Snowflakeの導入効果をレビューでご紹介(harry-dely株式会社)

• Snowflake導入前はAWSのサービス上にデータ基盤が構築されていました。
• 当時はある程度最適化されており、性能面もある程度許容できるデータ基盤として稼働をしていました。しかし、今後の分析以外のワークロード(MLやアプリケーションでの利用)を考えると、性能面等で許容ができないためスケールできる基盤が必要でした。また、データを利用可能にするまでのリードタイムも既存のデータ基盤は長かったため、できるだけリアルタイムに近づけられることも必要でした。
• Snowflakeは前職で利用をしており、様々なワークロードにも対応できるだけのスケーラビリティや性能面のメリットがあることは知っていました。

• Google BigQuery
• 既存のデータ基盤(AWS Athena/Glue)

データを利用するための時間がほぼリアルタイムになったことや、分析に対しての性能も既存のデータ基盤よりも高速であり、自社のユースケースにおいて、競合製品と比べて同等以上の性能であったことも決め手になりました。

トライアルもPoCの環境整備も爆速で完了できたことと、整備したデータパイプラインもエラーすらほぼなく稼働してくれたので安心して本稼働まで進めることができました。

導入の背景にあった、データをMLやアプリケーションで利用する上で、リードタイムを短縮するという目的が達成できたのは大きかったです。また、Snowflakeの機能を活用することで、運用の工数を掛けずに、安定して、成果に繋げることができるようになった点で満足しています。

DWHの利用量はストレージコストとコンピューティングリソース(ウェアハウス)の稼働時間単位で課金がされるが、ウェアハウスは稼働後最低1分は稼働し続けるので、単純な分析時間だけではないことに注意です。