千株式会社のSnowflake活用事例

社内ではRedashとDBを使用したシンプルなデータ基盤が存在していますが、利用規模が拡大するにつれて以下のような課題が顕在化してきました。

• 誰かが重いクエリを1本実行すると他メンバーの分析が待たされる状態が発生
• データのサイロ化
  • クエリの属人化
  • 担当者退職による意図不明のクエリの再利用など
• 専任のデータエンジニアが少なく、データ基盤の運用や分析にかけられるリソースが不足

また当社では複数プロダクトを運用しています。これらについて横断したデータ分析のニーズはあったものの、それぞれが異なるDBにあることから実際に行うことに一定のハードルがありました。加えてビジネスのデータはスプレッドシートやZoho CRM上にもあり、それらを関連付けた分析を行うことが難しい状態になっていました。

• Amazon Redshift
• Snowflake

• 費用・管理運用コスト
  • データ基盤の運用に多くのリソースを割けない状況であったため、なるべく管理に時間をかけなくてもよいものを探していました
• キャッチアップのしやすさ
• コミュニティの活発さ

検討当時、当社のデータ基盤チームにはRedshiftの運用知見を持つメンバーがおらず、限られた体制の中で新たにキャッチアップしながら安定運用を担保するのは負荷が高いと判断して今回は見送りました。

そこで現状のチーム負荷を踏まえた上でSnowflakeを検討しました。Snowflakeはコンピュートとストレージが分離されているため、これまで既存のリソースを占有していた重いクエリも他の処理に影響を与えずに実行できます。導入背景で挙げた「誰かが重いクエリを1本実行すると他メンバーの分析が待たされる」という課題に対する直接的な解となる点が、選定の大きな決め手になりました。

またSnowsight上のワークスペースではクエリの作成や管理がしやすく、エンジニア以外のメンバーにも扱いやすいUIだと考えました。社内にデータ分析を広げていく上でキャッチアップしやすい点もSnowflake採用を後押しする要因になりました。

まだ移行途中なので徐々にではありますが、Snowflakeにデータが集まっていく中で今までは把握が難しかった現状の分析が行えるようになってきました。また生成AIを活用することでSnowflake-managed MCP Serverを使って手元のツールからの分析や、Agent Skillsの配布などで特定の個人に依存していた分析の手順が公開され、より多くの方にSnowflakeを使って分析を行えるようになってきました。

社内のエンジニアリソースが少ない場合において、Snowflakeは運用の手間が少ないため選択肢として有力だと考えています。コミュニティのイベントやSnowflakeのPlatform Trainingというハンズオンイベントも開催されていますので、一度触れてみてから判断するのが良いと思います。

社内では並行してRedashが稼働しているため、そちらを退役させ全社にSnowflakeを展開していきたいと考えています。またSnowflakeはAIに関連する機能も充実してきているので、それらを使ってより全社的なデータ基盤の活用を推進できればと思っています。