Amazon DataZone v2.0 完全ガイド 2026

エンタープライズデータポータル・ガバナンス・データメッシュ基盤

Amazon DataZone は、データカタログ・ガバナンス・アクセス管理を統合したエンタープライズデータポータルサービス です。組織内の S3・Redshift・Glue・Athena のデータを一元的に検索・発見・アクセス申請でき、ドメイン別に分散したデータプロデューサーとコンシューマーを繋ぐデータメッシュアーキテクチャを実現します。本ドキュメントは DataZone の概念・アーキテクチャ・実装・最新動向を体系的に解説します。

ドキュメントの目的

本ガイドは以下を対象としています。

初心者向け：DataZone とは何か、Glue Data Catalog との違いを学びたい方
データエンジニア向け：DataZone ドメイン・プロジェクト・アセット管理の実装
ビジネスアナリスト向け：セルフサービスデータ発見・アクセス申請・ビジネスグロッサリー活用
データガバナンス向け：データ分類・メタデータ管理・コンプライアンス対応
意思決定者向け：Collibra・Alation・OpenMetadata・DataHub との比較判断

概要と本質
DataZone が解決する課題
主な特徴
アーキテクチャ
コアコンポーネント
ドメイン：組織構造
プロジェクト：チーム別ワークスペース
データ資産：カタログ・メタデータ
ビジネスグロッサリー：統一用語定義
データソース統合
自動化：Auto-discovery・AI
アクセス管理：承認ワークフロー
Lake Formation 統合
メタデータ管理・カスタム属性
データ品質・プロファイリング
監査・コンプライアンス
API・SDK
CLI による実装例
Infrastructure as Code
Glue Data Catalog との比較
類似サービス比較
主要ユースケース
ベストプラクティス
トラブルシューティング
2025-2026 最新動向
学習リソース
実装チェックリスト
まとめ

概要と本質

初心者向けメモ：DataZone は「技術者向けの Glue Data Catalog」ではなく、「全社員が使えるセルフサービスデータポータル」です。ビジネスユーザーがデータを発見・申請・利用できる、データメッシュの実装基盤です。

DataZone の位置づけ

graph TB
    subgraph OrgStructure["組織構造"]
        FinanceDomain["Finance ドメイン"]
        SalesDomain["Sales ドメイン"]
        EngineeringDomain["Engineering ドメイン"]
    end
    
    subgraph DataAssets["データ資産"]
        FinanceData["財務データ<br/>収益・コスト"]
        SalesData["営業データ<br/>顧客・取引"]
        TechData["技術データ<br/>ログ・メトリクス"]
    end
    
    subgraph Portal["DataZone ポータル"]
        Catalog["カタログ検索"]
        Request["アクセス申請"]
        Glossary["用語定義"]
    end
    
    subgraph Consumers["データコンシューマー"]
        Analysts["アナリスト"]
        DataScientists["データサイエンティスト"]
        Executives["経営陣"]
    end
    
    OrgStructure --> DataAssets
    DataAssets --> Portal
    Portal --> Consumers

DataZone が解決する課題

課題	従来のアプローチ	DataZone による解決
データサイロ	各部門が独立したデータ管理	DataZone ポータルで横断検索・発見
データ発見	「どのデータがどこにあるか不明」	カタログ化・タグ・ビジネスメタデータで検索性向上
アクセス申請プロセス	メール・チケット・口頭依頼	DataZone 承認ワークフロー・自動付与
メタデータ管理	スプレッドシート・Wiki（非同期）	一元的な Catalog + 自動取り込み
用語定義の統一	「顧客」の定義が部門ごとに異なる	ビジネスグロッサリーで統一
ビジネス価値の可視化	「このテーブルは誰が使ってるのか」不明	利用統計・オーナー・リネージ表示
規制対応	GDPR・HIPAA への準拠確認が困難	監査ログ・データ分類・アクセス追跡

主な特徴

1. セルフサービスデータポータル

DataZone Web UI：
  ├── 検索：全社データを横断検索
  ├── 詳細表示：ビジネスメタデータ・説明・オーナー
  ├── アクセス申請：ワンクリックで権限申請
  ├── ビジネスグロッサリー：用語定義参照
  └── 利用統計：人気データ・最近更新

2. ドメイン別ガバナンス

ドメイン（Finance / Sales / Engineering）
  ├── Domain Owner：部門のデータ責任者
  ├── Projects：チーム単位のワークスペース
  ├── Data Assets：部門が所有するデータ
  └── Governance Policies：部門固有のルール

3. 自動化・AI 機能

Auto-discovery:
  ├── Glue Catalog スキャン
  ├── Redshift テーブル自動登録
  ├── S3 フォルダ構造からの推測
  └── 定期同期（差分更新）

Generative AI（2026）:
  ├── メタデータ自動生成
  ├── データ利用シーン推奨
  └── データ関連性の自動検出

4. Lake Formation 統合

アクセス申請 → 承認 → Lake Formation に自動付与
  ├── 申請者：「orders テーブルをリクエスト」
  ├── オーナー：申請承認
  └── Lake Formation：SELECT 権限を自動付与（列・行制御も自動適用）

アーキテクチャ

DataZone 統合アーキテクチャ図

graph TB
    subgraph ProducerOrg["データプロデューサー組織"]
        FinanceDomain["Finance Domain<br/>Owner: CFO"]
        SalesDomain["Sales Domain<br/>Owner: VP Sales"]
    end
    
    subgraph DataSources["データソース"]
        S3["S3<br/>Raw Data"]
        Redshift["Redshift<br/>DW"]
        Glue["Glue Catalog<br/>Metadata"]
    end
    
    subgraph DataZone["Amazon DataZone"]
        Catalog["カタログ<br/>Data Assets"]
        Glossary["グロッサリー<br/>ビジネス用語"]
        Projects["プロジェクト<br/>Team Workspace"]
    end
    
    subgraph ConsumerOrg["データコンシューマー"]
        Analysts["データアナリスト"]
        DataScientists["データサイエンティスト"]
        Executives["経営陣"]
    end
    
    ProducerOrg -->|Publish| DataSources
    DataSources -->|Catalog| DataZone
    DataZone -->|Subscribe| ConsumerOrg

コアコンポーネント

1. ドメイン（Domain）

定義：
  組織の最上位単位
  複数プロジェクト・資産を含む
  Domain Owner が管理責任を持つ

例：
  Finance Domain:
    - Owner: CFO / Finance Manager
    - Projects: Financial Reporting, Cost Analysis
    - Assets: GL, AR, AP テーブル
  
  Sales Domain:
    - Owner: VP Sales
    - Projects: Pipeline Management, Territory Analysis
    - Assets: Customers, Orders, Opportunities

2. プロジェクト（Project）

定義：
  チーム・ユースケース単位のワークスペース
  データ資産の公開・消費を行う場所

例：
  Finance Domain / Financial Reporting Project:
    - メンバー：Finance Analyst × 3、CFO
    - 公開資産：GL、AR、AP、Profit & Loss Statement
    - 購読資産：Sales Orders（営業ドメインから）

3. データ資産（Data Asset）

定義：
  Glue テーブル・S3 フォルダ・Redshift テーブル
  ビジネスメタデータを付与したカタログオブジェクト

例：
  Asset: orders
    - Owner: sales-team
    - Description: "顧客注文トランザクション"
    - Business Terms: [Order, Customer, Revenue]
    - Tags: [Sales, High-Priority, Updated-Daily]
    - Quality: 95% (null 値 5%)
    - Popularity: 87 views/month

4. ビジネスグロッサリー（Glossary）

定義：
  組織全体の統一された用語定義
  データとビジネスコンセプトを関連付け

例：
  Term: Customer
    - Definition: "商品またはサービスを購入した法人・個人"
    - Related Terms: [Account, Contact, Prospect]
    - Data Assets: customers, accounts, crm_contacts
    - Owner: Sales Operations

  Term: Revenue
    - Definition: "商品販売による売上金額（返品・割引を差引後）"
    - Calculation: "SUM(order_items.quantity * order_items.unit_price)"
    - Data Assets: order_items, revenue_ledger

ドメイン

ドメイン作成・管理

import boto3

datazone = boto3.client('datazone', region_name='ap-northeast-1')

# Domain 作成
domain_response = datazone.create_domain(
    Name='Finance',
    Description='Financial data governance and analytics',
    KmsKeyIdentifier='arn:aws:kms:ap-northeast-1:123456789012:key/12345678-1234-1234-1234-123456789012'
)

domain_id = domain_response['id']

# Domain Member 追加（Domain Owner）
datazone.create_domain_unit(
    DomainIdentifier=domain_id,
    Name='Finance_Team',
    Description='Finance domain ownership'
)

# Domain Access Control
datazone.update_domain(
    Identifier=domain_id,
    SingleSignOnConfiguration={
        'Enabled': True,
        'ProviderIdentifier': 'arn:aws:iam::123456789012:saml-provider/ExternalIdP'
    }
)

print(f"Domain created: {domain_id}")

プロジェクト

プロジェクト作成・メンバー管理

# Project 作成
project_response = datazone.create_project(
    DomainIdentifier=domain_id,
    Name='Financial Reporting',
    Description='Monthly financial report preparation'
)

project_id = project_response['id']

# Project Member 追加
datazone.create_project_member_invitation(
    DomainIdentifier=domain_id,
    ProjectIdentifier=project_id,
    UserIdentifier='arn:aws:iam::123456789012:user/analyst@company.com',
    Designation='PROJECT_OWNER'
)

# リソース割り当て（S3 バケット）
datazone.associate_environment_role(
    DomainIdentifier=domain_id,
    EnvironmentIdentifier='env-xxxxx',
    EnvironmentRoleArn='arn:aws:iam::123456789012:role/datazone-project-role'
)

データ資産

Glue Catalog からの自動取り込み

# Auto-discovery：Glue Catalog スキャン
datazone.create_data_source(
    DomainIdentifier=domain_id,
    Name='glue-catalog-source',
    Type='GLUE',
    Configuration={
        'glueConnection': {
            'connectionName': 'default'
        }
    },
    EnvironmentIdentifier='env-xxxxx'
)

# データ資産を公開
datazone.publish_data_asset(
    DomainIdentifier=domain_id,
    AssetIdentifier='glue://finance_db.revenue_ledger',
    BusinessNameAssetIdentifier='Revenue Ledger'
)

# ビジネスメタデータ追加
datazone.update_asset(
    DomainIdentifier=domain_id,
    AssetIdentifier='glue://finance_db.revenue_ledger',
    BusinessMetadata={
        'description': 'General Ledger revenue accounts',
        'owner': 'CFO',
        'updateFrequency': 'Daily',
        'criticality': 'High'
    }
)

ビジネスグロッサリー

用語定義・関連付け

# Glossary Term 作成
term_response = datazone.create_glossary_term(
    DomainIdentifier=domain_id,
    GlossaryIdentifier='glossary-xxxxx',
    Name='Revenue',
    Definition='Total sales amount after deductions'
)

term_id = term_response['id']

# Term を Data Asset に関連付け
datazone.create_asset_relationship(
    DomainIdentifier=domain_id,
    AssetIdentifier='glue://finance_db.revenue_ledger',
    GlossaryTermIdentifier=term_id,
    RelationshipType='IS_REPRESENTED_BY'
)

# Related Terms
datazone.create_glossary_term_relationship(
    DomainIdentifier=domain_id,
    SourceTermIdentifier=term_id,
    TargetTermIdentifier='term-sales',
    RelationshipType='RELATED'
)

データソース統合

Redshift・S3 からの登録

# Redshift データソース登録
datazone.create_data_source(
    DomainIdentifier=domain_id,
    Name='redshift-dwh',
    Type='REDSHIFT',
    Configuration={
        'redshift': {
            'databaseName': 'analytics',
            'hostName': 'my-redshift.xxxxx.redshift.amazonaws.com',
            'port': 5439,
            'roleArn': 'arn:aws:iam::123456789012:role/redshift-datazone'
        }
    },
    EnvironmentIdentifier='env-xxxxx'
)

# S3 データソース登録
datazone.create_data_source(
    DomainIdentifier=domain_id,
    Name='s3-data-lake',
    Type='S3',
    Configuration={
        's3': {
            'bucketName': 'data-lake-bucket',
            'roleArn': 'arn:aws:iam::123456789012:role/s3-datazone'
        }
    },
    EnvironmentIdentifier='env-xxxxx'
)

自動化：Auto-discovery・AI

スケジュール済みメタデータ同期

# Glue Catalog との定期同期（毎日 1:00 AM）
datazone.create_data_source_publication_schedule(
    DomainIdentifier=domain_id,
    DataSourceIdentifier='datasource-xxxxx',
    Schedule={
        'scheduleExpression': 'cron(0 1 * * ? *)',
        'scheduleTimezone': 'Asia/Tokyo'
    }
)

# リネージ自動抽出（2026 機能）
# 「revenue_ledger は order_items から計算されている」を自動検出
datazone.create_asset_relationship(
    DomainIdentifier=domain_id,
    SourceAssetIdentifier='glue://sales_db.order_items',
    TargetAssetIdentifier='glue://finance_db.revenue_ledger',
    RelationshipType='MATERIALIZED_FROM'
)

アクセス管理：承認ワークフロー

データ購読申請フロー

# ユーザーが申請
subscription_request = datazone.create_subscription_request(
    DomainIdentifier=domain_id,
    SubscriptionTargets=[
        {
            'identifier': 'glue://finance_db.revenue_ledger'
        }
    ],
    RequestReason='Required for Q2 FP&A analysis'
)

request_id = subscription_request['id']

# オーナーが承認
datazone.update_subscription_request_status(
    DomainIdentifier=domain_id,
    SubscriptionRequestIdentifier=request_id,
    Status='APPROVED',
    DecisionComment='Approved for Finance Reporting project'
)

# 承認後：Lake Formation 権限を自動付与
# DataZone が AWS Glue API / Lake Formation API を呼び出し
# → Athena / Redshift での SELECT 権限が自動有効化

Lake Formation 統合

Lake Formation との権限自動連携

# DataZone が Lake Formation で権限を自動管理

# ユーザー申請
datazone.create_subscription_request(
    DomainIdentifier=domain_id,
    SubscriptionTargets=[
        {
            'identifier': 'glue://finance_db.customer_pii'
        }
    ]
)

# Domain Owner が承認
# → 自動的に Lake Formation で権限付与
# → SELECT (customer_id, account_id) のみ（email・ssn は非表示）
# → Athena で クエリ実行時に行フィルター自動適用

# Athena クエリ結果
"""
customer_id | account_id | region
---------   | ---------- | ------
123         | A001       | Japan
456         | A002       | US
# email・ssn は返されない
"""

監査・コンプライアンス

アクセスログ・監査証跡

import boto3

logs = boto3.client('logs')

# CloudWatch Logs への監査ログ出力
datazone_logs = logs.describe_log_groups(
    logGroupNamePrefix='/aws/datazone'
)

# DataZone アクティビティ監視
response = logs.start_query(
    logGroupName='/aws/datazone/audit',
    startTime=1609459200,
    endTime=1609545600,
    queryString="""
    fields @timestamp, userId, action, assetIdentifier, @message
    | filter action = "SubscriptionRequestApproved"
    | stats count() by userId, assetIdentifier
    """
)

# GDPR・HIPAA 準拠確認
# → ユーザーのアクセス履歴を追跡可能
# → 「患者記録にアクセスしたユーザー」を特定可能

API・SDK

Python Boto3 API

import boto3

datazone = boto3.client('datazone')

def discover_assets(domain_id, search_term):
    """データ資産検索"""
    response = datazone.search_assets(
        DomainIdentifier=domain_id,
        Query=search_term,
        MaxResults=50
    )
    
    for asset in response['items']:
        print(f"Asset: {asset['name']}")
        print(f"  Owner: {asset['ownerIdentifier']}")
        print(f"  Description: {asset['description']}")
        print(f"  Type: {asset['typeIdentifier']}")

def list_glossary_terms(domain_id):
    """ビジネスグロッサリー閲覧"""
    response = datazone.list_glossary_terms(
        DomainIdentifier=domain_id,
        Status='PUBLISHED'
    )
    
    for term in response['items']:
        print(f"Term: {term['name']}")
        print(f"  Definition: {term['definition']}")
        print(f"  Related Assets: {len(term.get('relatedAssets', []))} items")

def request_asset_access(domain_id, asset_id, reason):
    """データ資産へのアクセス申請"""
    response = datazone.create_subscription_request(
        DomainIdentifier=domain_id,
        SubscriptionTargets=[
            {
                'identifier': asset_id
            }
        ],
        RequestReason=reason
    )
    
    print(f"Access request submitted: {response['id']}")
    return response['id']

# 使用例
domain_id = 'domain-xxxxx'
assets = discover_assets(domain_id, 'revenue')
terms = list_glossary_terms(domain_id)
request_id = request_asset_access(domain_id, 'asset-xxxxx', 'Q2 financial analysis')

CLI による実装例

# ドメイン作成
aws datazone create-domain \
  --name Finance \
  --description "Financial data governance" \
  --kms-key-identifier arn:aws:kms:ap-northeast-1:123456789012:key/xxxxx

# プロジェクト作成
aws datazone create-project \
  --domain-identifier domain-xxxxx \
  --name "Financial Reporting" \
  --description "Monthly FP&A reporting"

# データ資産公開
aws datazone publish-data-asset \
  --domain-identifier domain-xxxxx \
  --asset-identifier glue://finance_db.revenue_ledger \
  --business-name-asset-identifier "Revenue Ledger"

# アクセス申請
aws datazone create-subscription-request \
  --domain-identifier domain-xxxxx \
  --subscription-targets identifier=glue://finance_db.revenue_ledger \
  --request-reason "Q2 FP&A analysis"

# 申請承認
aws datazone update-subscription-request-status \
  --domain-identifier domain-xxxxx \
  --subscription-request-identifier request-xxxxx \
  --status APPROVED

Infrastructure as Code

CloudFormation

AWSTemplateFormatVersion: '2010-09-09'
Resources:
  DataZoneDomain:
    Type: AWS::DataZone::Domain
    Properties:
      Name: Finance
      Description: Financial data governance and analytics
      KmsKeyIdentifier: !GetAtt DataZoneKMSKey.Arn

  DataZoneKMSKey:
    Type: AWS::KMS::Key
    Properties:
      Description: KMS key for DataZone domain
      KeyPolicy:
        Version: '2012-10-17'
        Statement:
          - Effect: Allow
            Principal:
              Service: datazone.amazonaws.com
            Action:
              - kms:Decrypt
              - kms:GenerateDataKey
            Resource: '*'

  DataZoneProject:
    Type: AWS::DataZone::Project
    Properties:
      DomainId: !Ref DataZoneDomain
      Name: Financial Reporting
      Description: Monthly FP&A reporting project

比較：DataZone vs Glue Data Catalog

項目	DataZone	Glue Data Catalog
用途	セルフサービスポータル	エンジニア向けメタストア
UI	ポータル（ビジネスユーザー向け）	AWS Console / API のみ
アクセス管理	承認ワークフロー	IAM ポリシー
ビジネスメタデータ	豊富（説明・オーナー・タグ）	限定的（スキーマのみ）
グロッサリー	統一用語管理	なし
自動検出	定期自動取り込み	Crawler（手動実行）
データ品質	メトリクス表示	なし
モニタリング	利用統計・アクティビティ	なし
採用	データメッシュ・民主化	技術的なメタストア

競合比較

DataZone vs Collibra

項目	DataZone	Collibra
クラウド	AWS ネイティブ	SaaS・マルチクラウド
メタデータ	Glue・Redshift・S3	広範な DB・API サポート
カスタマイズ	AWS 標準機能	高度なカスタマイズ可能
コスト	AWS 環境に含む	別途 SaaS 課金
エンタープライズ性	中程度	高い（Fortune 500 対応）

DataZone vs OpenMetadata / DataHub（OSS）

項目	DataZone	OpenMetadata	DataHub
デプロイ	SaaS（AWS）	セルフホスト	セルフホスト
コスト	AWS 従量課金	無料 OSS	無料 OSS
UI	ポータル	ポータル	ポータル
API	REST API	REST API	GraphQL
統合	AWS サービス最適化	メタストア広範対応	メタストア広範対応
採用	AWS 環境	DataOps チーム向け	LinkedIn 設計

ユースケース

1. データメッシュ実装

複数ドメイン（Finance、Sales、Engineering）
  ├── 各ドメインが DataZone Project で自分たちのデータを管理
  ├── ビジネスグロッサリーで統一用語を定義
  └── ユーザーが DataZone ポータルで横断検索・申請

2. コンプライアンス・監査

HIPAA・GDPR 対応：
  ├── 患者記録・個人データを DataZone で管理
  ├── アクセス申請・承認ワークフロー記録
  └── 監査ログで「誰が何にアクセスしたか」追跡可能

3. セルフサービス分析

ビジネスユーザー（非技術者）：
  ├── DataZone で データを検索「売上」「顧客」
  ├── ポータルから Athena に直接アクセス
  └── ビジネスグロッサリーで「売上」の定義確認

ベストプラクティス

✅ 推奨事項

項目	実装	効果
ドメイン設計	部門別・事業単位で分割	自律管理・スケーラビリティ
オーナー明確化	各データ資産にオーナー割り当て	責任主体明確化
ビジネスグロッサリー	統一された用語定義	データ品質・部門間コミュニケーション向上
承認ワークフロー	データ資産の公開前に承認	ガバナンス・コンプライアンス確保
定期的なメタデータ同期	Auto-discovery で最新保持	スキーマ変更への自動対応
監査ログ監視	CloudWatch で異常検知	セキュリティ・コンプライアンス
Lake Formation 統合	承認後に自動権限付与	手作業削減・エラー防止

トラブルシューティング

症状	原因	解決策
データ資産が表示されない	Auto-discovery スケジュール未実行	スケジュール確認・手動実行
アクセス申請が承認されない	オーナーが確認していない	オーナーへ通知・確認リスト
Lake Formation 権限が付与されない	DataZone ロール IAM 権限不足	IAM Policy 確認・権限追加
Glue Catalog 同期エラー	VPC・ネットワーク接続問題	VPC Endpoint・ネットワーク確認
ビジネスグロッサリーが表示されない	グロッサリー未公開	Status を PUBLISHED に変更

2025-2026 最新動向

1. Generative AI による支援（2026）

データ発見の AI 支援：
✅ “Q2 売上予測に必要なテーブルは？” → AI が推奨
✅ メタデータ自動生成（説明文・タグ）

2. S3 Tables との統合

S3 Tables をネイティブ Iceberg テーブルとして登録
✅ セットアップ簡素化
✅ より多くのデータソース対応

学習リソース

主要ユースケース詳細

1. データメッシュ実装（Domain-Driven Architecture）

組織構造：
  Finance Domain:
    - Project: Financial Planning
    - Assets: GL, AR, AP, Cash Flow
    - Glossary: Revenue, Expense, Profit Margin
  
  Sales Domain:
    - Project: Pipeline Management
    - Assets: Customers, Orders, Opportunities
    - Glossary: Sales Pipeline, Deal Velocity

データフロー：
  Finance が Sales データを購読
    → DataZone で Customers・Orders テーブル検索
    → アクセス申請
    → Sales Domain Owner が承認
    → Lake Formation で権限自動付与
    → Finance が分析・レポート作成

2. データ民主化・セルフサービス

ビジネスユーザーのセルフサービス：
  1. DataZone ポータルにログイン
  2. 「Revenue by Region」で検索
  3. テーブル詳細確認（ビジネスグロッサリー参照）
  4. Athena クエリエディター起動
  5. SQL 作成・ダッシュボード作成
  6. 結果を QuickSight で可視化

→ データエンジニアへの依頼削減
→ ビジネス思考のスピード化

3. コンプライアンス・監査対応

GDPR 対応：
  個人データの取り扱いを追跡
    ├── 誰が何にアクセスしたか
    ├── いつアクセスしたか
    └── どういう目的か
  
  DataZone 監査ログ:
    CloudWatch Logs → フィルター・集計
    
HIPAA 準拠：
  患者記録（PII）へのアクセスは
    ├── 事前承認が必須
    ├── アクセス理由を記録
    └── 監査ログで追跡可能

→ 規制当局への報告書作成が容易

組織別の実装パターン

スタートアップ（10-50 人）

シンプル構成：
  Domain × 1（Single）
  Project × 2-3（Engineering, Analytics）
  Assets × 10-20（手動管理）
  
導入期間：2-4 週間
初期コスト：$ 1-2K/月

中規模企業（100-500 人）

標準構成：
  Domain × 3-5（Finance, Sales, Engineering, Marketing）
  Project × 10-20
  Assets × 100-500（Auto-discovery）
  ビジネスグロッサリー：30-50 用語
  
導入期間：2-3 ヶ月
初期コスト：$ 3-5K/月

エンタープライズ（1000+ 人）

複雑構成：
  Domain × 10+（事業部・地域別）
  Project × 100+
  Assets × 1000+（完全自動化）
  クロスドメイン監査・データ系統追跡
  
導入期間：3-6 ヶ月
初期コスト：$ 10-50K/月
AWS Solutions Architect 常時サポート

データメッシュアーキテクチャ図

graph TB
    subgraph Domains["Data Domains"]
        FD["Finance Domain<br/>Domain Owner: CFO"]
        SD["Sales Domain<br/>Domain Owner: VP Sales"]
        ED["Engineering Domain<br/>Domain Owner: CTO"]
    end
    
    subgraph Assets["Data Assets"]
        FA["GL, AR, AP<br/>Profit & Loss"]
        SA["Customers, Orders<br/>Pipeline"]
        EA["Logs, Metrics<br/>System Data"]
    end
    
    subgraph Portal["DataZone Portal"]
        Search["検索・発見"]
        Request["アクセス申請"]
        Glossary["グロッサリー"]
        Audit["監査・追跡"]
    end
    
    subgraph Consumers["Data Consumers"]
        Analysts["アナリスト"]
        Scientists["データサイエンティスト"]
        Exec["経営陣"]
    end
    
    Domains --> Assets
    Assets --> Portal
    Portal --> Consumers

実装チェックリスト

フェーズ 1：検討・準備（1-2 週間）

[ ] 組織構造分析・Domain 定義
[ ] 現在のデータ資産インベントリ作成
[ ] Glue Catalog の状況確認
[ ] Lake Formation の導入状況確認
[ ] スキップ権者・予算確保

フェーズ 2：パイロット実装（2-4 週間）

[ ] DataZone ドメイン作成（テスト環境）
[ ] データソース統合（1-2 テーブルのみ）
[ ] ビジネスグロッサリー骨子作成（10-20 用語）
[ ] 承認ワークフロー設定・テスト
[ ] Lake Formation 連携テスト
[ ] 10-20 ユーザーでパイロット実施・フィードバック

フェーズ 3：本番展開（4-8 週間）

[ ] 全ドメイン・プロジェクト作成
[ ] 全データソース統合
[ ] ビジネスグロッサリー完成版（100+ 用語）
[ ] 承認ワークフロー最適化
[ ] 監査ログ設定・ダッシュボード構築
[ ] 全組織ユーザー教育
[ ] 本番環境 Go-Live

フェーズ 4：最適化・高度な運用（継続）

[ ] AI 推奨機能の評価
[ ] データ品質スコア導入
[ ] 定期的なメタデータ品質監査
[ ] ドメイン間のデータ系統追跡
[ ] Cost Explorer での利用パターン分析

データ品質・メタデータ管理

データプロファイリング

# DataZone の データ品質スコア自動計算

datazone.update_asset_metadata(
    DomainIdentifier=domain_id,
    AssetIdentifier=asset_id,
    DataQuality={
        'completeness': 0.98,  # 98% null でない
        'uniqueness': 0.99,  # 99% ユニーク値
        'validity': 0.97,  # 97% バリデーション OK
        'timeliness': 1.0  # 毎日更新
    }
)

# ユーザー検索時に表示
# → 「Revenue テーブル：品質スコア 98/100」

カスタム属性管理

# ビジネスメタデータの拡張

datazone.create_custom_metadata_form(
    DomainIdentifier=domain_id,
    Name='FinancialReportingMetadata',
    Fields=[
        {
            'Name': 'ReportingFrequency',
            'Type': 'ENUM',
            'Values': ['Daily', 'Weekly', 'Monthly', 'Quarterly', 'Annual']
        },
        {
            'Name': 'GLAccount',
            'Type': 'TEXT'
        },
        {
            'Name': 'CostCenter',
            'Type': 'TEXT'
        }
    ]
)

まとめ

Amazon DataZone は 「エンタープライズデータポータル・ガバナンス基盤」。データプロデューサーとコンシューマーを繋ぎ、セルフサービスデータ発見を実現し、データメッシュアーキテクチャを構築します。

成功の鍵：

Domain 設計 で自律管理・スケーラビリティ実現
ビジネスグロッサリー で組織全体の用語統一
Lake Formation 統合 でセキュリティ・ガバナンス統一
監査・コンプライアンス で規制対応
段階的導入 でリスク最小化・組織適応

2025-2026 年は Generative AI による支援・S3 Tables 統合など、自動化がさらに進む見込みです。

最終更新：2026-04-26 バージョン：v2.0

目次