明星大学とハーモニープラス、データとAIを活用した大学運営に向けデータ基盤を検証 ―Microsoft Fabricを利用し、全学的なデータ活用を見据えた取り組みを始動―
学校法人明星学苑 明星大学（東京都日野市、学長：冨樫 伸）とハーモニープラス株式会社（以下「当社」）は、業務プロセス改善およびデータドリブンな大学経営に向けたデータ基盤構築の概念実証（PoC）を完了しました。
本実証は、当社が提供する大学向けデータ活用支援サービス「Campus Analytics」の一環として、課題整理・企画から基盤構築までを一貫して伴走支援したものです。
本取り組みの概要
- 明星大学と当社は、アドミッションセンターの業務を対象に、Microsoft Fabric を用いたデータ基盤構築の概念実証を完了しました。
- 部署ごとに分散していた入試データや学籍データを一つの基盤に統合し、アドミッションセンターの職員による一部業務の自動化を確認。
- 今年度中にデータ基盤の拡張および検証を行い、今後は対象業務・データを段階的に広げ、全学的なデータ活用へ発展させていきます。
大学DXを進めるうえでのデータ活用の課題
データは部署ごとにあるが、つながっていない
多くの大学では、入試・学籍・成績・進路・各種アンケートなどのデータが部署ごとのシステムやファイルに分かれて保管されており、業務や意思決定のために横断的に利用できる状態になっていません。
業務は回っているが、担当者の手作業と経験に依存している
明星大学においても、各種データを手作業で加工・集計し、帳票を作成したり分析をしたりなどの業務を行っていました。特定の担当者の経験に支えられており、蓄積したデータを次の検討に活かしにくい構造がありました。
分析ツールの導入だけでは、この構造は変わらない
可視化ツールを導入しても、元データが分散し手作業で作られる構造が残る限り、根本的な解決にはなりません。両者は、データの蓄積・統合・自動連携を担う基盤そのものを整備する方針を選択しました。
大学DXを目的から逆算して進めるプロジェクト設計
個別業務の効率化の積み上げではなく、最終目的から逆算して実証範囲を決めました。
目的から逆算した設計
目的：受験生・学生一人ひとりに向き合える大学運営。その最初の接点である入試関連業務を対象に選定
あるべき姿：入試関連業務のめざす姿を大学とともに整理し、認識を統一
手段：その実現にはデータの統合と活用が必要なため、個別ツールではなくデータ基盤を整備
実証：全体像を設計したうえで、着手範囲を絞って検証
本実証の概要
対象業務：入試に関する業務
体制：明星大学 業務改革推進チームが主体となり、当社が課題整理・企画・設計から構築まで伴走
期間：企画を含め2026年4月から約3か月で実証完了
技術基盤：Microsoft Fabric（データ統合・分析基盤）、Microsoft Power Apps（業務入力画面）
実証で構築・確認できたこと
分散していた入試・高校関連データを、一つの基盤に統合
複数のシステム・ファイルに分かれていた入試関連データを Microsoft Fabric 上に集約し、段階的に整形・統合するデータ基盤を構築しました。
業務アプリの作成による業務効率化
従来手作業で行っていた集計・転記・書類作成を簡便に行うアプリを作成し、業務が効率化できることを確認しました。
今後の展開 ― 年内の実運用検証と、全学データ活用へ
今年度はデータ基盤のスコープを広げ、構築を進めていきます。 さらにその先は、構築した基盤を土台に、対象データをさらに拡大し、入学から卒業・進路までを見通した教育改善・大学運営への活用を構想しています。明星大学は、構想を掲げることにとどまらず、業務を一つずつデータに基づく運営へ作り替える取り組みを継続していきます。
ご担当者様の声
明星大学
経営企画ユニット 業務改革推進チーム 課長補佐 月吉 洋陽 様
「今回の実証では、本学の業務改革推進チームが主体となりながら、ハーモニープラス様の外部の知見と大学業務に即した業務設計のノウハウをお借りすることで、単なるシステム構築ではなく、現場業務の見直しとデータ活用を一体で進めることができました。
今後も、今回得られた成果を土台に、職員の負担軽減と、データに基づく大学運営の実現に向けて取り組みを広げていきたいと考えています。」
「Campus Analytics」について
データドリブンな大学経営の実現へ。大学DXパートナーとして、課題発見から伴走します。
Campus Analytics は、大学が抱える本質的な課題を見極め、データ活用の設計から基盤構築、分析・可視化、改善施策の定着までを一貫して支援するデータ分析支援サービスです。
支援範囲
課題・設計：ヒアリング、DXロードマップ、ユースケース、KPI整理
基盤整備：データ基盤設計・構築、統合・標準化、加工・集計フロー、BIツール選定
可視化・分析：目的別ダッシュボード構築
改善支援：結果解釈、施策立案、効果測定
業務効率化・AI活用：業務プロセス改善、生成AI活用
内製化支援：研修、運用ルール整備、継続体制構築
特長
- ツール導入ではなく、業務への定着を目的とする
- 大学業務の構造を熟知したチームが対応する
- データを大学の「資産」として設計・管理する
- ツールは環境・予算に応じて柔軟に選定する
- 分析から、AI・業務自動化まで支援する
