膨大なデータをスピーディーに処理　ユーザビリティを向上すべく「b→dash」が辿り着いた選択とは

良好なユーザビリティを「パフォーマンス」で支える

──自由度が高いゆえに、エンジニアなら作ることがないような最適化されないクエリができてしまい、時間がかかってしまうのですね。

　お客様のデータはバラバラですし、発行されるクエリもまったく異なるため、すべてを最適化することは難しいです。そこに関しては、Snowflakeのパワーで解決できるようになりました。古いバージョンを知るエンジニアや運用部隊はすごく感動しています。

　また「b→dash」がユーザーとして想定しているのはエンジニアではなく、一般のマーケターです。よく「Excelと同じように」との要望をいただくのですが、やはり使い勝手を重視する必要があります。従来は、画面操作がわかりやすくなるようにプレビュー用のデータを用意し、実際の処理は裏側でやるなど、システム構造が複雑化しがちでした。一方で、Snowflakeを導入してからは、プレビュー用のデータを別途用意しなくても処理に耐えうるので、アーキテクチャをシンプルにできました。

　エンジニアでなくても簡単にデータ操作できるようにすることは「b→dash」のこだわりであり、目標です。そのため、これだけレイテンシーが低いと助かりますね。

──Snowflakeを活用する上で工夫されていることはありますか？

　「b→dash」では、たまに大きな処理が発生することもあるのですが、そうしたお客様には共有ではなく、専有のデータウェアハウスを使うように仕組みを構築してコントロールするようにしています。

　そのため、Snowflakeにはマルチテナント対応を期待しています。加えて、簡単に最適化のようなことができるといいなと思っています。現状でデータが50TBにも上っており、恐らく数年で倍になるでしょうし、もっと膨らむかもしれません。

　もちろん、データ量やクエリが多種多様なので、どのような構成にすればコストパフォーマンスが最大になるのか、これから試行錯誤したいと考えています。その際に、どのような設定や構成にすれば最適化できるか、指針がわかると嬉しいですね。

──最後に「b→dash」をどのように成長させていきたいのかお聞かせください。

　「b→dash」は、先ほどお伝えさせていただいたように、「ノーコード」と「All in One」という特徴を持っているため「こういうキャンペーンを打ちたい」「こんな分析がしたい」と思いついたときに「誰でも簡単にデータ活用ができる」プロダクトです。

　そして、それを支える重要な要素としてデータのパフォーマンスが挙げられます。何かを設定して、結果を確認できるのが1時間後か1秒後か、これだけでユーザビリティは大きく変わります。1時間後ではなく1秒後に結果が返ってくるなら「いや、こうじゃない」「そうそう、やりたいのはこれだ」と試行錯誤できるようになります。

　だからこそ、今後はより一層パフォーマンスを高めることで「誰でも簡単にデータ活用ができる」世界を実現し、データの民主化を推進していきたいです。今後もSnowflakeを活用し、「b→dash」に磨きをかけて企業や社会に貢献していきたいと思います。