SnowflakeユーザーがETLを利用する5つのシナリオ

2022/06/21

copied!

Snowflakeは、その優れたパフォーマンスから、データウェアハウス業界の勢力図を一気に塗り替え、導入企業が急拡大しています。今回は、Snowflake上のデータを少ない工数で整備するヒントとして、Snowflake利用企業がETLを利用する5つのシナリオについてご紹介します。

(1)シナリオ1: Snowflake → ETL → Excel, CSV

s-820x538_v-fs_webp_f74da5b5-2b7c-4d13-8f03-0b883e4a5afa | Reckoner

Snowflakeに格納されたデータを、ETLで抽出・変換した後に、ExcelやCSVなどで出力するシナリオです。

分析が完了したデータのサマリを、ExcelやGoogleスプレッドシートで見やすい形で広く共有し、最新のデータの確認や傾向の確認を行う場合に最適です。ETL上でデータを変換することで、「Snowflakeに格納されている表示形式そのまま」ではなく、「データを確認する人や部門にとって最も分かりやすい表示形式」に変換してから共有できるため、効率的です。

(2)シナリオ2: Snowflake → ETL → RDB

s-833x540_v-fs_webp_a071357d-69dd-45a1-9617-1d5270d265ce | Reckoner

Snowflake上にあるデータを、ETLで抽出・変換した後に、MySQLやPostgreSQLなどのRDBにロードするという方法です。

Snowflake上のデータを、RDBにロードして別システムで利用したい、特定の用途のためにデータをDWHから抽出したい、といった場合などに最適です。Snowflake上のデータを、ETL上で「移管先システムで最適なデータ形式」となるように変換した後に、RDBに格納します。これにより、手動のデータ処理が一切不要となります。

(3)シナリオ3: Excel, CSV → ETL → Snowflake

s-827x546_v-fs_webp_2634edb9-e790-403b-9856-b0e9f20aeb50 | Reckoner

ExcelやCSVで保持しているデータを、ETLを介してSnowflakeに格納する方法です。

例えば、ExcelやCSVの形で保持している顧客情報や売上情報を、Snowflake上のデータに追加する場合です。Snowflakeについて知識のない人が、ExcelやCSVファイル上のデータを適切な形で、Snowflake上の既存のデータセットに追加するのは、容易ではありません。また、こうした作業を行うために都度情報システム部門に依頼するのも「気が引ける」と思う担当者も多いでしょう。

ETLを利用することで、Snowflakeのダッシュボードにログインすることなく、ExcelやCSVデータを抽出・変換したのちに、Snowflakeに正しくデータを追加できます。

(4)シナリオ4: Salesforce → ETL → Snowflake

s-821x545_v-fs_webp_0ded25a5-8aab-448b-8476-261d60b9bb4b | Reckoner

Salesforce上のデータを、Snowflakeに格納して分析可能とする際に、ETLを活用できます。SalesforceとSnowflake間にはコネクターが提供されていますが、分析を容易に行うために、SalesforceのデータをそのままSnowflakeにロードするのでなく、変換が必要となる場合があります。

こうした場合は、ETLを介してデータの変換ロジックを設定し、そのロジックに従って処理させることで、Salesforce側もSnowflake側も追加のデータ処理が不要となります。

(5)シナリオ5: Kintone → ETL → Snowflake

s-812x543_v-fs_webp_cc081696-d048-44df-99f1-77108cd40819 | Reckoner

Kintoneで稼働するアプリケーションやワークフローのデータを、ETLで変換した後に、Snowflakeに格納するシナリオです。

Kintoneのデータベースは、一般的なRDBと異なる仕様となっていますが、ETLを用いることでデータベースの内部的な違いを意識することなく、必要な形に加工した後にSnowflakeにロードできます。

「Reckoner」でさらなるSnowflake活用を

今回は、Snowflakeを導入している組織がETLを利用するシナリオとして、多く利用されている5つのシナリオについてお届けしました。

ETLを利用すると、Snowflakeへのデータロード（ならびロード時の変換）、そしてSnowflakeからのデータ抽出（ならび抽出時のデータ変換）がより容易かつ効率的に行えるようになります。結果、「データを分析する」「抽出したデータをもとに議論する」といった、本当に重要な業務により多くの時間を割く事が可能となります。

当社が開発する「Reckoner」は、非エンジニアであってもブラウザ上でデータ処理が行えるETLです。プログラミング不要のため、情報システム部門に都度処理を依頼することなく、データを必要な部門の担当者が「必要なそのタイミング」でデータ処理が可能となります。Snowflake以外のDWH製品（Amazon Redshift, Google BigQueryなど）にも対応するため、複数のDWH製品を稼働させている企業での利用も効果的です。

ぜひ、Reckonerの資料をダウンロードいただき、ご検討ください。

ETLツールについて詳しく知りたい、ETLツールの選び方を知りたいという方はこちらの「ETLツールとは？選び方やメリットを解説」をぜひご覧ください。