メタデータ管理システムは、データの技術情報と業務上の意味を結び付け、データを安全に再利用するための基盤です。管理対象、必要な機能、導入の手順を順に決めると、全体像をつかみやすくなります。
各テーマの詳細は、下に並べた関連記事で確認できます。
▼関連記事一覧
・メタデータ管理システム開発の進め方/やり方/流れや方法/手法/工程/手順
・メタデータ管理システム開発でおすすめの開発会社/ベンダー6選と選び方
・メタデータ管理システム開発の見積相場や費用/コスト/値段について
・メタデータ管理システム開発の発注/外注/依頼/委託方法について
・業務システム開発を依頼する会社の選び方やRFPの作り方については、無料ホワイトペーパー「業務システム開発の完全ガイドブック」で詳しく解説しています。
・スクラッチシステム開発を依頼する会社の選び方やRFPの作り方については、無料ホワイトペーパー「スクラッチシステム開発の完全ガイドブック」で詳しく解説しています。
メタデータ管理システムの全体像
メタデータは「データについてのデータ」です。たとえば、顧客テーブルのカラム名や型は技術的な情報であり、「有効会員」の定義や担当部門は業務上の情報です。これらを結び付けることで、データの発見、意味の理解、利用可否の判断を同じ画面で進められます。
解決できる課題
メタデータ管理システムの主な効果は、必要なデータを探す時間を縮めることと、変更時の影響を把握することです。
- データ探索の効率化：Excelや個人のメモに散らばった定義を、検索できる一つの台帳にまとめます。
- 変更影響の把握：データリネージから、関連する帳票やモデルを確認できます。
台帳を見れば、テーブルの場所、更新頻度、管理責任者、利用上の注意点が分かります。そのため、分析担当者が詳しい人へ毎回尋ねる場面が減り、調査やレポート作成の初動も速まります。
また、リネージは、元システムから加工処理、集計テーブル、BIレポートまでをたどります。カラム変更の影響を事前に検討できるほか、個人情報の所在やアクセス権限の確認にも役立ちます。
データカタログやDWHとの違い
関連する仕組みは、管理する範囲と目的によって役割が異なります。
- データカタログ：資産の所在や意味の検索を助けます。
- メタデータ管理：用語承認、品質、権限、監査、変更通知も扱う場合が多い基盤です。
- DWH：データを蓄積・加工・分析する場所で、管理システムは複数の環境をまたいで説明します。
データ辞書は、項目名や定義をまとめた文書・台帳です。マスターデータ管理は、顧客や商品などの基準データを整える取り組みです。
データガバナンスは、ルールと責任体制を運用する活動です。これらは競合せず、メタデータ管理システム内で連携できます。ただし、導入前に対象範囲を決めておかないと、機能が増えて定着しにくくなります。
メタデータの種類と管理対象
管理対象を最初に分類しておくと、必要なコネクタや権限、運用担当が明確になります。すべてを一度に登録するのではなく、経営や現場が利用するデータから優先順位を付け、順に整えていきます。
テクニカルメタデータ
テクニカルメタデータは、データベース、テーブル、カラムなど、データの構成に関する情報です。データ型や容量も含まれます。さらに、更新日時、接続先、スキーマなども、システムが自動で取得しやすい情報です。
データベースやDWH、データレイク、ETL、BIツールから定期的に集めれば、手入力の台帳で起きる更新漏れを減らせます。
「この売上はどの集計定義か」「この項目を分析に使ってよいか」は、業務の情報を重ねないと判断できません。また、取得頻度、差分更新の方式、削除済み資産の扱いも設計し、実際の環境とカタログの状態がずれないようにします。
ビジネス・オペレーショナルメタデータ
業務上の定義、利用状況、統制の情報を、技術的なカラムと関連付けて管理します。
- ビジネスメタデータ：業務用語、指標、データオーナー、利用目的、正式なマスタ、保持期限を記録します。
- オペレーショナルメタデータ：利用者、アクセス履歴、利用頻度、ジョブ履歴、品質スコア、人気データなど、利用状況を表す情報です。
- ガバナンスメタデータ：個人情報・機密情報の分類、承認状況、マスキング方針、監査証跡を管理します。
「売上」「顧客」「有効会員」は部門によって意味が異なるため、用語集に登録します。定義の承認者も決めておくと、業務で使える辞書になります。
利用状況を見ると、使われていない資産を探せます。また、品質障害の発生時刻と処理を照らし合わせる場面でも役立ち、安全なデータ再利用につながります。
主要機能とシステム構成
メタデータ管理システムの価値は、集めた情報をどう使うかまで設計して生まれます。検索したデータを理解し、利用の可否を判断し、必要な権限を申請して、変更の影響を確認できるようにします。
主要機能を「収集」「理解」「安全な利用」「継続運用」の4層で見ると、抜け漏れに気づきやすくなります。
自動収集・検索・用語集
技術情報を台帳に集め、探せる状態にしたうえで、業務用語の意味を結び付けます。
- 自動収集：コネクタやクローラでデータソースを読み、技術情報を登録します。
- 検索：名称、タグ、業務ドメイン、所有者で絞り込めます。更新日や品質、機密区分も条件に加えられます。
- 検索根拠：自然言語検索でも、根拠となる用語やカラムを表示します。
- 用語集：正式名、同義語、定義、算出式を、用語ごとに持ちます。対象範囲、所有者、承認日も記録します。
技術情報は、テーブルやカラムの単位で登録し、検索結果を利用者が確認できる状態にします。
「受注額」には、税込か税抜か、返品の扱い、集計期間を記載します。そのうえで、申請、レビュー、承認を経て改定する手順を設け、部署ごとに定義が増えるのを防ぎます。
リネージ・品質・権限管理
変更影響の追跡と品質の確認、実データの保護を、ひとつの設計として組み立てます。
- リネージ：データの出所、処理経路、出力先を記録し、つながりを追えるようにします。
- データ品質：必須値や形式などを検査し、スコアと異常履歴を残します。
- アクセス権限：ロール、列・行の制限、マスキング、申請、監査ログを組み合わせた仕組みです。
複雑なSQLや手作業の加工は、自動解析だけでは追えない場合があります。そのため、利用者の補足も加えておきます。変更影響は、下流の帳票、機械学習モデル、外部連携まで追える粒度にします。
品質ルールには、重複、範囲、参照整合性も含めます。カタログに個人情報と表示するなら、実データのアクセス制御と連動させて初めて保護になります。
メタデータ管理システム開発の進め方
開発は、目的と対象を絞ったPoCから始めるのが現実的です。全社のデータをいきなり登録するより、対象を絞るほうが進めやすくなります。
成果指標は、検索時間の短縮や個人情報の所在把握、AIやBIの回答精度向上などの中から、1〜2個に絞って検証します。
▶ 詳細はこちら：メタデータ管理システム開発の進め方/やり方/流れや方法/手法/工程/手順
企画・要件定義の内容
企画・要件定義では、利用目的を決めたうえで、成果指標と初期対象を絞ります。
- 利用目的：誰が何を探し、どの判断に使うかを決めます。
- 成果指標：利用者の行動で測れる値を決めます。
- 要件範囲：必須機能と将来機能を分け、代表データから始めます。
対象部門とデータソースを一覧にします。テーブル数、更新頻度、個人情報の扱いも同じ一覧に書き込みます。
既存の用語辞書、認証方式、保持期間もこの一覧に加えます。指標には、登録資産数に加えて、検索時間、定義確認の問い合わせ、品質障害の調査時間を使います。
すべてのクラウドや業務システムを一度に対象にすると、連携の調整で期間が延びます。権限や品質ルールも同時に扱うと、さらに負担が増えます。
代表的な1〜3個のデータソースを選び、MVPに検索と用語集を含めます。所有者、権限、基本リネージも加えると、投資判断に必要な精度を確認できます。
設計・開発・データ接続
構成と接続条件を先に決め、検索、リネージ、運用のどれを優先するかに合わせて技術を選びます。構成は、四つの要素で組み立てます。
- 収集・保管：コネクタやクローラとメタデータリポジトリを用意します。
- 検索・管理：検索基盤、用語集、品質ルール、Web画面、APIを揃えます。
- 統制：認証認可と監査ログを、構成に含めます。
- 接続：権限、経路、暗号化、接続情報、頻度、失敗時の再実行を定めます。
リネージを重視するなら関係グラフを、全文検索を重視するなら検索インデックスを組み合わせます。そのうえで、情報ごとに更新担当者と頻度を決めます。
差分更新を使える場合は、毎回すべての資産を読み直す負荷を抑えられます。AIの分類やタグ付けは初期登録に役立ちます。ただし、重要な分類は担当者が承認します。
テスト・リリース・定着化
リリース前は、利用者と一緒に検索と情報表示を確かめます。権限、リネージ、分類結果の検証も、同じ時期に行います。
- 検索・表示：代表的な用語で資産を探し、所有者と更新日の表示を確認します。
- 保護・影響追跡：機微情報が露出しないかを確かめ、リネージを下流まで追います。
- 自動分類：正解データを使って、適合率と見逃しを測ります。
- 運用定着：責任者、申請・承認、教育、利用ログの改善を運用の流れに組み込みます。
検索結果が業務上正しいかを見極めたうえで、公開直後には、信頼できるデータの見分け方とアクセス申請の方法を利用者に説明します。
データオーナーとデータスチュワードを任命し、品質ルールの改定や棚卸しの周期、問い合わせ対応を決めておきます。また、毎月ログを見て、使われていない画面や足りないコネクタを改善します。
メタデータ管理システムの費用相場
費用は、製品の月額に加えて、データソースの接続や用語集の設計まで含めて見積もります。初回の棚卸しや保守なども、同じ見積もりに入れます。
2026年に公開されたデータカタログの費用目安では、SaaS型は月額10万〜50万円、カスタム開発は500万〜1,500万円とされています。これは市場の公開目安で、個別案件の確定価格ではありません。
▶ 詳細はこちら：メタデータ管理システム開発の見積相場や費用/コスト/値段について
規模別の予算レンジと期間
規模別の予算と期間は、規模が大きくなるほど増えます。下に並べる水準は、いずれも概算の目安です。
- 小規模PoC：100万〜300万円、1〜2か月。
- 部門導入：300万〜800万円、3〜5か月。
- 全社カスタム：500万〜1,500万円、6〜12か月。
- 複数環境の統合：1,500万〜3,000万円以上、9〜18か月。
小規模PoCは、1〜3個のデータソースを接続し、数百〜数千のテーブルで検索、用語集、基本権限を検証します。既存クラウドの機能や無償枠を使える場合は、初期費用が下がることもあります。
部門導入では、複数のデータベースやDWHを接続し、担当者ワークフローと基本リネージを扱います。個人情報のタグ付けや利用教育も含みます。
全社や複数環境の統合では、BI・ETLや既存ID基盤との連携によって範囲が変わります。品質管理や承認・監査の要件によっても変わります。部門導入以降の金額と期間は、公開相場と一般的な導入工程から算出した推定値です。
見積書で分けるべきコスト
初期導入と継続運用は、別々の費用として見積もります。費目は、設計・基盤から維持費まで五つに分けられます。
- 設計・基盤：要件定義、基本設計、ライセンス、クラウド利用料。
- 連携・初期登録：コネクタ設定・開発、メタデータ投入、既存連携。
- 品質・利用準備：用語集、品質ルール、権限、画面、テスト、教育。
- 月額・処理費：ライセンス、資産・ユーザー数、スキャン、品質処理、API、転送。
- 維持費：インフラ、監視、バックアップ、保守、更新人件費。
既存システムとの連携費は、契約後に追加されやすい項目です。そのため、接続方式と読み取り権限、ネットワーク対応、差分更新の可否を、対象ごとに確認します。
メタデータの保存やアクセスに無料枠があるサービスでも、クローラやETL、品質処理は別料金になることがあります。資産数や処理単位で課金される場合もあるため、そこで月間の増加量とスキャン頻度から試算します。
パッケージ・クラウド・OSS・スクラッチの選び方
技術選択では、短期で導入できるか、自由度はどうか、運用体制に合うかを比べます。既存クラウドとの親和性や将来の移行性も、判断材料に加えます。製品を選ぶこと自体が目的になると、使わない機能に費用を払い、独自業務とのギャップを埋める追加開発が増えます。
基本の考え方は、必要な差別化部分だけを作り、標準機能を活用することです。
パッケージ・専門SaaSとクラウド標準サービス
方式ごとの標準機能と既存環境との相性を比べ、運用に合う選択肢を絞ります。
- 専門SaaS・パッケージ：検索、用語集、分類、リネージ、ワークフローが揃い、短期導入しやすい。
- 向いている企業：日本語の業務用語や導入支援を重視する企業、PoCで定着を確かめたい企業に向く。
- クラウド標準：利用中の認証、監査、データレイク、アクセス制御と連携できます。
専門製品でも、独自の承認ルールや複雑な権限、特殊なデータモデルには、追加費用や業務の変更が必要になる場合があります。
利用中のクラウドに合わせると、接続の初期負荷を抑えられます。
複数クラウドやオンプレミスを横断する場合は、対応コネクタと取得できるメタデータの範囲を実機で確認します。クラウド間の転送や処理の料金、データの所在地も確かめます。
OSS・組み合わせ開発とスクラッチ
OSSの組み合わせとスクラッチは、費用の構造や独自要件への対応範囲で選び分けます。
- OSS・既存基盤：ライセンス費を抑え、社内の技術方針に合わせやすい。
- スクラッチ：標準製品で満たせない要件に限り、必要部分を独自開発する。
OSSでは、インフラや更新、脆弱性対応を誰が担うかを決めておきます。コネクタや検索、バックアップ、問い合わせの担当も、同じように決めます。ただし、ライセンス費がかからなくても、運用の人件費は発生します。
スクラッチを検討するのは、閉域網や特殊な監査要件がある場合です。独自のデータモデルや深い業務統合が必要な場合も、対象になります。標準技術を使い、独自の権限・承認・連携だけを開発すれば、費用と保守負担を抑えられます。
セキュリティと法規制への対応
メタデータは実データではなくても、個人情報の所在や機密性を示す場合があります。利用者や連携先を示すこともあります。
検索画面に機密情報のカラム名や説明が表示されるだけでもリスクになることがあります。そのため、カタログ自体にも最小権限の考え方を適用します。
アクセス制御・暗号化・監査ログ
カタログと実データを守るため、認証、権限、記録を整えます。
- 認証・アクセス：SSO、ロール、部門・ドメイン、列・行制御を定めます。
- データ保護：機密度に応じたマスキングと、通信・保存時の暗号化を行います。
- 監査記録：検索、閲覧、ダウンロードの履歴を残します。タグ変更、用語承認、権限変更、分類結果の修正も記録します。
管理者を特定し、権限の申請と承認をどう記録するかを決めます。退職や異動の際に権限を無効化する時期も、あわせて決めておきます。
ログの保存期間や改ざん防止、監視担当を定めます。インシデント時の調査手順も、同じように決めておきます。これを事前に設計しておくと、監査時に手作業で履歴を集める負担を減らせます。
個人情報・委託先・再委託の確認
個人情報を含むメタデータは、監督体制や再委託、契約終了時の扱いまで決めておく必要があります。
- 安全管理：従業者・委託先の監督と、漏えい時の報告手順を定めます。
- 再委託：再委託先や取扱方法の事前報告と承認、必要な監査を確認します。
- 契約・退出：所有権、保存先、移転、返却・消去、エクスポートの条件を取り決めます。
2026年6月に一部改正されたガイドラインでは、こうした確認が望ましいとされています（出典: 個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン（通則編）」、2026年）。
契約前に障害時の連絡先を決めておき、開発会社に任せる範囲と自社が承認する範囲を分けます。重要な用語や分類も自社で承認しておくと、長期の運用とロックイン回避につながります。
導入の失敗例と効果測定
導入後に使われない原因は、機能の不足より、運用責任と利用目的が曖昧なことにあります。検索画面を導入しても、定義が古く、所有者も分からず、権限申請が別のメールで行われていると、利用者は従来どおり詳しい担当者に聞いてしまいます。
よくある失敗と対策
導入後につまずきやすい点は、運用、導入範囲、費用、AI分類、移行の五つに分けられます。どれも、初期計画の段階で対策を含めておくと防ぎやすくなります。
- 収集後の運用不足：資産に用語、担当者、品質基準、利用目的を付け、業務部門が定義を承認します。
- 全社一括で導入：代表データで90日程度のPoCを行い、検索と連携を確かめます。
- 従量課金を見落とす：資産数、スキャン、品質処理、ユーザー数を月次で監視します。
- AI分類を未検証で公開：低信頼の結果を保留し、承認済みのタグを権限判断に使います。
- 移行・権限を後回し：既存台帳、認証、申請、監査要件を、初期設計の段階から含めます。
全社へ広げる前に、PoCで使われる検索や不足している連携を調べておきます。運用の人件費も含めて、費用を確認します。
導入効果を測るKPI
KPIは登録数に加えて、利用行動や業務品質、安全性を導入前後で比べます。測る項目は、四つの領域に分けられます。
- 検索・再利用：必要なデータを見つける平均時間、定義問い合わせ、重複作成を測ります。
- 運用・品質：障害調査、アクセス申請、監査対応にかかる時間を比べます。
- 利用・AI検索：申請までの利用率と、AI検索の回答品質を見ます。
- PoC評価：対象、初期値、目標、測定法、評価日を、90日の試行の前に定めます。
ログインした人数に加えて、検索、説明の確認、利用申請まで進んだ割合を見ます。AI検索を導入する場合は、回答精度、根拠への到達、誤った個人情報の提示も確認します。数値を事前に決めておけば、継続投資の判断に使えます。
開発会社・ベンダーの選び方
開発会社・ベンダーは、知名度や機能一覧に加えて、製品の提供とデータ接続、業務用語の設計、運用支援のどこを担うかで比べます。自社の環境を理解し、PoCで実データを使い、導入後の責任分界まで説明できる相手を選ぶことが重要です。
提案比較で確認する項目
提案は、同じ条件のもとで比べます。まず前提情報と技術実績を揃え、次に見積内訳と実機デモを見ます。
- RFP・相談資料：データソース一覧、テーブル・カラム数、更新頻度、個人情報を記載します。用語集、認証、希望期間、予算、利用者も書き添えます。
- 対応力：コネクタ、収集比率、リネージ、分類精度を確認します。ID、権限、監査、PoC後支援も確かめます。
- デモ：自社の用語やサンプルデータで、検索、リネージ、権限申請、監査ログ、エクスポートを操作します。
見積もりは、ライセンスやコネクタ、初期登録の費用と、用語・データモデル、品質の費用を分けて見ます。マスキング、画面、教育、保守の費用も、別々の行にしてもらいます。
デモで確認できない機能を「標準対応」とだけ説明する提案には、注意します。
導入後の責任分界と契約条件
契約では、各社の責任範囲と障害窓口、変更対応、終了時のデータ移行を決めておきます。取り決める分野は、四つに分けられます。
- 役割と窓口：製品、一次請負、実装、運用保守の担当を決めます。
- 保守・障害対応：コネクタ、変更費、パッチ期限、停止通知、バックアップ、復旧を定めます。
- データ持ち出し：データや設定の形式、エクスポート、返却・移行の方法を確認します。
- 総保有コスト：PoC成果、運用人材、改善頻度を含めて、価格を比べます。
持ち出しの対象には、用語やタグ、品質ルールを含めます。リネージやワークフロー設定も対象に入れます。さらに、将来の移行手段を確保しておくと、長期の選択肢を保てます。
導入後の運用人材と改善体制も、価格と並べて確認します。
▶ 詳細はこちら：メタデータ管理システム開発でおすすめの開発会社/ベンダー6選と選び方
▶ 詳細はこちら：メタデータ管理システム開発の発注/外注/依頼/委託方法について
よくある質問
導入を検討する際によく寄せられる疑問を取り上げます。自社の規模やデータ環境によって適切な方式は変わります。そのため、回答の数字は初期検討の目安として読んでください。
メタデータ管理システムは小規模企業にも必要ですか？
データソースが少ない企業でも、部門や担当者が増えて定義が分かれ始めた段階なら有効です。
最初から大規模基盤を作らず、数個の重要データを対象に、検索と用語集を中心とした小さな導入から始めると、費用と運用負担を抑えられます。
導入費用を抑えるにはどうすればよいですか？
費用を抑えるには、対象データソースを絞り、標準コネクタと既存の認証を使います。用語や品質ルールは、優先順位の高いものから整備します。
見積もりでは、初期費用と月額費用に加えて、スキャンや品質処理、コネクタ追加を分けて比べます。教育や運用人件費も、同じ表に入れます。90日程度のPoCで利用効果を測ってから対象を広げる方法が現実的です。
AIによる自動分類や自然言語検索だけで十分ですか？
AIは候補のタグ付けや検索の補助に有効ですが、それだけで判断を任せられる段階ではありません。理由は、個人情報の分類や重要用語の定義、公開可否を、自動結果だけで確定すると誤りが残るためです。
信頼度と根拠、承認者、修正履歴を記録します。そのうえで、人が確認した情報を、権限や業務判断に使う設計が必要です。
複数のクラウドやオンプレミスを横断できますか？
可能ですが、製品や構成によって取得できるメタデータの範囲が異なります。データソースごとのコネクタ、ネットワーク経路、認証方式を、PoCで確認します。リネージの取得範囲や、国外リージョンと転送の扱いも確かめます。
横断検索を優先するなら、各環境に依存しない用語や分類を、先に共通のモデルとして設計します。所有者や権限も、同じモデルに含めます。
まとめ
メタデータ管理システムは、データの所在を探す台帳を超えて、技術情報と業務用語を結び付けます。品質やリネージ、権限、監査も含めて、データを安全に再利用するための業務ルールと基盤になります。
導入前に押さえる三つのポイント
第一に、検索時間の短縮や個人情報の所在把握など、成果指標を絞ってPoCを始めます。
第二に、SaaS型の月額10万〜50万円、カスタム開発500万〜1,500万円という公開目安を手がかりに、接続や品質、権限を含めた総額で見ます。教育や運用も、同じ総額に含めます。
第三に、データオーナーとスチュワードを決めたうえで、承認と監査、再委託、終了時のデータ返却までを最初に設計します。
次に進める準備
導入範囲を決めるため、現状資料と実データでの検証条件を揃えておきます。準備する項目は、現状資料から段階的な拡張まで四つです。
- 現状資料：データソース、代表的な用語、個人情報の有無、利用者、現在の問い合わせ時間を一覧にします。
- PoCでの確認：複数の提案を実データで比べ、範囲を決めます。検索性やリネージ、権限、分類精度、費用の増え方も確かめます。
- 導入先の比較：対応データソース、リネージの深さ、業務用語の運用、個人情報の分類、既存ID基盤との連携を確認します。
- 段階的な拡張：料金の単位とエクスポートの可否も確かめ、利用ログとKPIを見ながら対象を広げます。
▼関連記事一覧
・メタデータ管理システム開発の進め方/やり方/流れや方法/手法/工程/手順
・メタデータ管理システム開発でおすすめの開発会社/ベンダー6選と選び方
・メタデータ管理システム開発の見積相場や費用/コスト/値段について
・メタデータ管理システム開発の発注/外注/依頼/委託方法について
▼RFP作成前に読みたい無料ホワイトペーパー
・業務システム開発の完全ガイドブック
・スクラッチシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。