AboutマナビDX Quest とは
経済産業省では、地域企業・産業のDXの実現に向けて、デジタル人材の育成を推進するため、デジタル知識・能力を身につけるための実践的な学びの場として、ポータルサイト「マナビDX
(デラックス)」を2022年3月に開設しました。
さらなる地域企業・産業のDXの実現に向け、ビジネスの現場における課題解決の実践を通じた
能力を磨くため、のべ約2,000名程度の学生・社会人等を対象にデジタル推進人材育成プログラム「マナビDX Quest」を実施します。
マナビDX Questは、企業データに基づく実践的なケーススタディ教育プログラム及び、地域の中小企業との協働による、デジタル技術を活用した地域企業協働プログラムからなります。
2025年度は、ケーススタディ教育プログラムでは、受講生のべ2,093名、満足度は76%、地域企業協働プログラムでは、受講生393名、中小企業77社が参加し、受講生満足度87%、企業満足度93%を達成しました。
マナビDX Questを通じて、デジタルの経験有無にかかわらず、企業におけるDXを推進する変革の考え方やプロセスを学び、志を同じくする幅広いデジタル人材とのつながりを構築することができます。
マナビDX Questが大切にしたいこと
-
01
"実現"の激流に、
飛び込もう。マナビDX Questでは、「DXで現場の課題を解決する」という一連の流れに挑戦します。
ビジネスの全体を理解し、俯瞰したうえで、DXを構想し、技術を活用する。
具現化する力、実現する力を成長させる学びの旅に、飛び込みましょう。 -
02
"競争"と"共創"。学び合うクルーであれ。
マナビDX Questには、先生や教科書はありません。ご自身の力で、ひとつひとつのステップをクリアしていただきます。
ここに集う参加者は、パフォーマンスを競い合うライバルであり、同時に、学び合う仲間でもある。
Slackや交流会を通じて、切磋琢磨しながらクエストを進めていく。
ひとつの船に乗る “クルー” として、一緒に “実現の激流” に漕ぎ出していきましょう。 -
03
挑む人々の“港”になる
コミュニティを。マナビDX Questに参加していただくことのいちばんの価値は、ここで生まれるネットワークかもしれません。
プログラム終了後も修了生コミュニティ等を通じてつながり続け、折に触れて帰ってきて、刺激し合う、“港”のようなコミュニティ。
そうしたコミュニティが築ければ、それはきっと、日本の経済・社会を前に進める原動力になるはずです。
Programプログラム
受講を通じて得られること
-
本プログラムでは、実際に手を動かしながらDX推進プロジェクトを体験することで、デジタル素養の有無に関係なく、DXの担い手として持つべきスキルを習得できます。
-
課題に取り組む中で、受講生同士学び合いながら、ビジネス要素(課題の発見・ゴール設定・コミュニケーション力 等)、デジタル要素 (AI実装・データサイエンス等、デジタル技術への理解/ビジネスへの活かし方 等) の両方を、深めることができます。
-
デジタル技術を自由に活用しながら課題に取り組むことで、デジタル技術が急速に進化する社会において、変化に対応し実践的なスキルを習得できます。
特に、現在急速に進展し、様々な仕事に影響をもたらすと考えられている「生成AI」は、プログラムの中で積極的に活用し、使い方について学ぶことができます。 -
プログラム期間中は、受講生同士交流しながら学習を深めることができ、志を同じくする参加者との繋がりができます。また、受講後も過年度参加者が集う「修了生コミュニティ」に参加し、継続的な学びや交流の機会を得られます(参加は任意)
-
また、PBLや地域企業協働プログラムに複数回参加することで、より学びを深め、経験を積み上げることが出来ます。
本プログラムの概要
ケーススタディ教育プログラム(PBL)
- 参加者が情報交換して学び合い・教え合いながら、与えられた課題を解決していくPBL (Project-based Learning:プロジェクト型学習)を中心に据えたプログラムです。
- 約3ヶ月*のPBLで、ビジネス課題からデジタル課題まで、DXを推進し組織を変革する一連のプロセスを一気通貫で学習することができます。
*期間はプログラムにより異なります - デジタル初心者/経験者問わず、プログラムに参加できるよう、多数の学び合いの仕掛けを用意しています。
- 具体的な内容 (例)
- 企業の課題の特定・要求/要件定義→課題解決に向けたソリューションの検討/検証→経営者/他部署に向けた実装・組織変革の提案
地域企業協働プログラム
- より実践的な学びの機会として、実際に中小企業と約2、3ヶ月間*1かけて、チームで課題解決に取り組むプログラムです(参加要件*1あり。)。
*1 参加要件及び期間はプログラムにより異なります - 地域の中小企業の課題に取り組み、経営陣・担当者との協働による実体験を通じて、ケーススタディ教育プログラムなどで学んだDXを、現場で推進する際の難しさやポイントを学ぶことができます。
- 具体的な内容 (例)
- DX構想・設計・検証段階の各企業の具体的な課題に対し、解決策の提案を実施
ケーススタディ教育プログラム(PBL)
- DX推進プロジェクトを疑似体験する、PBL (Project-based Learning) 型プログラムです
-
企業の実課題・実データに基づくケーススタディ教材を学習することで、DXを推進し組織を変革する一連のプロセスを学び、DX推進に必要なスキルをデジタル/ビジネスの両面から身に付けることができます
- 株式会社SIGNATE提供プログラム
- 株式会社SAMURAI提供プログラム
- 自ら問いや仮説を立てる自己主導型学習であり、課題解決の結論は一つとは限りません。参加者間で多様な考え方を学び合うことができます
今期は、2つのプログラムがあります※。
※地域デジタル人材育成・確保推進事業費(企業データに基づく実践的なケーススタディ教育プログラム事業)補助金採択事業
地域企業協働プログラム
- DX推進プロジェクトを企業の現場で実践し、現実に企業が抱える課題の解決を目指す、インターンシップ型プログラムです
- 企業担当者と数か月間をかけて議論し成果に到達することで、DX推進に必要なスキルを実践するとともに、現場でDXを推進するための"勘所"を理解するという机上では得られない学びを得ることができます
今期は、6種類のプログラムを提供しております。
プログラムの参加料は無料となります。
- 参加要件・応募方法について*1
-
- 参加要件は各プログラムにより異なります。各プログラムの応募は、各社のプログラム詳細/応募先よりお願いいたします。
- プログラムは原則オンラインで実施いたしますので、各協働企業の所在地域に居住していない方でもご参加いただけます。
- 企業様およびチームの皆様へのご迷惑を最小限にとどめるため、原則として、参加確定後の辞退やプログラム途中での離脱はご遠慮いただいております。
複数のプログラムにご応募される際には、上記の点につきましてご留意くださいますよう、お願い申し上げます。
*1 ご参加にあたっては、各プログラムの運営事業者が掲示するプライバシーポリシー及びマナビDX Quest事務局プライバシーポリシーへの同意が必要となります
協働企業様向けのご案内Coming Soon
詳細は確定次第公開いたします。
プログラムの魅力
-
修了証
PBLや地域企業協働プログラムを最後までやり切った方には修了証が発行されます。
修了証はオープンバッジで発行しますので、SNSでの発信、メールの署名に埋め込む等、気軽にご自身のスキル・経験をアピールできます。
-
修了生コミュニティ
マナビDX Questでは、プログラム参加後にも学び合いを継続していくための場として、参加年度を超えて修了生が集う修了生コミュニティを設置しています。
2,700名以上の修了生が参加し、DXに関するSlack上での情報発信、勉強会、交流イベント等の活動を行っています。
-
これまでの成果
2022年度から始まったマナビDX Questにはこれまで多くの受講生・企業が参加しています。
2025年度は、ケーススタディ教育プログラムでは、受講生のべ2,093名が参加し、満足度は76%を達成、地域企業協働プログラムでは、受講生393名、協働企業77社が参加し、受講生満足度87%、企業満足度93%を達成しました。昨年度の成果の詳細はこちら
Achievement2025年度の成果
-
ケーススタディ教育プログラム
2,093名参加者
76%受講生満足度
-
地域企業協働プログラム
393名協働参加者
77社参加企業
87%受講生満足度
93%協働企業満足度
過去の「マナビDX Quest」における参加者(修了生・参加企業・修了生所属企業)へのインタビューおよびインタビュー動画(個人別)は こちら
※動画は2022年度の実施内容であり、今年度の実施予定内容とは異なる部分があります。
今年度の実施内容は本HPにてご確認ください。
FAQよくあるご質問
全般
- 提供するプログラムの詳細を教えてください。
- ケーススタディ教育プログラム、地域企業協働プログラムの詳細(期中の過ごし方や学習の進め方、応募方法や教材選択等、個別のプログラム内容)については、各事業者のホームページ等をご確認ください。
- マナビDX Questで発行される修了証にはどのような価値がありますか?
- デジタルバッジでの発行を予定しているため、署名に埋め込む等、気軽にご自身のスキル・経験をアピールできます。
- オープンバッジにはどのような情報が掲載されますか?
- バッジ取得者の氏名に加え、バッジの取得条件、修了したプログラムの概要、身に付けられたロール・スキル(DSS-Pに紐づく)、選択した教材テーマの他、表彰等がある場合はそちらの情報も掲載されます。
ケーススタディ教育プログラム
- 2つの事業者によるプログラムが提供されるとのことですが、どのように選べばよいでしょうか?
- 各事業者のホームページでの確認、説明会等にご参加の上、ご自身に合ったプログラムをご選択ください。
- 2つのプログラムに同時に申し込む/受講することは可能でしょうか?
- 申込/受講は可能ですが、2つのプログラムを合わせた学習時間を確保できるかを検討の上、ご自身の状況に応じてご検討ください。
1つのテーマを深く学んでいただくため、どちらか1つを受講いただくことを推奨しております。 - どちらかのプログラムに申し込み後、落選してしまった場合、別のプログラムに申し込むことは可能でしょうか?
- 可能です。ただし、いずれのプログラムも定員に達した場合、早期に募集を締め切る可能性がございますので、ご留意ください。
地域企業協働プログラム
- 地域企業協働プログラムの参加要件はどのようになりますか?
- 参加要件はプログラムによって異なるため、詳細は各プログラムの提供事業者にお問合せください。
※なお、昨年度同様ケーススタディ教育プログラムの修了を参加要件とするプログラムが複数あることが想定されます。
※上記の要件について、2026年度以前の修了でも問題ないプログラムが多いことが想定されますが、今年度初めてマナビDX Questにご参加される方はご留意ください。 - 地域企業協働プログラムはいつから始まりますか?
- 今年秋以降の開始を予定しております。プログラムによって異なりますので、公開する募集要項をお待ちください。
Contactお問い合わせ
マナビDX Questにご関心をお持ちいただきまして、
ありがとうございます。
ご意見・ご相談など、お気軽にお問い合わせください。
お問い合わせの内容確認後、1-2営業日以内に担当者よりご連絡差し上げます。
※ 数日経過した後に返信が無い場合、
入力いただいたメールアドレスの誤り/
事務局回答メールが迷惑メール等に含まれている可能性がございます。
ご確認の上、必要ございましたら再度お問い合わせ
くださいますようお願い申し上げます。
お問い合わせはこちら
info_manabi-dxquest@a-brain.com
受付/回答時間 10:00〜17:00(土日祝日・年末年始を除く)
お問い合わせいただいた時点で
マナビDX Quest事業 プライバシーポリシーに
同意いただいたものとみなします。
DX推進スキル標準(DSS-P)
主に対応するDSS-P Ver.2.0スキル
|
関連する主なロール | |||
|---|---|---|---|---|
| 教材1 AI活用DXプロジェクトの疑似体験 |
データ・AI理解・活用 |
データサイエンスプロフェッショナル データビジネスストラテジスト データエンジニア データアーキテクト ビジネスアナリスト |
||
|
データ・AI活用戦略設計 |
||||
|
データ・AI活用業務の設計・事業実装・運用 |
||||
|
AI実装・運用 |
||||
|
数理統計・多変量解析・データ可視化 |
||||
|
機械学習・深層学習 |
||||
|
データマネジメントの定着とデータ活用の推進 |
||||
|
要求の分析とマネジメント |
||||
|
仮説検証・学習サイクル設計 |
||||
|
コンピュータサイエンス |
||||
| 教材2 データ活用DXプロジェクトの疑似体験 |
データ・AI理解・活用 |
データビジネスストラテジスト データスチュワード データアーキテクト ビジネスアナリスト ビジネスアーキテクト プロダクトマネージャー |
||
|
データ・AI活用戦略設計 |
||||
|
データ・AI活用業務の設計・事業実装・運用 |
||||
|
ガバナンス体制の構築・運用 |
||||
|
データマネジメントの定着とデータ活用の推進 |
||||
|
データの品質・安全性向上 |
||||
|
数理統計・多変量解析・データ可視化 |
||||
|
要求の分析とマネジメント |
||||
|
プロダクト成果指標の設計と運用 |
||||
|
仮説検証・学習サイクル設計 |
||||
|
ビジネスモデリングとコラボレーション |
DX推進スキル標準(DSS-P)
習得できるスキル
|
目指せるロール | |||
|---|---|---|---|---|
| AI実装コース |
チェンジマネジメント |
ビジネスアーキテクト データビジネスストラテジスト |
||
|
ビジネスとエンタープライズのアーキテクチャ設計 |
||||
|
ビジネス価値定義/投資対効果の試算と意思決定支援 |
||||
|
ビジネス環境と経営戦略の理解 |
||||
|
プロダクトスコープと優先順位のマネジメント |
||||
|
プロダクトビジョン/ロードマップ策定 |
||||
|
プロダクト成果指標の設計と運用 |
||||
|
サービス活用 |
||||
|
ソフトウェア設計手法 |
||||
|
チーム開発 |
||||
|
テクノロジートレンド |
||||
|
バックエンドシステム開発 |
||||
|
インシデント対応と事業継続 |
||||
|
セキュリティマネジメント |
||||
|
セキュリティ体制構築・運営 |
||||
|
プライバシー保護 |
||||
|
コラボレーション |
||||
|
リーダーシップ |
||||
|
批判的思考 |
||||
|
適応力 |
||||
| AI分析コース |
チェンジマネジメント |
ビジネスアーキテクト データビジネスストラテジスト データサイエンスプロフェッショナル |
||
|
ビジネス環境と経営戦略の理解 |
||||
|
プログラム/プロジェクトマネジメント |
||||
|
マーケティング |
||||
|
事業戦略の策定とマネジメント |
||||
|
テクノロジートレンド |
||||
|
バックエンドシステム開発 |
||||
|
データ・AI活用戦略設計 |
||||
|
データ・AI活用業務の設計・事業実装・運用 |
||||
|
データ・AI理解・活用 |
||||
|
データエンジニアリング(設計・収集・統合・提供) |
||||
|
数理統計・多変量解析・データ可視化 |
||||
|
機械学習・深層学習 |
||||
|
インシデント対応と事業継続 |
||||
|
セキュリティマネジメント |
||||
|
セキュリティ体制構築・運営 |
||||
|
プライバシー保護 |
||||
|
コラボレーション |
||||
|
リーダーシップ |
||||
|
創造的な問題解決 |
||||
|
批判的思考 |
||||
|
適応力 |
DX推進スキル標準(DSS-P)
習得できるスキル
|
目指せるロール | |||
|---|---|---|---|---|
|
パターン1
デジタル化の 可能性検討 |
データ・AI活用戦略 |
ビジネスアーキテクト (既存事業の高度化) ビジネスアーキテクト (社内業務の高度化・効率化) |
||
|
ビジネスアナリシス |
||||
|
変革マネジメント |
||||
|
ビジネス戦略策定・実行 |
||||
|
システムズエンジニアリング |
||||
|
エンタープライズアーキテクチャ |
||||
|
パターン1.5
部分的な データ活用 チャレンジ |
データ・AI活用戦略 |
データビジネスストラテジスト ビジネスアーキテクト(既存事業の高度化) ビジネスアーキテクト(社内業務の高度化・効率化) |
||
|
データ理解・活用 |
||||
|
ビジネスアナリシス |
||||
|
変革マネジメント |
||||
|
ビジネス戦略策定・実行 |
||||
|
システムズエンジニアリング |
||||
|
エンタープライズアーキテクチャ |
||||
| パターン2
データ分析を通じた 活用可能性の設計/ 初期的な検証 |
機械学習・深層学習 |
データビジネスストラテジスト ビジネスアーキテクト (既存事業の高度化) ビジネスアーキテクト (社内業務の高度化・効率化) |
||
|
データ・AI活用戦略 |
||||
|
データ理解・活用 |
||||
|
データ活用基板設計 |
||||
|
変革マネジメント |
||||
| パターン3 データ・デジタル技術を用いた新規事業 検討 |
データ・AI活用戦略 |
ビジネスアーキテクト (新規事業開発) |
||
|
ビジネスアナリシス |
||||
|
ビジネス調査 |
||||
|
ビジネスモデル設計 |
||||
|
変革マネジメント |
DX推進スキル標準(DSS-P)
習得できるスキル
|
目指せるロール | |||
|---|---|---|---|---|
|
パターン1
デジタル化の 可能性検討 |
データ・AI活用戦略 |
ビジネスアーキテクト (既存事業の高度化) ビジネスアーキテクト (社内業務の高度化・効率化) |
||
|
ビジネスアナリシス |
||||
|
変革マネジメント |
||||
|
ビジネス戦略策定・実行 |
||||
|
システムズエンジニアリング |
||||
|
エンタープライズアーキテクチャ |
||||
| パターン2
データ分析を通じた 活用可能性の設計/ 初期的な検証 |
機械学習・深層学習 |
データビジネスストラテジスト ビジネスアーキテクト (既存事業の高度化) ビジネスアーキテクト (社内業務の高度化・効率化) |
||
|
データ・AI活用戦略 |
||||
|
データ理解・活用 |
||||
|
データ活用基板設計 |
||||
|
変革マネジメント |
||||
| パターン3 データ・デジタル技術を用いた新規事業 検討 |
データ・AI活用戦略 |
ビジネスアーキテクト (新規事業開発) |
||
|
ビジネスアナリシス |
||||
|
ビジネス調査 |
||||
|
ビジネスモデル設計 |
||||
|
変革マネジメント |





