データアーキテクト職務記述書テンプレート - 2026年版ガイド

著者: Kevin Kim · 更新日: 2026年9月6日

データアーキテクトは、組織のデータをどうモデル化し、保存し、統制するかを設計する職務です。これにより、すべてのダッシュボードと下流のシステムが、互いに食い違う六つの「真実」ではなく、信頼できる一つの構造からデータを取得できるようになります。この肩書きが指す範囲は、他の多くの肩書きより広くなっています。企業のエンタープライズデータモデルを担う人、クラウドウェアハウスとそのモデリング層を設計する人、そして、担当範囲は変わらないまま大きな肩書きを与えられたシニアデータエンジニアにも、しばしば使われるからです。これらは、採用基準がそれぞれ異なる三つの別の職務です。このガイドではそれらの境界線を引いたうえで、今日、多くの企業が実際に採用しているタイプ、つまりSnowflake、BigQuery、Databricksをどう構造化するかを他のあらゆる要素の土台として決めるプラットフォームアーキテクトを軸に、テンプレートを組み立てています。

主なハイライト

• 一つの肩書きに三つの職務：「データアーキテクト」は、エンタープライズデータモデルの責任者、クラウドプラットフォームの設計者、肩書きだけ大きなシニアデータエンジニアを包含しており、それぞれに別の職務記述書が必要です
• 連邦の賃金データは実際に給与を切り分けている：労働統計局は、データベースアーキテクトとデータベース管理者について別々の中央値を報告しており、多くの求人はこの区別を曖昧にしています
• プラットフォームだけでなくモデリング層も担う：ディメンショナル（Kimballのスタースキーマ）とData Vault 2.0のパターンのどちらを選ぶかを決め、データエンジニアが従う標準を定めます
• ガバナンスは副業から中核業務へ：データコントラクト、リネージ（系統）の追跡、カタログツールは、いずれ取り組むプロジェクトではなく、今や日々の責務です
• 周辺のデータベース分野よりも速く成長：連邦の予測では、アーキテクト固有の求人の伸びが、同じ職種の管理者側を大きく上回っています
• パイプラインの上位に位置しながら、その内側で働く：通常は最高データ責任者（CDO）またはデータエンジニアリング担当VPに報告しますが、日々、データエンジニア、DBA、アナリストと連携します

この職務が重要な理由

数枚のスプレッドシートでは収まらなくなった企業は、いずれ、データの形を意図して決める人を必要とします。そうした人がいなければ、形は偶然に決まります。あるチームが顧客テーブルをある方法で作り、別のチームが「アクティブ」の定義が異なる並行版を作り、同じ経営幹部の前で、同じ数字について三つのダッシュボードが食い違うことになります。データアーキテクトは、それを防ぎ、それでも起きたときには素早く修正する責任を負います。

この仕事の土台となるプラットフォームは急速に成長しており、今日のアーキテクチャ上の判断が何年にもわたって影響を及ぼします。The Business Research Companyのデータウェアハウジング世界市場レポート（2026年9月更新）によると、世界のデータウェアハウジング市場は2025年の374.2億ドルから2026年には434.8億ドルへ、2030年には791.5億ドルへと、年平均成長率16.2%で拡大すると予測されています。その支出の一ドル一ドルは、誰かが設計した構造の上に投じられており、構造上の判断ミスは時間が経つほど、元に戻すコストが膨らみます。

AIの導入に歩調を合わせて、職務の姿も変わってきました。dbt Labsの2026年アナリティクスエンジニアリング現状レポート（2026年4月公開）によると、データへの信頼の重要度は2025年の66%から2026年には83%に跳ね上がった一方で、72%のチームがAI支援によるコーディングを優先しているのに対し、AI支援によるパイプライン管理と品質統制を優先しているのは24%にとどまりました。データの所有権の曖昧さは41%で、前年から変わりませんでした。アウトプットと安定化の間のこのギャップこそ、データアーキテクトが埋めるために存在するものです。パイプラインをもう一本増やすのではなく、所有権とは何かを定めるという責任です。

データアーキテクト：三つの職務、一つの肩書き

このガイドのテンプレートは真ん中の行、つまり今日、企業が最も多く採用しているタイプを対象としています。エンタープライズ型が必要な場合は、要件の比重を、プラットフォームの実践的な深さよりもガバナンスとステークホルダーのファシリテーションに置き、この職務を最高データ責任者に直接報告させてください。採用マネージャーが、より高い報酬の要望を添えただけのデータエンジニア職そのものの内容を説明している場合は、報酬の問題を解決するために肩書きを膨らませるのではなく、その点をはっきりと伝えてください。

基本の職務記述書テンプレート

まず目を通していただきたいのが、職務記述書のベストプラクティスガイドです。以下のテンプレートは、上で説明したプラットフォーム・ウェアハウスアーキテクト型を前提としています。エンタープライズ型やシニアエンジニア型を採用する場合は、要件のセクションを調整してください。

役割について

当社では、クラウドデータプラットフォーム全体でデータをどうモデル化し、保存し、統制するかを担う、データアーキテクトを募集しています。すべてのダッシュボードと下流のシステムが依存するウェアハウスとレイクの構造を設計し、ある領域にディメンショナルモデリングとData Vaultのアプローチのどちらが適しているかを判断し、データエンジニアリングチームが従う標準を定めていただきます。これは現場を離れた戦略だけの役割ではありません。スキーマのレビュー、コストとパフォーマンスのチューニング、設計した内容を実装するパイプラインでのエンジニアとの協働など、プラットフォームの内側で過ごす時間が実際に長くなります。

データエンジニアリング、アナリティクス、セキュリティ、そして信頼できる数字を必要とする事業部門と緊密に連携し、絡み合ったソースシステムと食い違う定義を、人々が拠りどころにできるモデルへと変えていただきます。ガバナンスを回避する近道を求めるステークホルダーに対して判断を守り抜くこと、そして同じくらいの頻度で、ガバナンスがすべてを停滞させる口実にならないようにすることが求められます。

理想の候補者は、ある指標が三つのシステムで三通りの意味を持っていた状況や、四つ目の下流の依存関係が見つかるまで簡単に見えた移行を経験し、それでもなおこの仕事をしたいと考えている方です。最高データ責任者またはデータエンジニアリング担当VPに報告し、構築するモデルの中で働くデータエンジニア、データベース管理者、アナリストと日々連携していただきます。

主な職責

• データモデルの設計：ウェアハウスとレイクにまたがる概念モデル、論理モデル、物理モデルを設計し、監査の必要性と変化の速さに基づいて、ディメンショナル（Kimballのスタースキーマ）とData Vault 2.0のパターンから選択する
• プラットフォームのアーキテクチャ：Snowflake、BigQuery、Databricksのいずれであっても、クラウドデータプラットフォームのアーキテクチャ上の判断を担い、データ量の増加に伴うパーティショニング、クラスタリング、コストガバナンスを含める
• モデリング標準：データエンジニアやアナリティクスエンジニアが従う規約を定め、五つのチームが同じ顧客エンティティを五通りにモデル化するのをやめさせる
• データコントラクト：ソースシステムとウェアハウスの間のスキーマコントラクトを定義し、上流のプロダクト変更が数週間後にダッシュボードを黙って壊すことがないようにする
• ガバナンス、リネージ、カタログ化：あなたに問い合わせなくても、誰もが数字をその出典までたどれるようにする、リネージとカタログのツールを担う
• マスターデータの所有：顧客、製品、アカウントといった中核エンティティの唯一の信頼できる情報源と、それぞれが並行するシステム間でどう対応づけられるかを定義する
• 設計段階からのセキュリティ：アクセス制御や行・列レベルのセキュリティをモデル自体に組み込み、インスタンスを日々運用するデータベース管理者と協力する
• システム間の統合：業務システム、サードパーティのデータ、イベントストリームが、ビジネスロジックを重複させることなくモデルに流れ込む仕組みを設計する
• 技術レビューとメンタリング：データエンジニアやSQL開発者が提案するデータモデルをレビューし、トレードオフについてチームをメンタリングする
• 文書化：エンタープライズデータモデル、用語集、リネージ図を、新しいデータアナリストが2時間の説明なしで使えるほど最新に保つ

要件

必須資格：

• コンピューターサイエンス、情報システム、または関連する技術分野の学士号、あるいは同等の経験
• データエンジニアリング、データベース管理、データモデリングのいずれかで6年以上の経験（アーキテクチャレベルの責任を一部含む）
• 高度なSQLの習熟と、主要なクラウドデータプラットフォーム（Snowflake、BigQuery、Databricksのいずれか）の少なくとも一つでのアーキテクチャの実務経験
• ディメンショナルモデリングとData Vaultの両パターンの実務経験と、それぞれがいつ適しているかの判断力
• ソースシステムと中央ウェアハウスの間で、データコントラクトまたはスキーマガバナンスを定義した経験
• データカタログ、リネージ、メタデータ管理のツールに関する実務的な知識
• モデリング上のトレードオフを、データエンジニアとビジネス部門のステークホルダーに、二つの異なる語彙で説明できる力
• データセキュリティ、アクセス制御、業界に関連するコンプライアンスフレームワークへの理解

歓迎する資格：

• 生のウェアハウスとモデル化された層の間でのdbtまたは同様の変換フレームワークの使用経験
• アーキテクチャに移る前のデータベース管理者またはデータエンジニアとしての経験
• 関連するガバナンス要件がある規制業界（金融サービス、ヘルスケア）での経験
• データメッシュやドメイン指向の所有モデルへの理解（正式に導入していなくても可）
• AI提供基盤への知見（社内にAIソリューションアーキテクトがいる場合は連携）
• 関連資格（SnowPro、Google Professional Data Engineer、Databricks Certified Data Engineer）

提供内容

• 競争力のある報酬：下記の報酬ガイドに詳述した、レベルに応じた市場データに沿った基本給
• 充実した福利厚生：医療、歯科、視力の補償、および会社マッチング付きの401(k)
• 最新のデータプラットフォーム：文書化されていない10年分のレガシースキーマではなく、現行のクラウドスタックでアーキテクチャ上の判断を行えます
• 本当の影響力：あなたのモデリングとガバナンスの判断は、ウィキに置かれたままの図ではなく、入社後に構築されるすべてのダッシュボードとパイプラインを形づくります
• 専門能力の開発：プラットフォーム資格、カンファレンス、モデリングに特化した研修のための予算
• 柔軟な働き方：チームと職務レベルに応じたハイブリッドまたはリモートの選択肢

状況別バリエーション

大企業環境

大規模な組織では、正式なガバナンス委員会、指標の定義が食い違う複数の事業部門、そして依存するシステムが多いためにモデル変更にかかる長い期間を想定してください。大規模なプラットフォーム移行は、各部門にまたがる展開を調整する導入マネージャーとともに進むことが多く、あなたはターゲットモデルが正しいかどうかを担います。カタログとリネージのツールはたいてい導入済みのため、白紙から構築するよりも、標準を徹底し、ステークホルダーと交渉することに比重が置かれます。

スタートアップ環境

初期段階の企業では、データアーキテクトが最初のシニアデータ人材であることが多く、最初のウェアハウスプラットフォームを選び、最初の本格的なデータモデルをゼロから構築します。チームが成長して責任を分けられるようになるまで、この職務はデータエンジニアリングに溶け込み、ときにはトランザクション側のその場対応的なPostgreSQL開発の仕事にも及ぶことを想定してください。四半期遅れで出荷される完全に正規化されたスキーマよりも、不完全で変化の速いデータへの慣れのほうが重要です。

リモート・ハイブリッド環境

リモートのデータアーキテクトは、ライブのホワイトボードセッションよりも、文書化されたアーキテクチャ決定記録（ADR）に重きを置きます。モデルがなぜその形をしているのかを明確に説明する文書は、将来の会議を十数回減らしてくれるからです。モデリング上のトレードオフを非同期で説明する場合は、口頭での補足がなくても成り立つ必要があります。面接の過程では、あなたの判断に最も影響を受けるデータエンジニアリングチームとの時差の重なりも検討に値します。

業界別の考慮事項

アーキテクチャの中核スキルセットは業界を超えて通用しますが、どのモデリングパターンが有効か、そしてそれに伴うガバナンスの負担がどれだけかは、業界によって変わります。

報酬ガイド

連邦データとこの職種の対応

米国労働統計局は、この業務をデータベース管理者・アーキテクト（SOC 15-1245）に分類しており、年間賃金の中央値を合算で$126,760（2025年5月）と報告しています。このコレクションの肩書きとしては珍しく、労働統計局は両者を分けています。労働統計局の職業展望ハンドブック、データベース管理者・アーキテクト（2025年5月の賃金データ）によると、データベースアーキテクトの中央値は$139,500、データベース管理者は$104,620です。この差だけでも、一般的な「データベース」の給与データが、アーキテクトの肩書きで採用する場合の実際のコストを低く見積もる理由がわかります。

成長の数字も一致しています。労働統計局は、この合算した職種が2025年から2035年にかけて4%成長し、これはほぼ平均並みで、総雇用144,500件に対して年間約7,300件の求人があると予測していますが、サブカテゴリー別の内訳では、アーキテクトが9%成長する一方、管理者は0%で横ばいです。O*NETのデータベースアーキテクトのページ（コード15-1243.00）はさらに詳しく、2024年の雇用は66,900人、2034年までの年間求人は約4,000件、Bright Outlook（有望な見通し）の指定があり、求人の76%が少なくとも学士号を要件としていると示しています。

プラットフォームへの支出が増え続けるため、需要は上がり続けており、ガバナンスツールへの支出はさらに速く増えています。Fortune Business Insightsのデータガバナンス市場レポート（2026年8月更新）によると、世界のデータガバナンス市場は2026年の53.8億ドルから2034年には240.7億ドルへ、年平均成長率20.50%で拡大すると予測されています。そのツールが乗るモデルを誰かが担わなければならず、それがこの職務です。

経験レベル別の市場報酬

以下のレンジは、上記の検証済みの労働統計局とO*NETの基準値と、データアーキテクチャ職における標準的な年功の進み方を軸にした、雇用主設定の市場推計です。特定の給与データベースからの引用ではなく、計画用のレンジとして扱ってください。

都市圏別の調整ガイド

個別のオファーを左右する要因： 業界（金融サービスとテクノロジーは中央値より高く支払う）、プラットフォームの責任の深さ、カタログとリネージの責任が含まれるか、そしてモデルが規制リスクや収益報告とどの程度直接結びついているかです。

経験レベル別要件マトリクス

面接質問

技術・実務に関する質問

1. モデリングのトレードオフ：「新しい領域に対して、Data Vault 2.0ではなくディメンショナルモデリングを選ぶのはどのようなときですか。また、何があれば考えが変わりますか。」
2. プラットフォーム設計：「三つのプロダクトラインにまたがり、1日に50億件のイベントを処理する企業のウェアハウス層を設計してください。どのプラットフォームを選び、その理由は何ですか。」
3. データコントラクト：「上流のプロダクトチームとウェアハウスの間のスキーマコントラクトを、どのように定義し、実効性を持たせますか。」
4. 実践におけるガバナンス：「VPが一度限りの分析のために、生の顧客データへの閲覧権限を求めてきました。どう評価し、どう回答しますか。」
5. 移行計画：「6か月間レポートを止めることなく、オンプレミスのウェアハウスからクラウドプラットフォームへ移行する計画を説明してください。」
6. パフォーマンスとコスト：「あるチームのクエリは正確ですが、今四半期にウェアハウスの請求額が3倍になりました。どう調査しますか。」
7. マスターデータの対立：「二つのシステムが、何を『アクティブな顧客』とみなすかで食い違っています。これを、特定のダッシュボードの中ではなく、モデルのレベルでどう解決しますか。」
8. リネージと信頼：「新しいアナリストが、あなたに直接尋ねなくても、ダッシュボードの数字を信頼できるようにするには、どうしますか。」

行動面接質問

1. 「後から作り直さなければならなかった、あなたが設計したデータモデルについて教えてください。何を学びましたか。」
2. 「ガバナンスやセキュリティ上の懸念から、ステークホルダーの要望を断った経験を説明してください。」
3. 「アーキテクチャ上の判断をめぐって、データエンジニアやDBAと意見が対立した経験を順を追って教えてください。どのように解決されましたか。」
4. 「最初から最後まで担当した、最も複雑なエンタープライズ統合について教えてください。」
5. 「自分が設計していないデータモデルを引き継いだ経験を説明してください。維持するか置き換えるかを、どう判断しましたか。」
6. 「アーキテクチャ上の判断を確定する前に、複数のチームの合意を築いた経験について教えてください。」

カルチャーフィットに関する質問

1. 「アーキテクチャの理想と、期限に追われるチームの現実とのバランスを、どのように取りますか。」
2. 「データアーキテクチャとデータエンジニアリングの健全な関係は、日々どのようなものだと考えますか。」
3. 「あなたが設計したモデルを日常的に迂回して作業するチームには、どう対応しますか。」
4. 「この職務を最初からやり直せるとしたら、違う形で下すであろうアーキテクチャ上の判断を一つ挙げてください。」

評価のポイント：パターンの名前を挙げるだけでなく、トレードオフを平易な言葉で説明できる候補者を見極めてください。優れた回答には、「データモデルを改善した」という一般的な主張ではなく、具体的なシステム、ステークホルダー、結果が含まれています。一つのモデリング手法が常に正しいと主張する人や、「アーキテクト」の肩書きを持っていたのに自分が下した全社的な判断を挙げられない人には注意してください。

採用のヒント

クイックソーシングガイド

• LinkedIn：「Data Architect」「Enterprise Data Architect」「Analytics Architect」といった職種名を、対象のクラウドプラットフォームで絞り込んで検索します
• プラットフォームコミュニティ：Snowflake、Databricks、BigQueryのユーザーグループや認定者ディレクトリには、そのプラットフォームを日常的に使っている人が見つかります
• モデリング特化のコミュニティ：Data VaultやKimballに焦点を当てたグループやdbtのSlackコミュニティには、一つのパターンではなくトレードオフで考える人が集まっています
• 社内昇進のパス：最も優秀なデータエンジニアやDBAが最良の候補者であることが多く、すでに非公式にチーム横断のモデリング判断を下している人に注目します

警戒すべき兆候

• ツールの知識だけ：クラウドプラットフォームのコンソールは知り尽くしているが、特定のモデルがなぜその形をしているのかを説明できない
• ガバナンスの経験がない：自分が下した実際のアクセス制御やデータコントラクトの判断を説明できない
• 単一パターンの思考：ディメンショナルモデリングやData Vaultが常に正しいと主張し、もう一方がより適する場面を理解していない
• 担当範囲のない肩書き：以前「アーキテクト」の肩書きを持っていたが、説明する業務がシニアデータエンジニアと同じで、示せる全社的な判断がない
• 失敗を説明できない：うまくいかなかったアーキテクチャ上の判断や、何を変えるかについての例がない