社内データ分析基盤のSnowflake利用事例
株式会社ログラス / gainings
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: 11名〜50名
| 利用プラン | 利用機能 | ツールの利用規模 | ツールの利用開始時期 | 事業形態 |
|---|---|---|---|---|
Enterprise Edition | 全般 | 101名〜300名 | 2025年11月 | B to B |
| 利用プラン | Enterprise Edition |
|---|---|
| 利用機能 | 全般 |
| ツールの利用規模 | 101名〜300名 |
| ツールの利用開始時期 | 2025年11月 |
| 事業形態 | B to B |
アーキテクチャ
.png?disposition=inline)
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
従来では単一プロダクトのみを想定したインフラ配置やデータソース連携になっていたためマルチプロダクトに向けて利用できる形ではありませんでした。 また上記は主にプロダクトのデータを想定しておりビジネスサイドが使えるDWHが無い状況でしたので、それぞれがスプレッドシートで処理しておりデータのサイロ化が発生していました。 上記に関連し、プロダクトのデータとビジネスのデータを組み合わせて分析を行うことができず、会社成長を阻害する要因となっていました。
比較検討したサービス
- Amazon Redshift
- Google Cloud BigQuery
- Snowflake
比較した軸
- コスト感(自社として受け入れられる金額なのか)
- 利便性
- AI活用
選定理由
UIやAI関係の機能による利便性を重視しSnowflakeが一番良いと考えました。
試算した結果、費用面でも許容できる範囲でしたので撤退基準を定めたうえで、承認を得ました。
導入の成果
どのような成果が得られたか
現在ではSnowflake上で、Salesforce等ビジネスサイドで使うデータと、プロダクトサイドのデータを貯めることができています。
これにより今後のRevOps向けのデータ基盤としては整いつつあります。
導入時の苦労・悩み
権限管理の部分で誰にどのような権限を渡すのか、それをどうやって管理するのかを考える必要がありSnowflakeに不慣れな面も合わせて苦労しました。
導入に向けた社内への説明
上長・チームへの説明
他ツールとの機能差分をまとめ自社にとって何が最適かをNotionにまとめました。 既存のデータ分析基盤の運用コストをベースに差分を計算し、どれぐらいに収まりそうかを試算した形です。
コスト試算した結果、許容できる範疇なことと利便性の観点のメリットを提示し承認をもらいました。
活用方法
よく使う機能
1. DWH基本機能
データ投入や、SQLでデータ問い合わせなど一般的な利用を行っています。
2. データカタログ
利用可能なデータを一覧で見れる機能で、カラムのdescription等を確認するのに利用しています。 こちらは全てdbtで管理しております。
3. CortexおよびMCP等のAI
Cortex Analystや公式のMCPサーバーによるSQL実行などを利用しています。
またSnowflake Intelligence なども展開を考えています。
ツールの良い点
- 利用画面までの導線がビジネスサイドでもわかりやすい
- プロダクトで利用しているクラウド上と同じ場所を利用することでデータ転送に伴うネットワークコストを最小化できる点
- AI利活用のための豊富なツールが揃っている
- サポートの方が手厚く対応してくれる
ツールの課題点
- 権限管理が慣れていないと複雑に感じる
- 上記に合わせてどうDBとスキーマを分割するのかを考える必要があり自社にとっての最適を考えるのが導入直後では難しい
今後の展望
旧環境が残っているのでこれを徐々に退役していきたいです。 また全社展開はまだできていないので、Snowflake環境の広範囲な展開も行いたいです。 今後のAI時代に向けて社内データの蓄積や、それらの品質担保のためにdbtのテストやdescriptionの拡充も行っていきたいです。
株式会社ログラス / gainings
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: 11名〜50名
よく見られているレビュー
株式会社ログラス / gainings
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: 11名〜50名

