株式会社hacomonoのBigQuery導入事例
参考になった
8
株式会社hacomono / i9wa4
メンバー / データエンジニア / 従業員規模: 101名〜300名 / エンジニア組織: 51名〜100名
| 利用プラン | ツールの利用規模 | ツールの利用開始時期 | 事業形態 |
|---|---|---|---|
オンデマンド | 11名〜50名 | 2020年10月 | B to B |
アーキテクチャ
会員限定コンテンツ無料登録してアーキテクチャを見るアーキテクチャの意図・工夫
アーキテクチャ図の上半分 (RDS & Aurora → Embulk → BigQuery → Tableau) は顧客へのBIダッシュボード提供サービス向け、下半分は社内分析向けとなっています。 それぞれ開発・運用チームが異なるため現状この構成となっております。
導入の背景・解決したかった問題
導入背景
ツール導入前の課題
2020年当時の自社サービス hacomono がサイロモデル（シングルテナント）の構成で、顧客毎にデータベースが分離していて横断的なデータ取得をしづらい状況で、データの可視化も困難でした。
どのような状態を目指していたか
- 顧客横断的なデータ分析を行うことができる
- 必要に応じてツールと連携してデータの可視化を行うことができる
比較検討したサービス
- Amazon Redshift
比較した軸
コスト面を気にせずスモールスタートできるかという点です。
選定理由
BigQuery は Amazon Redshift と異なりデータ保持・稼働させるだけであれば料金がかからないためです。
導入の成果
どのような成果が得られたか
※2024年8月時点の状況を記載しています。
顧客横断的な分析を行いやすい環境を構築できました。また、BIツールとの連携に関しては社内でのKPI利用、BIダッシュボード提供サービスの立ち上げにつながりました。
導入に向けた社内への説明
上長・チームへの説明
上述の通りデータ保持・稼働にコストがかからないことで導入推進されました。
活用方法
よく使う機能
- スケジュールされたクエリ
- 定期的な SQL 実行を BigQuery 内で設定できます。データ基盤立ち上げ時に活用しておりましたが、データ基盤の成長に伴い他ツールに移行していくこととなりました。
ツールの良い点
- 特にデータ基盤立ち上げ時はコストを気にせずに活用しやすい料金体系になっています。
- Cloud Storage, BigQuery, Looker Studio, Google スプレッドシートなど Google のエコシステムの恩恵を受けて快適にデータ利活用を進めることができます。
- DWH サービスとしては最もポピュラーなためノウハウは充実しています。社内分析向け環境は Terraform と GitHub で 管理しており、ノウハウの多さは IaC 化を推進する上でのメリットに感じます。
ツールの課題点
- Snowflake のような時間課金の DWH サービスに比べるとコスト試算がしづらい点があります。実例を挙げると Datastream により BigQuery へのリアルタイムデータ転送のコスト試算の際コンピューティングコスト試算ができず、結局実運用のデータ規模で動作させてコストを確認することになりました。
ツールを検討されている方へ
弊社 hacomono では AWS をメインで利用し Google Cloud は主に BigQuery のために使用するというマルチクラウド環境を構築しています。そのため AWS 上のデータを BigQuery へ転送するコストや Google Cloud アカウントの権限管理の手間が発生してきます。BigQueryの導入メリットとともに予め運用コストも考慮した上で導入判断に至れるとよいと思います。
株式会社hacomono / i9wa4
メンバー / データエンジニア / 従業員規模: 101名〜300名 / エンジニア組織: 51名〜100名
よく見られているレビュー
株式会社hacomono / i9wa4
メンバー / データエンジニア / 従業員規模: 101名〜300名 / エンジニア組織: 51名〜100名
レビューしているツール
目次
- アーキテクチャ
- 導入の背景・解決したかった問題
- 活用方法