」という言葉があり、データ品質がAI精度を左右する最大の要因とも言われます。
低品質なデータの例としては、表記ゆれ（「株式会社」と「(株)」が混在）、欠損値（空白や未入力項目）、重複データ、古い情報のまま放置されたマスターデータなどがあります。
中小企業でよくある失敗として、「長年Excelで管理していた顧客データをそのままAIに渡したが、フォーマットがバラバラで使えなかった」というケースがあります。AI導入前に必ずデータクレンジング（データの整備・清書）の工程を設けることが重要です。
データ品質の管理は一度きりではなく、日々の業務でデータを入力・更新する際のルール整備（入力規則の統一など）を継続的に行うことが、AIの精度を維持し続ける秘訣です。
中小企業での活用ポイント
使いどころ
データ品質は、業務の判断基準や顧客対応、社内ナレッジを整理するときに確認しておきたい用語です。導入前に意味を揃えることで、ツール選定や社内説明のズレを減らせます。
注意点
言葉だけを先に決めるのではなく、どの業務で使うか、誰が確認するか、成果をどう測るかまで一緒に整理することが重要です。