データ活用・ETLの課題とは？｜DXを阻む3大要因と日本の現状

本レポートは、公的機関（IPA/総務省）および信頼できる年次調査（dbt Labs、Preciselyなど）の一次情報をもとに、編集部が数値を抽出・再作図したものです。図表の元データは各出典をご確認ください。

1.調査結果トピック

• DX成果は“全社的データ活用”の成熟度と相関。成果あり企業のほうが「全社で利活用」割合が高い（33.2% vs 18.8%）。
• 日本企業は「人材・管理基盤・文化」の課題が突出。レガシー対応の遅れも大きく、データ活用を阻害。
• 品質・観測性への投資は一貫して最優先級。AI活用が進んでも、現場は依然“データ準備”に最も時間を割いている。

2. 企業のデータ活用状況とDX成果

以下のグラフは、「DXの成果が出ている」と回答した企業と「成果が出ていない」と回答した企業のそれぞれに、「全社でデータを利活用しているかどうか」を尋ねた結果です。

図1：データを全社で利活用している割合（成果あり/なし・日本）

出典>「DX動向2025」日米独比較で探る成果創出の方向性「内向き・部分最適」から「外向き・全体最適」へ | 社会・産業のデジタル変革 | IPA 独立行政法人 情報処理推進機構

DX成果が出ている企業では「全社でデータを利活用」が33.2%で、部門間でデータを共有・分析する文化が成果創出に寄与していると考えられます。成果が出ていない企業では18.8%。+14.4ptの差は、ETL/ELTを含むデータ基盤の整備と文化浸透の重要性を示唆します。

3. 日本企業のボトルネック（国際比較）

以下のグラフは、日本、アメリカ、ドイツの3国に「データ整備・管理・流通の課題」を尋ねた結果です。

図2：データ整備・管理・流通の課題（日本・アメリカ・ドイツの比較）

出典>「DX動向2025」日米独比較で探る成果創出の方向性「内向き・部分最適」から「外向き・全体最適」へ | 社会・産業のデジタル変革 | IPA 独立行政法人 情報処理推進機構

日本は「データ管理システムが整備されていない」「全社的なデータ利活用の方針や文化がない」「人材の確保が難しい」が、他国に比べて高水準となっています。
特に「データ管理システムが整備されていない」は他国に比べ突出しており、これはレガシーシステムへの対応の遅れが要因となっていると考えられます。

4. データ活用の“目的”とETL設計の接続

以下のグラフは、デジタルデータの収集・解析の目的を尋ねた結果です。

図3：デジタルデータ収集・解析の目的（導入企業・複数回答/日本）

出典>通信利用動向調査 令和5年通信利用動向調査 | ファイル | 統計データを探す | 政府統計の総合窓口

効率化・業務改善が最多となりました。目的に応じて「必要データ→ETLの接続先/変換/ロード」を設計すると、可視化・AI活用までのリードタイム短縮に直結します。

5. データ品質・観測性の重要性

以下のグラフは、データに関して企業が感じている課題をグローバル調査した結果です。
「Precisely」と「dbt Labs」での調査結果を組み合わせたグラフです。

図4：ベンダー横断の“品質課題”3本比較（Precisely×dbt）

出典>Data Quality Challenges: 2025 Planning Insights / 2024 State of Analytics Engineering, crafted by dbt Labs | dbt Labs

全体として、データ品質問題が原因の“データ不信”が広がっています。
「データ品質が最大の課題」とする企業は64%に上り、データ品質の悪さがBIやAIプロジェクトの成果を阻害している現状が示されています。

6. 将来投資の優先領域

以下は、「データ品質の悪さ」を主要課題に挙げる割合を示したグラフです。

図6：品質/観測性への投資トレンド（年次比較）

出典>2024 State of Analytics Engineering, crafted by dbt Labs | dbt Labs / The 2025 State of Analytics Engineering Report, crafted by dbt Labs | dbt Labs

2年連続で50％以上を記録しており、データ品質は依然として企業の課題となっていることがわかります。

7. オペレーションの現実：現場は何に時間を使っているか

以下は、「データ準備」に最も時間を使う比率を調査した結果です。

図8：“データ準備（維持・整理）”に最も時間を使う比率（2024→2025）

出典>2024 State of Analytics Engineering, crafted by dbt Labs | dbt Labs / The 2025 State of Analytics Engineering Report, crafted by dbt Labs | dbt Labs

生成AIの利用が拡大した現在でも、現場の工数の首位は依然としてデータ準備（55%→57%）であることがわかります。ETL/ELTにテスト・監視・メタデータ管理を組み込む投資対効果が高いことを示します。

『デジタル化の窓口』とは

『デジタル化の窓口』は、SaaSをはじめとするIT製品・サービスの導入事例や特徴、選び方をわかりやすく紹介するサービスです。
法人ユーザーは自社に最適なITサービスを見つけることができ、SaaS事業者は導入事例とあわせて法人ユーザーへ自社サービスを訴求することができます。

• 『デジタル化の窓口』公式サイト：https://digi-mado.jp/
• IT事業者様向けサービス概要：https://digi-mado.jp/vendor/

調査の詳細

図表はすべて編集部が一次ソースから数値を抽出・再作図しています。
複数回答/サンプルサイズ（n）/調査年は各図のキャプションと出典に準拠します。

グラフ作成に利用したデータの引用元は以下の通りです。

• IPA『DX動向2025（データ集）』図表2-2「データ利活用の状況（日本・DX 成果別） 」（2025年6月公開）
• IPA『DX動向2025（データ集）』p.33「データ整備・管理・流通の課題（国別）」（2025年6月公開）
• 総務省『令和5年 通信利用動向調査（企業編）』表25（2024年6月公開）
• Precisely『2025 Planning Insights: Data Quality』（2024年11月公開）
• dbt Labs『State of Analytics Engineering 2024』（2024年4月公開）
  『State of Analytics Engineering 2025』（2025年4月公開）

調査元記事URL：https://digi-mado.jp/article/111264/

※引用、転載の際は出典元として『デジタル化の窓口』と調査元記事URLの明記をお願いいたします。